文章目錄
Matplotlib 是一個大型專案，對初學者來說有時乍看之下會令人畏懼，但透過系統性學習 Matplotlib 中的繪圖構成組件，對使用者來說將會是更簡單、更平易近人的學習方式。
在開始將我們的數據視覺化於圖表之前，需要先處理一個明顯的問題：一個圖表的實際組成部分是什麼？本篇文章先不深入探討不同類型的圖表細節，而是提供一個對使用 Python 和圖表（基本）元素可以創建的不同圖表的簡要介紹。
儘管有各式各樣的圖表類型，但其中有一些元素是大多數圖表（不是全部）都共通的。因此，了解基本術語在學習使用 Matplotlib 是非常有用的，因為這將使您在開始建立或修改自己的圖表時，更容易在網路上或官網尋找幫助和正確資訊。
1. 圖表主體結構
在使用 Matplotlib 進行繪圖之前，理解 Matplotlib 圖表結構是非常必要的。Matplotlib 圖表有三個非常重要的概念，分別是 Figure、Axes 及 Axis。三者之間的關係構成了 Matplotlib 圖表的整體布局及主體結構。我們先看看下方簡圖來說明這三者間的關係
我們先針對 Figure、Axes 及 Axis 做簡單的介紹，下一篇文章將會利用許多範例做更詳細的說明
- Figure：”Figure” 是這個層次結構中的頂層容器。它是總體的視窗/頁面，所有內容都會繪製在其上。使用者可以擁有多個獨立的圖形(figures)，而一個 “Figure” 可以包含多個 “Axes”。因此你可以將 “Figure” 理解為是一個畫布。
- Axes：大多數繪圖發生在 “Axes” 上。”Axes” 實際上是我們繪製數據和與之相關的刻度、標籤等的區域。通常，我們會透過調用 subplot（將 “Axes” 放在規則網格上）來設置 “Axes”，因此在大多數情況下，”Axes” 和 “Subplot” 是同義詞。所以我們也可以將 “Axes” 視為是一個座標系統。
- Axis：每個 “Axes” 都有一個 X 軸 (X axis)和一個 Y 軸 (Y axis)，它們包含刻度、刻度位置、標籤等等。所以我們可以將 “Axis” 視為是座標系統中的座標軸。
在本篇文章中，我們將主要透過其他機制來控制刻度、刻度標籤和數據限制，因此我們不會觸及太多單個軸部分的事物。
範例 1：建立 Fingue
本篇文章中，我們將使用以下的導入語句，而這些縮寫在某種程度上是標準化的，大多數學習教程和其他 Python 程式碼也會使用它們。
import numpy as np
import matplotlib.pyplot as plt現在讓我們開始建立一個圖形(Figure)。本範例使用淡黃色的顏色(#FFFFDD 十六進位表示)來顯示畫布區域。然後使用 plt.show() 來顯示圖。
目前什麼事都沒有發生！只顯示一塊黃色圖形(畫布)。這是因為預設情況下 Matplotlib 不會顯示任何內容，除非被告知要怎麼做。我們可以試著透過參數 figsize 來控制圖形的大小，此參數需要一個以 (width, height) 英吋為單位的元組(Tuple)，例如下面範例 2。
範例 2：調整 Fingue 大小
範例 3：建立 Axes
在 Matplotlib 中所有繪圖都是相對於一個 Axes 進行的，而一個 Axes 會由 Axis 物件和許多其他元素組成。其中一個 Axes 物件必須屬於一個 Figure（並且只能屬於一個 Figure）。使用者所使用的大多數命令都將與此 Axes 物件有關。
通常，我們會先設置一個 Figure (也就是畫布大小)，然後向其添加一個 Axes (座標系統)。在 Matplotlib 中可以使用fig.add_axes (下一篇文章將有詳細說明)，但在大多數情況下，您會發現添加一個 subplot 會容易滿足您的需求。（溫馨小提醒，”subplot” 只是一個基於網格(Grid)系統的 Axes。）
在上面範例 3 中，我們注意到對 set 的呼叫。Matplotlib 的物件通常有很多”explicit setters”(明確設置器)。也就是說，這些函數會以 set_<something> 做為開頭，並且來控制特定的選項。
為了展示這一部份，讀者可以在 Jupyter Notebook 程式碼單元中輸入 ax.set_，然後按下 <Tab> 鍵。您將看到以 set 開頭的 Axes 方法的長列表。
我們試著將範例 3 的第四行改寫成如下：
