目录
Python数据处理从零开始—-第四章（可视化）①Matplotlib包
Python数据处理从零开始—-第四章（可视化）②图形和轴
Python数据处理从零开始—-第四章（可视化）③散点图和误差棒
Python数据处理从零开始—-第四章（可视化）④误差图
Python数据处理从零开始—-第四章（可视化）⑤（韦恩图）
Python数据处理从零开始—-第四章（可视化）⑥（画布设置）
Python数据处理从零开始—-第四章（可视化）⑦（多图合并)
Python数据处理从零开始—-第四章（可视化）⑧火山图
Python数据处理从零开始—-第四章（可视化）⑨线性相关曲线
Python数据处理从零开始—-第四章（可视化）⑩ROC曲线
Python数据处理从零开始—-第四章（可视化）①①多分类ROC曲线
======================================================
背景：
我们现在将深入研究Matplotlib包，以便在Python中进行可视化。 Matplotlib是一个基于NumPy阵列的多平台数据可视化库，旨在与更广泛的SciPy协同工作。它由John Hunter在2002年构思，最初是作为IPython的补丁，用于通过来自IPython命令行的gnuplot实现交互式MATLAB风格的绘图。 IPython的创始人Fernando Perez当时正完成他的博士学位，而约翰知道他几个月没时间补丁了。约翰认为这是他自己开始的一个提示，Matplotlib软件包诞生了，2003年发布了0.1版本。当它被作为太空望远镜科学研究所选择的绘图包时，它得到了早期的提升。哈勃望远镜背后的科学家在财务上支持Matplotlib的开发并大大扩展了其功能。
Matplotlib最重要的功能之一是它能够很好地兼容许多操作系统和图形后端。 Matplotlib支持许多后端和输出类型，这意味着无论您使用哪种操作系统或您希望使用哪种输出格式，您都可以依赖它。这种跨平台，一切对每个人的方法都是Matplotlib的强大优势之一。它带来了庞大的用户群，这反过来又导致了活跃的开发人员基础和Matplotlib在科学Python世界中的强大工具和普遍性。
然而，近年来，Matplotlib的界面和风格已经开始显示它们的年龄。 R语言中的ggplot和ggvis等新工具，以及基于D3js和HTML5画布的Web可视化工具包，经常使Matplotlib感觉笨重和老式。尽管如此，我认为我们不能忽视Matplotlib作为经过良好测试的跨平台图形引擎的优势。最近的Matplotlib版本使得设置新的全局绘图样式变得相对容易（请参阅自定义Matplotlib：配置和样式表），人们一直在开发基于其强大内部构建的新软件包，通过更清晰，更现代的API来驱动Matplotlib，例如， Seaborn（可视化与Seaborn讨论），ggpy，HoloViews，Altair，甚至Pandas本身都可以用作Matplotlib API的包装。即使使用这样的包装器，通常也可以深入研究Matplotlib的语法来调整最终的绘图输出。出于这个原因，我相信Matplotlib本身仍将是数据可视化堆栈的重要组成部分，即使新工具意味着社区逐渐不再使用Matplotlib API。
Matplotlib
一般Matplotlib技巧
在我们深入了解使用Matplotlib创建可视化的细节之前，您应该了解一些有关使用该软件包的有用信息。
1.导入Matplotlib
就像我们使用np简写为NumPy和pandas的pd简写一样，我们将使用Matplotlib导入的一些标准shorthands：
import matplotlib as mpl
import matplotlib.pyplot as plt
我们将matplotlib导入为mpl，将matplotlib.pyplot导入为plt
而plt接口是我们最常使用的接口。
设置样式
我们将使用plt.style指令为我们的数字选择合适的美学风格。在这里，我们将设置经典样式，确保我们创建的图使用经典的Matplotlib样式：
plt.style.use（ 'classic'）
我们可以根据自己需求调整样式。
如何显示我们画的图
Matplotlib大概三个常用的编译环境，分别是脚本，IPython终端或IPython笔记本中使用Matplotlib。
从脚本绘图
如果您在脚本中使用Matplotlib，则函数plt.show（）并打开一个或多个显示您的图形或图形的交互式窗口。有一点需要注意：plt.show（）命令每个Python会话只能使用一次，最常见于脚本的最后。从IPython shell绘图
