p20_matplotlib

Matplotlib 安装

Anaconda 中自带 matplotlib 库，无需另行安装

Python标准版本，需要手动安装 matplotlib：

查看当前版本：print(matplotlib.version)

安装最新的稳定版本：pip install matplotlib

安装指定版本：pip install matplotlib==版本号

离线安装包: https://pypi.tuna.tsinghua.edu.cn/simple/matplotlib

Matplotlib 简介

Matplotlib 是 Python 常用的第三方 2D 绘图库，是 Python 中最受欢迎的数据可视化软件

包之一。

plt.plot() 绘图

plt.plot(x, y, color, linestyle, linewidth, marker, markerfacecolor, markersize, label)

x： x轴数据

y： y轴数据

color： 线的颜色

linestyle： 线条样式

linewidth： 线条宽度（用数字表示大小）

marker： 标记的样式

markerfacecolor： 标记填充颜色

颜色 十六进制颜色 颜色 十六进制颜色 颜色 十六进制颜色

'aliceblue' '#F0F8FF' 'antiquewhite' '#FAEBD7' 'aqua' '#00FFFF'
'aquamarine' '#7FFFD4' 'azure' '#F0FFFF' 'beige' '#F5F5DC'
'bisque' '#FFE4C4' 'black' '#000000' 'blanchedalmond' '#FFEBCD'
'blue' '#0000FF' 'blueviolet' '#8A2BE2' 'brown' '#A52A2A'
'burlywood' '#DEB887' 'cadetblue' '#5F9EA0' 'chartreuse' '#7FFF00'
'chocolate' '#D2691E' 'coral' '#FF7F50' 'cornflowerblue' '#6495ED'
'cornsilk' '#FFF8DC' 'crimson' '#DC143C' 'cyan' '#00FFFF'
'darkblue' '#00008B' 'darkcyan' '#008B8B' 'darkgoldenrod' '#B8860B'
'darkgray' '#A9A9A9' 'darkgreen' '#006400' 'darkkhaki' '#BDB76B'
'darkmagenta' '#8B008B' 'darkolivegreen' '#556B2F' 'darkorange' '#FF8C00'
'darkorchid' '#9932CC' 'darkred' '#8B0000' 'darksalmon' '#E9967A'
'darkseagreen' '#8FBC8F' 'darkslateblue' '#483D8B' 'darkslategray' '#2F4F4F'
'darkturquoise' '#00CED1' 'darkviolet' '#9400D3' 'deeppink' '#FF1493'
'deepskyblue' '#00BFFF' 'dimgray' '#696969' 'dodgerblue' '#1E90FF'
'firebrick' '#B22222' 'floralwhite' '#FFFAF0' 'forestgreen' '#228B22'
'fuchsia' '#FF00FF' 'gainsboro' '#DCDCDC' 'ghostwhite' '#F8F8FF'
'gold' '#FFD700' 'goldenrod' '#DAA520' 'gray' '#808080'
'green' '#008000' 'greenyellow' '#ADFF2F' 'honeydew' '#F0FFF0'
'hotpink' '#FF69B4' 'indianred' '#CD5C5C' 'indigo' '#4B0082'
'ivory' '#FFFFF0' 'khaki' '#F0E68C' 'lavender' '#E6E6FA'
'lavenderblush' '#FFF0F5' 'lawngreen' '#7CFC00' 'lemonchiffon' '#FFFACD'
'lightblue' '#ADD8E6' 'lightcoral' '#F08080' 'lightcyan' '#E0FFFF'
'lightgoldenrodyellow' '#FAFAD2' 'lightgreen' '#90EE90' 'lightgray' '#D3D3D3'
'lightpink' '#FFB6C1' 'lightsalmon' '#FFA07A' 'lightseagreen' '#20B2AA'
'lightskyblue' '#87CEFA' 'lightslategray' '#778899' 'lightsteelblue' '#B0C4DE'
'lightyellow' '#FFFFE0' 'lime' '#00FF00' 'limegreen' '#32CD32'
'linen' '#FAF0E6' 'magenta' '#FF00FF' 'maroon' '#800000'

