你知道matplotlib的pyplot包有哪些函数？

提示：以下matplotlib.pyplot中的函数来自官方库，下面翻译和示例仅供参考。

---

关于matplotlib的pyplot包的函数集

matplotlib.pyplot is a state-based interface to matplotlib. It provides a MATLAB-like way of plotting.
matplotlib.pyplot是命令行式函数的集合，每一个函数都对图像作了修改。

---

一、pyplot函数集

matplotlib.pyplot是命令行式函数的集合，每一个函数都对图像作了修改【比如创建图形，在图像上创建画图区域，在画图区域上画线，在线上标注等】

# function
get_plot_commands()  # 获取所有绘图命令的排序列表。

1、pyplot—创建画布、设定绘图区域、颜色系

1）创建

Figure([num，figsize，dpi，facecolor，...])  # 创建一个新图形，或激活一个现有图形。
fignum_exists(num)  # 返回具有给定id的图形是否存在。
figlegend(* args，** kwargs)  # 在图上放置一个图例。
figimage(X [，xo，yo，alpha，norm，cmap，...])  #  向图中添加未重采样的图像。

savefig(* args，** kwargs)  #  保存当前图形。
close([fig])  # 关闭图形窗口。

2）画图区域

new_figure_manager(num，* args，** kwargs)  # 创建一个新的图形管理器实例。
matshow(A [，fignum])  # 在新图形窗口中将数组显示为矩阵。
margins(* margins [，x，y，ight])  # 设置或获取自动缩放的边界。

subplot(* args，** kwargs)  # 在当前图形上添加一个子图。

subplot2grid(shape，loc [，rowspan，colspan，图])  # 在常规网格内的特定位置创建一个子图。
subplot_mosaic(layout，* [，subplot_kw，...])  #  基于ASCII艺术作品或嵌套列表构建轴的布局。
subplot_tool([targetfig])  # 启动图形的子图工具窗口。
subplots([nrows，ncols，sharex，sharey，...])  #  创建一个图形和一组子图。
subplots_adjust([[left，bottom，right，top，...])  # 调整子图布局参数。

suptitle(t，** kwargs)  #  在图中添加居中标题。
switch_backend(newbackend)  # 关闭所有打开的图形并设置Matplotlib后端。

3） 颜色系

set_cmap(cmap)  # 设置默认的颜色图，并将其应用于当前图像（如果有）。
clim([vmin，vmax])  # 设置当前图像的颜色限制。
autumn()  # 将颜色表设置为“autumn”。
bone()  # 将颜色图设置为“bone”。
copper()  # 将颜色图设置为“copper”。
cool()  # 将颜色表设置为“ cool”。
flag()  #将颜色图设置为“flag”。
gray()  # 将颜色图设置为“灰色”。
hot()  # 将颜色表设置为“热”。
hsv()  # 将颜色表设置为“ hsv”。
inferno()  # 将颜色映射设置为“ inferno”。
jet()  # 将颜色表设置为“ jet”。
magma()  # 将颜色表设置为“ magma”。
nipy_spectral()  # 将颜色映射设置为“ nipy_spectral”。
pink()  # 将颜色图设置为“粉红色”。
plasma()  # 将颜色图设置为“ plasma”。
prism()	 #  Set the colormap to "prism".设置颜色图为“棱镜”。
summer()  # 将颜色表设置为“暖色调”。
spring()  # 将颜色表设置为“ spring”。 
viridis()  # 将颜色图设置为“ viridis”。
winter()  # 将颜色表设置为“冷色”。

2、pyplot-- 坐标系、轴、标注

# 标题
title(label [，fontdict，loc，pad，y])  # 设置轴的标题。
table([cellText，cellColours，cellLoc，...])  # 将表添加到轴。
# x坐标
xlabel( xlabel [，fontdict，labelpad，loc])  # 设置x轴的标签。
xlim( * args，** kwargs)  # 获取或设置当前轴的x极限。
xscale( value，** kwargs)  # 设置x轴比例。
xticks( [ticks，labels])  # 获取或设置x轴的当前刻度位置和标签。
# y坐标
ylabel( ylabel [，fontdict，labelpad，loc])  # 设置y轴的标签。
ylim( * args，** kwargs)  # 获取或设置当前轴的y限制。
yscale( value，** kwargs)  # 设置y轴比例。
yticks( [ticks，labels])  # 获取或设置y轴的当前刻度位置和标签。
# 标注
annotate(text, xy, *args, **kwargs)	 # 用文本text注释点xy。
figtext(x，y，s [，fontdict])  # 在图上添加文本。
text(x，y，s [，fontdict])  # 将文本添加到轴。

