1、认识Matploblib
Matplotlib 是Python中类似 MATLAB 的绘图工具，熟悉 MATLAB 也可以很快的上手 Matplotlib。
1.1、Figure
在任何绘图之前，我们需要一个Figure对象，可以理解成我们需要一张画板才能开始绘图。
from matplotlib import pyplot as plt
#在任何绘图之前，我们需要一个Figure对象，可以理解成我们需要一张画板才能开始绘图。
fig = plt.figure()
1.2、Axes
在拥有Figure对象之后，在作画前我们还需要轴，没有轴的话就没有绘图基准，所以需要添加Axes。也可以理解成为真正可以作画的纸。
import numpy as np
from matplotlib import pyplot as plt
#在任何绘图之前，我们需要一个Figure对象，可以理解成我们需要一张画板才能开始绘图。
fig = plt.figure()
ax = fig.add_subplot(111)#添加Axes的
ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='aaaa', ylabel='Y-Axis', xlabel='X-Axis')
# xlim=[0.5, 4.5] 设置X轴的最低值和最高值
# ylim=[-2, 8] 设置Y轴的最低值和最高值
# title='aaaa' 设置图的标题
# xlabel='X-Axis' 设置X轴的名称
# ylabel='Y-Axis' 设置Y轴的名称
plt.show()#展示图片
import numpy as np
from matplotlib import pyplot as plt
#在任何绘图之前，我们需要一个Figure对象，可以理解成我们需要一张画板才能开始绘图。
fig = plt.figure()
#参数的解释的在画板的第1行第1列的第一个位置生成一个Axes对象来准备作画
ax1 = fig.add_subplot(2,2,1)#添加Axes的
ax2 = fig.add_subplot(2,2,2)#添加Axes的
ax3 = fig.add_subplot(2,2,3)#添加Axes的
ax4 = fig.add_subplot(2,2,4)#添加Axes的
#2， 2会将整个面板划分成2 * 2的方格,最后一位数就是排列的顺序
plt.show()#展示图片
1.3、Multiple Axes
可以发现我们上面添加 Axes 似乎有点弱鸡，所以提供了下面的方式一次性生成所有 Axes：
import numpy as np
from matplotlib import pyplot as plt
fig, axes = plt.subplots(nrows=2, ncols=2)
#nrows=4 长为4个
#ncols=2 宽为2个
axes[0,0].set(title='Upper Left')#title='Upper Left' 设置标题
axes[0,1].set(title='Upper Right')
axes[1,0].set(title='Lower Left')
axes[1,1].set(title='Lower Right')
plt.show()#展示图
1.4、Axes Vs .pyplot
相信不少人看过下面的代码，很简单并易懂，但是下面的作画方式只适合简单的绘图，快速的将图绘出。在处理复杂的绘图工作时，我们还是需要使用 Axes 来完成作画的。
import numpy as np
from matplotlib import pyplot as plt
plt.plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3)
# [1, 2, 3, 4] X轴数据
#[10, 20, 25, 30] Y轴数据
#color='lightblue' 设置线的颜色
#linewidth=3 设置线的宽度
plt.xlim(0.5, 5)#设置X轴的总共长度,0.5起始值，5最长值
plt.ylim(1, 40)#设置Y轴的总共长度,1起始值，40最长值
plt.show()#展示图片
常用的 pyplot 函数：
plot()：用于绘制线图和散点图
scatter()：用于绘制散点图
bar()：用于绘制垂直条形图和水平条形图
hist()：用于绘制直方图
pie()：用于绘制饼图
imshow()：用于绘制图像
subplots()：用于创建子图
2、Matplotlib 绘图标记
import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([1,3,4,5,8,9,6,1,3,4,5,2,4])
plt.plot(ypoints, marker = 'o')
plt.show()
2.1、marker的样式：
2.2、fmt 参数
fmt 参数定义了基本格式，如标记、线条样式和颜色。
fmt = ‘[marker][line][color]’
import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([6, 2, 13, 10])
plt.plot(ypoints, 'o:r')
#o 表示实心圆标记，: 表示虚线，r 表示颜色为红色。
plt.show()
2.3、设置点的大小和颜色
我们可以自定义标记的大小与颜色，使用的参数分别是：
markersize，简写为 ms：定义标记的大小。
markerfacecolor，简写为 mfc：定义标记内部的颜色。
markeredgecolor，简写为 mec：定义标记边框的颜色。
import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([6, 2, 13, 10])
plt.plot(ypoints, marker = 'o', ms = 20, mec = '#4CAF50', mfc = '#4CAF50')
plt.show()
3、Matplotlib 绘图线
