Python--绘图--帮助你更容易的实现文件操作自动化(1)

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

我们导入了一个所需要用到的类，并将它重新换了一个简短一点的名字，随后我们定义了一个列表，后续用于可视化图表的时候用的上。

plt.style.use(‘seaborn’)，这里我们设置了他的一个样式，网格状的样式，后续看效果！

fig, ax = plt.subplots()，这里我们用到了两个变量，两个变量起什么样的作用，代码注释写明白了哦，这里的变量是可变的，唯一的就是函数subplots()，这个函数可以帮助我们绘图                       ax.plot(numbers)，我们使用plot方法，这个方法没有特别的意义，根据我们给定的数据进行有意义的绘制

plt.show()，查看我们绘制的图表

图是绘制出来了有点单一，我们改改其他的参数

修改线条的粗细，给坐标轴赋予名字

我们使用上述的代码稍作修改，将一个列表的数改成另一个列表的平方数，看看折线图能否准确的标出对应的值：

import matplotlib.pylab as plt

numbers = [1, 2, 3, 4]

numbers_1 = [1,4,9,16]

可视化效果

plt.style.use(‘seaborn’)#网格状

fig表示整张图片，ax表示图片中的各个图标,subplots()函数在一张图片中绘制一个或多个图标

fig, ax = plt.subplots()

根据值来绘制一张有意义的图,linewidth线条粗细,number显示横坐标，numbers_1显示竖坐标

ax.plot(numbers,numbers_1, linewidth=3)

修改标签文字,给坐标加上标签

ax.set_title(‘收益’, fontsize=20, fontproperties=“SimHei”)

ax.set_xlabel(‘值’, fontsize=14, fontproperties=“SimHei”)

ax.set_ylabel(‘值的平方’, fontsize=14, fontproperties=“SimHei”)

设置刻度标记大小

ax.tick_params(axis=‘both’, labelsize=14)

plt.show()

我们定义了两个列表，所以要想两个列表都显示出来，我们要在plot方法中体现出来，在plot方法中我们呢使用了一个参数linewidth，这个参数是可以随意调制，改变线条粗细。

set_title(图表的标题)、set_xlabel(X轴的标题)、set_ylabel(Y轴的标题)，因为这些都是图标的一种所以都使用ax来点上这些方法。fontproperties="SimHei"这个是当你得图表中汉字显示不出来的时候使用这个参数就可以显示出来了。

ax.tick_params(axis=‘both’, labelsize=14)，这个也没有什么特别的意义，用于设置刻度的样式

散点图

===

散点图我们用到了不一样的方法，scatter()

散点图与折线图写法其实相差不大，就是所用到的函数 方法不一样！

plt.style.use(‘seaborn’)

fig, ax = plt.subplots()

ax.scatter(2,4,s=200)

plt.show()

(2,4,s=200)，这里面的2,4是坐标，s=200是点的大小哦，其他的与折线图并无区别

我们绘制多一点的点！！！

#使用scatter()绘制一系列的点

x_values = [1, 2, 3, 4]

y_values = [1, 4, 9, 16]

可视化效果，网格状

plt.style.use(‘seaborn’)

fig表示整张图片，ax表示图片中的各个图标,subplots()函数在一张图片中绘制一个或多个图标

fig, ax = plt.subplots()

设置一个点，也叫散点式，2,4为坐标，s=200为点的大小，s是scatter的一个参数

ax.scatter(x_values, y_values, s=200)

修改标签文字,给坐标加上标签

ax.set_title(‘收益’, fontsize=20, fontproperties=“SimHei”)

ax.set_xlabel(‘值’, fontsize=14, fontproperties=“SimHei”)

ax.set_ylabel(‘值的平方’, fontsize=14, fontproperties=“SimHei”)

设置刻度标记大小

ax.tick_params(axis=‘both’, labelsize=14)

plt.show()

这里大家明白了吧，所谓的散点图与折线图，大部分代码都是类似的，只是所用的函数方法不一样。

最后我们来学习如何自动的写入数据。

比如我手上有1000个数，我要X轴与Y轴对应的平方值一一对应，我怎么样把它绘制成图呢？

自动计算数据并绘点、自定义颜色

x_values = range(1,1001)

y_values = [x**2 for x in x_values]

可视化效果

plt.style.use(‘seaborn’) # 网格状

fig表示整张图片，ax表示图片中的各个图标,subplots()函数在一张图片中绘制一个或多个图标

fig, ax = plt.subplots()

设置一个点，也叫散点式，2,4为坐标，s=200为点的大小，c、s是scatter的一个参数，c是颜色，s是大小

ax.scatter(x_values, y_values,c= ‘k’, s=20)

也可以RGB颜色模式自定义三个数为0~1

ax.scatter(x_values, y_values,c=(0.9,0.0,0.8) ,s=20)

#颜色映射,了解更多看https://matplotlib.org/stable/tutorials/colors/colors.html

ax.scatter(x_values, y_values,c=y_values,cmap=plt.cm.Blues ,s=20)

修改标签文字,给坐标加上标签

ax.set_title(‘收益’, fontsize=20, fontproperties=“SimHei”)

ax.set_xlabel(‘值’, fontsize=14, fontproperties=“SimHei”)

ax.set_ylabel(‘值的平方’, fontsize=14, fontproperties=“SimHei”)

设置刻度标记大小

ax.tick_params(axis=‘both’, labelsize=14)

坐标的取值范围，axis要求提供四个值，min-max，X轴Y轴都要

ax.axis([0,1100,0,1100000])

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！