matplotlib.pyplot.plot

用直线和/或标记标出y和x。调用格式：

plot([x], y, [fmt], data=None, **kwargs)

plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

点或直线节点的坐标由(x, y)给出。如果不指定x，则x从0开始递增。可选参数fmt是定义基本格式(如颜色、标记和线型)的简便方法。还可以使用Line2D的属性作为关键字参数来对显示做更多的控制。线属性和fmt可以混合使用，当与fmt冲突时，关键字参数优先。

有一种绘制标记数据的简便方法，不是通过指定数据x和y而是，而是通过data参数提供对象，并指定x和y的标签。data支持所有可索引对象，比如字典、pandas.DataFame、结构化的numpy数组等。例如：

xy={'a':[1,2],'b':[3,4]}
plot('a','b',data=xy)

 

绘制多组数据有三种方法：

1.最直接的方法就是多次调用plot。

2.如果数据已经是一个二维数组，可以直接传递给x, y。每一列做为一个单独的数据集进行绘制。

a=[[1,2,3],[3,4,5],[5,6,7],[7,8,9]]
plot(a)

例如，数组a的第一行表示x值，其他行的每列表示y列，要注意的是a的第一行的元素数量要与剩余的行数相同。

a=[[1,2,3],[3,4],[5,6],[7,8]]
plot(a[0],a[1:])

3.指定多组[x], y, [fmt]。在这种情况下，任何额外的关键字参数将适用于所有数据集。此外，此语法不能与data参数组合。

plot(x1, y1, 'g^', x2, y2, 'g-')

默认情况下，每条线都由style cycle分配不同的样式。只有在要区别于默认样式时才需要使用fmt和线属性参数，或者使用rcParams['axes.color_cycle']更改style cycle。

plot可接受参数如下：

x,y：类数组或标量。数据点的水平/垂直坐标。x值是可选的，如果不提供，默认从0开始递增。通常，这些参数是数组，但是也支持标量。数组也可以是2维的，每一列表示单独的数据集。

fmt：格式字符串。格式字符串只是快速设置基本行属性的缩写。所有这些甚至更多都可以由关键字参数控制。

data：可索引对象。带有标记数据的对象。如果指定data，则需提供要绘图的x和y的标签名称。

scalex，scaley：视图是否受数据限制，默认为True。这些值被传递到autoscale_view。

**kwargs：关键字参数。Line2D属性。用于设置行标签、颜色、标记等。

plot返回值为表示绘制数据的Line2D对象列表。

简单示例

#coding=utf8
from matplotlib import pyplot as plt

#style cycle
#x = range(11)
#color=['b','g','r','c','m','y','k']
#markers=['.',',','o','v','^','<','>','1','2','3','4','s','p','*'
#         ,'h','H','+','x','D','d','|','_']
#line=['-','--','-.',':']
#fmt=[ color[i%7]+markers[i%22]+line[i%4] for i in range(len(markers))]
#for i in range(len(fmt)):
#    plt.plot(x,[i+1]*len(x),fmt[i])
#style cycle
#data
#xy={'a':[1,2],"b":[3,4]}
#result=plt.plot('a','b',data=xy)
#data
#2d array
#a=[[1,2,3],[3,4,5],[5,6,7],[7,8,9]]
#plt.plot(a)

#a=[[1,2,3],[3,4],[5,6],[7,8]]
#plt.plot(a[0],a[1:])
#2d array
#multiple
x1=1
x2=2
y1=5
y2=6
result=plt.plot(x1, y1, 'g^', x2, y2, 'go')
#multiple
print(result)
plt.show()