绘图过程如果我们自定义线的样式，包括线的类型、颜色和大小等。
3,1、线的类型
线的类型可以使用 linestyle 参数来定义，简写为 ls。
import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([6, 2, 13, 10])
plt.plot(ypoints, linestyle = 'dotted')
#plt.plot(ypoints, ls= 'dotted')
#写简写或全称都可以
plt.show()#展示图片
3,2、线的颜色
线的颜色可以使用 color 参数来定义，简写为 c。
import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([6, 2, 13, 10])
#plt.plot(ypoints, color = 'r')
plt.plot(ypoints, c = 'r')
#写简写或全称都可以
plt.show()#展示图片
4、Matplotlib 轴标签和标题
我们可以使用 xlabel() 和 ylabel() 方法来设置 x 轴和 y 轴的标签。
import numpy as np
import matplotlib.pyplot as plt
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.plot(x, y)
plt.xlabel("x - label")#x轴
plt.ylabel("y - label")#y轴
plt.show()
4.1、标题
我们可以使用 title() 方法来设置标题。
import numpy as np
import matplotlib.pyplot as plt
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.plot(x, y)
plt.title("RUNOOB TEST TITLE")#设置标题
plt.xlabel("x - label")#设置x轴
plt.ylabel("y - label")#设置y轴
plt.show()
4.1、字体中文显示（解决了中文乱码问题）
from pylab import mpl
import numpy as np
import matplotlib.pyplot as plt
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.plot(x, y)
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
plt.title("标题")#设置标题
plt.xlabel("X轴")#设置x轴
plt.ylabel("Y轴")#设置y轴
plt.show()
4.2、设置字体
可以下载网上的字体，具体方法看链接操作：https://www.runoob.com/matplotlib/matplotlib-label.html
4.2.1、字体、颜色，大小，定位设置
from pylab import mpl
import numpy as np
import matplotlib.pyplot as plt
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.plot(x, y)
# 设置显示中文字体为 "Microsoft JhengHei"（微软正黑体），要修改成为其他字体就改最后一个数据
mpl.rcParams["font.sans-serif"] =
["Microsoft JhengHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 添加标题，并设置标题字体大小为 16，颜色为蓝色，位置居中
plt.title("这是一个示例图表", fontsize=16, color='blue', loc='center')
#标题可以设置为: 'left', 'right', 和 'center'， 默认值为 'center'。
# 添加 x 轴标签，并设置字体大小为 12，颜色为绿色
plt.xlabel("X轴", fontsize=12, color='green')
# 添加 y 轴标签，并设置字体大小为 12，颜色为红色
plt.ylabel("Y轴", fontsize=12, color='red')
# top:顶部 ，bottom:底部，center:居中，baseline:基线位置
plt.xlabel("X轴", fontsize=12, color='green', loc='center')
#X轴可以设置为: 'left', 'right', 和 'center'， 默认值为 'cente
plt.ylabel("Y轴", fontsize=12, color='red', loc='center')
#Y轴可以设置为: 'bottom', 'top', 和 'center'， 默认值为 'center'。
plt.show()
4.2.2、本地所有字体查看
from matplotlib import pyplot as plt
import matplotlib
a=sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])
for i in a:
print(i)
SimSun（宋体）：是 Windows 系统中最常用的中文字体之一，适合用于正文和标签等。
SimHei（黑体）：也是 Windows 系统中常见的中文字体，适合用于标题和加粗的文字。
Microsoft YaHei（微软雅黑）：这是一种较为现代的中文字体，适合用于正文和标签等。
Microsoft JhengHei（微软正黑体）：适合用于标题和强调文字，有一些现代感。
FangSong（仿宋）：适合用于一些书法风格的标题或特殊情况下的正文。
5、Matplotlib 网格线
我们可以使用 pyplot 中的 grid() 方法来设置图表中的网格线。
grid() 方法语法格式如下：