markersize： 标记尺寸（用数字表示大小）

label： 线条的标签（后文结合 legend() 创建图例来讲）

以上就是plot()函数常用的参数，下面的表格是对应参数可供选择的值

color 颜色

颜色 十六进制颜色 颜色 十六进制颜色 颜色 十六进制颜色

'mediumaquamarine' '#66CDAA' 'mediumblue' '#0000CD' 'mediumorchid' '#BA55D3'
'mediumpurple' '#9370DB' 'mediumseagreen' '#3CB371' 'mediumslateblue' '#7B68EE'
'mediumspringgreen' '#00FA9A' 'mediumturquoise' '#48D1CC' 'mediumvioletred' '#C71585'
'midnightblue' '#191970' 'mintcream' '#F5FFFA' 'mistyrose' '#FFE4E1'
'moccasin' '#FFE4B5' 'navajowhite' '#FFDEAD' 'navy' '#000080'
'oldlace' '#FDF5E6' 'olive' '#808000' 'olivedrab' '#6B8E23'
'orange' '#FFA500' 'orangered' '#FF4500' 'orchid' '#DA70D6'
'palegoldenrod' '#EEE8AA' 'palegreen' '#98FB98' 'paleturquoise' '#AFEEEE'
'palevioletred' '#DB7093' 'papayawhip' '#FFEFD5' 'peachpuff' '#FFDAB9'
'peru' '#CD853F' 'pink' '#FFC0CB' 'plum' '#DDA0DD'
'powderblue' '#B0E0E6' 'purple' '#800080' 'red' '#FF0000'
'rosybrown' '#BC8F8F' 'royalblue' '#4169E1' 'saddlebrown' '#8B4513'
'salmon' '#FA8072' 'sandybrown' '#FAA460' 'seagreen' '#2E8B57'
'seashell' '#FFF5EE' 'sienna' '#A0522D'' silver' '#C0C0C0'
'skyblue' '#87CEEB' 'slateblue' '#6A5ACD' 'slategray' '#708090'
'snow' '#FFFAFA' 'springgreen' '#00FF7F' 'steelblue' '#4682B4'
'tan' '#D2B48C' 'teal' '#008080' 'thistle' '#D8BFD8'
'tomato' '#FF6347' 'turquoise' '#40E0D0' 'violet' '#EE82EE'
'wheat' '#F5DEB3' 'white' '#FFFFFF' 'whitesmoke' '#F5F5F5'
'yellow' '#FFFF00' 'yellowgreen' '#9ACD32'

样式一 样式二 说明

‘-’ ‘solid’ 实线

‘–’ ‘dashed’ 虚线

‘-.’ ‘dashdot’ 点画线

‘:’ ‘dotted’ 点线

’ ’ ‘None’ 不显示线条了

样式 说明 样式 说明

‘.’ 点标记 ‘1’ 下花三角标记

linestyle 线条样式

marker 标记样式

样式 说明 样式 说明

‘,’ 像素标记（极小点） ‘2’ 上花三角标记

‘o’ 实心圆标记 ‘3’ 左花三角标记

‘v’ 倒三角标记 ‘4’ 右花三角标记

‘^’ 上三角标记 ‘s’ 实心方形标记

‘>’ 右三角标记 ‘p’ 实心五角标记

‘<’ 左三角标记 ‘*’ 星形标记

‘h’ 竖六边形标记 ‘d’ 瘦菱形标记

‘H’ 横六边形标记 ‘D’ 菱形标记

‘+’ 十字标记 ‘|’ 垂直线标记

‘x’ x标记 ‘_’ 水平线标记

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.plot(x, y, color='skyblue', linestyle='-.', linewidth= 2 ,
marker='h', markerfacecolor='gold', markersize= 8 )
plt.show()

plt.figure() 创建画布

想要绘图，必须先要创建一个 figure（画布），还要有 axes（坐标系）

隐式创建 figure

当第一次执行 plt.xxx() 画图代码时，会自动判断是否已经存在画布

如果没有，则自动创建一个画布，并且在该画布上自动创建一个坐标系

如果不设置画布，一个画布上只有一个坐标系

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y1 = 2 x + 2
y2 = x* 2
y3 = np.sin(x)

plt.plot(x, y1, color=‘gold’)
plt.plot(x, y2, color=‘red’)
plt.plot(x, y3, color=‘green’)
plt.show()

