Matplotlib学习笔记

Matplotlib 基础的使用方法（初学笔记）

在进行画图前，需要对matplotlib.pyplot 进行导入
方法如下：

from matplotlib import pyplot as plt 

1. 折线图

plt.plot默认是一个2D的折线，画图时返回一个line对象
直接使用时需要如下：

plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

让图片显现出来
plt.show()
实例为：

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.plot(x_age,y_salary)
plt.show()

以上是最基础的使用，如果仅仅是把数据plot出来，而不考虑颜色和线的形式等等，那么这样即可，但是如果希望图片能够有不同的形状，接下来可以更改一些plot里面的参数：

坐标轴：

plt.axis()

如果针对以上的坐标轴觉得不太合适，可以通过plt.axis()方法进行更改，输入的参数格式如下：
[xmin, xmax, ymin, ymax]

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.plot(x_age,y_salary)
plt.axis([10,50,5000,200000])
plt.show()

这样，更改了坐标轴的系数之后就整个的改变了图片的呈现形式，但本质上没有改变。

折线的形式（如颜色、点和线的形式）

根据matplotlib官方的文档，更改line2D对象的marker形式，只需要在画图时：

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.plot(x_age,y_salary,linestyle="--",color="g"，marker="<")
plt.show()

这样就呈现出了如上的形式，
linestyle这一个参数代表了线型，color这一个参数代表了线的颜色,marker代表了点的显示，

详细参数更多的可以从matplotlib官方地址库查询到
当更加熟练后，可以浓缩操作

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.plot(x_age,y_salary,"<g--")
plt.show()

出来的效果与之前是一致的，参数的输入格式是
[marker][color][linestyle]

添加图例

与更改线型、颜色和点一样，有两种方法，适用于当有多条线放在一起时，辨识用。

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.plot(x_age,y_salary,"<g--",label ="age_salary")
plt.legend()
plt.show()

可以看到左上角多了一个图例`

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
y_salary_2 = [i/2 for i in y_salary]
plt.plot(x_age,y_salary,"<g--",label ="age_salary")
plt.plot(x_age,y_salary_2 ,label="age_salary/2")
plt.legend()
plt.show()

第二种方法就是，

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
y_salary_2 = [i/2 for i in y_salary]
plt.plot(x_age,y_salary,"<g--")
plt.plot(x_age,y_salary_2 )
plt.legend(["age_salary","age_salary/2"])
plt.show()

效果一致

设置相关的属性

1. x、y轴的标签

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.plot(x_age,y_salary,"<g--",label ="age_salary")
plt.legend()
plt.xlabel("age")
plt.ylabel("salary")
plt.title("Age-salary")
plt.show()

得到的效果如下：

可以清楚地看到，X/Y坐标轴都加上了对应的标签，且这个坐标系的标签也同样有了标签。

2. 更改坐标轴上的属性

在前图的基础上，发现其x/y坐标轴间隔有点大，过于模糊，可以通过plt.xticks来进行更改

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.plot(x_age,y_salary,"<g--",label ="age_salary")
plt.legend()
plt.xlabel("age")
plt.ylabel("salary")
plt.title("Age-salary")
plt.yticks(np.linspace(0,150000,5),labels =["one","two","three","four","five"])
plt.show()

plt.yticks()可以输入两个参数，第一个是要将刻度放在数据范围中的哪些位置，缺省情况下位置的值就是刻度标记的值 。第二个labels就是用对应的标签来盖住相关的值，此外还可以输入rotation，这样显示的标签可以进行旋转。

x轴同理

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.plot(x_age,y_salary,"<g--",label ="age_salary")
plt.legend()
plt.xlabel("age")
plt.ylabel("salary")
plt.title("Age-salary")
plt.yticks(np.linspace(0,150000,5))
plt.show()

这个是没有用标签覆盖的图

柱形图

基本使用

x_age = [20,21,22,23,24,25,26,27,28,29]
y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
plt.bar(x_age,y_salary)
plt.xlabel("age")
plt.ylabel("salary")
plt.title("Age-salary")
plt.show()

除了用的是bar的按钮，基本没啥差别，当然，如果有多种数据想要一起展现，那也是非常简单的。

多列数据一同展示

x_age = [20,21,22,23,24,25,26,27,28,29]

y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
y_salary_2 = [i/2 for i in y_salary]
x_index = np.arange(len(x_age))
width = 0.25
plt.bar(x_index+width,y_salary_2,width=width)
plt.bar(x_index,y_salary,width=width)
plt.xlabel("age")
plt.ylabel("salary")
plt.title("Age-salary")
plt.show()

把宽度设置一下即可，其他大致相同，color和label都和折线图一样设置

horizontal bar

想横着展示：

y_salary = [10000,20000,30000,40000,50000,60000,70000,80000,90000,100000]
y_salary_2 = [i/2 for i in y_salary]
x_index = np.arange(len(x_age))
height = 0.25
plt.barh(x_index+height,y_salary_2,height=height)
plt.barh(x_index,y_salary,height=height)
plt.xlabel("age")
plt.ylabel("salary")
plt.title("Age-salary")
plt.show()

饼图Pie Chart

slice = [100,80,60,50,40]

label = ["A","B","C","D","E"]
explode = [0.1,0,0,0,0]
plt.pie(slice,labels=label,explode=explode,shadow=True,
        startangle=90,autopct="%1.1f%%",wedgeprops={"edgecolor":"black"})
plt.title("Pie chart")
plt.show()  

同上，直接用plt.pie进行画图，只需要调整参数即可
labels参数就是给饼图的那个部分贴标签，按照slice传输进去的顺序
explode顺序也是一样，其作用是让某一个部分凸出显示
shadow是有阴影效果
startangle是指一开始左上角那个部分呈现多少度，我这里设置的90度，
autopct则是显示百分数，
wedgeprops是让每个块之间显示分界线