matplotlib.pyplot.grid(b=None, which='major', axis='both', )
b：可选，默认为 None，可以设置布尔值，true 为显示网格线，false 为不显示，如果设置 **kwargs 参数，则值为 true。
which：可选，可选值有 'major'、'minor' 和 'both'，默认为 'major'，表示应用更改的网格线。
axis：可选，设置显示哪个方向的网格线，可以是取 'both'（默认），'x' 或 'y'，分别表示两个方向，x 轴方向或 y 轴方向。
**kwargs：可选，设置网格样式，可以是 color='r', linestyle='-' 和 linewidth=2，分别表示网格线的颜色，样式和宽度。
5.1、默认网格线
import numpy as np
import matplotlib.pyplot as plt
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.title("RUNOOB grid() Test")
plt.xlabel("x - label")
plt.ylabel("y - label")
plt.plot(x, y)
plt.grid()#使用默认参数的网格线，加上就有线，去掉就没有线
plt.show()
5.2、在 x 或 y 轴方向上显示网格线
axis 参数使用 x，设置 x 轴方向显示网格线，要是不写就是x和y一起显示
import numpy as np
import matplotlib.pyplot as plt
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.title("RUNOOB grid() Test")
plt.xlabel("x - label")
plt.ylabel("y - label")
# 绘制折线图，使用 x 数组作为 x 轴数据，y 数组作为 y 轴数据
plt.plot(x, y)
# 在 y 轴方向上显示网格线（要是不写这一句，就是不显示网格线）
plt.grid(axis='y')#写x就在x轴方向显示，写y就在y轴方向显示（要是里面不写就是x，y一起显示）
# 显示绘制的图表
plt.show()
5.3、设置网格线的样式
import numpy as np
import matplotlib.pyplot as plt
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.title("RUNOOB grid() Test")
plt.xlabel("x - label")
plt.ylabel("y - label")
# 绘制折线图，使用 x 数组作为 x 轴数据，y 数组作为 y 轴数据
plt.plot(x, y)
#color：'b' 蓝色，'m' 洋红色，'g' 绿色，'y' 黄色，'r' 红色，'k' 黑色，'w' 白色，'c' 青绿色，'#008000' RGB 颜色符串。
#linestyle：'‐' 实线，'‐‐' 破折线，'‐.' 点划线，':' 虚线。
#linewidth：设置线的宽度，可以设置一个数字。
plt.grid(color = 'r', linestyle = '--', linewidth = 0.5)
# 显示绘制的图表
plt.show()
6、Matplotlib 绘制多图
我们可以使用 pyplot 中的 subplot() 和 subplots() 方法来绘制多个子图。
subplot() 方法在绘图时需要指定位置，subplots() 方法可以一次生成多个，在调用时只需要调用生成对象的 ax 即可。
subplot
subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)
以上函数将整个绘图区域分成 nrows 行和 ncols 列，然后从左到右，从上到下的顺序对每个子区域进行编号 1…N ，左上的子区域的编号为 1、右下的区域编号为 N，编号可以通过参数 index 来设置。
6.1、绘制一个一行两列的图
import matplotlib.pyplot as plt
import numpy as np
from pylab import mpl
# Plot 1:
# 创建一个包含两个点的 NumPy 数组 xpoints，[0, 6] 分别代表 x 坐标的起始和终止值
xpoints = np.array([0, 6])
# 创建一个包含两个点的 NumPy 数组 ypoints，[0, 100] 分别代表 y 坐标的起始和终止值
ypoints = np.array([0, 100])
# 创建一个一行两列的子图，当前绘制第一个子图
plt.subplot(1, 2, 1)
# 绘制折线图，使用 xpoints 数组作为 x 轴数据，ypoints 数组作为 y 轴数据
plt.plot(xpoints, ypoints)
# 设置第一个子图的标题为 "plot 1"
plt.title("plot 1")
# Plot 2:
# 创建一个包含四个点的 NumPy 数组 x，[1, 2, 3, 4] 分别代表 x 坐标的四个数据点
x = np.array([1, 2, 3, 4])
# 创建一个包含四个点的 NumPy 数组 y，[1, 4, 9, 16] 分别代表 y 坐标的四个数据点
y = np.array([1, 4, 9, 16])
# 创建一个一行两列的子图，当前绘制第二个子图
plt.subplot(1, 2, 2)
# 绘制折线图，使用 x 数组作为 x 轴数据，y 数组作为 y 轴数据
plt.plot(x, y)
# 设置第二个子图的标题为 "plot 2"
plt.title("plot 2")
# 设置整个图表的总标题为 "RUNOOB subplot Test"
plt.suptitle("RUNOOB subplot 测试")
