3.1 matplotlib
matplotlib（见链接1）中包含了大量的工具，你可以使用这些工具创建各种图形，包括简单的散点图、正弦曲线，甚至是三维图形。Python科学计算社区经常使用它完成数据可视化工作。在matplotlib面向对象的绘图库中，pyplot是一个方便的接口，其约定俗成的调用形式如下：
3.1.1 图形对象与元素
matplotlib图表的组成元素包括：图形（figure）、坐标图形（axes）、图名（title）、图例（legend）、主要刻度（major tick）、次要刻度（minor tick）、主要刻度标签（major tick label）、次要刻度标签（minor tick label）、Y轴名（Y axis label）、X轴名（X axis label）、边框图（line）、数据标记（markers）、网格（grid）线等。具体如图3-1-1所示。
图3-1-1 matplotlib图表的组成元素
matplotlib主要包含两类元素。
（1）基础（primitives）类：线（line）、点（marker）、文字（text）、图例（legend）、网格（grid）、标题（title）、图片（image）等；
（2）容器（containers）类：图形（figure）、坐标图形（axes）、坐标轴（axis）和刻度（tick）。
基础类元素就是我们要绘制的标准对象，容器类元素则可以包含许多基础类元素并将它们组织成一个整体，它们也有层级结构：图形（figure）→坐标图形（axes）→坐标轴（axis）→刻度（tick），其具体的区别如下：
● figure对象：整个图形即是一个figure对象。figure对象至少包含一个子图，也就是axes对象。figure对象包含一些特殊的artist对象，如图名（title）、图例（legend）。figure对象包含画布（canvas）对象。canvas对象一般不可见，通常无须直接操作该对象，matplotlib程序在实际绘图时需要调用该对象。
● axes对象：字面上理解，axes是axis（坐标轴）的复数，但它并不是指坐标轴，而是子图对象。可以这样理解，每一个子图都有X轴和Y轴，axes则用于代表这两个坐标轴所对应的一个子图对象。常用方法：set_xlim（）及set_ylim（）——设置子图X轴和Y轴对应的数据范围；set_title（）——设置子图的图名；set_xlabel（）以及set_ylable（）——设置子图X轴和Y轴名。在绘制多个子图时，需要使用axes对象。
● axis对象：axis是数据轴对象，主要用于控制数据轴上的刻度位置和显示数值。axis有locator和formatter两个子对象，分别用于控制刻度位置和显示数值。
● tick对象：常见的二维直角坐标系（axes）都有两条坐标轴（axis），横轴（X axis）和纵轴（Y axis）。每个坐标轴都包含两个元素：刻度（容器类元素），该对象里还包含刻度本身和刻度标签；标签（基础类元素），该对象包含的是坐标轴标签。
当我们需要调整图表元素时，就需要使用图形的主要对象。matplotlib有许多不同的样式可用于渲染绘图，可以用plt.style.available查看系统中有哪些可用的样式。虽然使用plt进行绘图很方便，但是有时候我们需要进行细微调整，一般需要获得图形不同的主要对象包括axes对象及其子对象、figure对象等。
● plt.gca（）返回当前状态下的axes对象；
● plt.gca（）.get_children（）可以查看当前axes对象下的元素；
● plt.gcf（）返回当前状态下的figure对象，一般用以遍历多个图形的axes对象（plt.gcf（）.get_axes（））。
要画出一幅有内容的图，还需要在容器里添加基础元素，比如线（line）、点（marker）、文字（text）、图例（legend）、网格（grid）、标题（title）、图片（image）等。除图表数据系列的格式外，我们平时主要调整的图表元素，包括图表尺寸、坐标轴的轴名及其标签、刻度、图例、网格线等，如表3-1-1所示。
表3-1-1 图表主要元素调整的函数说明
3.1.2 常见图表类型
matplotlib可以绘制的常见二维图表如表3-1-2所示，包括曲线图、散点图、柱形图、条形图、饼图、直方图、箱形图等。matplotlib绘图的最大的一个问题就是图表的控制参数没能实现很好地统一，比如折线图plot（）函数的线条颜色参数为color，而散点图scatter（）函数的数据点颜色参数为c。而在plotnine包中将该参数都统一为color，而标记点的填充颜色参数为fill。
表3-1-2 matplotlib常见二维图表的绘制函数
下面我们以“MappingAnalysis_Data.csv”数据集为例（见图3-1-2），讲解如何用matplotlib绘制散点标记的曲线图。我们先使用pd.read_csv（）函数导入数据。其中variable有4个类别[＂0%（Control）＂，＂1%＂，＂5%＂，＂15%＂]（见图3-1-3）。
图3-1-2 “MappingAnalysis_Data.csv”数据集
图3-1-3 使用matplotlib绘制带标记的曲线图（续）
图3-1-3 使用matplotlib绘制带标记的曲线图
3.1.3 子图的绘制
