Python-matplotlib从入门到精通：线型图、柱状图、散点图、直方图完整教程

---

一、线型图

性图是最基本的图表类型，常用于绘制连续的数据。通过绘制线形图，可以表现出数据的一种趋势变化。 Matplotlib 的 plot（X,Y）用来绘制线形图，在参数中传入 X 和 Y 的坐标即可。其中，X 和 Y 轴坐标的数据格式可以是列表、数组和Series. 例 1：坐标数据格式为 series

import numpy as np 
import matplotlib.pyplot as plt 
import pandas as pd 
data={'name':['Tom','Peter','Lucy','Max'], 
 'sex':['female','female','male','male'], 
 'math':[78,79,83,92], 
 'city':['北京','上海','广州','北京'] 
 } 
df=pd.DataFrame(data) 
print(df) 
#DataFrame 数据的行索引作为 X 轴，math 列索引作为 Y 轴
plt.plot(df.index,df['math'],color='red',linestyle='-',linewidth=3,mark
er='D') 
#通过 plot 函数的 color 参数可以指定线条的颜色，linestyle 参数可以指定线条的
形状，linewidth 参数可指定线条的宽度，marker 参数可对坐标点进行标记（默认情况
下，坐标点是没有标记的），
plt.show()

结果：

绘制的线性图：

注意：颜色设置要放在线条和点的样式的前面，颜色、线条和点的样式可以放置于格式字符串。
如:plt.plot(df.index,df[‘math’],‘co-’) 运行结果如下：

二、柱状图

1、引入库

代码如下（示例）：
1、matplotlib 的 bar 函数绘制柱状图:
bar 函数的 color 参数可以设置柱状图的填充颜色， alpha 参数可以设置透明度，

import matplotlib.pyplot as plt
data=[23,85,72,43,52]
plt.bar([1,2,3,4,5],data,color='royalblue',alpha=0.7) 
plt.show()

运行结果：

2、刻度与标签：

现实中的柱状图的 X 轴是有刻度标签的，上述实例中未设置。在 matplotlib 中，通过 xticks 函数 设置图标的 X 轴的刻度和刻度标签，yticks 函数设置 y 轴的刻度和标签。通过 xlabel 和 ylabel 方法给 X 轴和 Y 轴添加标签，通过 title 方法为图表添加标题
例如：

import numpy as np
import matplotlib.pyplot as plt
data1=[23,85,72,43,52]
labels=['A','B','C','D','E']
plt.xticks(range(len(data1)),labels) #设置刻度和标签
plt.xlabel('Class') #plt.xlabel、ylabel、title 方法分别给 X 轴和 Y 轴，
图标题添加标签。
plt.ylabel('Amounts')
plt.title('Example')
#plt.bar(range(len(data1)),data)
plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7)
plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)
plt.show()

运行结果：

3、图例

图例是标识图表元素的重要工具，在 bar 函数中传入 label 参数表示图例名称，通过 legend 函数即可绘制出图例。

data1=[23,85,72,43,52]
data2=[42,35,21,16,9]
width=0.3
plt.bar(np.arange(len(data1)),data1,width=width,label='one')
plt.bar(np.arange(len(data2))+width,data2,width=width,label='two')
plt.legend() 
plt.show()

运行结果：

4、文本注解

例如：在柱状图中加入文本数字，可以很清楚的知道每个类别的数量。通过 text函数可以在指定的坐标（x,y）上加入文本注释

data=[23,85,72,43,52]
labels=['A','B','C','D','E']
plt.xticks(range(len(data)),labels) #设置刻度和标签
plt.xlabel('Class') 
plt.ylabel('Amounts')
plt.title('Example')
plt.bar(range(len(data)),data)
for x,y in zip(range(len(data)),data):
plt.text(x,y,y,ha='center',va='bottom') #文本注解 # 第一个参数是
x 轴坐，# 第二个参数是 y 轴坐标，# 第三个参数是要显式的内容
plt.show()

三、散点图

Matpltlib 中 scatter 函数可以用来绘制散点图，传入 X 和 Y 轴坐标。Scatter(X,Y)利用 Numpy 创建一组随机数

import numpy as np
import matplotlib.pyplot as plt
X=np.random.randn(100)
Y=np.random.randn(100)
plt.scatter(X,Y,color='red',marker='D')
plt.show()

运行结果：

四、直方图

matplotlib 的 hist(）函数用来绘制直方图。
直方图与条形图的区别： 直方图是用面积表示各频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其宽度与高度均有意义； 条形图（柱状图）是用条形的长度表示各类频数的多少，其宽度是固定的。 由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图是分开排列；条形图主要是用于展示分类数据，而直方图则主要用于展示数据型数据。

x=np.random.normal(size=100)
plt.hist(x,bins=30)

5、自定义设置

Matplotlib 的图像位于 Figure 对象中，实际上就是创建了一个空的图像窗口。可通过 figure 函数可以创建一个新的 Figure，用于绘制图表

fig=plt.figure(figsize=(10,6)) #figsize 参数可以设置图表（整个图）的长
宽比
ax1=fig.add_subplot(2,2,1) #不能通过空 figure 绘图，必须用 add_subplot
()创建一个或者多个子 subplot 绘图区才能绘图 
#意思是：绘制 2*2 两行两列共 4 个子 subplot 图像
ax2=fig.add_subplot(2,2,2) #在创建 Figure 对象过程中，通过 add_subplot
函数创建子图，用于绘制图形
ax3=fig.add_subplot(2,2,3)
years=[1950,1960,1970,1980,1990,2000,2010]
gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]
ax1.scatter(years,gdp) #选用不同的 ax 变量，则可以在对应的 subplot 子图
中绘图（散点图、线形图、柱状图）
ax2.plot(years,gdp)
ax3.bar(years,gdp)

plt.subplots 可以轻松的创建子图，而 axes 的索引类型类似于二维数组，这样就可以对指定的子图进行绘制。Subplot 函数中有 3 个参数：垂直绘图的数量、水平绘图的数量以及表示绘图位置的索引（基于行进行计算）

fig,axes=plt.subplots(2,2,figsize=(10,6)) 
axes[1,0].plot(years,gdp)
axes[0,0].scatter(years,gdp)
axes[0,1].bar(years,gdp)
axes[1,1].hist(years,gdp)

例如：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

注意：当没有设置 figsize 时，创建多子图会显得拥挤。通过 plt…subplot_adjust 方法可以设置子图的间距修改子图之间的间距（增加额外的空间以调整两个子图之间的距离）
subplots__adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None) ，其中前 4 个参数用于设置 subplot 子图的外围边距，wspace 和 hapace参数设置用于设置 subplot 子图间的边距。