【转载】matplotlib.pyplot 的使⽤总结⼤全（⼊门加进阶）
前⾔
其实⼀年前就有想法好好学学python ⾥的画图库matplotlib 库，主要是因为每次可视化⼀些结果的时候，都是搜⼀些别⼈写好的代码，看的时候感觉乱乱的，不是说别⼈写的乱，⽽是每个⼈在某些点上实现的⽅式不太⼀样，还有就是觉得，总⽤别⼈的，就觉得不是⾃⼰创造的，没有成就感。这段时间做了个⽐赛，可视化分析的时候，⼜在搜代码，想⾃⼰加点东西，感觉很费劲，⼜不知道该怎么加，所以决定好好学⼀下，并做好总结。
借⽤⼀张图，说明画图流程
准备⼯作
我们需要先安装matplotlib 库，然后导⼊库，这些很简单，我就不讲了，哦，把numpy 也导⼊进来。
1. 正式开始
1.1 和 我们经常会在画图的代码⾥看到，有⽤plt.的，有⽤ax.的，两者到底有什么区别呢，画的图有什么不⼀样吗，我们先来⽤两种经常看到的⽅式实现⼀下。
plt.
ax.
上⾯两种代码⽅式最终的结果都如上图所⽰，画图⽅式可视化结果并⽆不同，那区别在哪呢？
其实呢，第⼀种⽅式呢，是先⽣成了⼀个画布，然后在这个画布上隐式的⽣成⼀个画图区域来进⾏画图，第⼆种⽅式，先⽣成⼀个画布，然后，我们在此画布上，选定⼀个⼦区域画了⼀个⼦图，上⼀张官⽅的图，看看你能不能更好的理解。
官⽅图
除了ax 之外，我们也可以直接⽤plt 添加⼦图，⽅式如下
你看，这样添加⼦图，也是⼀样的，fig ，⽣成⼀个画布，plt.subplot(111)，将画布分为1x1的分布，并选中第⼀个⼦图进⾏操作。虽然这样看着⼀样呢，但是后⾯修饰图⽚的时候，ax 这个⽅式⽐plt 的⽅式更加⽅便。因此，本⽂我们⽤ax ⽅式来学习画图，也希望⼤家都提前选定⼀种⾃⼰喜欢的⽅式来画图，添加⼦图，等⼀些列操作。
1.2 ⼦图的创建
在上⼀节的介绍中，讲到了⼦图，可能刚接触画图的同学，会有点疑惑，这节，我们来详细讲讲⼦图。我们可以这样来考虑问题，我们画图的时候，到⼀张纸（画布），然后打算把这张纸分成⼏个区域（⼦图）来画⼏幅不同的画。⼦图的创建可以是⼀些简单创建，⽐如这样的，221⾥⾯前两个代表的是画布划分的⾏数和列数，公共分为4个⼦图，最后⼀个1是代表，现在选中第⼀个⼦图。
import matplotlib.pyplot as plt
import numpy as np
plt ax
fig=plt.figure(num=1,figsize=(4,4))
plt.plot([1,2,3,4],[1,2,3,4])
plt.show()
fig=plt.figure(num=1,figsize=(4,4))
ax=fig.add_subplot(111)
ax.plot([1,2,3,4],[1,2,3,4])
plt.show()linspace函数调用的格式为
fig=plt.figure(num=1,figsize=(4,4))
plt.subplot(111)
plt.plot([1,2,3,4],[1,2,3,4])
plt.show()
fig=plt.figure(num=1,figsize=(4,4))
ax1=fig.add_subplot(221)###可从图中看到，我们的画布是分为2x2的区域
ax1.plot([1,2,3,4],[1,2,3,4])
ax2=fig.add_subplot(222)
ax2.plot([1,2,3,4],[2,2,3,4])
ax3=fig.add_subplot(223)
ax3.plot([1,2,3,4],[1,2,2,4])
ax4=fig.add_subplot(224)
ax4.plot([1,2,3,4],[1,2,3,3])
plt.show()
ax1=fig.add_subplot(221)idspec as gridspec#调⽤⽹格
fig=plt.figure(num=1,figsize=(4,6))#创建画布
gs=gridspec.GridSpec(3,3)#设定⽹格
ax1=fig.add_subplot(gs[0,:])#选定⽹格
ax1.plot([1,2,3,4],[1,2,3,4])
ax2=fig.add_subplot(gs[1,:-1])
ax2.plot([1,2,3,4],[1,2,3,4])
ax3=fig.add_subplot(gs[1:,-1])
ax3.plot([1,2,3,4],[1,2,3,4])
ax4=fig.add_subplot(gs[2,0])
ax4.plot([1,2,3,4],[1,2,3,4])
ax5=fig.add_subplot(gs[2,1])
ax5.plot([1,2,3,4],[1,2,3,4])
plt.show()
2. 常⽤通⽤函数讲解
现在跳过刚刚哪些⽐较⼤的⽅向，讲解⼀些⽐较细碎且通⽤⼜常⽤的画图函数，这些函数可以说是装饰我们的图，使得我们的图更加美观且直观的装饰品。
我们举个例⼦来讲解，使⼤家更直观地看到我们讲解的函数在图的绘制中的作⽤。
例1：现有某某⽔果店⼀周的苹果的销售记录数，店长想更加直观的观察⽐较这⼀周的销售情况。销售情况：apple=78kg,80kg,79kg,81kg,91kg,95kg,96kg
app=[78,80,79,81,91,95,96]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app)
plt.show()
看着这个图，什么感受，我是觉得难看！