显式创建 figure

利用 plt.figure() 手动创建画布，可以创建多个画布

在 plt.figure() 下面的 plt.xxx() 画图代码都会画在对应的画布上面

plt.figure(num=None, figsize=None, dpi=None, facecolor=None)

num： 画布编号或名称（数字为编号，字符串为名称），不指定则按照数字顺序

figsize： 指定 figure 的宽和高（英寸），默认为（6.4, 4.8）

dpi： 指定画布显示的分辨率（用数字表示大小，默认为 100 ）

facecolor： 背景的颜色

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y1 = 2 *x + 2
y2 = x** 2
y3 = np.sin(x)

plt.figure()  # 下面两个画图操作都属于这个画布
plt.plot(x, y1, color='gold')
plt.plot(x, y2, color='red')

plt.figure()  # 下面一个画图操作属于这个画布
plt.plot(x, y3, color='green')
plt.show()

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure(num= 3 , figsize=( 7 , 3 ), dpi= 72 , facecolor=“red”)
plt.plot(x, y)

plt.figure(num=“画布二”, figsize=( 7 , 3 ), dpi= 72 , facecolor=“green”)
plt.plot(x, y)
plt.show()

中文/负号显示问题

matplotlib 在使用过程中，可能会遇到中文或者负号显示乱码的问题，把下面代码

粘贴到matplotlib 使用的最前面即可

设置坐标轴

限制显示区域

可以用 plt.xlim() 和 plt.ylim() 来限制图像横纵坐标轴的显示区域，既可以限制轴

的最小值或最大值，又可以同时限制最小值和最大值

import matplotlib.pyplot as plt

# 通过rc参数修改字体为黑体，就可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 通过rc参数修改字符显示，就可以正常显示负号
plt.rcParams['axes.unicode_minus'] = False

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure()  # 创建画布 1
plt.plot(x, y)
plt.xlim(xmin=- 2 )  # 限制横坐标显示最小值为 -
plt.ylim(ymax=0.8)  # 限制纵坐标显示最大值为 0.

plt.figure()  # 创建画布 2
plt.plot(x, y)
plt.xlim((- 2 , 4 ))  # 限制横坐标显示范围[-2, 4]
plt.ylim(ymin=-0.5, ymax=0.8)  # 限制纵坐标显示范围[-0.5, 0.8]
plt.show()

设置坐标轴标签

可以用 plt.xlabel() 和 plt.ylabel() 来指定图像横纵坐标轴的标签

import matplotlib.pyplot as plt
import numpy as np

# 规避中文或者负号可能显示乱码的问题

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure()
plt.plot(x, y)
plt.xlim((- 2 , 4 ))
plt.ylim((-0.5, 0.8))

设置坐标轴刻度

plt.xticks(ticks=None, labels=None) / plt.yticks(ticks=None, labels=None)

ticks： 刻度点的位置组成的列表（可以指定为空列表，则去掉刻度，但轴还在）

labels： 刻度点的位置上的标签组成的列表（labels不指定，则标签显示ticks值）

当不指定参数时，返回对应轴当前刻度点的位置和标签

指定参数时，则为设置对应轴的刻度点的位置和标签

# 指定横轴标签

plt.xlabel("我是横轴标签")
# 指定纵轴标签，并设置字体大小为 14
plt.ylabel("我是纵轴标签", fontsize= 14 )
plt.show()

import matplotlib.pyplot as plt

import numpy as np

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.rcParams[‘axes.unicode_minus’] = False

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure()
plt.plot(x, y)
plt.xlim(- 2 , 4 )
plt.ylim((-0.4, 0.8))
plt.xlabel(“我是横轴标签”, fontsize= 14 )
plt.ylabel(“我是纵轴标签”, fontsize= 14 )

当不指定参数时，返回对应轴当前刻度点的位置和标签

print(plt.xticks())
print(plt.yticks())
plt.show()

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure()  # 画布 1
plt.plot(x, y)

ticks的值作为刻度点的位置, labels的值作为刻度点的位置上的标签

plt.yticks(ticks=[- 1 , -0.8, -0.5, -0.1, 1 ], labels=[“a”, “b”, “c”,
“d”, “e”])

plt.figure()  # 画布 2
plt.plot(x, y)

ticks指定为空列表, 去掉刻度, 但轴还在

plt.xticks(ticks=[])

plt.figure()  # 画布 3
plt.plot(x, y)

