PYTHON_matplotlib 的 pyplot 與 widgets 類 - updating

matplotlib（官网入口 [点击]) 是一个非常庞大且强大的 Python 工具包，凡事关联到图像化的应用（如：方程式绘图，图像色彩，数据可视化，键盘鼠标与图形交互功能，画面功能按钮设定，等等），是一个全方位的 module。但是从另一个角度来看，详尽的内容与功能对一个初学者而言，视野里就是复杂与难懂的规则与框架，好记忆不如烂笔头，而这里就是那个烂笔头着墨的一片天地。

p.s. 技术文档点击下载 [点击] ，文档一共有 18.3MB 之大，涵盖 2k 多页的内容。

安装方法 matplotlib 

windows case：打开 CMD 输入 where python 找到路径，利用此路径进入 Scripts 文件夹，在此文件夹下输入：

pip install matplotlib
# Then everything should be done in our computer

Mac / Linux case：打开 Terminal 不用输入任何路径的情况下，直接输入：

sudo pip3 install matplotlib
# If we want to install matplotlib for python3 version, use pip3 as the command.
# On the other hand, if we want to install matplotlib for python2 verision, use pip instead.

p.s. sudo 用来开启管理员权限去下载，可以避开非管理员状态的不必要限制。

这里有个特别要注意的地方，如果使用 Linux ubuntu 系统安装此包，需要额外安装 Tkinter，由于它们两个包彼此在调用函数的时候会穿插用到，但是 Linux 是一个纯手工的安装活，并不会额外为我们安装他认为我们也需要的东西，因此安装办法可以参考 [点击1]，[点击2]。方法主要为下面几条代码：

# use them in Terminal window
sudo apt-get install python3-tk   # or python-tk , it depends on python version in the system
sudo apt-get install python3-dev
sudo apt-get install python-devel

检查正确安装的方法就是进入 python 里面，输入 import matplotlib，没有报错即正确。

推荐相关文章

• 周莫烦 Python3 matplotlib 数据可视化神器
• Matplotlib plotting Tutorial
  

MENU for This Paragraph

1. matplotlib.pyplot
2. matplotlib.widgets
3. more
   

依照上面目录清单的编号顺序一一详述每个类的内部功能，实际用法，与执行结果。

1. matplotlib.pyplot [点击]

这是一个最最最常用的绘图工具了，坐标图（连线，散点，平滑，...等），圆饼图，柱状图，甚至三维图都可以被完整呈现！最初开始一个 project 并且需要使用到这个包的时候，我们时常用 plt 作为这个大包的缩写：

import matplotlib.pyplot as plt
# or we can write code in the other way like...
from matplotlib import pyplot as plt

• figure(1, figsize=(9, 3))
  它为我们制造一个 “视窗” 用来容纳那些我们即将定义的坐标，图形，数据资料等内容，为此我们需要定义这个坐标的名字和大小：
  1/2: 它可以是数字或是字符串，这边是用 “1” 来给命名，用以给这个跳出来的视窗命名
  2/2: 控制这个视窗的大小，如果设置不好，很可能没办法完全容纳下里面的坐标轴图像，这里的 9 表示 x 轴的长度，而 3 则表示 y 轴的长度。
  
  p.s. 默认情况下如果 () 里面什么都不填，那就是 1，如果连 plt.figure() 都没写，那也还是默认的 1 。
  
  
• axis([0, 6, 0, 20], **kwargs)
  1/4: x 轴在坐标上显示的起始点
  2/4: x 轴在坐标上显示的终点
  3/4: y 轴在坐标上显示的起始点
  4/4: y 轴在坐标上显示的终点
  
  p.s. 有些参数加在坐标轴数字后面的位置提供给我们定制表格形式，官网上面写得更为详细。
  
  
• plot([1, 2, 3], [1, 4, 9], 'ro')
  1/3: 表示在 x 轴上的数据位置，如果这里只有一组数据，则只代表 y 轴数据
  2/3: 表示在 y 轴上的数据位置，和 x 轴刚好形成三个坐标数据才行，不能多或少
  3/3: 表示在图形中画图的变现种类，这里的 'ro' 表示的是红色散点
  
  同一坐标系下叠加多组数据信息：

  # method 1st: specify them individually with respect data and formats
  plot(x1, y1, 'bo')
  plot(x2, y2, 'go')
  
  # method 2nd: write them all in the same parenthesis
  plot(x1, y1, 'g^', x2, y2, 'g-', ... and more)
  
  # the execution result of the code below is shown in graph
  plt.plot([1, 2, 3], [1, 4, 9], 'ro', [2, 3, 4], [4, 16, 32], 'g-', [3, 6, 9], [10, 20, 40], 'g^')