axes([arg])   # 在当前图形中添加一个坐标轴，并将其作为当前坐标轴。
axhline([y，xmin，xmax])  # 在轴上添加一条水平线。
axvline([x，ymin，ymax])  # 在轴上添加一条垂直线。
axline(xy1 [，xy2，slope])  #  添加无限长的直线。slope:坡度
# 等高线
clabel(CS [，level])  # 标注等高线图

axhspan(ymin，ymax [，xmin，xmax])  #  在轴上添加水平跨度（矩形）。
axvspan(xmin，xmax [，ymin，ymax])  # 在轴上添加垂直跨度（矩形）。

axis(* args [，emit])   #  获取或设置某些轴属性的便捷方法。

cla()  #  Clear the current axes,清除当前轴。
gca(** kwargs)  # 获取当前轴，必要时创建一个。
delaxes([ax])  # 从图中删除一个轴（默认为当前轴）。
arrow(x, y, dx, dy, **kwargs)	# 向轴添加箭头。
autoscale([enable, axis, tight])	# 将轴视图自动缩放为数据（切换）。
legend(* args，** kwargs)  # 在轴上放置一个图例。
locator_params([axis，ight])  # 控制主要刻度线定位器的行为。

minorticks_off()  # 从轴上删除较小的滴答声。
minorticks_on()  # 在轴上显示次刻度。

semilogx(* args，** kwargs)  # 使用x轴上的对数比例绘制图。
semilogy(* args，** kwargs)  # 使用y轴上的对数比例绘制图。

thetagrids([angles，labels，fmt])  # 获取或设置当前极坐标上的theta网格线。
tick_params([axis])  # 更改刻度线，刻度线标签和网格线的外观。 
ticklabel_format(* [，axis，style，...])  # 配置默认情况下用于线性轴的ScalarFormatter。

twinx([ax])  # 制作并返回共享x轴的第二个轴。
twiny([ax])  # 制作并返回共享y轴的第二个轴。

sca(ax)  # 将当前轴设置为ax，将当前图形设置为ax的父级。

3、pyplot–在画图区域绘图、展示、保存

1）绘线

plot(* args [，scalex，scaley，data])   # 将y与x作图，作为线条和/或标记。
plot_date(x，y [，fmt，tz，xdate，ydate，data])   #  绘制包含日期的数据。

# 相关
acorr(x, *[, data])	# 绘制x的自相关。
xcorr( x，y [，normed，detrend，usevlines，...])  # 绘制x和y之间的互相关。
cohere(x，y [，NFFT，Fs，Fc，detrend，...])  #  绘制x和y之间的相干性。detrend:下降趋势

eventplot(positions [，orientation，...])  #  在给定位置绘制相同的平行线。
hlines(y，xmin，xmax [，colors，linestyles，...])  # 在从xmin到xmax的每个y上绘制水平线。

vlines( x，ymin，ymax [，color，linestyles，...])  # 绘制垂直线。

2）绘图

# 条形图
bar(x，height [，width，bottom，align，data])  # 绘制条形图。
barh(y，width [，height，left，align])  # 绘制水平条形图。
barbs(* args [，data]) #  绘制barbs的2D。
colorbar([mappable，cax，ax])  # 将色条添加到绘图中。
errorbar(x，y [，yerr，xerr，fmt，ecolor，...])  # 将y对x绘制为带有错误栏的线和/或标记。
# 直方图
hist(x [，bins，range，density，weights，...])  # 绘制直方图。
hist2d(x，y [，bins，range，density，...])  # 绘制2D直方图。
# 饼图
pie(x[, explode, labels, colors, autopct, ...])	  # 绘制饼图。
# 散点图
scatter(x，y [，s，c，标记，cmap，范数，...])  # 绘制散点图。
# 极坐标图
polar(* args，** kwargs)  # 绘制一个极坐标图。
rgrids([半径，标签，角度，fmt])  # 获取或设置当前极坐标图上的径向网格线。
# 堆叠区域图
stackplot(x，* args [，label，color，...])  # 绘制堆叠区域图。
# stem图
stem(* args [，linefmt，markerfmt，basefmt，...])  # 创建茎图。
# 阶梯图
step(x，y，* args [，where，data])  # 绘制阶梯图。

