前面两篇文章分别讲了 Python 数据分析的模块安装和数据结构，本篇主要讲如何利用 Python 进行简单的绘图。绘图的主要模块是 Matplotlib，其优势如下：
- 画图质量高
- 方便快捷地绘制模块
- 绘图API —— pyplot 模块
- 集成库 —— pylab 模块（包含 NumPy 和 pyplot 中的常用函数）
一、基本绘图
import numpy as np
import matplotlib.pyplot as plt
N = 5
men_means = (20, 35, 30, 35, 27)
index = np.arange(N)
plt.plot(index, men_means) #index 为 X 轴，men_means 为 Y 轴
plt.savefig('plot.png') #保存图片
plt.show() #展示图片
绘图结果：
二、修改图片属性
import numpy as np
import matplotlib.pyplot as plt
N = 5
men_means = (20, 35, 30, 35, 27)
index = np.arange(N)
#通过 color、linestyle、marker 等设置颜色、线条、点等属性
line = plt.plot(index, men_means, color='#AE81FF', linestyle='dashed',
marker='o', label='men_means')
#设置图例
plt.legend(loc='upper center', title='legend title')
plt.title('this is title')
plt.savefig('plot.png')
plt.show()
绘图结果：
三、多图共存
在 excel 作图时，不同类型的图共存时会略微有些麻烦，并且最多两种不同类型的图同时存在，但是用 Python 作这种组合图时会方便很多，直接叠加即可。
import numpy as np
import matplotlib.pyplot as plt
N = 5
men_means = (20, 35, 30, 35, 27)
women_means = (20, 10, 40, 30, 15)
index = np.arange(N)
x = np.arange(0, 5, 0.1)
y = np.sin(x * np.pi)
plt.plot(index, men_means) #折线图
plt.bar(index, women_means, color='red') #柱状图
plt.plot(x, y) # 三角函数
plt.savefig('plot.png')
plt.show()
绘图结果：
四、子图
上面的例子中，我们也可以通过一张图中的三个部分分别来展示三种图，这个时候我们需要用到subplot。
import numpy as np
import matplotlib.pyplot as plt
N = 5
men_means = (20, 35, 30, 35, 27)
women_means = (20, 10, 40, 30, 15)
index = np.arange(N)
x = np.arange(0, 5, 0.1)
y = np.sin(x * np.pi)
fig, (ax1, ax2, ax3) = plt.subplots(3, 1) # (3, 1)代表将一张图分成三个部分
ax1.plot(index, men_means)
ax2.bar(index, women_means)
ax3.plot(x, y)
plt.savefig('plot.png')
plt.show()
绘图结果：
除了这两种需求， excel 还有在一张图中添加不同刻度的功能，这里依然可以很方便地实现。
import numpy as np
import matplotlib.pyplot as plt
N = 5
men_means = (20, 35, 30, 35, 27)
women_means = (20, 10, 40, 30, 15)
index = np.arange(N)
x = np.arange(0, 5, 0.1)
y = np.sin(x * np.pi)
fig, ax1 = plt.subplots()
ax2 = ax1.twinx() #共用 X 轴，但 Y 轴是独立的
ax1.plot(index, men_means)
ax1.bar(index, women_means, color='red')
ax2.plot(x, y, color='green')
plt.savefig('plot.png')
plt.show()
绘图结果如下：
五、动画
对 Matplotlib，不仅可以绘图，还可以制作动画效果，尝试一个官方的例子：
import numpy as np
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import matplotlib.animation as manimation
FFMpegWriter = manimation.writers['ffmpeg']
metadata = dict(title='Movie Test', artist='Matplotlib',
comment='Movie support!')
writer = FFMpegWriter(fps=15, metadata=metadata)
fig = plt.figure()
l, = plt.plot([], [], 'k-o')
plt.xlim(-5, 5)
plt.ylim(-5, 5)
x0, y0 = 0, 0
with writer.saving(fig, "writer_test.mp4", 100):
for i in range(100):
x0 += 0.1 * np.random.randn()
y0 += 0.1 * np.random.randn()
l.set_data(x0, y0)
writer.grab_frame()