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["Microsoft JhengHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 显示绘制的图表
plt.show()
6.2、绘制一个两行两列的图
import matplotlib.pyplot as plt
import numpy as np
from pylab import mpl
# Plot 1:
# 创建一个包含两个点的 NumPy 数组 x，[0, 6] 分别代表 x 坐标的起始和终止值
x = np.array([0, 6])
# 创建一个包含两个点的 NumPy 数组 y，[0, 100] 分别代表 y 坐标的起始和终止值
y = np.array([0, 100])
# 创建一个两行两列的子图，当前绘制第一个子图
plt.subplot(2, 2, 1)
# 绘制折线图，使用 x 数组作为 x 轴数据，y 数组作为 y 轴数据
plt.plot(x, y)
# 设置第一个子图的标题为 "plot 1"
plt.title("plot 1")
# Plot 2:
# 创建一个包含四个点的 NumPy 数组 x，[1, 2, 3, 4] 分别代表 x 坐标的四个数据点
x = np.array([1, 2, 3, 4])
# 创建一个包含四个点的 NumPy 数组 y，[1, 4, 9, 16] 分别代表 y 坐标的四个数据点
y = np.array([1, 4, 9, 16])
# 创建一个两行两列的子图，当前绘制第二个子图
plt.subplot(2, 2, 2)
# 绘制折线图，使用 x 数组作为 x 轴数据，y 数组作为 y 轴数据
plt.plot(x, y)
# 设置第二个子图的标题为 "plot 2"
plt.title("plot 2")
# Plot 3:
# 创建一个包含四个点的 NumPy 数组 x，[1, 2, 3, 4] 分别代表 x 坐标的四个数据点
x = np.array([1, 2, 3, 4])
# 创建一个包含四个点的 NumPy 数组 y，[3, 5, 7, 9] 分别代表 y 坐标的四个数据点
y = np.array([3, 5, 7, 9])
# 创建一个两行两列的子图，当前绘制第三个子图
plt.subplot(2, 2, 3)
# 绘制折线图，使用 x 数组作为 x 轴数据，y 数组作为 y 轴数据
plt.plot(x, y)
# 设置第三个子图的标题为 "plot 3"
plt.title("plot 3")
# Plot 4:
# 创建一个包含四个点的 NumPy 数组 x，[1, 2, 3, 4] 分别代表 x 坐标的四个数据点
x = np.array([1, 2, 3, 4])
# 创建一个包含四个点的 NumPy 数组 y，[4, 5, 6, 7] 分别代表 y 坐标的四个数据点
y = np.array([4, 5, 6, 7])
# 创建一个两行两列的子图，当前绘制第四个子图
plt.subplot(2, 2, 4)
# 绘制折线图，使用 x 数组作为 x 轴数据，y 数组作为 y 轴数据
plt.plot(x, y)
# 设置第四个子图的标题为 "plot 4"
plt.title("plot 4")
# 设置整个图表的总标题为 "RUNOOB subplot Test"
plt.suptitle("RUNOOB subplot 测试")
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["Microsoft JhengHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 显示绘制的图表
plt.show()
6.3、subplots()
我们可以使用 pyplot 中的 subplot() 和 subplots() 方法来绘制多个子图。
subplots() 方法语法格式如下：
matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True,
subplot_kw=None, gridspec_kw=None, **fig_kw)
nrows：默认为 1，设置图表的行数。
ncols：默认为 1，设置图表的列数。
sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 ‘none’、‘all’、‘row’ 或 ‘col’。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 ‘all’：所有子图共享 x 轴或 y 轴，‘row’ 设置每个子图行共享一个 x 轴或 y 轴，‘col’：设置每个子图列共享一个 x 轴或 y 轴。
squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N1 或 1N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。
subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
fig_kw：把详细的关键字参数传给 figure() 函数。
# 导入 Matplotlib 和 NumPy 库
import matplotlib.pyplot as plt
import numpy as np
# 创建一些测试数据 -- 图1
# 使用 NumPy 的 linspace 函数在 0 到 2*pi 之间生成 400 个均匀间隔的点作为 x 坐标
x = np.linspace(0, 2*np.pi, 400)
# 计算 y 坐标，通过对 x 的平方进行正弦函数计算
y = np.sin(x**2)
# 创建一个画布和子图 -- 图2
# 创建一个画布，并在该画布上创建一个子图，ax 是 AxesSubplot 类的实例，用于绘制和设置子图的属性
fig, ax = plt.subplots()
# 在子图上绘制 x 和 y 的折线图
ax.plot(x, y)
