Matplotlib绘图（基础篇）

目录

一、Matplotlib绘图的编程方式： 

1、pyplot： 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。（常用）

2、pylab：将Matplotlib和Numpy合并的模块，模拟Matlab的编程环境。（不推荐使用）

3、面向对象的方式：Matplotlib的精髓，更基础和底层的方式。（常用）

二、Matplotlib绘图基础

1、Matplotlib绘图标记使用plot()方法的marker参数定义

 2、Matplotlib绘图线

（1）Matplotlib线的类型用linestyle参数来定义：

 （2）Matplotlib线的颜色用color参数来定义

 （3）Matplotlib线的宽度用linewidth参数来定义

（4）Matplotlib轴标签使用xlabel()和ylabel()方法

 （5）Matplotlib标题使用title()方法

 （6）Matplotlib标题与标签的定位提供了loc参数

 （7）Matplotlib网格线使用pyplot中的grid()方法

 （8）绘制多图使用pyplot中的subplot()和subplots()方法

---

一、Matplotlib绘图的编程方式： 

1、pyplot： 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。（常用）

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,10)
y=np.random.randn(len(x))
plt.plot(x,y)
plt.title('plplot')
plt.show()

2、pylab：将Matplotlib和Numpy合并的模块，模拟Matlab的编程环境。（不推荐使用）

from pylab import *
x=arange(0,10)
y=randn(len(x))
plot(x,y)
title('pylab',size=15)
show()

 总结pyplot与pylab的区别：从pylab代码可以看出，通过pylab可以直接调用函数。例：arange(0,10)，而不是np.arange(0,10)

3、面向对象的方式：Matplotlib的精髓，更基础和底层的方式。（常用）

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

y=np.random.randn(len(x))

fig=plt.figure()

ax=fig.add_subplot(1,1,1)

l,=plt.plot(x,y)

t=ax.set_title('object')

plt.show()

 

 总结：使用面向对象编程，需要画布(FigureCanvas)、图像(Figure)、坐标轴(Axes) 

编程方式	优势	劣势
pyplot	简单易用，交互使用方便，可以根据命令实时作图	底层定制能力不足
pylab	完全封装，环境最接近Matlab	和matplotlib设计理念不太一致，不利于学习matplotlib
面向对象	接近Matplotlib基础和底层的方式	9难度稍大

实战中，根据需求，综合使用pyplot和面向对象的方式。

二、Matplotlib绘图基础

1、Matplotlib绘图标记使用plot()方法的marker参数定义

merker样式参考：

Matplotlib marker参数样式大全_小羊快学的博客-CSDN博客一、样式大全标记类型标记样式效果o实心圆.点,像素点+加号*星号x乘号X填充乘号s正方形D胖菱形d瘦菱形p五边形h六边形H六边形8八边形^上三角v...https://blog.csdn.net/Yangyuqing_/article/details/124099762?spm=1001.2014.3001.5502

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

plt.plot(x,marker='+')

plt.show()

 2、Matplotlib绘图线

定义线的类型、颜色与大小等

（1）Matplotlib线的类型用linestyle参数来定义：

类型(简写)	说明
'-'	实线
':'	点虚线
'--'	破折线
'-.'	点划线
''或' '	不画线
'steps'	阶梯线

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

plt.plot(x,marker='*',linestyle=':')

plt.show()