Matplolib是最常用的Python数据绘图工具库，支持不同样式数据的图像绘制。本文介绍一些使用Matplotlib库的注意事项，主要包括：
- subplots
- 布局调整
- specgram（光谱图）
- pcolormesh
- 样式增强
Matplolib
subplots
subplots()是绘图的开始，创建不同子图的排列结构。
如下：
import matplotlib.pyplot as plt
fig, axes = plt.subplots(nrows=2, ncols=2)
plt.show()
最终的图像展示使用plt.show()方法。
返回：
- fig：绘图的底版，用于显示整个背景轮廓，等同于plt.gcf()；
-
axes：子图的集合，通过下标选中单个子图，如
axes[0][0]；
参数：
- nrows和ncols：子图排列的行和列；
非规则的排列，使用subplot2grid()，通过结构shape和位置loc排列子图，如，排列5个子图，上三下二结构：
ax1 = plt.subplot2grid(shape=(2, 6), loc=(0, 0), colspan=2)
ax2 = plt.subplot2grid((2, 6), (0, 2), colspan=2)
ax3 = plt.subplot2grid((2, 6), (0, 4), colspan=2)
ax4 = plt.subplot2grid((2, 6), (1, 1), colspan=2)
ax5 = plt.subplot2grid((2, 6), (1, 3), colspan=2)
布局调整
在排列子图的过程中，可能出现：
-
坐标轴遮挡：使用
tight_layout()设置间距，其中pad表示整体轮廓间距，w_pad表示子图水平间距，h_pad表示子图竖直间距； -
图像密集：使用
set_size_inches()设置图像长宽的具体尺寸（英寸）；
即：
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
fig = plt.gcf()
fig.set_size_inches(10, 8)
这样，子图就可以优雅地排列在一起了。
specgram
连续信号推荐使用specgram()展示，即光谱图（spectrogram）。
参数：
- x：信号连续值列表；
- Fs：信号帧率；
即：
axes[0, 0].specgram(x=y, Fs=sr) # 光谱图
axes[0, 0].set_title('std')
set_title()用于设置图像的标题。
光谱图
连续信号不推荐使用线图展示，因为在信号中，一般含有帧率，即每秒信号数，而使用线图展示，就会忽略帧率信息，无法体现波形的相似性。
pcolormesh
二维特征推荐使用pcolormesh()展示。除此之外，相似的展示形式：
- contourf：等高线，与pcolormesh类似，边界较为模糊；
- imshow：图像模式，支持模糊处理，自适应宽高需要设置aspect的“auto”属性；
即
axes[0, 0].pcolormesh(df1)
axes[0, 1].contourf(df2)
axes[1, 0].imshow(df2, interpolation='bicubic', aspect='auto')
axes[1, 1].axis('off')
axis('off')用于关闭子图。
pcolormesh
二维特征不推荐使用散点图，因为散点图的展示区域较小，对比效果较差。
样式增强
seaborn是Matplotlib的颜色和样式扩展。
使用方式：在plt绘制之前，通过seaborn声明其他的展示样式。
import seaborn as sns
sns.set(style='ticks', palette='Set2')
欢迎Follow我的GitHub：https://github.com/SpikeKing
By C. L. Wang @ 美图云事业部
OK, that's all!