注：这⾥我们直接⽤了plot（）函数画了⼀个坐标图，这是⼀个封装好的函数，我们输⼊参数，就可直接⽣成此样式的图，除此之外还有饼图，散点图，直⽅图，我们下⼀篇讲这些已经封装好的图。
现在我想给它装修⼀下，⽐如在x轴上加⼊星期类标，还想这个图⾥的折线能不能悬浮在上空，给图加个标题等等。在开始装修之前，我们先来个⼩插曲，就是在图中显⽰中⽂的问题，如果我们不搞点操作，你会发现，你的中⽂在图中会以⼀个个正⽅形框框显⽰。
2.1 插曲：中⽂显⽰问题
加⼊⼀⾏这个代码，我们的中⽂就能正确显⽰了，这⾏代码就是把我们的字体设置为“SimHei”中⽂⿊体。除了字体设置还有以下属性
字体的样式有以下选择
除了在全局设置字体外，我们也可以在特征显⽰中⽂的位置设置⼀个属性fontproperties，这个，我们讲到再给⼤家演⽰。
现在回来，我们继续讲装修图的问题，介绍⼏个函数
#函数⾥的参数，是根据我们的例⼦特定设置的，不同问题，不同的设置，
需要看图⽚效果，参数
#设置刻度范围
ax.set_xlim(1,7.1)#x轴从1到7.1
ax.set_ylim(40,100)#y轴从40到100
#设置显⽰的刻度
ax.set_xticks(np.linspace(1,7,7))#np.linspace()函数为等差数列,1⾄7的7个数组成的等差数列1,2，3,4，5,6，7，
ax.set_yticks(np.linspace(50,100,6))#关于等差数列，想了解的可以参看numpy的⽤法
#设置刻度标签
ax.set_xticklabels(["星期⼀","星期⼆","星期三","星期四","星期五","星期六","星期⽇"],fontproperties="SimHei"\
,fontsize=12)
#这⾥⽤到了属性fontproperties可以单独设置x轴标签的字体，也可以⽤fontsize设置字体⼤⼩，还可以⽤color
设置字的颜⾊
ax.set_yticklebels(["50kg","60kg","70kg","80kg","90kg","100kg"],fontsize=12)
现在我们来加进我们之前画图的代码中，看看效果
app=[78,80,79,81,91,95,96]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app)
ax.set_xlim([1,7.1])
ax.set_ylim([40,100])
ax.set_xticks(np.linspace(1,7,7))
ax.set_yticks(np.linspace(50,100,6))#可调控字体⼤⼩，样式，
ax.set_xticklabels(["星期⼀","星期⼆","星期三","星期四","星期五","星期六","星期⽇"],fontproperties="SimHei",\
fontsize=12,rotation=10)
#参数rotation=10，可以使得类标旋转值为10的⾓度
ax.set_yticklabels(["50kg","60kg","70kg","80kg","90kg","100kg"])
plt.show()
这是初步修改过的图，我们现在装饰⼀下轴上的刻度线，使得y轴中不显⽰刻度线和其他的⼀些⼩细节修改。
2.2 tick_params()函数
##借⽤函数tick_params()可以装修轴上的刻度线和轴标签
ax.tick_params()
###看⼀下此函数的⼀些重要参数
axis: 可选"x","y","both"，默认"both"，分别代表，对x轴操作，对y轴操作，对两个轴都操作。
direction: 可选 "in","out","inout"代表，刻度线显⽰在坐标轴⾥⾯，坐标轴外边，双边
为了更加显眼，让⼤家看出不同，我超纲操作了⼀下，给刻度线设置⼀下颜⾊，和长度，可以看出区别了吧，现在我们就把超纲的地⽅补上。
length: 刻度线长度，上⾯图⾥的刻度线长度，我设置的为6
color: 刻度线颜⾊，上⾯图⾥的刻度线颜⾊，我设置的为“r”
width：刻度线宽度
pad：刻度线与刻度标签之间的间隔
bottom, top, left, right四个参数对应四个边框，它们的取值为布尔类型，True 表⽰显⽰对应边框上的刻度线，False，代表不显⽰，默认True
labelbottom, labeltop, labelleft, labelright，与上⾯四个对应，代表的是四个边框上的类标的设置，取值为布尔类型，True代表显⽰对应边框上的类标，False代表不显⽰。
labelsize：类标⼤⼩的设置参数，可取浮点型数值，也可去"medium","large","small"
labelrotation：旋转类标⼀定的⾓度，与在set_xticklabels（）中的参数rotation作⽤相同。
我们来实际操作⼀下
#将此代码插⼊到之前的代码中即可
ax.tick_params(left=False,pad=8,direction="in",length=2,width=3,color="b",labelsize=12)
ax.tick_params("x",labelrotation=10)#类标旋转
y轴上的刻度线没有了。
添加轴坐标标签，表头，图例
ax.set_xlabel("星期")#添加x轴坐标标签，后⾯看来没必要会删除它，这⾥只是为了演⽰⼀下。
ax.set_ylabel("销售量",fontsize=16)#添加y轴标签，设置字体⼤⼩为16，这⾥也可以设字体样式与颜⾊