box([on])  #  打开或关闭当前轴上的axes box。
boxplot(x [，notch，sym，vert，whis，...])  #  制作一个盒子和晶须图。
broken_barh(xranges，yrange，* [，data])  # 绘制矩形的水平序列。

violinplot( dataset [，position，vert，...])  # 绘制小提琴图。

pcolor(* args [，shading，alpha，norm，cmap，...])  # 创建具有非规则矩形网格的伪彩色图。
pcolormesh(* args [，alpha，norm，cmap，vmin，...])  # 创建具有非规则矩形网格的伪彩色图。

streamplot(x，y，u，v [，density，linewidth，...])   # 绘制矢量流的流线。

specgram(x [，NFFT，Fs，Fc，detrend，window，...])  # 绘制频谱图。

phase_spectrum(x [，Fs，Fc，window，pad_to，...])  # 绘制相位谱。

psd(x[, NFFT, Fs, Fc, detrend, window, ...])	 # 绘制功率谱密度。

spy(Z [，precision，marker，markersize，...])  # 绘制2D数组的稀疏模式。

quiver（* args [，data]）  #  绘制箭头的2D字段。

loglog(* args，** kwargs)  # 绘制一个在x和y轴上均具有对数缩放比例的图。

hexbin(x，y [，C，gridsize，bins，xscale，...])  # 绘制点x，y的2D六角形装箱图。
# 光谱
angle_spectrum(x[, Fs, Fc, window, pad_to, ...])	# 绘制角度光谱。
csd(x，y [，NFFT，Fs，Fc，detrend，window，...])   #  绘制交叉光谱密度。
itude_spectrum(x [，Fs，Fc，window，...])  # 绘制幅度谱。

tricontour(* args，** kwargs)  # 在非结构化三角形网格上绘制轮廓线。
tricontourf(* args，** kwargs)  # 在非结构化三角形网格上绘制轮廓区域。
tripcolor(* args [，alpha，norm，cmap，vmin，...])  # 创建非结构化三角形网格的伪彩色图。
triplot(* args，** kwargs)  # 绘制非结构化的三角形网格作为线和/或标记。

3）当前图操作

# 显示和保存图形
show(* [，block])  # 显示所有打开的图形。
pause(interval)  #运行GUI事件循环间隔秒。Run the GUI event loop for interval seconds.动画
savefig(* args，** kwargs)  #  保存当前图形。

draw()  # 重绘当前图形。
gcf()  # 获取当前图形。
clf()  # 清除当前图形。

sci(im)  #  设置当前图像。
gci()  # 获取当前的可着色artist。

contour(* args [，data])  # 绘制轮廓。
contourf(* args [，data])  # 绘制轮廓。

grid([b，which，axis])  # 配置网格线。

fill(* args [，data])  # 绘制填充的多边形。
fill_between(x，y1 [，y2，where，...])  # 填充两条水平曲线之间的区域。
fill_betweenx(y，x1 [，x2，where，step，...])  # 填充两条垂直曲线之间的区域。
ight_layout(* [，pad，h_pad，w_pad，rect])  # 调整子图之间及其周围的填充。

findobj([o，match，include_self])  # 查找artist对象。
get(obj，* args，** kwargs)  # 返回对象属性的值，或打印所有属性。
get_current_fig_manager()  # 返回当前图形的图形管理器。
get_figlabels()  # 返回现有图形标签的列表。
get_fignums()  # 返回现有图形编号的列表。
getp(obj，* args，** kwargs)  # 返回对象属性的值，或打印所有属性。
setp(obj，* args，** kwargs)  # 在artist对象上设置属性。

quiverkey(Q，X，Y，U，label，** kw)  #  将一个键添加到颤动图中。

4）读图和保存图像

imread(fname [，format])  # 从文件中读取图像到数组中。
imsave(fname，arr，** kwargs)  # 将数组另存为图像文件。
imshow(X [，cmap，norm，Aspect，...])  # 将数据显示为图像，即在2D常规栅格上。

