Python零基础 matplotlib入门（科研图形绘制绝对够用！！！）

最近在阅读一些文献时，发现很多文献中都有各种图表、折线图、离散点图等等，一些数据方面的处理都用表的方法去表示解决，感到很好奇，就去了解了相关内容，发现一切都与python的一个库有关，没错，就是我们今天的主角——matplotlib。
谈到matplotlib这个库，熟悉的伙伴们一定会惊呼，哇这个库真是太香了。
具体有多香，接下来就让我来详细介绍一下！
matplotlib是python的一个库，主要用于绘图，绘制各种坐标系图、折线图、饼状图、条形图、散点图等等，功能强大。
在我们平时用这个库时，只用到了很少的功能，但实现的结果却是十分丰富。我们主要用到matplotlib中的pyplot这个子库。即：

	from matplotlib import pyplot  #导入pyplot库

但由于名字太长，引入别名plt。

	import matplotlib.pyplot as plt

接下来所调用的函数都是plt的子库。

1 plot()

1.1 函数功能

展现自变量X随因变量Y变化的趋势变化图，一般用来绘制曲线图。

1.2 示例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1,50,20) # 生成从1开始到50结束的20个均匀数值
y = np.cos(x)
plt.plot(x,y,ls="-",color="b",label="line_name") # 设置绘图属性
plt.legend()  #使代码生效，如图例名称
plt.show() #显示图像

参数说明：
x：横坐标轴上的数字
y：纵坐标轴上的数字
ls：折线的风格
color：折线线条的颜色
lw：折线线条的宽度
label：图例的标签名字

color常用颜色简写：

简写	颜色
“b”	蓝色
“g”	绿色
“r”	红色
“y”	黄色
“k”	黑色

ls常用风格简写：

符号	含义
“-”	实线
“- -”	短线（断断续续）
“-.”	短点相间线
“:”	虚点线

lw线条宽度：对应数字值。 lw = 2

1.3 效果展示

2 scatter()

2.1 函数功能

寻找自变量X与因变量Y之间的函数关系，并绘制 散点图。

2.2 示例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(2,9,500)
y = np.random.randn(500)

plt.scatter(x,y,s=5,c="b",label="sandiantu")
plt.legend()
plt.show()

参数说明：
s:散点的大小，默认为50
c：散点的颜色，默认为蓝色

2.3 效果展示

3 xlim()

3.1 函数功能

设置最后输出结果中X轴显示的范围。

3.2 示例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(2,9,500)
y = np.random.randn(500)

plt.scatter(x,y,s=5,c="b",label="sandiantu")
plt.legend()

plt.xlim(1,9)
plt.ylim(0,1) # 显示Y轴的范围
plt.show()

参数说明：
对x轴操作plt.xlim(xmin,xmax)，同理对y轴操作plt.ylim(ymin,ymax)

xmin：x轴上的刻度最小值
xmax：x轴上的刻度最大值

3.3 效果展示

4 xlabel()

4.1 函数功能

设置x轴的标签名字

4.2 示例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.01,12,100)
y = np.cos(x)

plt.plot(x,y,ls="--",color="b",lw="2",label="test")
plt.xlabel("x_mean")
plt.ylabel("y_mean")

plt.legend()
plt.show()

参数说明：

设置坐标轴x轴文本标签xlabel(string)；设置y轴文本标签ylabel(string)

4.3 效果展示

5 grid()

5.1 函数功能

设置背景为网格刻度线的样式

5.2 示例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x, y, ls='-', lw=2, c='r', label='grid figure')
plt.legend()

plt.grid(linestyle="-", color='b')
plt.show()

参数说明：

linestyle: 网格线线条风格，：表示虚线,-表示实线

5.3 效果展示

6 axhline()

6.1 函数功能

绘制平行于x轴的水平参考线
(axvline():绘制平行于y轴的垂直参考线)

6.2 示例代码

x = np.linspace(0.1, 10, 500)
y = np.cos(x)
plt.plot(x, y, ls='-', c='c', lw=2, label='axhline figure')
plt.legend()

plt.axhline(y=0.0, c='r', ls='--', lw=1)
plt.axvline(x=2.0, c='g', ls='--', lw=1)
plt.show()