# 设置子图的标题为 "Simple plot"
ax.set_title('Simple plot')
# 创建两个子图 -- 图3
# 创建一个画布，并在该画布上创建两个子图，其中 ax1 和 ax2 是 AxesSubplot 类的实例
# 这两个子图共享 y 轴
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
# 在第一个子图上绘制 x 和 y 的折线图
ax1.plot(x, y)
# 设置第一个子图的标题为 "Sharing Y axis"
ax1.set_title('Sharing Y axis')
# 在第二个子图上绘制 x 和 y 的散点图
ax2.scatter(x, y)
# 创建四个子图 -- 图4
# 创建一个画布，并在该画布上创建两行两列共计 4 个子图，其中 axs 是 AxesSubplot 类的实例数组
# 子图 axs[0, 0] 和 axs[1, 1] 具有极坐标投影
fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))
# 在第一个子图上绘制 x 和 y 的折线图
axs[0, 0].plot(x, y)
# 在第二个子图上绘制 x 和 y 的散点图
axs[1, 1].scatter(x, y)
# 共享 x 轴
# 创建一个画布，并在该画布上创建两行两列共计 4 个子图，这 4 个子图共享 x 轴
plt.subplots(2, 2, sharex='col')
# 共享 y 轴
# 创建一个画布，并在该画布上创建两行两列共计 4 个子图，这 4 个子图共享 y 轴
plt.subplots(2, 2, sharey='row')
# 共享 x 轴和 y 轴
# 创建一个画布，并在该画布上创建两行两列共计 4 个子图，这 4 个子图同时共享 x 轴和 y 轴
plt.subplots(2, 2, sharex='all', sharey='all')
# 这个也是共享 x 轴和 y 轴
# 创建一个画布，并在该画布上创建两行两列共计 4 个子图，这 4 个子图同时共享 x 轴和 y 轴
plt.subplots(2, 2, sharex=True, sharey=True)
# 创建标识为 10 的图，已经存在的则删除
# 创建一个新的画布，并在该画布上创建一个子图，子图标识为 10，并清除之前存在的图表
fig, ax = plt.subplots(num=10, clear=True)
# 显示绘制的图表
plt.show()
7、绘制基本2D图
7.1、折线图
plot()函数画出一系列的点，并且用线将它们连接起来。
plt.plot() 函数用于绘制折线图，它接受多个参数来控制绘图的样式和内容。下面是一些常用的参数及其作用：
x 和 y: 分别是 x 轴和 y 轴上的数据点。这些参数是必需的。
label: 给绘制的线条指定一个标签，以便后续添加图例时使用。
color: 指定线条的颜色。可以使用颜色名称（例如 'red'）或颜色代码（例如 '#FF0000'）。
linestyle: 指定线条的样式，如 '-' 表示实线，'--' 表示虚线，':' 表示点线等。
marker: 指定数据点的标记样式，如 'o' 表示圆圈，'s' 表示正方形，'^' 表示三角形等。
linewidth 和 markersize: 分别控制线条的宽度和标记的大小。
alpha: 控制线条的透明度，取值范围从 0（完全透明）到 1（完全不透明）。
markerfacecolor 和 markeredgecolor: 分别设置标记内部和边缘的颜色。
label: 设置线条的标签，用于图例的显示。
title: 设置图表的标题。
xlabel 和 ylabel: 设置 x 轴和 y 轴的标签。
legend: 添加图例，显示标签对应的线条样式。
7.1.1一条线的折线图
import matplotlib.pyplot as plt
from pylab import mpl
# 数据
x_values = [1, 2, 3, 4, 5]
y_values = [10, 15, 7, 12, 8]
# 创建折线图
plt.plot(x_values, y_values, marker='o')
# 添加标题和标签
plt.title('折线图示例')
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["Microsoft JhengHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 显示图表
plt.show()
7.1.1两条线的折线图
import matplotlib.pyplot as plt
from pylab import mpl
# 数据
x_values = [1, 2, 3, 4, 5]
y_values1 = [10, 15, 7, 12, 8]
y_values2 = [8, 12, 6, 10, 5]
# 创建折线图
plt.plot(x_values, y_values1, marker='o', label='线条1')
plt.plot(x_values, y_values2, marker='o', label='线条2')
# 添加标题和标签
plt.title('双线折线图示例')
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["Microsoft JhengHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 添加图例
plt.legend()
# 显示图表
plt.show()
7.1.1三条线的折线图
import matplotlib.pyplot as plt
from pylab import mpl
# 数据
x_values = [1, 2, 3, 4, 5]
y_values1 = [10, 15, 7, 12, 8]
y_values2 = [8, 12, 6, 10, 5]
y_values3 = [5, 9, 11, 6, 13]