4、pyplot的其他功能函数

draw_if_interactive()
ginput([n，timeout，show_clicks，mouse_add，...])  # 阻止与图进行交互的调用。
ioff()  # 关闭交互模式。
ion()  # 启用交互模式。
isinteractive()  # 返回pyplot是否处于“交互模式”。
waitforbuttonpress( [timeout])  # 阻止与该图进行交互的调用。

xkcd( [scale，length，randomness])  # 打开xkcd草图样式绘制模式。仅在调用此函数后才对绘制的内容有效。

uninstall_repl_displayhook()  # 卸载matplotlib显示挂钩。
install_repl_displayhook()  # 安装repl显示钩子，以便在将控制权返回给repl时自动重画任何陈旧的图形。

rc(group，** kwargs)  # 设置当前的rcParams。
rc_context([rc，fname])  # 返回一个用于临时更改rcParams的上下文管理器。
rcdefaults()  # 从Matplotlib的内部默认样式恢复rcParams。

connect(cid)  # 断开ID为cid的回调。
connect(s，func)   # 将函数func绑定到事件s。

---

---

二、示例

0. 绘图基本流程

作图基本流程：导入必要的包：开始创建画布>添加画图区域（或者创建子图）>标注（标题、x、y轴名称，刻度）>绘图（根据数据或函数）>添加图例>完成绘制>保存（可选）>显示。

1. 绘制图形

# 作图基本流程：导入必要的包：开始创建画布>添加画图区域（或者创建子图）>标注（标题、x、y轴名称，刻度）>绘图（根据数据或函数）>添加图例>完成绘制>保存（可选）>显示。
import matplotlib.pyplot as plt
import numpy as np

# 创建画布对象
fig1 = plt.figure(num=1, figsize=(4, 4))
# 给画布对象显示增加绘图区域
ax = fig1.add_subplot(111)  # 绘图区域也是一个对象
ax.plot([1, 2, 3, 4, 5], [1, 4, 9, 16, 25])  # 绘图区域绘图
plt.savefig("paowuxian.png")
plt.show()

2. 绘制正弦频率和幅度可调节图像

# 正弦频率和幅度可调节图像
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider, Button


# The parametrized function to be plotted
def f(t, amplitude, frequency):
    return amplitude * np.sin(2 * np.pi * frequency * t)

t = np.linspace(0, 1, 1000)

# Define initial parameters
init_amplitude = 5
init_frequency = 3

# Create the figure and the line that we will manipulate
fig, ax = plt.subplots()
line, = plt.plot(t, f(t, init_amplitude, init_frequency), lw=2)
ax.set_xlabel('Time [s]')

axcolor = 'lightgoldenrodyellow'
ax.margins(x=0)

# adjust the main plot to make room for the sliders
plt.subplots_adjust(left=0.25, bottom=0.25)

# Make a horizontal slider to control the frequency.
axfreq = plt.axes([0.25, 0.1, 0.65, 0.03], facecolor=axcolor)
freq_slider = Slider(
    ax=axfreq,
    label='Frequency [Hz]',
    valmin=0.1,
    valmax=30,
    valinit=init_frequency,
)

# Make a vertically oriented slider to control the amplitude
axamp = plt.axes([0.1, 0.25, 0.0225, 0.63], facecolor=axcolor)
amp_slider = Slider(
    ax=axamp,
    label="Amplitude",
    valmin=0,
    valmax=10,
    valinit=init_amplitude,
    orientation="vertical"
)


# The function to be called anytime a slider's value changes
def update(val):
    line.set_ydata(f(t, amp_slider.val, freq_slider.val))
    fig.canvas.draw_idle()


# register the update function with each slider
freq_slider.on_changed(update)
amp_slider.on_changed(update)

# Create a `matplotlib.widgets.Button` to reset the sliders to initial values.
resetax = plt.axes([0.8, 0.025, 0.1, 0.04])
button = Button(resetax, 'Reset', color=axcolor, hovercolor='0.975')


def reset(event):
    freq_slider.reset()
    amp_slider.reset()
button.on_clicked(reset)

plt.show()

---

三、参考资料

1. matplotlib库- - -widgets,slider+button