Matplotlib 由 John D. Hunter 在 2002 年開始編寫， 2003 年 Matplotlib 發(fā)布了第一個版本，并加入了 BSD 開源軟件組織。Matplotlib 1.4 是最后一個支持 Python 2 的版本，它的最新版本 3.1.1 已于 2019 年 7 月 1 日發(fā)布。

Matplotlib 提供了一個套面向繪圖對象編程的 API 接口，能夠很輕松地實現(xiàn)各種圖像的繪制，并且它可以配合 Python GUI 工具（如 PyQt、Tkinter 等）在應(yīng)用程序中嵌入圖形。同時 Matplotlib 也支持以腳本的形式嵌入到 IPython shell、Jupyter 筆記本、web 應(yīng)用服務(wù)器中使用。

振動圖

振動圖也叫磁場圖，或量場圖，其圖像的表現(xiàn)形式是一組矢量箭頭，其數(shù)學(xué)含義是在點 (x,y) 處具有分向量 (u,v)。

Matplotlib 提供繪制量場圖的函數(shù)，如下所示：

quiver(x,y,u,v)

上述函數(shù)表示，在指定的 (x,y) 坐標(biāo)上以箭頭的形式繪制向量，參數(shù)說明如下：

參數(shù)	說明
x	一維、二維數(shù)組或者序列，表示箭頭位置的x坐標(biāo)。
y	一維、二維數(shù)組或者序列，表示箭頭位置的y坐標(biāo)。
u	一維、二維數(shù)組或者序列，表示箭頭向量的x分量。
v	一維、二維數(shù)組或者序列，表示箭頭向量的y分量。
c	一維、二維數(shù)組或者序列，表示箭頭顏色。

以下示例，繪制了一個簡單的振動圖：

import matplotlib.pyplot as plt
import numpy as np
x,y = np.meshgrid(np.arange(-2, 2, 0.2), np.arange(-2, 2, 0.25))
z = x*np.exp(-x**2 - y**2)
#計算數(shù)組中元素的梯度
v, u = np.gradient(z, 0.2, 0.2)
fig, ax = plt.subplots()
q = ax.quiver(x,y,u,v)
plt.show()

上述代碼執(zhí)行后，輸出結(jié)果如下：

圖1：振動示例圖

箱型圖

箱型圖（也稱為盒須圖）于 1977 年由美國著名統(tǒng)計學(xué)家約翰·圖基（John Tukey）發(fā)明。它能顯示出一組數(shù)據(jù)的最大值、最小值、中位數(shù)、及上下四分位數(shù)。

在箱型圖中，我們從上四分位數(shù)到下四分位數(shù)繪制一個盒子，然后用一條垂直觸須（形象地稱為“盒須”）穿過盒子的中間。上垂線延伸至上邊緣（最大值），下垂線延伸至下邊緣（最小值）。箱型圖結(jié)構(gòu)如下所示：

圖1：箱型如結(jié)構(gòu)圖

?首先準(zhǔn)備創(chuàng)建箱型圖所需數(shù)據(jù)：您可以使用numpy.random.normal()函數(shù)來創(chuàng)建一組基于正態(tài)分布的隨機數(shù)據(jù)，該函數(shù)有三個參數(shù)，分別是正態(tài)分布的平均值、標(biāo)準(zhǔn)差以及期望值的數(shù)量。如下所示：

#利用隨機數(shù)種子使每次生成的隨機數(shù)相同
np.random.seed(10)
collectn_1 = np.random.normal(100, 10, 200)
collectn_2 = np.random.normal(80, 30, 200)
collectn_3 = np.random.normal(90, 20, 200)
collectn_4 = np.random.normal(70, 25, 200)
data_to_plot=[collectn_1,collectn_2,collectn_3,collectn_4]

然后用 data_to_plot 變量指定創(chuàng)建箱型圖所需的數(shù)據(jù)序列，最后用 boxplot() 函數(shù)繪制箱型圖，如下所示：

fig = plt.figure()
#創(chuàng)建繪圖區(qū)域
ax = fig.add_axes([0,0,1,1])
#創(chuàng)建箱型圖
bp = ax.boxplot(data_to_plot)
plt.show()

上述代碼執(zhí)行后，輸出結(jié)果如下：

圖2：箱型圖輸出結(jié)果

提琴圖

小提琴圖（Violin Plot）是用來展示數(shù)據(jù)分布狀態(tài)以及概率密度的圖表。這種圖表結(jié)合了箱形圖和密度圖的特征。小提琴圖跟箱形圖類似，不同之處在于小提琴圖還顯示數(shù)據(jù)在不同數(shù)值下的概率密度。

小提琴圖使用核密度估計（KDE）來計算樣本的分布情況，圖中要素包括了中位數(shù)、四分位間距以及置信區(qū)間。在數(shù)據(jù)量非常大且不方便一一展示的時候，小提琴圖特別適用。

概率密度估計、置信區(qū)間、四分位間距都屬于統(tǒng)計學(xué)中的概念，可自行查閱，這里不做說明。

小提琴圖比箱型圖能提供了更多的信息。雖然箱型圖顯示了均值、中位數(shù)和上、下四分位數(shù)等統(tǒng)計信息，但是小提琴圖卻顯示了數(shù)據(jù)的完整分布情況，這更利于數(shù)據(jù)的分析與比對。下面是小提琴圖的使用示例：

import matplotlib.pyplot as plt
np.random.seed(10)
collectn_1 = np.random.normal(100, 10, 200)
collectn_2 = np.random.normal(80, 30, 200)
collectn_3 = np.random.normal(90, 20, 200)
collectn_4 = np.random.normal(70, 25, 200)
#創(chuàng)建繪制小提琴圖的數(shù)據(jù)序列
data_to_plot = [collectn_1, collectn_2, collectn_3, collectn_4]
#創(chuàng)建一個畫布
fig = plt.figure()
#創(chuàng)建一個繪圖區(qū)域
ax = fig.add_axes([0,0,1,1])
# 創(chuàng)建一個小提琴圖
bp = ax.violinplot(data_to_plot)
plt.show()

輸出結(jié)果如下：