一幅图中可以有多个坐标系（axes），那是不是就可以说一幅图中有多幅子图（sub plot），因此坐标系和子图是不是同样的概念？其实，这两者在绝大多数情况下是的，只是有一点细微差别：坐标系在母图中的网格结构可以是不规则的；子图在母图中的网格结构必须是规则的，其可以看成是坐标系的一个特例。所以，用matplotlib绘制多幅子图和坐标系主要有两种方式，pyplot方式和axes面向对象的方式。如表3-1-3所示，matplotlib主要有7种子图分区的方法，其中方法1～方法3最为常用。
表3-1-3 matplotlib多幅子图和坐标系的添加方法
其中，subplot（）函数的参数有nrows（行）、ncols（列）、index（位置）、projection（投影方式）、polar（是否为极坐标）；当projection='3d'时，表示绘制三维直角坐标系；当polar=True时，表示绘制极坐标系。plt.axes（[left，bottom，width，height]）函数的[left，bottom，width，height]可以定义坐标系left，代表坐标系左边到figure左边的水平距离，bottom代表坐标系底边到figure底边的垂直距离，width代表坐标系的宽度，height代表坐标系的高度。
图3-1-4所示是根据图3-1-3的数据，使用matplotlib绘制的两个子图的效果图。图3-1-4是使用axes方式的subplots（）函数构造的两个子图。其核心代码如下所示。
图3-1-4 matplotlib子图绘制案例
3.1.4 坐标系的变换
在编码数据时，需要把数据系列放到一个结构化的空间中，即坐标系，它赋予X、Y坐标或经纬度以意义。图3-1-5展示了3种常用的坐标系，分别为直角坐标系［也称为笛卡儿坐标系（rectangular coordinates）］、极坐标系（polar coordinates）和地理坐标系（geographic coordinates）。它们几乎可以满足数据可视化的所有需求。
图3-1-5 常用坐标系
1.直角坐标系
直角坐标系（rectangular coordinates/cartesian coordinates），也叫笛卡儿坐标系，是最常用的坐标系之一。我们经常绘制的条形图、散点图或气泡图，就是直角坐标系。坐标系所在平面叫作坐标平面，两坐标轴的公共原点叫作直角坐标系的原点。X轴和Y轴把坐标平面分成四个象限，右上面的叫作第一象限，其他三个部分按逆时针方向依次叫作第二象限、第三象限和第四象限。象限以数轴为界，横轴、纵轴上的点不属于任何象限。通常在直角坐标系中的点可以记为（x，y），其中x表示X轴的数值，y表示Y轴的数值。使用matplotlib绘制图表时默认为二维直角坐标系。
matplotlib也可以实现三维直角坐标系，其投影方法默认为透视投影（perspective projection），添加三维直角坐标系的方法为：
matplotlib可以使用不同的函数绘制三维散点图、折线图、柱形图、面积图和曲面图等，如表3-1-4所示。其中较为常用的是三维散点图和三维曲面图（见图3-1-6）。使用ax.view（）函数可以调整图表的视角，即相机的位置，azim表示沿着Z轴旋转，elev表示沿着Y轴旋转。
表3-1-4 matplotlib三维图表绘制函数及其说明
图3-1-6 matplotlib三维图表
直角坐标系还可以扩展到多维空间。例如，三维空间可以用（x，y，z）三个值对来表示三维空间中数据点的位置。如果再拓展到平行坐标系（parallel coordinates），则可以用于对高维几何和多元数据的可视化。
2.极坐标系
极坐标系（polar coordinates）是指在平面内由极点、极轴和极径组成的坐标系。在平面上选定一点O，称为极点。从O出发引一条射线Ox，称为极轴。再定一个单位长度，通常规定角度取按时针方向为正。这样，平面上任一点P的位置就可以用线段OP的长度ρ，以及从Ox到OP的角度θ来确定，有序数对（ρ，θ）就称为P点的极坐标，记为P（ρ，θ）；ρ称为P点的极径，指数据点到圆心的距离，θ称为P点的极角，指数据点距离最右边水平轴的角度。
极坐标系的最右边点是零度，角度越大，逆时针旋转越多。距离圆心越远，半径越大。极坐标系在绘图中没有直角坐标系用得多，但在角度和方向两个视觉暗示方面有很好的优势，往往可以绘制出出人意料的精美图表。matplotlib可以通过如下语句将坐标系设置为极坐标系：
另外，通过如下语句可以进一步调整matplotlib极坐标系的默认设置：
选择合适的坐标系对数据的清晰表达也很重要，直角坐标系与极坐标系的转换如图3-1-7所示。使用极坐标系可以将数据以365天围绕圆心排列。极坐标系图可以让用户方便地看到数据在周期上、方向上的变化趋势，而对连续时间段变化趋势的显示不如直角坐标系。
图3-1-7 坐标系的转换
极坐标系的表示方法为P（ρ，θ），平面直角坐标系的表示方法为Q（x，y）。极坐标系中的两个坐标r和θ可以由下面的公式转换为直角坐标系下的坐标值：
从直角坐标系中的x和y坐标可以计算出极坐标系下的坐标值：
其中，要满足x不等于0；在x=0的情况下：若y为正数，则θ=90°（π/2）；若y为负数，则θ=270°（3π/2）。
3.1.5 图表的导出
plt.savefig（）函数可以将matplotlib图表导出不同的格式，包括PDF、PNG、JPG、SVG等，其中导出PDF格式图表的代码如下所示。需要注意的是：要在plt.show（）之前调用plt.savefig（）。
