matplotlib在figures上繪製資料（例如，視窗，jupyter小部件等），每個figure都可以包含乙個或多個axes，axes是可以根據x-y座標（或極座標中的theta-r或3-d圖中的x-y-z等）指定點points的區域。
使用matplotlilb繪圖的兩種方式：
使用subplots()可以建立figure和axes
使用pyplot
所有的繪圖函式都需要用numpy.arrayornumpy.ma.masked_array作為輸入。畫圖前最好先把資料轉換成numpy.array，哪怕是pandas的資料框這種類似array的資料物件。
可以理解成繪圖區，它是具有資料空間的影象區域。 乙個給定的figure可以包含多個axes，但是乙個給定的axes物件只能在乙個figure中。 axes包含兩個（或3個3d軸）軸物件（請注意軸和軸之間的差異），這些物件負責資料限制（資料限制也可以通過軸控制.axes.set_xlim()和axes.axes.set_ylim()方法）。 每個軸都有乙個標題（通過set_title()設定），乙個x標籤（通過set_xlabel()設定）和乙個y標籤（通過set_ylabel()設定）。
artist
et_xlabel()設定）和乙個y標籤（通過set_ylabel()`設定）。
artist
在figure上看到的所有東西基本上都是an artist (even thefigure,axes, andaxisobjects). 包括text objects, line2d
objects, collections objects, patch objects … .大多數artist都和axes是繫結的， 這樣的artist不能被多個axes共享，也不能從乙個axes移動到另乙個axes。
matplotlib視覺化（一）
關於figure 乙個figure代表乙個視窗，可以有多個figure，乙個figure下可有多個圖形 1.多個視窗 import numpy as np import matplotlib.pyplot as plt x np.linspace 3,3,50 y1 2 x 1 y2 x 2 plt...
Matplotlib 資料視覺化
資料視覺化，更有意義的說法是，data communication for audiences。matplotlib總是因為它的aesthetics和amounts of codes被些許詬病。然而，我覺得熟練的使用之後，它的靈活性還是比較強的 相比ggplot 所以這篇文章的適合讀者是 具體的實現...
資料視覺化 matplotlib
直方圖plt.hist 資料，分組數，density true 複製 條形圖plt.bar x,y,color 顏色 plt.barh 複製 散點圖plt.scatter x,y 複製 折線圖 繪製多個圖形，多次plot plt.plot x,y,label 標籤 複製 通用操作plt.figure...