参数说明：

绘制水平参考线axhline(y=0.0,c=‘r’,ls=‘–’,lw=‘1’)
绘制垂直参考线axvline(x=2.0,c=‘g’,ls=‘–’,lw=‘1’)

y：水平参考线的y轴位置
x:：垂直参考线的x轴位置

6.3 效果展示

7 axvspan()

7.1 函数功能

区域绘制，绘制与x轴垂直的部分区域范围，可以通过颜色表示出来
( axhspan()：绘制与y轴垂直的部分区域)

7.2 示例代码

x = np.linspace(0.1, 17, 500)
y = np.sin(x)
plt.plot(x, y, ls='--', lw=2, c='c', label='axvspan figure')
plt.legend()

plt.axvspan(5, 10, facecolor='b', alpha=0.2) # 如图一结果
plt.axhspan(0.0, 0.5, facecolor='g', alpha=0.2) # 如图二结果
plt.show()

参数说明：

绘制垂直与x轴的参考区域：plt.axvspan(xmin=5,xmax=10,facecolor=‘b’,alpha=0.2)

xmin：参考区域的起始位置
xmax：参考区域的终止位置
facecolor：参考区域的填充颜色
alpha：参考区域填充颜色的透明度

7.3 效果展示

图一

图二

8 annotate()

8.1 函数功能

设置指向性文字标注

8.2 示例代码

 x = np.linspace(0.1, 10, 100)
 y = np.cos(x)
 plt.plot(x, y, ls='-.', lw=2, c='c', label='annotate figure')
 plt.legend()
 plt.annotate('minimum',  # 图形注释的文本
              xy=(3, -1.0),  # 被注释的图形内容坐标
              xytext=(5, -0.75),  # 注释文本位置坐标(左下开始)
              weight='bold',  # 注释文本字体粗细
              color='r',  # 注释文本字体颜色
              arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='r'))  # 箭头的属性

 plt.show()

参数说明：

添加图形内容细节指向性箭头注释plt.annotate(string,xy=(np.pi,-1.0),xytext=(5,-0.75),weight=‘bold’,color=‘r’,arrowprops=dict(arrowstyle=‘->’,connectionstyle=‘arc3’,color=''r))

string：注释文本内容
xy：被注释的图形位置坐标
xytext：注释的文本坐标
weight：注释的文本的粗细风格
color：注释文本的颜色
arrowprops：注释指向性箭头的属性，属性值字典里包含了箭头的类型、风格、颜色

8.3 效果展示

9 text()

9.1 函数功能

添加无指向型文本标注

9.2 示例代码

x = np.linspace(0.1, 5, 100)
y = np.tan(x)
plt.plot(x, y, ls='-.', lw=1, c='g', label='text figure')
plt.legend()
plt.text(1,2,"y=tan(x)",weight="bold",color="b")
plt.show()

参数说明：

在图中添加注释文本plt.text(x,y,string,weight=‘bold’,color=‘r’)

x：注释位置的横坐标
y：注释位置的纵坐标
string：注释的文本内容

9.3 效果展示

10 title()

10.1 函数功能

添加图表的标题

10.2 示例代码

x = np.linspace(0.1,5,100)
y = np.tan(x)
plt.plot(x,y,ls='-.',lw=1,c='c',label='title figure')
plt.legend()

plt.title('y = tan(x) figure')
plt.show()

参数说明：

添加图表标题：plt.title(string)

string：表示标题文本内容

10.3 效果展示

11 legend()

11.1 函数功能

显示图表图例，并设置图例位置

11.2 示例代码

x = np.linspace(0.1,8,100)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y,ls='-',lw=1,c='c',label='legend figure 1')
plt.plot(x,z,ls='-.',lw=1,c='r',label='legend figure 2')

plt.legend(loc='lower left')
plt.show()

参数说明：

标识图例plt.legend(loc=‘lower left’)

loc：图例在图表中的位置，值可以设置位置字符串，也可以设置位置代码编号。

位置字符串	含义	位置代码编号
“best”	自动寻找最佳位置	0
“upper right”	右上	1
“upper left”	左上	2
“lower left”	左下	3
“lower right”	右下	4
“right”	右	5
“center left”	左中	6

11.3 效果展示

好了，到这里关于matplotlib这个库的介绍基本就结束了，一个既实用又简单的库，希望对大家以后的应用有帮助。有问题可以给我留言。