matplotlib查漏补缺

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates#用于处理时间数据

常用参数

参数	调整部分	示例
s	点的面积	s=100
c	颜色	c=‘r’
maker	点的形状	maker=’<’
alpha	透明度	alpha=0.5

常用图

图	代码	独有参数
散点图	plt.scatter(x,y)
折线图	plt.plot(x,y)
条形图	plt.bar(left,height)	width设置宽度；orientation=‘horizontal’默认为‘vertical，水平时plt.bar(left=0, bottom=index, width=y,height=0.5,orientation=‘horizontal’)
横向的条形图	plt.barh(bottom,width)
直方图	plt.hist(data)	bins表示每个长方形的宽，也可传入一个数组标准柱子对应的下标；normed=True表示对数据进行标准化（纵坐标则变为频率）；用orientation='horizontal’调整水平
双变量直方图	plt.hist2D(x,y)	如直方图
饼状图	plt.pie(x,labels)	autopc=’%.1f%%'格式化百分比字符串；explode=[列表元素表示每个块离圆心的距离]；plt.axes(aspect=1)加在前，画出的是xy轴1比1的正圆；shadow=True表示有阴影
箱线图	plt.boxplot(x,labels)	sym='o’表示异常点的形状为圆形；whis异常值界限

画多列的条形图

left=index+bar_width

index=np.arange(4)

sales_BJ=[52,55,63,53]
sales_SH=[44,66,55,41]

bar_width=0.3

plt.bar(index,sales_BJ,bar_width,color='b')
plt.bar(index+bar_width,sales_SH,bar_width,color='r')
plt.show()

层叠图

bottom=上一列数的顶端

plt.bar(index,sales_BJ,bar_width,color='b')
plt.bar(index,sales_SH,bar_width,color='r',bottom=sales_BJ)
plt.show()

有重点的饼图

labels = 'A', 'B', 'C', 'D'
fracs = [15, 30, 45, 10]
plt.axes(aspect=1)##xy轴的比例
explode = (0, 0.2, 0, 0)
plt.pie(fracs, explode=explode, labels=labels, autopct='%.0f%%', shadow=True)
plt.show()

坐标为时间的图

1. 用np.loadtxt导入数据时，添加参数converters={0:mdates.bytespdate2num(’%m/%d/%Y’)}#0表示第几列设为时间，mdates 为import matplotlib.dates as mdates
   此时时间数据转化为浮点数，画图用plt.plot_date(date , y ),默认是散点图，可用linestyle=’-'调整线型

颜色和样式

color选择	示例
八种默认缩写	b(bllue),g(green),r(red),c(cyan),m(magenta),y(yellow),k(black),w(white)
灰色阴影	color=‘数字’
html十六进制	color=‘#FFOOFF’ 颜色代码
RGB元组	color=(1,2,3)

maker选择	样式
‘.’	point
‘,’	pixel
‘o’	circle
‘v’	triangle_down
‘^’	triangle_up

若不加**maker=**则只有点，没有线

线型	代码
实线	‘-‘
虚线	‘–’
点划线	‘-.’
点线	‘:’

样式字符串：颜色点型线型，如‘ro–’表示红色圆点虚线

用面向对象的方式

matplotlib对象	简介
FigureCanvas	画布
Figure	图
Axes	在Figure上生成的坐标轴，实际画图的地方

画子图

方法一：用面向对象的方式

1. fig=plt.figure() #生成一个一个Figrue实例，即画图对象，可添加Axes实例
2. ax=fig.add_subplot(111) #生成Axes实例，即一个坐标轴对象
   参数一：子图总函数
   参数二：子图总列数
   参数三：子图位置

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(1,100)

fig=plt.figure()
ax1=fig.add_subplot(221)
ax1.plot(x,x)

ax2=fig.add_subplot(223)
ax2.plot(x,-x)

ax3=fig.add_subplot(122)
ax3.plot(x,x*x)

plt.show()

方法二： 用pyplot中简单的函数画子图(可交互)
用plt.subplot(111)#参数一：子图总函数；参数二：子图总列数；参数三：子图位置

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(1,100)
plt.subplot(221)
plt.plot(x,x)

plt.subplot(223)
plt.plot(x,-x)

plt.subplot(122)
plt.plot(x,x*x)
plt.show()

生成多张图

区别于一张图生成多个子图
fig1=plt.figure()
fig2=plt.figure()
生成多个plt.figure()实例

x=np.