# 创建折线图
plt.plot(x_values, y_values1, marker='o', label='线条1')
plt.plot(x_values, y_values2, marker='o', label='线条2')
plt.plot(x_values, y_values3, marker='o', label='线条3')
# 添加标题和标签
plt.title('三线折线图示例')
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["Microsoft JhengHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 添加图例
plt.legend()
# 显示图表
plt.show()
7.2、散点图
散点图使用plt.scatter函数
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None,
norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None,
plotnonfinite=False, data=None, **kwargs)
x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。
s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。
c：点的颜色，默认蓝色 'b'，也可以是个 RGB 或 RGBA 二维行数组。
marker：点的样式，默认小圆圈 'o'。
cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。
norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。
vmin，vmax：：亮度设置，在 norm 参数存在时会忽略。
alpha：：透明度设置，0-1 之间，默认 None，即不透明。
linewidths：：标记点的长度。
edgecolors：：颜色或颜色序列，默认为 'face'，可选值有 'face', 'none', None。
plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。
**kwargs：：其他参数。
7.2.1、普通散点图
import numpy as np
from matplotlib import pyplot as plt
x = np.arange(10)
y = np.random.randn(10)
plt.scatter(x, y, color='red', marker='+')
# # 绘制散点图，x 轴为数组 x，y 轴为数组 y，散点颜色为红色，散点形状为“+”
plt.show()
7.2.2、彩色的散点图
# 导入 Matplotlib 和 NumPy 库
import matplotlib.pyplot as plt
import numpy as np
# 创建两个 NumPy 数组 x 和 y，分别包含 [1, 2, 3, 4, 5, 6, 7, 8] 和 [1, 4, 9, 16, 7, 11, 23, 18]
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
# 创建一个包含颜色信息的 NumPy 数组 colors，包含 ["red", "green", "black", "orange", "purple", "beige", "cyan", "magenta"]
colors = np.array(["red", "green", "black", "orange", "purple", "beige", "cyan", "magenta"])
# 使用 plt.scatter() 绘制散点图
# 参数 x 和 y 分别指定 x 和 y 坐标的数据
# 参数 c 指定散点的颜色，传入颜色数组 colors
plt.scatter(x, y, c=colors)
# 显示绘制的散点图
plt.show()
7.3、柱形图
我们可以使用 pyplot 中的 bar() 方法来绘制柱形图。
bar() 方法语法格式如下：
matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)
x：浮点型数组，柱形图的 x 轴数据。
height：浮点型数组，柱形图的高度。
width：浮点型数组，柱形图的宽度。
bottom：浮点型数组，底座的 y 坐标，默认 0。
align：柱形图与 x 坐标的对齐方式，'center' 以 x 位置为中心，这是默认值。 'edge'：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align='edge'。
**kwargs：：其他参数。
7.3.1、普通柱状图
import matplotlib.pyplot as plt
import numpy as np
x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])
plt.bar(x,y)
plt.show()
7.3.2、横着的普通柱状图
注意：恒着的柱状图只能设置高度
import matplotlib.pyplot as plt
import numpy as np
x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])
#plt.bar(x,y)普通柱状图函数
plt.barh(x,y,height=0.5)#注意这里和普通柱状图用的函数不一样
plt.show()
7.3.3、单独设置每列数据的颜色
注意：竖着的柱状图只能设置宽度
import matplotlib.pyplot as plt
import numpy as np
x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])
