Python中常用的视觉化工具 Matplotlib 简单入门
Matplotlib是一个Python 2D绘相簿和一些基本的3D图表，可以生成各种格式图片。Matplotlib可用于Python指令码，Python shell，Jupyter笔记本，Web应用程序服务器等等。
Matplotlib是约翰·亨特（John Hunter，1968-2012）的心血结晶，他和许多贡献者一起投入了不可估量的时间和精力来制作一套全球数千名科学家使用的软件。
检视Matplotlib 版本
>>> import matplotlib>>> matplotlib.__version__
'3.0.3'
在Python 中呼叫Matplotlib，通常使用 import matplotlib.pyplot 呼叫Matplotlib 整合的快速绘图 pyplot模组。
Figure（整个影象）
在任何绘图之前，需要一个Figure物件，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，整个影象为一个Figure 物件。Figure物件中可以包含一个或者多个Axes物件，每个Axes 物件都是一个拥有自己座标系统的绘图区域。
Axes（轴线）
在拥有Figure物件之后，在作画前还需要轴，没有轴的话就没有绘图基准，所以需要新增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()
上述程式码，在一幅图上添加了一个Axes，然后设定了这个Axes的X轴以及Y轴的取值范围，以及一些文字资讯。效果如下：
Matplotlib下, 一个 Figure 物件可以包含多个子图(Axes)，可以使用 subplot() 快速绘制，其呼叫形式如下 :
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 引数指定建立的 Axes 物件所在的区域；对于上面的fig.add_subplot(111)就是新增Axes的，引数的解释的在画板的第1行第1列的第一个位置生成一个Axes物件来准备作画。
也可以通过fig.add_subplot(2, 2, 1)的方式生成Axes，前面两个引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 指定的区域中建立一个轴物件。如果新建立的轴和之前建立的轴重叠的话，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座标轴；tick 也就是每一个座标轴的刻度；label 也就是座标轴上的标签；title 也就是每一个子图的标题；data 是输入的资料绘制出的影象；
Matplotlib 绘图演示程式码
将这个影象划分成8个子区域，每个子区域绘制一个不同的影象。import numpy as np
import matplotlib.pyplot as plt
x=[1,2,3,4]
y=[3,5,10,25]
# 建立子图
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 影象
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-- 设定线条样式和颜色
plt.subplot(247)
plt.plot(x, y_sin, 'g--')
plt.title("sin")
# 载入本地图片
import matplotlib.image as mpimg
img=mpimg.imread('666.jpg')
plt.subplot(248)
plt.imshow(img)
plt.title("cool...")
plt.show()
