一、Matplotlib基础知识

1.1Matplotlib中的基本图表包括的元素

• x轴和y轴 axis
  水平和垂直的轴线

• x轴和y轴刻度 tick
  刻度标示坐标轴的分隔，包括最小刻度和最大刻度

• x轴和y轴刻度标签 tick label
  表示特定坐标轴的值

• 绘图区域（坐标系） axes
  实际绘图的区域

• 坐标系标题 title
  实际绘图的区域

• 轴标签 xlabel ylabel
  实际绘图的区域

1.2 导包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame

1.3 绘制简单图形

• 单条曲线

x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.plot(x,y)

• 抛物线

x = np.arange(-np.pi,np.pi,0.2)
y = x**2
plt.plot(x,y)

• 绘制正弦曲线图

x = np.arange(-np.pi,np.pi,0.2)

y = np.cos(x)

plt.plot(x,y)

1.4 绘制多个曲线的图

x = np.arange(-np.pi,np.pi,0.2)
y = np.cos(x)

#方式一
plt.plot(x,y)
plt.plot(x+3,y+3)
#方式二
plt.plot(x,y,x+3,y+3)

1.5 将多个曲线图绘制在一个table区域中：对象形式创建表图

• a=plt.subplot（row,col,loc） 创建曲线图
• a.plot(x,y) 绘制曲线图

ax1=plt.subplot(2,2,1)
ax1.plot(x,y,‘r‘)
ax2=plt.subplot(2,2,2)
ax2.plot(x,y,‘b‘)
ax3=plt.subplot(2,1,2)
ax3.plot(x,y,‘black‘)

ax1=plt.subplot(2,2,1)
ax1.plot(x,y,‘r‘)
ax2=plt.subplot(2,2,3)
ax2.plot(x,y,‘b‘)
ax3=plt.subplot(1,2,2)
ax3.plot(x,y,‘black‘)

1.6 网格线 plt.gride(XXX)

参数：

- axis
- color:支持十六进制颜色
- linestyle: --  -.  :
- alpha:透明度0-1

• 一般网格的添加

plt.grid(axis=‘both‘) #x-y都加网格
plt.plot(x,y)

• 使用对象形式设置网格

#ax1,ax2,ax3都是对象
plt.grid(axis=‘both‘)
ax1=plt.subplot(2,2,1)
ax1.grid()
ax1.plot(x,y,‘r‘)
ax2=plt.subplot(2,2,2)
ax2.plot(x,y,‘b‘)
ax2.grid()
ax3=plt.subplot(2,1,2)
ax3.grid()
ax3.plot(x,y,‘black‘)

1.7 坐标轴界限

axis方法:设置x，y轴刻度值的范围

plt.axis([xmin,xmax,ymin,ymax])

plt.axis([-6,6,-2,2])
plt.plot(x,y)
#plt.axis(‘off‘) 关闭坐标系显示

1.8 关闭坐标轴显示

plt.axis(‘off‘)

1.9 设置画布比例

设置画布比例：plt.figure(figsize=(a,b)) a:x刻度比例 b：y刻度比例 （2:1）表示x刻度显示为y刻度显示的2倍

plt.figure(figsize=(2,3))
plt.plot(x,y)

1.10 坐标轴标签

• s 标签内容
• color 标签颜色
• fontsize 字体大小
• rotation 旋转角度

(1) plt的xlabel方法和ylabel方法 title方法

plt.xlabel(‘x‘)
plt.ylabel(‘sin(x)‘)
plt.title(‘y= sin(x)‘)
plt.plot(x,y)

1.11 图例---legend方法

(1)两种传参方法：

• 分别在plot函数中增加label参数,再调用plt.legend()方法显示
• 直接在legend方法中传入字符串列表

#方式一
plt.plot(x,y,label=‘aaa‘)
plt.plot(x+3,y+3,label=‘bbb‘)
plt.legend()

#方式二
plt.plot(x,y,x+3,y+3)
plt.legend([‘aaa‘,‘bbb‘])

(2)legend参数

- loc参数

• loc参数用于设置图例标签的位置，一般在legend函数内
• matplotlib已经预定义好几种数字表示的位置

- ncol参数

• ncol控制图例中有几列,在legend中设置ncol

plt.plot(x,y,x+3,y+3)
plt.legend([‘aaa‘,‘bbb‘],loc=3,ncol=2)

