matplotlib.pyplot.plot教程

本文翻译官方文档 matplotlib.pyplot.plot

matplotlib.pyplot.plot

matploblib.pylob.plot(*arg, scalex=True, scaley=True, data=None, **kwargs )

绘制直线和标记点

可调用的方法：

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

点和线的坐标是基于给定的$x,y$（$x$是横坐标的数据集合，$y$是纵坐标的数据集合）

可选参数$fmt$可方便定义图形基础样式，例如：颜色（color）、标记点形状（marker）和线的风格（linestyle）。该参数传递一个短字符串，例子如下：

plot(x, y)        # 用默认的线和标记点绘制
plot(x, y, 'bo')  # 用蓝圆标记点绘制
plot(y)           # 绘制y，而x是数轴的正半轴
plot(y, 'r+')     # 同上，但是线的风格是红色+

你可以用Line2D属性（即下例的第二种）作为键来控制图形样式。Line属性和$fmt$可以混用，此时，如果二者产生矛盾，以键属性为准。后面有一个Line2D属性的表格，例子如下：

plot(x, y, 'go--', linewidth=2, markersize=12)
plot(x, y, color='green', marker='o', linestyle='dashed',linewidth=2, markersize=12)

绘制带标记的数据

有一种简便的方式代替坐标轴的数据集合绘制带标记的数据，即通过标记来绘制。此时的参数$x,y$是数据$data$的列标记。

plot('xlabel', 'ylabel', data=obj)

obj可以是任何索引对象。例如：dict、pandas.DataFrame或者结构化的numpy数组。（其实就是任何通过键值对表示的数据）

绘制多个数据集

绘制多个数据集的方法有很多

• 最直接的方法是多次调用plot方法。例如：

  plot(x1, y1, 'bo')
  plot(x2, y2, 'go')
  

• 如果x或者y是二维数组，会为其对应的列绘制图像；如果x和y都是二维的，他们形状必须是一样的。如果有一个是$R(n,m)$，另一个长度必须为n。例如：

  x = [1, 
       2, 
       3]
  y = np.array([
    		  [1, 2, 5], 
                [3, 4, 3], 
                [5, 6, 8]
               ])
  plot(x, y)
  

• 第三种方法是描述$[x],y,[fmt]$的组合：

  plot(x1, y1, 'g^', x2, y2, 'g-')
  

  在这种方法中，所有的关键字参数对任何一个数据集图像生效。并且，这种方法不能设置data参数。例如：

  x1 = [1, 2, 3]
  y1 = [2, 4, 6]
  
  x2 = [1, 3, 5]
  y2 = [3, 4, 5]
  
  plt.plot(x1, y1, 'g^-', x2, y2, 'r-o')
  

点的默认样式是不同颜色的圆，如果想不同于默认样式，fmt参数就很有必要。你也可以用rcParams["axes.prop_cycle"]改变图像样式。

Line2D属性

Property	Description
agg_filter	a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array
alpha	scalar or None
animated	bool
antialiased or aa	bool
clip_box	Bbox
clip_on	bool
clip_path	Patch or (Path, Transform) or None
color or c	color
contains	unknown
dash_capstyle	CapStyle or {‘butt’, ‘projecting’, ‘round’}
dash_joinstyle	JoinStyle or {‘miter’, ‘round’, ‘bevel’}
dashes	sequence of floats (on/off ink in points) or (None, None)
data	(2, N) array or two 1D arrays
drawstyle or ds	{‘default’, ‘steps’, ‘steps-pre’, ‘steps-mid’, ‘steps-post’}, default: ‘default’
figure	Figure
fillstyle	{‘full’, ‘left’, ‘right’, ‘bottom’, ‘top’, ‘none’}
gid	str
in_layout	bool
label	object
linestyle or ls	{’-’, ‘–’, ‘-.’, ‘:’, ‘’, (offset, on-off-seq), …}
linewidth or lw	float
marker	marker style string, Path or MarkerStyle
markeredgecolor or mec	color
markeredgewidth or mew	float
markerfacecolor or mfc	color
markerfacecoloralt or mfcalt	color
markersize or ms	float
markevery	None or int or (int, int) or slice or list[int] or float or (float, float) or list[bool]
path_effects	AbstractPathEffect
picker	float or callable[[Artist, Event], tuple[bool, dict]]
pickradius	float
rasterized	bool
sketch_params	(scale: float, length: float, randomness: float)
snap	bool or None
solid_capstyle	CapStyle or {‘butt’, ‘projecting’, ‘round’}
solid_joinstyle	JoinStyle or {‘miter’, ‘round’, ‘bevel’}
transform	matplotlib.transforms.Transform
url	str
visible	bool
xdata	1D array
ydata	1D array
zorder	float

Markers

character	description
'.'	point marker
','	pixel marker
'o'	circle marker
'v'	triangle_down marker
'^'	triangle_up marker
'<'	triangle_left marker
'>'	triangle_right marker
'1'	tri_down marker
'2'	tri_up marker
'3'	tri_left marker
'4'	tri_right marker
'8'	octagon marker
's'	square marker
'p'	pentagon marker
'P'	plus (filled) marker
'*'	star marker
'h'	hexagon1 marker
'H'	hexagon2 marker
'+'	plus marker
'x'	x marker
'X'	x (filled) marker
'D'	diamond marker
'd'	thin_diamond marker
'|'	vline marker
'_'	hline marker

Line Styles

character	description
'-'	solid line style
'--'	dashed line style
'-.'	dash-dot line style
':'	dotted line style

Colors

支持一个字母代表颜色，其他颜色可以通过mfc=#fff000格式设置

character	color
'b'	blue
'g'	green
'r'	red
'c'	cyan
'm'	magenta
'y'	yellow
'k'	black
-	-------
'b'	blue
'g'	green
'r'	red
'c'	cyan
'm'	magenta
'y'	yellow
'k'	black
'w'	white