ax.set_title("某某⽔果店⼀周⽔果销售量统计图",fontsize=18，backgroundcolor='#3c7f99'\
fontweight='bold',color='white',verticalalignment="baseline")#标题（表头）
使⽤到的set_title()参数有很多，介绍⼏个常⽤的
fontsize：默认12，可选参数还有'xx-small', 'x-small', 'small', 'medium', 'large','x-large', 'xx-large'
backgroundcolor：背景颜⾊
fontweight：字体粗细，可选参数为'light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black'
color：字体颜⾊
fontstyle：设置字体类型，可选参数 'normal' | 'italic' | 'oblique' ，italic斜体，oblique倾斜
verticalalignment：设置⽔平对齐⽅式，可选参数： 'center' , 'top' , 'bottom' ,'baseline'
此参数可设置title与正图的位置。
⽬前得到的图中，我想把上，右轴的线给去掉，给其他两个轴线换⼀下粗细合颜⾊，怎么做？
2.3 splines
#ax.spines["left"].set_color("darkblue")#设置左轴的颜⾊，我们图中未⽤
#ax.spines["bottom"].set_linewidth(3)#底轴线条宽度设置
添加到之前的代码中2.4 图例添加 loc：可取"best",1或者"upper right",2或"upper left",3或"lower left",4或"lower right"，代表放不同位置
fontsize ： int 或float 或{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}，字体⼤⼩shadow: 是否为图例边框添加阴影
labelspacing: 图例中条⽬之间的距离
handlelength: 图例句柄的长度
有没有觉得我们的图像点样⼦了，哈哈，还是有点不好看，觉得图中的折线不好看，怎么调呢，为了
造好看的图，我们先来学习ax.plot （）函数
2.5 ax.plot(x,y,format_string) 坐标图x: x 轴数据，列表或数组，可选参数，当我们在这个函数⾥，只展⽰⼀组数据时，x 可省略。
y ： y 轴数据，必须有。
format_string ：主要来控制我们画的曲线的格式：颜⾊，风格，标记，可取三者的组合如：“g-o”,"r-.D"，如果不⽤组合，则⽤color,marker,linestyle，三个参数分别指定。label ： 添加图例的类标。
颜⾊
风格
标记
如果店长有搞了这周⾹蕉的销售量，想与苹果的销售量做⼀下对⽐
这样看着还挺不错，不知道我审美有没有问题，嘻嘻！
2. 在指定位置添加标签
还有⼀个⽐较常⽤的函数，ax.text()，可以在图中指定位置添加标签
<()，参数讲解
x,y ： 放置text 的位置，横纵坐标。
s ： str ，text 内容。
fontsize ： 设置字体⼤⼩，默认12，可选参数 ‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’,‘x-large’, ‘xx-large’
fontweight ：设置字体粗细，可选参数 ‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’
alpha ： 透明度，参数值0⾄1之间。
rotation ： (旋转⾓度)可选参数为:vertical,horizontal 也可以为数字。
backgroundcolor ：背景颜⾊。
color ： 字体颜⾊。
#ax.spines["bottom"].set_linewidth(3)#底轴线条宽度设置
ax.spines["top"].set_visible(False)#上轴不显⽰
ax.spines["right"].set_visible(False)#右
ax.spines["left"].set_visible(False)#左
legend()
ax.legend(("苹果"),loc=3,labelspacing=2,handlelength=4,fontsize=14,shadow=True)
##⼀般添加图例时，会在画图的函数⾥，⽐如ax.plot()函数中添加⼀个label 参数，则后⾯直接ax.legend(loc="")
##不需要第⼀个参数了。
###loc 的可取"best",1或者"upper right",2或"upper left",3或"lower left",4或"lower right"，代表放不同位置
ax.plot(x,app,label="苹果")
ax.legend(loc=3,labelspacing=2,handlelength=3,fontsize=14,shadow=True)
#ax.plot(x,app,label="苹果")
ax.plot(x,app,"r-.d",label="苹果")#在原来的基础上添加“r-.d”
##添加此⾏代码
ban=[70,80,81,82,75,90,89]
