python matplotlib画图、画子图时基础参数设置

可视化是我们在进行数据分析时常用操作之一，在使用python实现可视化时，matplotlib、Seaborn等是常用的工具，除此之外，还有很多其他（我没用过的）绘图工具，如Bokeh 、ggplot等，有兴趣的可以去学习一下。本文先对画图版块进行简单的介绍，再介绍画单个图及包含子图的图时常用的基础操作，后续有用到其他功能再进行补充。

最好的使用说明：Matplotlib: Python plotting — Matplotlib 3.4.1 document

首先声明，为了保证绘图得到想要的效果，最好都输入numpy.array类型的数据。

官网上这张图清晰明了地展示了各个关键字在绘图中对应的部件。
Figure可以看作最大的画图容器，而每次绘图实际上都是在axes上，如果要在一张图上绘制多个子图，就会有多个axes，但只有一个Figure。一个Figure要包含至少1个axes。axes中有两个（二维图）或者三个（三维图）axis（轴）。

使用matplotlib绘图有两种完全等效的方式：面向对象（OO） 和直接使用 pyplot。官方文档建议选择一种持续使用，以免搞混，并建议使用OO进行非交互式绘图，pyplot进行交互式绘图。面向对象（OO）就是显式定义figure和axes，并在轴上绘制；直接使用pyplot就是依赖pyplot自动创建figure和axes。举例如下：

• pyplot

import matplotlib.pyplot as plt
import numpy as np
# pyplot方法
# Plot some data on the (implicit) axes.
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])  

• 面向对象（OO）
  这种方法虽然语句稍长，但是结构清晰，几个图几个轴一眼就能看出来。

# 面向对象（OO）
# Create a figure containing a single axes.（Explicitly ）
fig, ax = plt.subplots()  
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.

当要创建多个axes时

fig, axs = plt.subplots(2, 3)  # a figure with a 2x3 grid of Axes

此时axs是个包含二维列表（2*3）比如axs[0][0]就表示图片左上方的轴，可以选择相应轴进行绘制。

x = np.linspace(0, 2, 100)
axs[0][0