三 matplotlib绘图基础函数总结

matplotlib简介

matplotlib 是一个 python 绘图库，其设计理念是能够用轻松简单的方式生 成强大的可视化效果，只需几行代码即可生成绘图，直方图，功率谱，条形 图，错误图，散点图等，是数据分析核心库之一。
matplotlib 中应用最广的 是 matplotlib.pyplot 模块。

下图就是matplotlib绘图的基本流程，我们对于matplotlib.pyplot模块的函数讲解基于此流程进行：

流程一

创建画布

函数	作用
plt.figure(num=None, figsize=None, dpi=None)	(1)num:可以将该num:窗口的身份标识。如果不提供该参数，则创建窗口的时候该参数会自增，如果提供的话则该窗口会以该num为Id存在。（2）figsize:可选参数，英寸单位的宽和高的数组。默认值为 [6.4, 4.8]（3）dpi：可选参数，整数。表示该窗口的分辨率，默认值为100。

创建子图

函数	作用
fig,axes = subplots(nrows=1, ncols=1, sharex=False, sharey=False)	(1)创建一个画布 (2)nrows,ncols分别代表创建的子图的行数和列数,默认值为1 (3)sharex,sharey参数：bool 或{‘none’, ‘all’, ‘row’, ‘col’} (4)返回值fig为画布的身份标识，axes代表了子图
axes = fig.add_subplot( *args, **kwargs)	此函数不能创建画布，使用前应先创建画布（fig代表画布变量），例：axes = fig.add_subplot(3,3,2)表示将画布分为3行3列的子图，选择第2个子图并返回该子图的身份标识

sharey与sharex的参数相同，以sharex为例：

sharex	含义
True或all	代表所有子图共享x轴
row	代表每行子图共享一个x轴
False或none	每个子图的x轴都是独立的
col	每列子图共享一个x轴

流程一完成，案例展示一下：

import matplotlib.pyplot as plt


#创建画布
fig = plt.figure(figsize = [5,4],dpi = 100)
print('fig画布的身份标识{}'.format(fig))

#使用add_subplot创建子图
axes = fig.add_subplot(3,3,5)
axes.set_title('number ten')

#使用subplots创建画布和子图
fig2,axes = plt.subplots(nrows = 2,ncols = 2)
axes[0,1].set_title('number two')
print('fig2画布的身份标识{}'.format(fig2))

plt.show()

效果图

流程二

大的框架我们已经准备好了，接下来就是给画布或者子图进行画图表，并添加细节。
首先是图表的标题，横纵轴的刻度，范围，名称等

函数	作用
plt.title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)	(1)label 是要设置的标题文本 (2)fontdict 可选参数，用于设置标题的字体属性，例如字体名称、大小、颜色等。(3)loc 参数用于指定标题的位置，可以使用字符串（ ‘left’、‘center’、‘right’等）或数字表示。(4)pad 参数用于指定标题与图形边界之间的距离。
plt.xlabel(xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)和plt.ylabel	(1)xlabel：x轴的名称 (2)fontdict 可选参数，用于设置x轴名称的字体属性 (3)x轴名称与图形边界之间的距离 (4)loc 参数用于指定标题的位置
plt.xlim(*args, **kwargs)和plt.ylim	显示或设置x轴的范围，若不填参数，函数返回x轴的左右范围。填参数表示设置x轴的表示范围。例plt.xlim（-1,2），plt.xlim（left = -1），plt.xlim（right = 2）
plt.xticks(ticks=None, labels=None, *, minor=False, **kwargs)和plt.yticks	(1)ticks：x轴刻度位置的列表 (2)labels：放在指定刻度位置的标签文本。当ticks参数有输入值，该参数才能传入参数 (3)minor:默认值就是按照ticks给定列表进行显示刻度，为True时ticks将不起效果，刻度由系统选择
plt.legend(title,loc,frameon)	(1)title:图例的标题 (2)loc：图例在图表中的位置 (3)frameon：设置是否含有边框。都为可选参数

上表中的ontdict是一次性设置多个属性值，然后传入多个函数，就可以控制多个函数的字体属性
例如：

fontdict = {'fontsize': 10, 'family': ['serif','SimSun'],'weight':'bold'}
ax.set_ylabel(label, fontdict=fontdict)

接着我们进行绘制折线，散点，柱状等图表

color	说明	color	说明
‘b’	蓝色	‘m’	洋红色
‘g’	绿色	‘y’	黄色
‘r’	红色	‘k’	黑色
‘c’	青绿色	‘w’	白色
‘#008000’	RGB某颜色

linestyle	说明
‘-‘	实线
‘–’	破折线
‘-.’	点划线
‘:’	虚线
’ ’ ’ ‘	无线条

marker	说明	marker	说明
‘.’	点标记	‘1’	下三角标记
‘,’	像素标记（极小点）	‘2’	上三角标记
‘o’	实心圈标记	‘3’	左花三角标记
‘v’	倒三角标记	‘4’	右花三角标记
‘^’	上三角标记	’s’	实心方形标记
‘>’	右三角标记	‘p’	实心五角标记
‘<’	左三角标记	‘*’	星形标记
‘h’	竖六边形标记	‘d’	瘦菱形标记
‘H’	横六边形标记	‘|’	垂直线标记
‘+’	十字标记	‘D’	菱形标记
‘x’	x标记