plt.bar(x, y, color = ["#4CAF50","red","hotpink","#556B2F"],width=1)
# 颜色设置 宽度设置
plt.show()
7.4、饼图
饼图（Pie Chart）是一种常用的数据可视化图形，用来展示各类别在总体中所占的比例。
我们可以使用 pyplot 中的 pie() 方法来绘制饼图。
pie() 方法语法格式如下：
matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False,
labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0,
frame=False, rotatelabels=False, *, normalize=None, data=None)[source]
x：浮点型数组或列表，用于绘制饼图的数据，表示每个扇形的面积。
explode：数组，表示各个扇形之间的间隔，默认值为0。
labels：列表，各个扇形的标签，默认值为 None。
colors：数组，表示各个扇形的颜色，默认值为 None。
autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。
labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。
pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。
shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。
radius：：设置饼图的半径，默认为 1。
startangle：：用于指定饼图的起始角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。
counterclock：布尔值，用于指定是否逆时针绘制扇形，默认为 True，即逆时针绘制，False 为顺时针。
wedgeprops ：字典类型，默认值 None。用于指定扇形的属性，比如边框线颜色、边框线宽度等。例如：wedgeprops={'linewidth':5} 设置 wedge 线宽为5。
textprops ：字典类型，用于指定文本标签的属性，比如字体大小、字体颜色等，默认值为 None。
center ：浮点类型的列表，用于指定饼图的中心位置，默认值：(0,0)。
frame ：布尔类型，用于指定是否绘制饼图的边框，默认值：False。如果是 True，绘制带有表的轴框架。
rotatelabels ：布尔类型，用于指定是否旋转文本标签，默认为 False。如果为 True，旋转每个 label 到指定的角度。
data：用于指定数据。如果设置了 data 参数，则可以直接使用数据框中的列作为 x、labels 等参数的值，无需再次传递。
除此之外，pie() 函数还可以返回三个参数：
wedges：一个包含扇形对象的列表。
texts：一个包含文本标签对象的列表。
autotexts：一个包含自动生成的文本标签对象的列表。
7.4.1、普通饼图
import matplotlib.pyplot as plt
import numpy as np
y = np.array([35, 25, 25, 15])
plt.pie(y,
labels=['A','B','C','D'], # 设置饼图标签
colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
)
plt.title("RUNOOB Pie Test") # 设置标题
plt.show()
7.4.2、凸显某个数据的饼图
import matplotlib.pyplot as plt
# 数据
sizes = [15, 30, 45, 10]
# 饼图的标签
labels = ['A', 'B', 'C', 'D']
# 饼图的颜色
colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']
# 突出显示第二个扇形
explode = (0, 0.1, 0, 0)
#四个值代表四个块，0.1代表离开的距离
# 绘制饼图
plt.pie(sizes, explode=explode, labels=labels, colors=colors,
autopct='%1.1f%%', shadow=True, startangle=90)
# sizes: 这是一个包含各部分大小比例的列表。在你的示例中，sizes = [15, 30, 45, 10] 表示饼图中的四个部分分别占据了这些比例。
#
# explode: 这是一个元组，用于控制是否突出显示某个部分。在你的代码中，explode = (0, 0.1, 0, 0) 意味着第二个部分（B）将会被拉出一些距离，以突出显示它。
#
# labels: 这是一个包含各部分标签的列表。在你的代码中，labels = ['A', 'B', 'C', 'D'] 表示每个部分对应的名称。
#
# colors: 这是一个包含各部分颜色的列表。你在代码中使用了 colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral'] 来为每个部分指定了不同的颜色。
#
# autopct: 这是一个格式化字符串，用于在饼图中显示百分比标签。'%1.1f%%' 表示显示小数点后一位的百分比，例如 "15.0%"。
#
# shadow: 这是一个布尔值，决定是否在饼图下方显示阴影。
#
# startangle: 这是起始角度，以度数表示，决定饼图的起始位置。在你的代码中，startangle=90 表示饼图从垂直方向开始绘制，即从顶部开始。
# 标题
plt.title("RUNOOB Pie Test")
# 显示图形
plt.show()
736
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