在IPython shell中以交互方式使用Matplotlib非常方便（参见IPython：Beyond Normal Python）。如果指定Matplotlib模式，IPython可以很好地与Matplotlib一起使用。要启用此模式，可以在启动ipython后使用％matplotlib magic命令：
- 从IPython笔记本绘图
IPython笔记本是一种基于浏览器的交互式数据分析工具，可以将叙述，代码，图形，HTML元素等组合到一个可执行文档中（参见IPython：Beyond Normal Python）。可以使用％matplotlib命令在IPython笔记本中以交互方式绘制，并以与IPython shell类似的方式工作。％matplotlib inline 笔记本将导致嵌入在笔记本中的交互式图
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
fig = plt.figure()
plt.plot(x, np.sin(x), '-')
plt.plot(x, np.cos(x), '--');
保存已经画好的图片
Matplotlib的一个很好的功能是能够以各种格式保存数字。 可以使用savefig（）命令保存图形。 例如，要将上一个图保存为PDF文件，可以运行以下命令：
fig.savefig('my_figure.pdf')
使用一下命令确认该图已经保存
# In[*]
fig.savefig('my_figure.jpeg')
from IPython.display import Image
Image('my_figure.jpeg')
在savefig（）中，文件格式是从给定文件名的扩展名推断出来的。 根据您安装的后端，可以使用许多不同的文件格式。 通过使用图形画布对象的以下方法，可以为系统找到支持的文件类型列表：
fig.canvas.get_supported_filetypes()
Out[12]:
{'ps': 'Postscript',
'eps': 'Encapsulated Postscript',
'pdf': 'Portable Document Format',
'pgf': 'PGF code for LaTeX',
'png': 'Portable Network Graphics',
'raw': 'Raw RGBA bitmap',
'rgba': 'Raw RGBA bitmap',
'svg': 'Scalable Vector Graphics',
'svgz': 'Scalable Vector Graphics',
'jpg': 'Joint Photographic Experts Group',
'jpeg': 'Joint Photographic Experts Group',
'tif': 'Tagged Image File Format',
'tiff': 'Tagged Image File Format'}
Matplotlib的两个接口
Matplotlib的一个可能令人困惑的特性是它的双重接口：一个方便的
MATLAB风格的基于状态的接口，以及一个更强大的面向对象的接口。
MATLAB风格的基于状态的接口
Matplotlib最初是作为MATLAB用户的Python替代编写的，其大部分语法都反映了这一事实。 MATLAB风格的工具包含在pyplot（plt）界面中。 例如，以下代码可能对MATLAB用户来说非常熟悉：
plt.figure() #创建图形
# 设置双图的第一个图
plt.subplot(2, 1, 1) # (rows, columns, panel number)
plt.plot(x, np.sin(x))
# 设置双图的第二个图
plt.subplot(2, 1, 2)
plt.plot(x, np.cos(x));
这种接口最重要的特点是有状态的，它会跟踪‘当前的’图片和坐标轴，可以使用plt.gcf()和plt.gca()获取当前图片和坐标轴。这样带来的问题就是当我们画第二个图时，怎么回到第一个子图并增加新内容呢？
面向对象的接口
fig, ax = plt.subplots(2)
# Call plot() method on the appropriate object
ax[0].plot(x, np.sin(x))
ax[1].plot(x, np.cos(x));
一般而言选择使用哪种样式在取决于偏好，但是当面对比较复杂的图时，应该选择ax.plot()。在大多数情况下，将plt.plot（）切换到ax.plot（）差别很小，但是我们将在下面的部分中提出一些问题。