函数	作用
plt.plot((x, y, color,linestyle,marker, markerfacecolor,markersize)	折线图常用的参数：(1)x,y为输入列表，依据x,y的画出折线图 (2)color：控制颜色 (3)linestyle：线条风格 (4)marker：标记风格 (5)markerfacecolor：标记颜色 (6)markersize：标记尺寸
plt.bar(x, height, width=0.8, bottom=None, *, align=‘center’, data=None, **kwargs)	柱状图(1)x：柱子在x轴上的坐标。注意x可以为字符串数组！ (2)height：柱子的高度，即y轴上的坐标 (3)width：柱子的宽度。浮点数或类数组结构。默认值为0.8。(4)bottom：柱子的基准高度。浮点数或类数组结构。默认值为0。(4)align：柱子在x轴上的对齐方式.取值{‘center’, ‘edge’}，默认为’center’。‘center’：x位于柱子的中心位置。‘edge’：x位于柱子的左侧。如果想让x位于柱子右侧，需要同时设置负width 以及align=‘edge’。color：柱子的填充色.hatch：柱子填充符号
plt.pie(x, labels=,autopct=,colors)	饼状图：(1)x:数量，自动算百分比 (2)labels:每部分名称 (3)autopct:占比显示指定%1.2f%% (4)colors:每部分颜色
plt.scatter(x, y, s=20, c=‘b’, marker=‘o’, alpha=None, )	散点图：x，y：将要绘制的数据，s:表示一个点的大小，可以为一个数或者数组，c:颜色，可为数组，marker:标记样式，alpha:点的透明度

流程三

图像的保存与显示

函数	作用
plt.show()	显示绘制的图表
plt.savefig(fname, dpi=None )	fname：指定格式图片或者指定文件位置 dpi：画质

如果plt.show() 在plt.savefig()前，就会导致保存图片是空白的情况。

其它函数与注意事项

注意事项

（1）在画布上使用子图进行标题，x,y轴的刻度，范围，名称等设置时可能会出现以下报错TypeError: 'Text' object is not callable
检查你的代码如下

axes.title('number ten')

改为

axes.set_title('number ten')

就行了。因为title和set_title是matplotlib的两种接口，对于子图只能使用set_title的接口，其它的函数也类似加上set_
（2）在上面忘了介绍网格化，这里补充一下
plt.grid(visible=None, which=‘major’, axis=‘both’, **kwargs)

函数	作用
visible	可选参数，布尔值；是否显示网格线，若设置了网格线的关键字参数，则表明要设置网格线且可见；默认visible=None 则网格线不可见
which	可选参数，要操作的网格线类型：‘major’, ‘minor’, ‘both’,默认取值： major，绘制主要刻度网格线
axis	可选参数，要操作哪个轴的网格线：‘x’, ‘y’, ‘both’,默认： both ，同时绘制x轴和y轴网格线
alpha	网格线透明度
color	网格线颜色
linestyle	网格线线条类型
linewidth	网格线线条粗细

（3）中文不显示问题，只需要加上

plt.rcParams["font.sans-serif"]=["SimHei"] #设置字体
plt.rcParams["axes.unicode_minus"]=False #该语句解决图像中的“-”负号的乱码问题

3D图表

首先，我们先创建3D对象

#方法一，利用关键字
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定义坐标轴
fig = plt.figure()
ax1 = plt.axes(projection='3d') #直接在画布上创建
ax = fig.add_subplot(111,projection='3d')  #多个子图的3D图表


#方法二，利用三维轴方法
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

#定义图像和三维格式坐标轴
fig=plt.figure()
ax2 = Axes3D(fig)

这里创建3D对象的第二种方法个人感觉不如第一种方法好用，下面的例子基于第一种方法实现

from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
x = np.array([i for i in range(10)])
y = np. array([i for i in range(10)])
z = 3*x+y

#定义坐标轴
fig = plt.figure()
#3D折线图
ax = fig.add_subplot(2,2,1,projection = '3d' ) #多个子图的3D图表
ax.set_title('one')
ax.plot3D(x,y,z)
#3D散点图
ax = fig.add_subplot(2,2,2,projection = '3d' ) #多个子图的3D图表
ax.set_title('two')
ax.scatter3D(x,y,z)
#3D散点图的第二种写法
ax =fig.add_subplot(2,2,3,projection = '3d' ) #多个子图的3D图表
ax.set_title('four')
ax.scatter(x,y,z)
plt.show()

结尾

整理这些东西真是不容易，希望能帮到大家，也希望大家能多多支持