# 基本介紹
首先最重要的是 import 這個模組，如果沒有的話要記得去下載
```python
import matplotlib.pyplot as plt
```
`figure` 是我們畫圖的基底，或者說底板，你可以在這個底板上面畫很多圖。
```python
fig = plt.figure(figsize=(19.2,10.8),facecolor="#DAFFBF",dpi=300)
```
`axe` 就是我們要畫的圖，也就是說你可以在 `figure` 上畫很多圖。
```python
ax_1 = fig.add_subplot(3,3,1)
```
下面的程式碼畫了 5 張圖；而一個 figure 能畫幾張圖是由 `add_subplot(X,Y,index)` 當中的三個參數所決定的，其中 X 跟 Y 會把一張 figure 劃分出 X rows 跟 Y cols，而 index 代表是從左上角數來第幾張圖，從 1 開始
```python=
# generate one figure 1920x1080
fig = plt.figure(figsize=(19.2,10.8),facecolor="#DAFFBF",dpi=300)
# generate axe(s)
ax_1 = fig.add_subplot(3,3,1)
# ax_2 = fig.add_subplot(3,3,2)
ax_3 = fig.add_subplot(3,3,3)
# ax_4 = fig.add_subplot(3,3,4)
ax_5 = fig.add_subplot(3,3,5)
# ax_6 = fig.add_subplot(3,3,6)
ax_7 = fig.add_subplot(3,3,7)
# ax_8 = fig.add_subplot(3,3,8)
ax_9 = fig.add_subplot(3,3,9)
plt.show()
```
效果如下：
除此之外還可以將多個位置均畫同一張圖。
```python
# generate one figure
fig = plt.figure(figsize=(19.2,10.8),facecolor="#DAFFBF",dpi=300)
# generate axe(s)
ax_1 = fig.add_subplot(3,3,(1,4))
ax_2 = fig.add_subplot(3,3,(2,3))
ax_5 = fig.add_subplot(3,3,5)
ax_6 = fig.add_subplot(3,3,(6,9))
ax_7 = fig.add_subplot(3,3,(7,8))
plt.show()
```
可以有下面酷炫的效果：
但是要注意畫不出 L 型。
## 各種部件
下面是各種會出現在一張圖裡面的部件。
```python=
# generate one figure
fig = plt.figure()
# generate axe(s)
ax = fig.add_subplot(1,1,1)
ax.scatter([1,2,3],[4,5,6],label='this is first legend') # inline legend
ax.plot([10,20,30],label='this is second legend') # inline legend
ax.set_title("This is title")
ax.set_xlabel("this is x label")
ax.set_ylabel("this is y label")
ax.set_xticks(range(0,11,2))
ax.set_yticks(range(5,30,5))
ax.set_xlim(left = 0,right = 8)
ax.set_ylim(bottom = 5, top = 15)
ax.legend(loc = 'upper left',fontsize=14)
# ax.legend(['this is first legend','this is second legend']) legend via method
fig.savefig('basic3.png')
plt.show()
```
- 每個部件都可以設置 `fontsize` 參數，通常 14 ~ 28 是個不錯的選擇範圍
- 這很重要，不然字太小或太大都不好看
- `legend` 有兩種設置方式，一個是在畫出資料的時候帶入 `label` 參數
- 要記得最後一定要加上 `ax.legend()`，裡面可以不用帶入任何東西
- 或者也可以像上面帶入位置參數，upper/lower/center + left/right
- 沒有加上的話就不會有 label 出來
- 另一種是在 `legend()` 裡面依序帶入參數
## 另一種畫法
其實也不一定要建立出 axe，我們可以直接用 plt 來畫出圖
```python=
plt.figure(figsize=(6.8,3.4))
plt.scatter([1,2,3],[4,5,6],label='this is first legend') # inline legend
plt.plot([10,20,30],label='this is second legend') # inline legend
plt.title("This is title")
plt.xlabel("this is x label")
plt.ylabel("this is y label")
plt.xticks(range(0,11,2))
plt.yticks(range(5,30,5))
plt.xlim(left = 0,right = 8)
plt.ylim(bottom = 5, top = 15)
plt.legend(loc = 'upper center')
# ax.legend(['this is first legend','this is second legend']) legend via method
plt.savefig('basic4.png')
