matplotlib 是最流行的 python 繪圖包之一，相比起之前給大家介紹的小清新 pygal，matplotlib 顯得比較偏理工。具體安裝使用請參考官方文檔。今天小狼要給大家舉的栗子很簡單：繪制一個折線圖看看帝都的氣溫變化情況。源碼請移步小狼 GitHub 下的 bj_tmp_matplotlib 文件夾。
巧婦難為無米之炊，第一步就是找數據。這里我們使用的天氣數據來自于 Weather Underground。無需注冊你就可以下載有記錄的年份的全球各地天氣數據，如果注冊的話則可以得到一個 API，你也可以利用 API 來獲取數據。我們需要獲取北京 2016 年全年的氣溫數據，以此來繪制全年的高低氣溫走勢圖。該網站的數據顯示非常清晰友好，由于我們需要的數據也不多，直接轉存成 .csv 格式備用。
接下來開寫代碼，首先導入一些我們要用到的包，用來支持 .csv 文件處理和時間數據處理：
import csv
import matplotlib.dates
from datetime import datetime
from matplotlib import pyplot as plt
寫一個函數來把時間數據存儲到列表里，并且轉換成可被 python 理解的時間格式：
def date_to_list(data_index):
""" save date to a list """
results = []
for row in data:
results.append(datetime.strptime(row[data_index], '%Y-%m-%d'))
return results
再來一個函數用來存儲氣溫數據：
def data_to_list(data_index):
""" save data to a list """
results = []
for row in data:
results.append(int(row[data_index]))
return results
現在看一下那個 .csv 文件的構造和內容：
filename = 'beijing_2016.csv'
with open(filename) as bj:
data = csv.reader(bj)
header = next(data)
print(header)
print(next(data))
通過兩個 print 語句我們得到如下結果：
['date_akdt', 'high_temp_f', 'avg_temp_f', 'low_temp_f', 'high_dew_point_f', 'avg_dew_point_f', 'low_dew_point_f', 'high_humidity_pct', 'avg_humidity_pct', 'low_humidity_pct', 'high_sea_level_press_in', 'avg_sea_level_press_in', 'low_sea_level_press_in', 'high_visibility_mi', 'avg_visibility_mi', 'low_visibility_mi', 'high_wind_mph', 'avg_wind_mph', 'high_wind_mph', 'sum_precip_in', 'events']
['2016-01-01', '41', '30', '19', '23', '18', '14', '86', '68', '25', '30.36', '30.23', '30.12', '4', '3', '1', '9', '3', '-', '0', '']
上面的輸出分別是表頭和第一行數據的內容，我們可以看到其中有我們需要的時間，最高溫度和最低溫度，分別對應的 index 是 0，1，3。當然，你也可以直接用代碼獲取 index，尤其是當數據類型非常多的時候：
print('date_akdt', header.index('date_akdt'))
print('high_temp_f', header.index('high_temp_f'))
print('low_temp_f', header.index('low_temp_f'))
獲得輸出：
date_akdt 0
high_temp_f 1
low_temp_f 3
知道數據位置后，我們就可以單獨提取這些數據存到列表里，用于之后的繪圖。這里有個坑，因為我們讀取 .csv 文件的時候用到了迭代器，所以我們需要先轉存一下數據，否則僅能返回第一條數據，其余的則返回空值。
data = list(data)
接下來就是把數據存到列表里，由于獲取的溫度是華氏度，所以溫度這里加了一個轉換過程 (x-32)/1.8：
high_temp_f_bj = data_to_list(1)
high_temp_c_bj = [int((x-32)/1.8) for x in high_temp_f_bj]
low_temp_f_bj = data_to_list(3)
low_temp_c_bj = [int((x-32)/1.8) for x in low_temp_f_bj]
date = date_to_list(0)
然后就到了繪圖步驟，先繪制高溫曲線看一下：
plt.plot(date, high_temp_c_bj)
plt.show()
我們得到一個醬紫的圖，不錯哦：
把低溫曲線也加進去：
plt.plot(date, low_temp_c_bj)
做一些顯示上的優化（咋就這么這么這么麻煩呢！）：
plt.figure(figsize=(15, 5), dpi=100)
plt.plot(date, high_temp_c_bj, c='xkcd:orange')
plt.plot(date, low_temp_c_bj,c='xkcd:azure')
plt.title('Beijing Temperatures (High & Low) - Year 2016', fontsize=22)
plt.ylabel('Temperature (C)', fontsize=20)
plt.tick_params(axis='both', labelsize=16)
plt.fill_between(date, high_temp_c_bj, low_temp_c_bj, facecolor='xkcd:tan', alpha=0.2)
plt.gca().xaxis.set_major_formatter(matplotlib.dates.DateFormatter("%Y-%m"))
plt.gcf().autofmt_xdate()
plt.margins(x=0,y=0.2)
plt.show()
上面的代碼中，figure() 可調整繪圖大小和分辨率，fill_between() 可在兩條折線中間繪制填充色，autofmt_xdate() 可將橫坐標斜著顯示以避免重疊，margins() 可設置坐標軸和邊框的留白距離。
至此，總算是差不多了。其實用 matplotlib 繪制類似這樣的圖是比較基礎的，但是我們可以看到稍有不慎在數據處理上還是有坑的，包括最后的 x 軸坐標調整也費了小狼一些時間去研究，幸好過程中得到幾位大牛的指（教）點（訓）。此外，在寫提取數據的代碼時，如果對數據質量沒有把握，還是最好加入 try - except - else 模塊方為妥當。