  

  p.s. 如果一个视窗里面只有被 plot 给使用了，其实在 matplotlib 的角度上看就是写了一行看不见的： plt.subplot(111)
  
  

• subplot(nrows, ncols, index, **kwargs)
  

  它提供一个方法可以在同一个 figure 下面画出很多独立坐标轴的不同图表，并且彼此排列整齐，就像一个 figure 里面有隐形的 grid 一样把图标放在每个格子内。
  1/4: 填上数字，表示有几横列的图表单元将要被展现
  2/4: 填上数字，表示有几直行的图表单元将要被展现
  3/4: 填上数字，表示我们即将对从左上横着数下来到右下第几个位置的图做手脚
  4/4: 附加修改参数，可以调整背景颜色等

  plt.figure('hello')        # the window name would be 'hello'
  plt.subplot(211)
  plt.plot(range(12))
  plt.subplot(212, facecolor='y')
  plt.show()
  

  
  p.s. 代码中（）里面的数字没有间隔的情况是他们保持着三位数的关系，如果要开一个 figure 里面有 4*5 个坐标，我们希望编辑第 11个的时候，就不能够写成：plt.subplot(4511) 这样的模式，只能够用逗号分开。
  
  
• subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)
  与上一个 subplot() 不同，多了一个 s ，并且其返回的值是一个元组（tuple），包含了两个 objects：figure & axis (which in short f and ax)。
  1/8: 填上数字，表示有几横列的图表单元将要被展现
  2/8: 填上数字，表示有几直行的图表单元将要被展现
  3, 4/8: True and False 用来控制是否让同为此 “subplots” 产生的单元图使用同一个坐标长度
  5/8: True and False 用来控制是否要把图片多的维度抹平
  ...
  
  返回了的两个 objects 可以另外调用函数去编辑其里面内容，如下代码：

  fig, axes = plt.subplots(2, 2, sharey=True)
  axes[0, 0].plot([1, 2, 3], [1, 8, 27])
  axes[0, 0].set_title('y = x^3 function')
  axes[1, 1].plot([1, 2, 3], [1, 4, 9])
  axes[1, 1].set_title('square function')
  plt.show()

  
  更多 fashion 的介绍可以点击标题参考 official website。
  
  
• xlabel('the words we want to say below the x axis')
• ylabel('the words we want to say below the x axis')
  上面两个小方法顾名思义就是为坐标轴命名，例如 x 轴下面要标注 “供给” ，y 轴下面要标注 “需求” 的时候，这就是一个很棒的方法。字体与颜色等配置可以经由在 () 添加描述来完成。
  
  
• show()
  一般 () 里面都是空的不放东西，show 的用途就是在所有参数都定义好了，例如：坐标，视窗位置，颜色，数据分布，图形交互，... 等，在最后的最后，把这些定义好的东西 show 出来的一个方法。在计算机编程中，画图，设定图都是在背后进行的，具体可视化的最终阶段即 show()。
  
  
• close()
  一般（）里面也是不放东西的，用来关掉被 plt.show() 召唤出来的视窗们，但是如果要制定关掉什么东西时，（）里面的参数就可以派上用场。由于每次打开的一个视窗，都是占用内存的表现，记得在执行完程序后关掉所有的视窗也是一件很重要的事情，可以及时为电脑减负。

  close()          # close the current figure
  close(fig)       # close 名为 fig 的物件(object)
  close(num)       # close the figure number "num"
  close(name)      # close the figure string name "name"
  close('all')     # close all figures at once
  

• more
  

2. matplotlib.widgets [点击]

这是一个内涵许多可以与坐标中的图互动的交互图形工具集，例如可以使用鼠标在图中想要的位置框出方形或是圆形面积，借此识别或标注图中的特定坐标位置做进一步数据处理。但就像我们使用螺丝刀一样，不会一次把所有螺丝刀全部倒在桌上使用，肯定是需要哪个找哪个，同理这盒 matplotlib 提供的工具，因此引入使用的时候喜欢这样：

from matplotlib.widgets import EllipseSelector
from matplotlib.widgets import RectangleSelector

p.s. 引入的两行代码分别就是让我们在图上框出 “圆形 Ellipse” 与 “方形 Rectangle” 的工具。