Matplotlib基础（一）—-三层和绘图流程

在平时处理数据的时候，因为数据可视化更能显示数据的关系。而python中的matplotlib库很好地提供了我们2D绘图的方式。于是我打算系统且详细的学习matplotlib,并尽可能地总结各种用法。这个系列就是我我的学习经验总结。

下载并导入matplotlib库
在Pycharm左下方的Python Packages可以快速搜索并下载我们需要的第三方库。
搜索并下载matplotlib库

接着就可以直接import并使用了

import matplotlib

以后matplotlib中使用的方法大部分是matplotlib中的pyplot方法。为了使用方便，做了以下简化。

import matplotlib.pyplot as plt

创建画布（容器层）

matplotlib绘图分为三层。一是容器层，就是我们需要帮图表放置的地方，使用figure()对画布进行实例化

fig = plt.figure()

可以往里面传入参数。一般使用到的参数为figsize(画布大小)，dpi(像素点)。例如以下：

fig = plt.figure(figsize=(7, 10), dpi=100)

创建坐标系（辅助显示层）

在绘制需要的图表之前，前提是有一个辅助显示层，也就是常说的坐标系。使用subplot实例化坐标系

ax = plt.subplot(1, 1, 1)
# 或者ax = plt.subplot(111)

三个参数表示着ax为fig的1行1列的坐标系组里第一个

坐标系拥有的属性如下表所示

坐标系的属性设置方法将在后面详细说明。

绘图（图像层）

准备好画布和坐标系后，就可以开始绘制目标图表了。这里我不打算详细介绍所有的绘制方法，而是会分成以下几节来详细讲解，这里对这部分做一个简单的说明。用最常用的plot()在坐标系中画出需要的曲线。

ax.plot(x, y)

绘图过程

1. 创建画布和坐标系（实例化fig和ax）
   
2. 绘制图像（plot）
   
3. 显示图像（show）
   

示例如下

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi)
fig = plt.figure(figsize=(6, 6),  dpi=100)
ax = plt.subplot(111)
ax.plot(x, np.sin(x))
plt.show()

图片如下
注意：
如果末尾没有添加plt.show()行，则创建的图像将一直在缓存中，不会显示。

保存图片

如果需要保存绘制的图像，需要将缓存中的图像保存到plt.show()之前的目标路径。使用的方法是plt.savefig()，需要传入的参数是目标路径的字符串。
修改如下：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi)
fig = plt.figure(figsize=(6, 6),  dpi=100)
ax = plt.subplot(111)
ax.plot(x, np.sin(x))
plt.savefig('fig1.png')
plt.show()

图像将保存在当前目录文件夹中

总结：

1. matplotlib库的下载与导入
   
2. 三层结构简介
   
3. 绘图过程
   
4. 图像保存