数据可视化｜matplotlib 的主要组成元素

01

你好，我是林骥。

matplotlib 是 Python 中的一个绘图库，具有可定制性强、图表资源丰富等特点，既能创建静态图形，也能创建动态交互的数据可视化效果；既能创建 2D 图形，也能创建 3D 图形；既能创建常见的简单图形，也能创建统计学专业的复杂图形。matplotlib 绘制出来的图形质量很高，可以达到出版级别，而且功能非常强大，几乎能创建任何你能想象的可视化图形。

在 Python 中，还有很多其他非常优秀的绘图库，比如 Seaborn、Pyecharts、Bokeh、Plotly、ggplot 等等，它们各有各的优势，但是我个人认为，应该先把 matplotlib 学精学透，达到深入理解和熟练运用的程度。因为 matplotlib 属于比较底层的绘图库，熟练掌握 matplotlib 之后，再去学习其他绘图库的时候，通常也能够触类旁通。

使用 matplotlib 进行数据可视化，就好像是自己点餐，可能相对会比较麻烦一点，但最后上桌的菜，全是适合自己口味的；而有些绘图库就像是餐厅里面的套餐，可能相对比较简单，但套餐里往往会有些菜不是那么合自己口味的。

02

下面这张图是用 matplotlib 画出来的。

从图中可以看出，matplotlib 的主要组成元素包括：

（1） figure 属于最底层的画布，其中可以包含多个 axes；

（2） axes 是画布上的图形区域，是 axis 的复数，表示其中可以包含多个 axis；

（3） axis 是图形区域中的坐标轴，其中上下左右可以包含 tick；

（4） tick 是坐标轴中的标记，包含坐标轴的标记线和标签文本；

（5） title 是图表的标题，通常起到画龙点睛的作用；

（6） label 是图表中的标签，例如 xlable 代表 X 轴的标签；

（7） legend 是说明符号的图例；

（8） grid 是图表中的网格线；

（9） span 是图表中突出显示的区域；

（10） spine 是图表中的边界线；

（11） text 是图表中自定义的文本；

（12） annotate 是图表中注解信息的箭头；

（13） line 是图表中的线条；

（14） plot 主要用于绘制折线图；

（15） scatter 主要用于绘制散点图。

还有一些其他的元素，以后我们再结合示例进行介绍。

03

尽管使用类似于 plt.plot() 的函数，可以简化 matplotlib 画图的代码，但是「面向对象」的方法更加灵活、更加强大，林骥推荐坚持使用后者，也就是通过调用 figure 和 axes 的方式，因为个人感觉这样更有掌控感。建议尽量不要同时使用两种不同的方法，以免造成混乱。

数据可视化的目标，是更加有效地传递信息，从而更好地解决问题。可视化的技术在不断地进步，但是人性却不会发生什么大的变化。通过数据可视化和解决问题的分析思维，去理解和洞察数据背后的人性，最终为人服务，这是数据分析的底层心法。

我们可以把自己交付的工作成果，当成自己亲手设计打造的产品，将数据分析、心理学、产品设计和营销结合起来，不断进行优化迭代，以用户为中心，在艺术性与易用性、可靠性与安全性、成本与功能、时间与效果之间，寻求平衡与和谐，为用户提供一种更好的服务体验。

通过自我修炼，不断精进，帮助他人，实现共赢，这是一条充满阳光的修行之路。

End.

爱数据网专栏作者：林骥

作者介绍：数据赋能者，专注数据分析 10 多年。

个人公众号：林骥（linjiwx）

本文为挖数网专栏作者原创文章，未经允许禁止转载，需要转载请微信联系授权（微信号：lovedata0520）

更多文章前往爱数据社区网站首页浏览http://www.itongji.cn/