1.12 保存图片

使用figure对象的savefig函数来保存图片

fig = plt.figure()---必须放置在绘图操作之前(******)

figure.savefig的参数选项

• filename
  含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG （“png”、“pdf”、“svg”、“ps”、“eps”……）
• dpi
  图像分辨率（每英寸点数），默认为100
• facecolor ，打开保存图片查看 图像的背景色，默认为“w”（白色）

fig = plt.figure()

plt.plot(x,y,x+3,y+3)
plt.legend([‘aaa‘,‘bbb‘],loc=3,ncol=2)

fig.savefig(‘./img.png‘,dpi=500) #dip表示像素分辨率

1.13 设置plot的风格样式

plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：
plt.plot(X, Y, ‘format‘, ...)

• 颜色 --参数color或c

　　颜色的方式 

• 别名
  • color = ‘r‘
• 　　合法的HTML颜色名
  • color = ‘red‘　　

• HTML 十六进制字符串
  • color = ‘#eeefff‘　　
• 归一化到 [0,1] 的RGB元组透明度  -- alpha参数(0-1)
  • color = (0.3,0.3,0.4)　　

• 线型 -- 参数linestyle或ls

• 线宽 -- linewidth或lw参数
• 点型

• • marker 设置点形
  • markersize 设置点形大小

plt.plot(x,y,c=‘y‘,alpha=0.8,lw=3,marker=‘8‘,markersize=10,markerfacecolor=‘b‘)
plt.grid(color=‘r‘)

总结:

绘制线      plt.plot(x1,y1,x2,y2)
网格线      plt.grid(True)  axes.grid(color,ls,lw,alpha)
获取坐标系  plt.subplot(n1,n2,n3)
坐标轴标签  plt.xlabel() plt.ylabel()
坐标系标题  plt.title()
图例        plt.legend([names],ncol=2,loc=1)  plt.plot(label=‘name‘)
线风格      --  -. : None  step
图片保存    figure.savefig()
点的设置    marker markersize markerfacecolor markeredgecolor\width
坐标轴刻度  plt.xticks(刻度列表，刻度标签列表) plt.yticks()
            axes.set_xticks(刻度列表) axes.set_xticklabels(刻度标签列表)

二 2D图形

2.1 直方图

• 是一个特殊的柱状图，又叫做密度图。

　　【直方图的参数只有一个x！！！不像条形图需要传入x,y】

• plt.hist()的参数
  • bins
    直方图的柱数，可选项，默认为10
  • color
    指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
  • orientation
    通过设置orientation为horizontal创建水平直方图。默认值为vertical

data = [1,2,3,3,4,2,5]
plt.hist(data,bins=10)

图像中返回值 ：

1: 直方图向量，是否归一化由参数normed设定

2: 返回各个bin的区间范围

3: 返回每个bin里面包含的数据，是一个list

2.2条形图：plt.bar()

• 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度

-【条形图有两个参数x,y】

• width 纵向设置条形宽度
• height 横向设置条形高度

bar() : 垂直的条形图

barh():水平条形图

x=[1,2,3,4,5]
y=[3,5,4,2,1]
plt.bar(x,y,width=0.6,color=‘r‘)

plt.barh(x,y) #水平条形图

2.3 饼图

【饼图也只有一个参数x】

pie()
饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小.

• 普通各部分占满饼图

plt.pie([11,22,33])

• 普通未占满饼图：小数/比例

plt.pie([0.2,0.3,0.1])

• 饼图参数属性设置

labels参数设置每一块的标签；
labeldistance参数设置标签距离圆心的距离（比例值）
autopct参数设置比例值小数保留位(%.3f%%)；
pctdistance参数设置比例值文字距离圆心的距离
explode参数设置每一块顶点距圆心的长度（比例值,列表）；
colors参数设置每一块的颜色（列表）；
shadow参数为布尔值，设置是否绘制阴影
startangle参数设置饼图起始角度

##explode参数设置每一块顶点距圆心的长度（比例值,列表）；
arr=[11,22,31,15]
plt.pie(arr,labels=[‘a‘,‘b‘,‘c‘,‘d‘],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])

2.4 散点图 ： 因变量随自变量而变化的大致趋势

【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】

scatter()

#plt.scatter(x,y,marker=‘d‘,c="rbgy") 设置不同的散点颜色
x = np.random.random(size=(100,))
y = np.random.random(size=(100,))
plt.scatter(x,y,c=‘rgby‘)

原文地址：https://www.cnblogs.com/zmc940317/p/10503492.html