本文正在参加「Python主题月」
今天分享一个数据可视化的库：matplotlib.org/
Matplotlib是什么？
matplotlib 是一个数据可视化的 Python 库。它提供了 plot（二维关系图）和多种样式图表生成的函数。
这样能够帮助开发者，更多时候是数据分析师快速的将数据展示为多种图表。
它也提供了 serve/static 等支持服务器渲染的特性，本文更多关注在如何进行数据展示，技术上的一些定制切入口（比如说展示中文，定制x/y轴和散点图的点）。
安装
pip install matplotlib
pip install PyQt5 #部分版本需要安装PyQt5
小提示：
博主的Mac安装了Python3.8.4的，在运行matplotlib代码的时候提示了PyQt相关错误。
因为默认情况下，matplotlib会使用系统默认的图形渲染库，启动过程发现使用了Qt的作为图形渲染底层。
更多信息参考：
查看安装效果
不同与bokeh，matplotlib并没有提供一个类似bokeh的命令。
所以直接跳到代码来看
import matplotlib.pyplot as plt
fig, ax = plt.subplots() # Create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [4, 3, 2, 1]) # Plot some data on the axes.
plt.draw()
plt.show()
执行python 执行上述代码查看：
HelloWorld - 绘制一条折线图
上面已经简单展示过了一条折线图。
之前也写过bokeh绘制折线图：
这里主要对比了前面介绍使用matplotlib实现（左边）跟前面bokeh（右边）的实现代码对比：
代码解释：
line4：由于默认字体对中文支持不好会显示乱码，选择支持中文的字体（Aria这个字体库还是比较常用的），否则会出现RuntimeWarning: Glyph 40644 missing from current font, 可能是多种字体RuntimeWarning: Glyph 其他编号 missing from current font。
line13 & line20: 设置x,y轴，并设置图解，同时需要line20显式调用legend函数，否则图解不会显示。
line24: 可以不用调用，因为我们这里使用PyQt 的UI渲染并非交互式的。后面会展开在Jupyter中使用分享。
line25：展示折线图。
这里读者可以大概感受到matplotlib的强大（也是缺点吧），就是给了开发者太多选择了，可以细微定制到各个轴，表格图解（legend），字体等等。
对于线性图参考subplots的定制, 可以查看
matplotlib/axes/_axes.py
matplotlib/figure.py
很明显右边bokeh实现比较简洁，这是matplotlib基于Qt UI库渲染的效果：
HelloWorld - 绘制多条价格波动折线
这里matplot比bokeh更加严格，前篇博主在准备y3列数据的时候把"54.8"错误写成"54,8",bokeh仅仅显示警告，而非曝出错误！
前面一条折线代码已经解析过了，多折线的代码总体上，只是在一条折线基础上准备了多两组轴数据，再调用ax.plot创建折线。
代码请自行阅读：gitee.com/levin6/data…
横轴跟纵轴长度不一样会出现以下错误, 调整到长度一致即可：
ValueError: x and y must have same first dimension, but have shapes (5,) and (7,)
HelloWorld - 绘制多款散点图
先看效果：
代码如下：
import matplotlib.pyplot as plt
#prepare some data
x = [2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2010]
y = [54, 55, 45, 47, 52, 56, 34, 39, 51, 63]
area=500
plt.scatter(x, y, marker='.', c='red', s=area)
plt.show()
这段代码就比较直观了，比较特别的是可以使用marker标志符来显示散点。
散点图的更多定制可以查看: matplotlib/pyplot.py
读者可以修改marker=‘d’ 来显示diamond形状。
想要设置其他marker可参考marker源码。
先写到这里，上面也简单提到了matplotlib一些源码文件。
为什么只展示几个图？
Matplotlib上面其实有很多的图形展示，也有示例代码，读者可以自行下载随便查看效果。
由于这个库包罗万象，所以博主认为有必要在技术上提出思考，展示几个图和代码的关联，帮助读者寻找一个图形组件定制的切入口，哪个源码文件等，这样可以脱离文档进行快速定制。
希望读者能够举一反三，来使用matplotlib来定制自己的图表。
后面会再出一篇关于这个库从分析角度来陈述使用和-一篇源码解读。
代码 REPO 持续更新
GitHub: github.com/levinliu/da…
Or Gitee: gitee.com/levin6/data…
这里展示了三种使用，分析的重点在于对数据和图表的把握。
更多内容请移步：matplotlib.org/
没有学习过 python 的可以参考一个更加基础的 Python 项目：blog.csdn.net/geeklevin/a…
持续学习持续开发，我是雷学委！
编程很有趣，关键是把技术搞透彻讲明白。
创作不易，希望多多反馈关注收藏支持！感谢
学委这个数据科学系列的文章不定期更新，欢迎关注，希望读者多多反馈。
