matplotlib简要画图

前言

对于普通用户，使用一次性画图能很快的学习、完成一般场景下作图。
下面是两个简单的例子：

一次性作图

import matplotlib.pyplot as plt
plt.bar(['a','b','c','d','e'], [20,30,10,50,40], color=['b','c','g','k','m'], alpha = .7)
plt.show()

面向对象作图

fig = plt.figure()
ax1 = fig.add_subplot(211)
ax1 = plt.bar(['a','b','c','d','e'], [20,30,10,50,40], color=['b','c','g','k','m'], alpha = .7)
fig.show()

结论

面向对象作图会显得复杂一些，做出来的图也不太尽人意，当然图是可以调整的。对于普通用户，我推荐使用一次性画图。

作图基本步骤

1.获得数据、确定作图类型
2.作图
3.调整图(加标签，调大小，调标度… （调整图的函数基本通用）
4.显示图、保存图

图类型：

折线图plot、散点图scatter、直方图hist、柱状图bar、饼状图pie、颜色图colorbar

通用调整函数：plt.function

用法见实例

function	说明	备用栏
figure(figsize=[w,h])	调整图像大小，此函数必须放在作图函数前	w:宽度、h:高度
title(‘title’)	设置图的标题	title可改为任意字符，中文显示不了
xlabel(str, fontsize, color)	设置x轴的标签	str:x轴标签、fontsize:字体大小、color:颜色
ylabel(str, fontsize, color)	设置y轴的标签	str:y轴标签、fontsize:字体大小、color:颜色
xlim(min, max)	设置x轴的范围	min:最小值、max:最大值
ylim(min, max)	设置y轴的范围	min:最小值、max:最大值
axis(‘off’)	隐藏坐标轴	none
xticks([], rotation = 45)	隐藏x坐标刻度,旋转x坐标刻度45度	[]为空列表就是隐藏的意思、rotation:旋转角度
xticks([], rotation = 45)	隐藏y坐标刻度,旋转y坐标刻度45度	[]为空列表就是隐藏的意思、rotation:旋转角度
grid(True)	显示网格	none
xscale(‘linear|log|symlog|logit’)	设置x刻度数字的显示方式	任意填一个就行
yscale(‘linear|log|symlog|logit’)	设置y刻度数字的显示方式	任意填一个就行
axhline(y)	在y=y处画一条线	none
axvline(y)	在x=x处画一条线	none
legend(loc = ‘best|[upper] left |right’)	显示标识	best自动调整、left左边显示、right右边显示、upper left不记得什么意思了

各图类型作图实例：

折线图1_plot

默认：

调整后：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(1,21,1)  ##产生随机数据
y = np.random.randint(1,50,20)  ##产生随机数据
#plt.figure(figsize=[8,4]) ##调整图的大小
plt.plot(x,y,label='add_label')  ##基本步骤：作图
#plt.title("plot")  ##添加标题
#plt.xlabel('x_axis',fontsize=20,color='c')  ##添加x轴信息
#plt.ylabel('y_axis',fontsize=10,color='g')  ##添加y轴信息
#plt.xlim(0, 20)  ##设置x轴范围
#plt.ylim(-10, 55)  ##设置y轴范围
##plt.axis('off')  ##不显示坐标轴
#plt.xticks(rotation = 45)  ##x坐标轴刻度标签旋转45度
#plt.yticks(rotation = -45)  ##y坐标轴刻度标签旋转45度
#plt.grid(True)  ##显示网格
#plt.xscale('linear')  ##设置x坐标轴刻度数的显示形式
#plt.yscale('linear')  ##设置y坐标轴刻度数的显示形式
#plt.axhline(20)  ##画水平线
#plt.axvline(10)  ##画垂直线
#plt.legend(loc = 'best')  ##自动找到最佳位置显示线标识
plt.show()  ##显示图片

折线图2_plot（plot也可以画出散点图）

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1,21,1)
y = np.random.randint(1,50,20)
plt.plot(x,y,'*')  ##设置样式为*状
plt.show()

折线图3_plot

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1,21,1)
y1 = np.random.randint(1,50,20)
y2 = np.random.randint(1,50,20)
plt.plot(x,y1,'-',x,y2,'--')  ##plot可以同时画多组线,最好还是分开画(用两次plot)
#plt.plot(x,y1,'-')
#plt.plot(x,y2,'--')
plt.show