Jupyter中Matplotlib画图基本语法

引言：

在数据分析和可视化中，Matplotlib是一个非常强大的Python库。在Jupyter Notebook中使用Matplotlib可以快速绘制各种图形，并进行数据可视化分析。本文将介绍一些基本的Matplotlib画图语法，帮助你在Jupyter中更好地使用Matplotlib进行数据可视化。

一、Matplotlib图表的常用设置：

选择绘图函数——以plot函数(折线图)为例

绘图语法: plt.plot(x, y, color，linestyle，marker，format_string,..)

参数	作用
x	X轴数据，传入参数值时不要写参数名x
y	Y轴数据，传入参数值时不要写参数名y
color	图形颜色，接收颜色英文名、颜色英文名首字母、十六进制颜色代码等
linestyle	线条样式, '-'是实线， '--'是虚线，...
marker	点的样式，'*'是星号，'o'是圆点，…
format_string	可以通过一串字符控制图形样式，如'r--o'表示红色、虚线、圆点

设置画布：

画布类似画画时的画板，决定我们的图形大小，默认的画布为白色，看不见其边界

语法：plot.figure(figsize,...)

figsize：接收元组(a,b)，a表示画布的长，b表示画布的高

设置坐标轴：

坐标轴分为x轴和y轴，其内容包括坐标轴标题、刻度、范围和网格线。

Matplotlib库中通过不同函数控制以上坐标轴的设置。

函数名	传入参数及其作用
plt.xlabel()	传入一个字符串，表示x轴的名称(标签)
plt.ylabel()	传入一个字符串，表示y轴的名称(标签)
plt.xticks()	传入一个列表，表示x轴的各个刻度的值（刻度为类别型数据时使用)
plt.yticks()	传入一个列表，表示y轴的各个刻度的值（刻度为类别型数据时使用)
plt.xlim()	传入一个列表或是两个数，表示x轴的取值范围（刻度为数字型数据时使用)
plt.ylim()	传入一个列表或是两个数，表示y轴的取值范围（刻度为数字型数据时使用)
plt.grid()	不需要传入参数,使直角坐标系显示网格

添加文本标签：

可以在画布中任意位置一次性添加一个文本信息

语法: plot.text(x,y,s,ha,va,fontsize,color,...)

参数	作用
x	输入一个x轴的值（数字或字符)，表示要插入文本的x坐标
y	输入一个y轴的值（数字或字符)，表示要插入文本的y坐标
s	要插入的文本字符串
ha	水平对齐方式, 'center\'left'\'right'
va	垂直对齐方式, 'center'\'top'\'bottom'
fontsize	字体大小，传入一个数字
color	文本字体颜色

设置标题和图例:

标题显示在画布和图表的正上方。图例一般显示在图表角落，用于描述数据的含义

显示标题语法:plot.title(‘标题’)

显示图例语法:plot.legend(‘数据标签’,loc,fontsize,..)

loc参数:决定图例的位置，如“upper right”表示右上方

二、

1.导入Matplotlib库：

import matplotlib.pyplot as plt #导入matplotlib.pyplot模块

2.绘制折线图：

要绘制折线图，可以使用plot函数，传入横轴和纵轴的数据，然后使用show函数显示图形，如下所示：

x = [1, 2, 3, 4]
#这行代码创建了一个名为x的列表，其中包含四个整数：1、2、3和4。
y = [5, 7, 2, 8]
#这行代码创建了一个名为y的列表，其中包含四个整数：5、7、2和8。
plt.plot(x, y)
#这行代码使用plot函数来绘制一个线图。它将x和y作为输入参数，绘制从(x[0], y[0])到(x[1], y[1])，再#到(x[2], y[2])，最后到(x[3], y[3])的线段。
plt.show()
#这行代码使用show函数来显示图形。如果不调用show()函数，图形可能不会立即显示，而是会在调用另一个函#数或方法时显示。

 实例截图：

3.绘制散点图

要绘制散点图，可以使用scatter函数，传入横轴和纵轴的数据，然后使用show函数显示图形，如下所示：

x = [1, 2, 3, 4]

y = [5, 7, 2, 8]

plt.scatter(x, y)
#用于绘制散点图。这个函数接受两个参数：x 和 y，分别表示散点的 x 坐标和 y 坐标。
plt.show()

实例截图：

4.设置标题和坐标轴标签

可以使用title函数设置图形的标题，xlabel函数设置横轴标签，ylabel函数设置纵轴标签，如下所示：

plt.rcParams['font.family'] = 'SimHei'# 解决中文乱码

x = [1, 2, 3, 4]

y = [5, 7, 2, 8]

plt.plot(x, y)

plt.title("折线图")
#这行代码设置了图的标题为“折线图”。
plt.xlabel("横轴")
#这行代码设置了x轴的标签为“横轴”。
plt.ylabel("纵轴")
#这行代码设置了y轴的标签为“纵轴”。
plt.show()

实例截图：

注：如若没有以下代码则会出现下面那种中文不显示的情况

plt.rcParams['font.family'] = 'SimHei'

5.设置图例

如果有多个数据系列绘制在同一个图中，可以使用legend函数设置图例，将不同数据系列对应的标签显示在图中，如下所示：

plt.rcParams['font.family'] = 'SimHei'

x = [1, 2, 3, 4]

y1 = [5, 7, 2, 8]

y2 = [3, 4, 6, 9]

plt.plot(x, y1, label="数据1")
#这行代码使用plot函数绘制第一条折线图。它将x和y1作为输入参数，并设置标签为“数据1”。
plt.plot(x, y2, label="数据2")
#这行代码使用plot函数绘制第二条折线图。它将x和y2作为输入参数，并设置标签为“数据2”。
plt.legend()
#这行代码显示图例，以便于区分两条折线图。
plt.show()

实例截图：

总结：

通过以上简单的示例，你可以在Jupyter中使用Matplotlib进行各种图形的绘制。当然，Matplotlib还有更多强大的功能和用法，你可以进一步学习和探索。希望本文对你在Jupyter中使用Matplotlib进行数据可视化有所帮助。