如何使用Python中的可视化工具Matplotlib
如何使用Python中的可视化工具Matplotlib，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
Matplotlib是一个Python 2D绘图库和一些基本的3D图表，可以生成各种格式图片。Matplotlib可用于Python脚本，Python shell，Jupyter笔记本，Web应用程序服务器等等。
查看Matplotlib 版本
>>> import matplotlib >>> matplotlib.__version__ '3.0.3'
在Python 中调用Matplotlib，通常使用 import matplotlib.pyplot 调用Matplotlib 集成的快速绘图 pyplot模块。
Figure(整个图像)
在任何绘图之前，需要一个Figure对象，可以理解成需要一张画板才能开始绘图。
import matplotlib.pyplot as plt fig = plt.figure()
在Matplotlib中，整个图像为一个Figure 对象。Figure对象中可以包含一个或者多个Axes对象，每个Axes 对象都是一个拥有自己坐标系统的绘图区域。
Axes(轴线)
在拥有Figure对象之后，在作画前还需要轴，没有轴的话就没有绘图基准，所以需要添加Axes。也可以理解成为真正可以作画的纸。
ax = fig.add_subplot(111) ax.set(xlim=[0, 5], ylim=[0, 6], title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis') plt.show()
上述代码，在一幅图上添加了一个Axes，然后设置了这个Axes的X轴以及Y轴的取值范围，以及一些文本信息。效果如下：
Matplotlib下, 一个 Figure 对象可以包含多个子图(Axes)，可以使用 subplot() 快速绘制，其调用形式如下 :
subplot(numRows, numCols, plotNum)
图表的整个绘图区域被分成 numRows 行和 numCols 列;
然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1;
plotNum 参数指定创建的 Axes 对象所在的区域;
对于上面的fig.add_subplot(111)就是添加Axes的，参数的解释的在画板的第1行第1列的***个位置生成一个Axes对象来准备作画。
也可以通过fig.add_subplot(2, 2, 1)的方式生成Axes，前面两个参数确定了面板的划分。
如果 numRows, numCols 和 plotNum 这三个数都小于 10 的话, 可以把它们缩写为一个整数, 例如 subplot(221) 和 subplot(2,2,1) 是相同的。
subplot 在 plotNum 指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。
Multiple Axes 多个子图
下面的一次性生成所有 Axes：
简单总结一下
在最顶层的是画布，称之为figure;
在画布上可以在不同的区域上绘制，这些区域称之为subplot;
每一个子图区域，又可以做如下划分：
axis 也就是x,y坐标轴;
tick 也就是每一个坐标轴的刻度;
label 也就是坐标轴上的标签;
title 也就是每一个子图的标题;
data 是输入的数据绘制出的图像;
Matplotlib 绘图演示代码
将这个图像划分成8个子区域，每个子区域绘制一个不同的图像。
import numpy as np import matplotlib.pyplot as plt x=[1,2,3,4] y=[3,5,10,25] # 创建子图 plt.subplot(241) plt.plot(x,y) plt.title("plot") plt.subplot(242) plt.scatter(x, y) plt.title("scatter") plt.subplot(243) plt.pie(y) plt.title("pie") plt.subplot(244) plt.bar(x, y) plt.title("bar") plt.subplot(245) plt.boxplot(y, sym="o") plt.title("box") # sin/cos 图像 plt.subplot(246) x = np.linspace(0, np.pi) y_sin = np.sin(x) y_cos = np.cos(x) plt.plot(x, y_sin) plt.plot(x, y_cos) # g-- 设置线条样式和颜色 plt.subplot(247) plt.plot(x, y_sin, 'g--') plt.title("sin") # 加载本地图片 import matplotlib.image as mpimg img=mpimg.imread('666.jpg') plt.subplot(248) plt.imshow(img) plt.title("cool...") plt.show()关于如何使用Python中的可视化工具Matplotlib问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注行业资讯频道了解更多相关知识。