设置坐标边框颜色

1. 用 plt.gca() 获取到坐标体系（矩形坐标框）

2. 调用坐标体系的 spines 属性，通过 ‘top’、‘bottom’、‘left’、‘right’ 参数获得指定的

边框

3. 结合 set_color() 方法来指定颜色（当颜色指定为 ‘None’ 时，表示不显示该边框）

plt.axis("off")  # 把轴去掉，刻度一起没了

plt.figure()  # 画布 4
plt.plot(x, y)
new_xticks = np.linspace(- 4 , 4 , 9 )
# 因为没有指定labels参数，所以ticks的值既作为刻度点的位置又作为刻度的标签
plt.xticks(ticks=new_xticks)
plt.yticks(ticks=[- 1 , -0.8, -0.5, -0.1, 1 ])
plt.show()

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure()
plt.plot(x, y)
plt.yticks(ticks=[- 1 , -0.8, -0.5, -0.1, 1 ], labels=[“a”, “b”, “c”,
“d”, “e”])

ax = plt.gca()
ax.spines[‘right’].set_color(‘None’)
ax.spines[‘top’].set_color(‘None’)
ax.spines[‘left’].set_color(‘red’)
ax.spines[‘bottom’].set_color(‘green’)
plt.show()

指定边框为坐标轴

1. 用 plt.gca() 获取到坐标体系（矩形坐标框）

2. 坐标体系指定轴来调用 set_ticks_position() 方法，通过

‘top’、‘bottom’、‘left’、‘right’ 参数指定边框为坐标轴

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure()
plt.plot(x, y)
plt.yticks(ticks=[- 1 , -0.8, -0.5, -0.1, 1 ], labels=['a', 'b', 'c',
'd', 'e'])

ax = plt.gca()
ax.spines['right'].set_color('skyblue')
ax.spines['top'].set_color('blue')
ax.spines['left'].set_color('red')
ax.spines['bottom'].set_color('green')

# 把坐标体系的上边框作为x轴
ax.xaxis.set_ticks_position('top')
# 把坐标体系的右边框作为y轴
ax.yaxis.set_ticks_position('right')
plt.show()

移动坐标边框

1. 用 plt.gca() 获取到坐标体系（矩形坐标框）

2. 调用坐标体系的 spines 属性，通过 ‘top’、‘bottom’、‘left’、‘right’ 参数获得指定的

边框

3. 结合 set_position() 方法来指定边框位置

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure()
plt.plot(x, y)

plt.yticks(ticks=[- 1 , -0.8, -0.5, -0.1, 1 ], labels=[‘a’, ‘b’, ‘c’,
‘d’, ‘e’])

ax = plt.gca()
ax.spines[‘right’].set_color(‘None’)
ax.spines[‘top’].set_color(‘None’)
ax.spines[‘left’].set_color(‘red’)
ax.spines[‘bottom’].set_color(‘green’)

选择坐标体系的左边框, 设置位置到数据为 0 的地方(即x轴原点)

ax.spines[‘left’].set_position((‘data’, 0 ))

选择坐标体系的底边框, 设置位置到数据为-0.1的地方(即y轴的’d’点)

ax.spines[‘bottom’].set_position((‘data’, -0.1))
plt.show()

plt.legend() 创建图例

plt.legend(handles, labels, loc, fontsize, edgecolor, facecolor)

handles： 控制柄，默认是一个画布中所有线对象组成的列表

labels： 图例标签，默认是绘图函数中 label 参数值组成的列表

loc： 图例创建的位置（默认是loc=“best”，代表自动找最好的位置）

fontsize： 图例字体大小（用数字大小表示）

edgecolor： 图例边框颜色

facecolor： 图例背景颜色

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(- 3 , 3 , 50 )
y1 = 2 *x + 1
y2 = np.sin(x)

plt.figure()
plt.plot(x, y1, color='blue', label='直线')
plt.plot(x, y2, color='green', label='曲线')
plt.legend(loc='lower right', fontsize= 14 , frameon=True,
edgecolor='red', facecolor='yellow')

plt.figure()
plt.plot(x, y1, color='blue')
plt.plot(x, y2, color='green')
# 指定labels
plt.legend(labels=['直线', '曲线'])

