使用 matplotlib 的两种姿势
本文环境说明
熊猫本次用的是 Anaconda 的 jupyter notebook 编写的本文代码。今天用到的库都是已经集成好的，无须另行安装。每个库的版本号我列在下方了。
Python ：3.7.4
pandas : 1.1.4
numpy : 1.19.4
matplotlib : 3.3.2
可以在终端中运行如下代码查询自己环境中各个库的版本，如果你的版本比较低，可以运行升级代码对相应的库进行升级。
pip list #查看各个库的版本号
pip install --upgrade 库名 #升级对应库版本先 import 一波操作
本文整体都在这基础上编写代码，如果你正一边看我的文章，一边在自己的电脑上实现代码，可以直接复制下面的代码先运行一波。
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib
# 让图像可以正常显示中文
plt.rcParams['font.family']=['SimHei']
plt.rcParams['axes.unicode_minus'] = FalseMatplotlib 作图组件
Matplotlib 擅长制作 2D 图表，每张图表的元素有很多，每个元素都有对应的方法做编辑修改。下图来自 Matplotlib 官网。
使用 Matplotlib 的两种姿势
使用 Matplotlib 一般有两种方法，也就是常说的两种接口。
- 面向对象接口：创建并显示图形和轴，并在其基础上调用方法。
- pyplot 接口：自动管理图形和轴，使用 pyplot 方法函数进行绘图。
不管是什么样的图，两种方式都是可以实现的。没有过多的区别，可能只是书写风格上有区别。下面就给大家展示一下，用两种不同风格的代码做出同样一张图。大家可以感受一下。
目标输出图
数据准备
首先我们看到目标输出的图片是一个画布上分为四个模块，分别是直方图、散点图、折线图、柱状图。下面这部分代码，分别是为这 4 张图准备的数据。可以直接复制到你们的编译器中，运行看看每个变量的数据都是什么样的，这里就不做展示了。（PS：由于有随机性函数，所以每个人运行出来的结果不一样，是正常的哦~）
# 折线图数据，我们使用一个累加数据，
data1 = np.random.randn(50).cumsum()
# 直方图数据，直方图只需要一组数据即可生成
data2 = np.random.randn(100)
# 散点图数据，散点图中每个点都需要横纵坐标来确定位置，所以需要两组数据；
data3_1 = np.arange(30)
data3_2 = data3_1+np.random.randn(30)
# 柱状图数据，data4_1中的数据作为分类型数据作为横坐标，用data4_2来确定每个柱子的高低。
data4_1 = ['数','据','山','谷','十','万','加']
data4_2 = [10,15,20,30,17,11,15]风格实现
良心注释，代码其实很简单。每个第一次用到的参数都在注释中标明了。
# 创建一个画布
# figsize表示画布横纵尺寸
# dpi表示清晰度（数值越大越清晰）
fig = plt.figure(figsize=(15,8),dpi=120)
# 在画布上创建 4 个子图
# fig.add_subplot(横向分布数,纵向分布数,子图索引)
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)
# 用 data1 数据在第一个子图上创建折线图
# color 折线颜色
# linestyle 折线样式，这里使用了虚线
# marker 折点样式
# markersize 折点大小
ax1.plot(data1,color='k',linestyle='--',marker='o',markersize=3)
# 用 data2 数据在第二个子图上创建直方图
# bin 直方图柱子个数
# alpha 图像透明度（0为完全透明，1为完全不透明）
ax2.hist(data2,bins=20,color='k',alpha=0.7)
# 用 data3_1 和 data3_2 在第三个子图上创建散点图
ax3.scatter(data3_1,data3_2,color='k')
# 用 data4_1 和 data4_2 在第三个子图上创建柱状图
ax4.bar(data4_1,data4_2,color='k',alpha=0.7)
# 给每个小图像添加标题
ax1.set_title("折线图")
ax2.set_title("直方图")
ax3.set_title("散点图")
ax4.set_title("柱状图")pyplot 风格实现
plt.figure(figsize=(15,8),dpi=120)
# 编辑第一个子图
plt.subplot(221)
plt.title("折线图")
plt.plot(data1,color='k',linestyle='--',marker='o',markersize=3)
# 编辑第二个子图
plt.subplot(222)
plt.title("直方图")
plt.hist(data2,bins=20,color='k',alpha=0.7)
# 编辑第三个子图
plt.subplot(223)
plt.title("散点图")
plt.scatter(data3_1,data3_2,color='k')
# 编辑第四个子图
plt.subplot(224)
plt.title("柱状图")
plt.bar(data4_1,data4_2,color='k',alpha=0.7)写在最后
参考完这两种书写方法，大家可以找到自己更喜欢的风格。最好是按照一种风格书写，不要写串了风格~毕竟喜欢可视化的人不但追求作图好看，代码也要好看。
祝大家也能写出如诗般的代码。下课！