ax.plot(x,ban,"c-d",label="⾹蕉")
##最后添加此操作，得到的图
<(7,97,"max:96",fontsize=14,color="g",alpha=1)
<(6,86,"max:90",fontsize=12,alpha=1)
除了text()函数可以添加标注之外，还有⼀个可以添加箭头的标注函数annotate()
2.7 annotate()：参数讲解
s: 添加标注的内容，字符串形式。
xy: 箭头指向的位置，就是我们想添加标注的对象，元组类型输⼊⽅式。
xytext：添加标注的实际位置，标注实际所在位置，可看做箭头输出端。
arrowprops: 此参数中提供箭头属性字典来绘制从⽂本到注释点的箭头。
width : 箭把宽度，整数或浮点数。
frac：箭头头部所占的⽐例，⼩于1。
headwidth：箭头头部宽度，整数或浮点数。
headlength: 箭头长度，整数或浮点数。
facecolor: 填充⾊。
shrink：移动提⽰，并使其离注释点和⽂本⼀些距离，<1，⼤⽩话说就是，别让箭头两端
⾥标注点和⽂本太近。
frontsize：可以设置字⼤⼩，这个参数遇到很多次了。
我们来设置⼀下
ax.annotate(s="min:70",xy=(1,70),xytext=(1.3,66),arrowprops=dict(facecolor="y",shrink=0.05, headwidth=12,headlength=6,width=4),fontsize=12)
最后把最全代码放⼀下
import matplotlib.pyplot as plt
import numpy as np
app=[78,80,79,81,91,95,96]
ban=[70,80,81,82,75,90,89]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app,"r-.d",label="苹果")
ax.plot(x,ban,"c-d",label="⾹蕉")
ax.set_xlim([1,7.1])
ax.set_ylim([40,100])
ax.set_xticks(np.linspace(1,7,7))
ax.set_yticks(np.linspace(50,100,6))#可调控字体⼤⼩，样式，
ax.set_xticklabels(["星期⼀","星期⼆","星期三","星期四","星期五","星期六","星期⽇"],fontproperties="SimHei",fontsize=12)
ax.set_yticklabels(["50kg","60kg","70kg","80kg","90kg","100kg"])
ax.tick_params(left=False,pad=8,direction="in",length=2,width=3,color="b",labelsize=12)
ax.tick_params("x",labelrotation=10)#类标旋转
#ax.set_xlabel("星期")#添加x轴坐标标签，后⾯看来没必要会删除它，这⾥只是为了演⽰⼀下。
ax.set_ylabel("销售量",fontsize=16)#添加y轴标签，设置字体⼤⼩为16，这⾥也可以设字体样式与颜⾊
ax.set_title("某某⽔果店⼀周⽔果销售量统计图",fontsize=18,backgroundcolor='#3c7f90',\
fontweight='bold',color='white',verticalalignment="baseline")
#ax.spines["left"].set_color("darkblue")#设置左轴的颜⾊
#ax.spines["bottom"].set_linewidth(2)#底轴线条宽度设置
ax.spines["top"].set_visible(False)#上轴不显⽰
ax.spines["right"].set_visible(False)
ax.spines["left"].set_visible(False)
<(7,97,"max:96",fontsize=14,color="g",alpha=1)
<(6,86,"max:90",fontsize=12,alpha=1)
ax.annotate(s="min:70",xy=(1,70),xytext=(1.3,66),arrowprops=dict(facecolor="y",shrink=0.05,\
headwidth=12,headlength=6,width=4\
),fontsize=12)
ax.legend(loc=3,labelspacing=1,handlelength=3,fontsize=14,shadow=True)
plt.show()
还有⼀个关于，图中颜⾊的问题，颜⾊的种类选择，⼤家⽹上⼀搜都有，这⾥只要带颜⾊的参数，都可⽤。
2.8 plt.savefig 保存图⽚
最后讲解⼀个图⽚保存成.jpg和.png⽂件的函数：plt.savefig("保存的⽂件路径")
注：此函数需放置在show（）函数之前。
#保存为jpg⽂件
plt.savefig("figure.jpg")#我这⾥填的是相对路径，如果想保存在指定⽂件夹下，填写绝对路径。
#保存为png⽂件

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。