快速上手Matplotlib常用API

Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。它可以生成图表、直方图、功率谱、条形图、误差图、散点图等。本文重点介绍线形图相关api的使用方法！

生成常用图型的API

• 线形图

方法plot

• 散点图

方法scatter()

• 饼图

方法pie()

• 条形图

方法bar()

更多图形展示请参考官网：

http://www.matplotlib.org.cn/tutorials/introductory/sample_plots.html#line-plot

线性plot api详解

• 基础api

实例代码
from matplotlib import pyplot as plt
y = [0.21, 0.01, 0.0, 0.9]#纵轴坐标数据
x = [1, 2,3,4] #横轴坐标数据，如果不写，默认数据就是自增1
plt.title("cpu Test")#图片标题
plt.xlabel("time(s)") #横轴文字
plt.ylabel("cpu(%)")#纵轴文字
plt.yscale('linear') #设置线性轴，包括: linear、log、symlog、logit 
plt.plot(y,color="blue",linewidth=2,marker="o",markersize=5,markerfacecolor="yellow",markeredgewidth=1,markeredgecolor="red")
plt.show() #图片展示
plt.savefig('d:\\testblueline.jpg') #保存图片到d盘

生成图形展示如下：

plt.plot参数解释如下

y是纵轴数据

color="blue" 线条显示蓝色

linewidth=2 线条宽度是2

marker="o" 节点图形是O

markersize=5 节点大小是5

markerfacecolor="yellow" 节点颜色是黄色

markeredgewidth=1 节点边缘线条宽度是1

markeredgecolor="red" 节点边缘线条颜色是红色

plt.show() 图片展示

plt.savefig('d:\\testblueline.jpg') 保存图片到d盘

• 同一张图显示多组数据并设置节点形状

实例代码
from matplotlib import pyplot as plt
import numpy as np
# 数据范围是0-5,间隔是0.5
t = np.arange(0, 5,0.5)
# 红色 --, 蓝色方块  绿色三角
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

生成图形展示如下：

• 设置坐标轴取值范围

实例代码
from matplotlib import pyplot as plt
y=[1,2,3,4,5,6,7,8,9]
plt.plot(y)
plt.ylabel('test data')
plt.ylim(1,5) 设置y轴显示的数据范围是1-5，方法xlim设置x轴显示范围
plt.show()

• 设置坐标轴显示刻度

实例代码
import numpy as np
from matplotlib import pyplot as plt
y=[1,2,3,4,5,6,7,8,9]
plt.plot(y)
plt.ylabel('test data')
plt.xticks(np.arange(0, 10, step=2)) #x轴刻度显示范围是0-10，刻度是2,y轴刻度使用plt.yticks()
plt.show()

subplot创建多个子图

在matplotlib下，一个Figure对象可以包含多个子图（Axes），可以使用subplot()快速绘制

实例代码
from matplotlib import pyplot as plt
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]
plt.figure(figsize=(9, 3)) #设置主图长款大小
plt.subplot(131) #131表示一行、三列，第一个
plt.bar(names, values)
plt.subplot(132) #132表示一行、三列，第二个
plt.scatter(names, values)
plt.subplot(133) #133表示一行、三列，第三个
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()