因此，Matplotlib 的 set 方法非常方便，不僅適用於 Axes，同時幾乎可適用於所有 Matplotlib 物件。
了解圖表主體結構的三個重要部分(Figure、Axes 及 Axis)彼此之間的關係，接著就讓我們來看看在 Matplotlib 中圖表結構的細部剖析 (Figure Anatomy)。
2. 圖表結構剖析 (Figure Anatomy)
下圖是 Matplotlib Figure 的組成部分。
2.1 常用繪圖術語
這些常用術語可能會有所不同，具體情況取決於您使用的繪圖庫。此處提供的列表，是以使用 Matplotlib 中繪圖的典型術語（請參見上圖）。
- Major tick label：座標軸上的主刻度標籤(例如文字或值)
- Minor tick label：座標軸上的次刻度標籤(例如文字或值)
- Major tick：座標軸上的主刻度
- Minor tick：座標軸上的次刻度
- xlabel： x座標軸的標籤名稱
- ylabel： y座標軸的標籤名稱
- Title：圖標題。
- Line：線
- Markers：標記
- Grid：Axes 座標系統上的網格
- Legend：圖例
- Axes：座標系統
- Figure：圖形
- x Axis： x 座標軸。若是 3D繪圖，圖形座標系統(Axes)，則會是 x Axis、y Axis、z Axis。
- y Axis： y 座標軸。若是 3D繪圖，圖形座標系統(Axes)，則會是 x Axis、y Axis、z Axis。
- Spine ：座標系統框
3. 工作流程 (Workflow)
用 Matplotlib 創建新圖時，可參考下列基本步驟及範例：
我們就以下面例子帶讀者走過一遍
Step 1：準備資料 (Prepare Data)
我們先導入 matplotlib
import matplotlib.pyplot as plt然後準備資料下列資料
x = [1, 2, 3, 4, 5]
y = [5, 10, 20, 35, 45] Step 2：建立繪圖 (Create Plot)
在此步驟可以建立繪圖(Figure)。建立繪圖時，讀者可以參考前面所提參數部分(例如調整畫布大小、畫布顏色等等)。本範例主要介紹此工作流程，暫時不加這些參數，留待讀者自行練習。
fig = plt.figure() Step 3：客製化繪圖 (Customize Plot)
我們可以在此畫布上規劃子圖數量及格局(子圖操作部分在下一篇文章會詳細介紹)。本範例建立一個子圖(subplot(111)的意思是建立1列、1行的子圖，並且編號為1，細節可留待後續圖文詳細說明)，並且在其座標軸上做一些客製化，包括刻度、顏色、線寬、標記圖形等等。
ax = fig.add_subplot(111) # Step 3
plt.plot(x, y, color='blue', linewidth=2, marker='o') # Step 3
plt.xlim(1, 5.5) Step 4：儲存繪圖 (Save Plot)
在 Matplotlib 中可以使用 savefig() 方法來儲存繪圖，儲存方式是以 Figure 為儲存單位。並且可存成 png、jpg、gif、svg、eps等圖檔格式。
plt.savefig('workflow.png') Step 5：圖形展示 (Show Plot)
最後將其繪圖展示出來。
plt.show() 結合上面這些步驟可完成下面範例練習。
範例 4：工作流程範例
經由本文介紹後，相信讀者對 Matplotlib 的圖表結構(Figure、Axes、Axis)有了基本認識，接下來我們將介紹一系列 Matplotlib 學習文章給有所有對使用 Python 進行視覺化有興趣的初學者。
讀者若想要多了解一些 Python 的基本程式語法，可以參考 Python for Beginners 系列文章，裡面有大量範例及 Quiz 練習。若是想要了解一些 AI 、機器學習及深度學習的基礎概念，可以參考這一本書【從 AI 到 生成式 AI：40 個零程式的實作體驗，培養新世代人工智慧素養】，它將帶領讀者在不會程式、不會數學也OK!的情況下，建立最完整的 AI 入門知識。
如果你喜歡這篇文章歡迎訂閱、分享(請載名出處)與追蹤，並持續關注最新文章。同時 FB 及 IG 也會不定期提供國內外教育與科技新知。