plt.figure()
# plot返回Line2D对象, 装在列表里, 所以解包
line1, = plt.plot(x, y1, color='blue', label='直线')
line2, = plt.plot(x, y2, color='green', label='曲线')
print(line1)
print(line2)
# 指定第一条线创建图例, 且图例标签改为'线条1'

plt.text() 文字说明

plt.text(x, y, s, size, color, ha, va)

x：文字开始写的 x 位置

y：文字开始写的 y 位置

s：需要写的内容

size：文字大小

color：文字颜色

ha：设置垂直对齐方式，可选参数：‘left’, ‘right’, ‘center’ 等

va：设置水平对齐方式 ，可选参数： ‘center’ , ‘top’ , ‘bottom’ 等

plt.legend(handles=[line1, ], labels=['线条1', ])
plt.show()

plt.scatter() 画散点图

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y = np.sin(x)

plt.figure()
plt.plot(x, y)

plt.text(x=1.1, y=0.6, s="y=sinx", size= 16 , color="red")
plt.show()

plt.scatter(x, y, s, c, marker, alpha, linewidths, edgecolors)

x：形状为(n,)的数组，绘图的 x 轴数据

y：形状为(n,)的数组，绘图的 y 轴数据

s：标记点的大小（用数字大小表示）

c：标记点的颜色

marker：标记的样式，默认的是 ‘o’

alpha：透明度（0-1之间）

linewidths：标记点边框线的宽度

edgecolors：标记点的边框线颜色

import matplotlib.pyplot as plt
import numpy as np

# 从正态分布中抽取 100 个随机样本

x1 = np.random.normal( 0 , 1 , 100 )
y1 = np.random.normal( 0 , 1 , 100 )
x2 = np.random.normal( 0 , 1 , 100 )
y2 = np.random.normal( 0 , 1 , 100 )

plt.scatter(x1, y1, s= 90 , c='green', marker='D', alpha=0.2,
linewidths= 2 , edgecolors='red')
plt.scatter(x2, y2, s= 90 , c='yellow', marker='D', alpha=0.8,
linewidths= 2 , edgecolors='black')
plt.xlim((-1.5, 1.5))
plt.ylim((-1.5, 1.5))
plt.show()

plt.bar() 画条形图

plt.bar(x, height, width, color, edgecolor, alpha, linewidth, bottom, align)

x： x 坐标

height：条形的高度

width：条形的宽度，默认是0.8

color：条形的颜色

edgecolor：条形边框的颜色

alpha：颜色的透明度（0~1）

linewidth：条形边框的宽度

bottom：条形底边的起始位置（即y轴的起始坐标）

align：条形的对齐方式（默认为 “center”，表示刻度和条形中心对齐，“edge” 表

示刻度和条形左边对齐）

import matplotlib.pyplot as plt
import numpy as np

x0 = np.arange( 12 )

从均匀分布中抽取 12 个随机样本

h1 = np.random.uniform(0.5, 1.0, 12 )
h2 = np.random.uniform(0.5, 1.0, 12 )

plt.figure()

用负号来画关于x轴对称的条形图, 底边各上浮0.02的距离使得分开

plt.bar(x0, +h1, color=‘yellow’, edgecolor=‘blue’, bottom=0.02)
plt.bar(x0, -h2, color=‘green’, edgecolor=‘red’, bottom=-0.02)

for i in range(len(x0)):

y值保留小数点后两位，数字上浮0.03为了好看

plt.text(x0[i], h1[i]+0.03, f"{h1[i]:.2f}“, va=‘bottom’,
ha=‘center’)
plt.text(x0[i], -h2[i]-0.03, f”{-h2[i]:.2f}", va=‘top’,
ha=‘center’)

# 限制坐标轴显示区域, 为了图显示美观

plt.xlim(- 1 , 12 )
plt.ylim(-1.2, 1.2)

去掉坐标轴刻度

plt.xticks([])
plt.yticks([])

plt.figure()

条形宽度默认是0.8, 要把两个条形放在一起, 那么每个宽度就是0.4, 再互相错位0.2就

可以刚好挨着
plt.bar(x0-0.2, h1, width=0.4, color=‘blue’, alpha=0.4)

