最近在学习数据可视化，梳理一下其中一些诸如pandas绘图、matplotlib绘图、pyplot(plt)、axes等概念。
重要的事情说三遍：axes不是axis！axes不是axis！axes不是axis！
重要的事情说三遍：pyplot是接口不是对象！pyplot是接口不是对象！pyplot是接口不是对象！
很多书上一上来就直接import matplotlib.pypltot as plt，然后就教你plt.xxx()。这种方式固然没错，可问题就出在了plt只是一个interface，只是一个接口，连对象都算不上（仔细回想，你确实没有实例化过任何一个名叫plt类型的对象）这给本来就对面向对象编程并不很熟悉的我带来无穷无尽的困扰。plt这个接口的意义在于：
- 通过接口直接画图（这时候我们把这个接口看成一个黑盒，根本不要去管其中有些什么对象类型）
- 通过接口实例化别的类型的对象（如
figure类型axes类型等）
1.通过plt.xxx()直接绘图
就像各种教程和书上的常规操作一样，我们可以用plt.plot(), plt.bar()等绘制不同类型的图（部分总结如下表）
表一 plt中用于绘图的部分函数
| 函数名 | 作用 | |
|---|---|---|
| plt.bar() | 条形图 | [] |
| plt.barh() | 横排条形图 | |
| plt.boxplot() | 箱线图（plt.box()是另一个函数） | |
| plt.hist() | 频率直方图 | |
| plt.plot() | 折线图 |
我们可以用plt的其他一些函数来对图表的标题等进行设置（部分总结如下表）
表二 plt中用于设置的部分函数
| 函数名 | 作用 |
|---|---|
| plt.title() | 设置图表标题 |
| plt.grid() | 设置图表网格 |
| plt.xlabel();plt.ylabel | 设置x;y轴标题 |
| plt.xticks();plt.yticks() | 设置x;y轴刻度 |
| plt.xlim();plt.ylim() | 设置x;y轴范围 |
| plt.annotate() | 设置标注 |
（具体的参数和用法详见 https://matplotlib.org/api/pyplot_summary.html ）
用plt绘图的方便之处，同样也是它最令人迷惑的地方，就是它没有一个显性的对象。
我们甚至可以调用pandas绘图以后，用表二中的plt函数来对pandas生成的这个图表进行设置。
例程如下：
import matplotlib.pyplot as plt
from pandas import Series
data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index=['2012','2013','2014','2015','2016','2017'])
#注意下一行的对象是'data'，它是一个series对象，调用的是pandas绘图函数
data.plot(label='income', color = 'r', linestyle=':', marker = 's')#具体的pandas绘图之后会细讲
#但接下来我们甚至可以调用plt的函数对它进行设置
plt.title('Income chart')
plt.xlabel('Year')
plt.ylabel('income')
plt.annotate('Largest point',xy=(5,2.60),xytext=(3,2.5), arrowprops=dict(arrowstyle='->'))
plt.show()
上面这个例子就展示了pyplot(plt)的特点，不用指明对象就能进行画图和设置，当我们在同一个程序中的图比较少的时候这是方便的，但当我们同一个程序中的图很多的时候，这种没有显性对象的方式会导致我们没有办法重新调用之前的图（因为没有对象名）也会给人一种很不踏实的感觉。
2.实例化figure和axes对象后绘图
就像前文提到的，plt只是一个接口而不是对象。
在matplotlib中,有两个重要的对象类型：figure对象可以把它想成一张空白图纸，在上面可以绘制一个或多个axes对象（还可以有其他对象等）。axes对象是一个图像的主要部分（它包括了图线、xy轴等部分）。
我们可以使用plt接口生成figure对象和axes对象，然后对axes对象调用方法来实现画图和设置。
总体思路是：
- 实例化
figure对象 - 实例化
axes对象 - 对
axes对象调用方法进行画图和设置
例程如下：
import matplotlib.pyplot as plt
from pandas import Series
data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index=['2012','2013','2014','2015','2016','2017'])
#调用plt接口，实例化figure1对象
figure1 = plt.figure(facecolor='w')#faceclolr设置背景颜色
#实例化ax1对象
ax1 = figure1.add_subplot(111)#ax1是figure1的第1行第一列的第1张图表
#注意下一行的对象是'ax1'，它是一个axes对象，调用的是matplotlib.axes绘图函数
ax1.plot(data,label='income', color = 'r', linestyle=':', marker = 's')
#接下来我们调用ax1的方法对它进行设置
ax1.set_title('Income chart')
ax1.set_xlabel('Year')
ax1.set_ylabel('income')
ax1.annotate('Largest point',xy=(5,2.60),xytext=(3,2.5), arrowprops=dict(arrowstyle='->'))
用这种方式画出来的图，每一个对象都有它自己的名字，方便后面继续调用、修改。代码也就多了两行实例化的过程，并没有麻烦很多，个人很喜欢用这种方式画图（也给人一种很踏实的感觉）。
类比上面的表一和表二，给出对于axes对象的方法函数表：
表三 axes对象用于绘图的部分方法函数
| 函数名 | 作用 |
|---|---|
| ax.bar() | 条形图 |
| ax.barh() | 横排条形图 |
| ax.boxplot() | 箱线图 |
| ax.hist() | 频率直方图 |
| ax.plot() | 折线图 |
表四 axes对象中用于设置的部分方法函数
| 函数名 | 作用 |
|---|---|
| ax.set_title() | 设置图表标题 |
| ax.set_xlabel(); ax.set_ylabel | 设置x;y轴标题 |
| ax.set_xticks(); ax.set_yticks() | 设置x;y轴刻度 |
| ax.set_xlim(); ax.set_ylim() | 设置x;y轴范围 |
| ax.annotate() | 设置标注 |
（具体的参数和用法详见 https://matplotlib.org/api/axes_api.html#basic )
<font size="4">注意表一和表三，表二和表四的异同：
- 表一表二中的
plt是固定的名字，不论画什么都是plt.xxx()，而表三和表四中ax.xxx()中的ax要改成你实例的对象名。 - 注意对比表二和表四，很多作用相同的东西，跑到了axes这里要多加一个
set_
用实例化axes的方式画图很重要，因为多子图的绘制更是需要依赖axes对象。
我还会分两期分别介绍一下axes与多子图的绘制和axes与pandas绘图的关系。
觉得有用的话，不要吝惜评论点赞分享哦，希望大家多多包涵，有任何问题欢迎指正、讨论。
本文基于CC-BY-SA 4.0协议，欢迎转载
