Matplotlib学习笔记一

锵锵锵，今天学习Matplotlib，首先上中文官方文档。我们这次是在jupyter notebook里实现的，
import matplotlib.pyplot as plt %matplotlib inline #在notbook中显示所绘图像 plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

举例plt.plot()常用参数

color

用以下方法查看，seaborn扩展库在字典seaborn.xkcd_rgb中包含了一些扩展的颜色，输入颜色名字对应该颜色的十六进制码

import seaborn
seaborn.xkcd_rgb

marker

定义点的样式，这里小白只写几个小白不常用但感觉比较好看的吧，像点直线虚线大家应该都会，这里就不写了

字符	实例
‘h’	六边形点1
‘H’	六边形点2
‘d’	瘦菱形点
‘D’	实心菱形点
‘p’	五角点
‘s’	正方形点
‘1’	下三叉点
‘2’	上三叉点
‘3’	左三叉点
‘4’	右三叉点

linestyle

定义两点之间采用什么方式连接
以上三个参数可以放一起（若需要三参数一起运用则只能选8中颜色b,g,y,k,w,r,c,）

其他参数

linewidth：定义线的宽度（粗细）最多20
alpha：定义线条的透明度（线的深浅）范围0至1
drawstyle：定义描点绘制样式，例如一步一步画即drawstyle=‘steps’，有五种方式{‘default’,‘steps’,‘steps-pre’,‘steps-mid’,‘steps-post’}

常用的图像设置命令

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode-minus']=False #用来正常显示负号

plt.title() #标题

plt.xlim() #括号里显示上下限，相当于放大

plt.ylim()

plt.xlabel() #x,y轴的名称，字符串

plt.ylabel()

plt.grid() #加网格线 linestyle简写ls，color简写c，宽度简写ld

plt.axhline() #绘制平行于x轴的水平参考线

plt.axvline() #绘制平行于y轴的水平参考线

plt.axhspan() #绘制垂直于y轴的水平区域 颜色要用facecolor

plt.axvspan() #绘制垂直于x轴的参考区域

plt.legend() #标示不同图形的文本标签图例

legend有许多参数，我们先学习三个分别是loc、edgecolor、facecolor
loc是图例的位置，支持整数和字符串
edgecolor是图例外框颜色
facecolor是图例框内填充颜色

plt.xticks() #设置x轴的标签名称

plt.yticks() #设置y轴的标签名称

plt.text() #添加图形内容细节的无指向型注释文本

plt.text(x,y,string,fontsize,verticalalignment,horizontalalignment,kwargs**)
x,y:表示坐标值上的值
string:表示说明文字
verticalalignment：垂直对齐方式 center top bottom baseline
horizontalalignment：水平对齐方式 center right left

plt.annotate() #添加图形内容细节的指向型注释文本
annotate详细的应用介绍

plt常见的二维图形绘制命令

plt.bar #柱状图
plt.barh #条形图
plt.hist #直方图
plt.pie #饼图
plt.polar #极线图
plt.scatter #散点图或气泡图
plt.stem #棉棒图
plt.boxplot #箱线图
plt.errorbar #误差棒图

plt其他函数命令

plt.gca() get current axes plt.plot()实际上通过该函数获得当前的axes对象ax，然后再调用ax.plot方法实现真正的绘图

plt.figure()创建figure对象

figure对象是后续绘图操作的总容器
figure(num=用的第几张纸或者纸的名字——默认顺着画，figsize=用元组表示纸的大小，dpi=分辨率默认为100，facecolor=作用的是纸的颜色，edgecolor=边缘颜色图形边框颜色，framon=False是否绘制图形外框架，clear=False图形已存在时是否清除原有图像)

plt.savefig(“路径eg：D:\XXX.jpg”)

plt.gcf() get current figure

举个栗子

import numpy as np
x = np.linspace(0,10,10)
y = np.cos(x)
y1 = np.sin(x)
plt.plot(x,y,'b*--',label='y=cos(x)')
plt.plot(x,y1,'c*--',label='y1=sin(x)')
plt.title('have a try')
plt.legend() #在plot中有lable时直接传入legend才有活干
plt.grid(ls=':',c='r')
plt.axhspan(0.55,0.75,facecolor='yellow',alpha=0.6)
plt.axvline(7,c='r',lw=1.5,ls='-.')
plt.annotate('the biggest',xy=(0,1),xytext=(0.8,1),arrowprops=dict(arrowstyle='->'))

#生成多序列条形图
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
index = np.arange(5)
data1 = [3,4,6,8,9]
data2 = [11,23,6,5,1]
data3 = [12,6,21,8,26]
a = 0.3
plt.title('multi bar chart')
plt.bar(index,data1,a,color='orange',label='a')
plt.bar(index+a,data2,a,color='y',label='b')
plt.bar(index+2*a,data3,a,color='g',label='c')
plt.legend(loc=2)
plt.show()