这里用了align参数, 第一个参数指定为x0+0.2也可以

plt.bar(x0, h2, width=0.4, color=‘gray’, align=‘edge’)

限制坐标轴显示区域, 为了图显示美观

plt.xlim(- 1 , 12 )
plt.ylim( 0 , 1.1)

去掉坐标轴刻度

plt.xticks([])
plt.yticks([])
plt.show()

plt.imshow() 数据转图像

传入图像的像素值数据，就可以绘制出图像，然后通过 plt.show() 来显示图像

plt.imshow(X, cmap, alpha)

X： 图像数据（可以是二维的，比如 灰度图；也可以是三维的，比如 RGB 图）

cmap： 默认是彩色的，还有其他模式，如：灰度图是 “Greys”

alpha： 透明度（0~1）

import matplotlib.pyplot as plt
import numpy as np

plt.figure()

# 自己造一个shape为(3, 3)的图像数据
data = np.array([[ 0 , 50 , 200 ], [ 200 , 100 , 0 ], [ 0 , 150 , 200 ]])
plt.imshow(data)
# plt.imshow(data, cmap="Greys")
# plt.imshow(data, cmap="Greys", alpha=0.3)
plt.show()

plt.subplot() 创建子图

plt.subplot(nrows, ncols, index)

nrows：行数

ncols：列数

index：指定第几个子图（从 1 开始）

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(- 3 , 3 , 50 )
y1 = 2 *x + 1
y2 = x** 2
y3 = np.sin(x)
y4 = np.tan(x)

plt.figure()

在画布上创建 2 行 2 列的子图，并在第 1 个子图中绘画

plt.subplot( 2 , 2 , 1 )
plt.plot(x, y1)

在画布上创建 2 行 2 列的子图，在第 2 个子图中绘画

plt.subplot( 2 , 2 , 2 )
plt.plot(x, y2)

在画布上创建 2 行 2 列的子图，在第 3 个子图中绘画

plt.subplot( 2 , 2 , 3 )
plt.plot(x, y3)

在画布上创建 2 行 2 列的子图，在第 4 个子图中绘画

plt.subplot( 2 , 2 , 4 )
plt.plot(x, y4)

plt.figure()

在画布上创建 2 行 1 列的子图，并在第 1 个子图中绘画

plt.subplot( 2 , 1 , 1 )
plt.plot(x, y1)

在画布上创建 2 行 3 列的子图，并在第 4 个子图中绘画

plt.subplot( 2 , 3 , 4 )
plt.plot(x, y2)

在画布上创建 2 行 3 列的子图，并在第 5 个子图中绘画

plt.subplot( 2 , 3 , 5 )
plt.plot(x, y3)

在画布上创建 2 行 3 列的子图，并在第 6 个子图中绘画

plt.subplot( 2 , 3 , 6 )
plt.plot(x, y4)

plt.show()

plt.axes() 画图中图

plt.axes() 可以通过指定相对画布的位置和宽高在一个画布中定制多个坐标轴

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(- 3 , 3 , 50 )
y1 = 2 *x + 1
y2 = x** 2
y3 = np.sin(x)

plt.figure()
"""
对这四个数字的说明:
0.1, 0.1表示坐标框左下角的位置, x和y坐标在画布的10%的位置
0.8, 0.8表示坐标框的宽和高为画布的80%大小 """
plt.axes([0.1, 0.1, 0.8, 0.8])
plt.title('直线')  # 标题
plt.plot(x, y1)

plt.axes([0.2, 0.6, 0.25, 0.25])
plt.title('抛物线')
plt.plot(x, y2)

plt.axes([0.6, 0.2, 0.25, 0.25])
plt.plot(x, y3)
plt.title('余弦曲线')
plt.show()

plt.savefig() 保存图像

通过 plt.savefig() 保存图像到指定的路径

import matplotlib.pyplot as plt
import numpy as np

y2 = []
y1 = np.linspace(- 3 , 3 , 50 )

for i in y1** 2 :
y2.append(i)
plt.clf()  # 清除数据, 放在这个位置是为了循环的清除上一次的数据
plt.plot(y2)
plt.pause(0.1)  # 暂停0.1秒
plt.savefig(‘./img.jpg’)  # 保存图像到指定的路径