plt.show()
```
可以注意到所有的函數都只差在有沒有 `set_` 這個前綴，其他都是一樣的
---
# 散佈圖 Scatter
顧名思義，就是散佈的圖形，可以將資料以點的方式呈現。常用的參數就是 x 軸、y 軸、點大小，這三個。
```python=
import numpy as np
plt.figure(figsize=(6.8,3.4))
x = np.linspace(0,100,50)
y = np.log(1+x)
plt.scatter(x=x,y=y,s=5)
plt.savefig('scatter.png')
plt.show()
```
另外還有一個東西是 Colormap。
# 長條圖 Bar
用來呈現離散的資料。`left` 代表 bar 的位置，預設是「中心」的位置 `height` 則是 bar 的高度。
每個 bar 的 x 軸可以想成是從 0 ~ 某個數的刻度，然後 bar 的中心會位在這些刻度上面。所以如果要畫多筆資料不讓他們重疊，那麼就需要對 left 做一些位移，如下面的範例。要注意位移的時候要考慮 bar 的寬度。
```python
stu = ['Student 1','Student 2','Student 3']
DSA = [4.3, 3.1, 3.7]
ADA = [4.3, 2.8, 4.0]
SP = [4.3, 3.4, 4.0]
base = np.arange(len(team)) # [0,1,2]
DSA_x = base + 0.2 * -1
ADA_x = base + 0.2 * 0
SP_x = base + 0.2 * 1
plt.figure(figsize=(6.8,3.4))
plt.bar(left = DSA_x,height = DSA, width = 0.2, label = 'DSA',color="blue")
plt.bar(left = ADA_x,height = ADA, width = 0.2, label = 'ADA',color="green")
plt.bar(left = SP_x,height = SP, width = 0.2, label = 'SP',color="orange")
plt.xticks(x_axis,stu)
plt.legend(fontsize=14,loc="upper right")
plt.savefig("bar.png")
plt.show()
```
不過如果只有一筆資料的畫，不一定要像上面，先帶入 x 軸的刻度位置，然後再使用 xticks 給予 tag。我們也可以直接將 left 帶入 tag 的陣列。
# 直方圖 Histogram
用來呈現連續的資料。常見用法大致就是下面的三種圖，數量圖、機率密度函數 PDF，累積密度函數 CDF。
要注意的是 `bins` 參數跟 PDF 和 CDF 之間的關係。 `density` 這個參數的目的是讓圖形的面積加起來等於 1，也就是說每個 bar 的機率要乘上 bar 的寬度才會是「該區間的機率」，可以在下面的例子自己算算看，bar 的寬度是 5。而 CDF 則沒有這個問題，顯示的已經是乘好的結果。
```python=
np.random.seed(48763)
fig = plt.figure(figsize=(10.8,19.2))
ax_origin = fig.add_subplot(3,1,1)
ax_PDF = fig.add_subplot(3,1,2)
ax_CDF = fig.add_subplot(3,1,3)
normal = np.random.normal(loc = 50,scale = 20 ,size=20)
bins = range(0,105,5) # bar width is 5
# origin hist
ax_origin.hist(x = normal,alpha = 0.7,bins = bins)
ax_origin.set_title("Origin")
ax_origin.set_xticks(bins)
ax_origin.grid(True)
# PDF
ax_PDF.hist(x = normal,alpha = 0.7,bins = bins,density = True)
ax_PDF.set_title("PDF")
ax_PDF.set_xticks(bins)
ax_PDF.grid(True)
# CDF
ax_CDF.hist(x = normal,alpha = 0.7,bins = bins,density = True,cumulative=True)
ax_CDF.set_title("CDF")
ax_CDF.set_xticks(bins)
ax_CDF.set_yticks(np.arange(0,1.05,0.05))
ax_CDF.grid(True)
plt.savefig('histogram.png')
plt.show()
```
# 盒狀圖/箱形圖 box plot
好用的盒狀圖，幫助複習國小(還是國中?)所教過的圖表知識。圈圈是離群值。[請參閱維基](https://zh.wikipedia.org/zh-tw/%E7%AE%B1%E5%BD%A2%E5%9C%96)
```python=
np.random.seed(48763)
plt.figure()
normal_1 = np.random.normal(loc = 50,scale = 2 ,size=500)
normal_2 = np.random.normal(loc = 40,scale = 2 ,size=500)
plt.boxplot((normal_1,normal_2),vert=False,labels=['first data','second data'],widths=0.5,capwidths=0.8)
plt.savefig('box.png')
plt.show()
```
second 的字被截掉了....。
Sign in with Wallet
Connect another wallet