matplotlib快速入门！

第一部分：matplotlib的安装配置

（1）anaconda安装matplotlib

conda install matplotlib

（2）查看安装是否成功

python -c "import matplotlib; print(matplotlib.__version__)"

（3）卸载matplotlib

conda remove matplotlib

第二部分：使用

导包：

import matplotlib.pyplot as plt
import numpy as np

（1）输出简单的y=x的平方单条图线

①定义x的值

arr_x1=np.linspace(-10,10,1000)
arr_x1

②定义y的值

arr_y1=arr_x1**2
arr_y1

③画图

plt.plot(arr_x1,arr_y1)
plt.show()

（2）在一张图中输出多条线（实线图）

①定义x的值

arr_x=np.linspace(0,10,1000)
arr_x

②定义y1(sin)的值

arr_y1=np.sin(arr_x)
arr_y1

③定义y2(cos)的值

arr_y2=np.cos(arr_x2)
arr_y2

④画图

plt.plot(arr_x,arr_y1)
plt.plot(arr_x,arr_y2)
plt.show()

⑤给曲线绘制颜色

plt.plot(arr_x,arr_y1,color='green')
plt.plot(arr_x,arr_y2,color='red')
plt.show()

 ⑥设置曲线的格式（实线虚线）

plt.plot(arr_x,arr_y1,color='green',linestyle=':')
plt.plot(arr_x,arr_y2,color='red')
plt.show()

⑦调整x,y的范围(方法1plt.xlim)

plt.plot(arr_x,arr_y1,color='green',linestyle=':')
plt.plot(arr_x,arr_y2,color='red')
plt.xlim(2,8)
plt.ylim(-2,2)
plt.show()

⑧调整x,y的范围(方法2plt.axis)

plt.plot(arr_x,arr_y1,color='green',linestyle=':')
plt.plot(arr_x,arr_y2,color='red')
plt.axis([2,8,-2,2])
plt.show()

前两个是x的坐标，后两个是y的坐标。

⑨给xy轴设置名字xlabel和ylabel

plt.plot(arr_x,arr_y1,color='green',linestyle=':')
plt.plot(arr_x,arr_y2,color='red')
plt.axis([2,8,-2,2])
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.show()

⑩给两条曲线添加名字label和legend

plt.plot(arr_x,arr_y1,color='green',linestyle=':',label='y=sin(x)')
plt.plot(arr_x,arr_y2,color='red',label='y=cos(x)')
plt.axis([2,8,-2,2])
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.legend()
plt.show()

⑪给图片添加图像标题title

plt.plot(arr_x,arr_y1,color='green',linestyle=':',label='y=sin(x)')
plt.plot(arr_x,arr_y2,color='red',label='y=cos(x)')
plt.axis([2,8,-2,2])
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.title("figure1")
plt.legend()
plt.show()

(3)散点图scatter

①图1正弦函数和余弦函数

1.定义x的值

arr1=np.linspace(-10,10,100)
arr1

2.定义y1（sinx）的值

arr2=np.sin(arr1)
arr2

3.定义y2（cosx）的值

arr3=np.cos(arr1)
arr3

4.绘制图

plt.scatter(arr1,arr2,color='red')
plt.scatter(arr1,arr3,color='green')
plt.show()

②绘制normal散点图查看分布情况

x=np.random.normal(0,1,10000)
y=np.random.normal(0,1,10000)
plt.scatter(x,y)
plt.show()

设置深浅度alpha:

x=np.random.normal(0,1,10000)
y=np.random.normal(0,1,10000)
plt.scatter(x,y,alpha=0.1)
plt.show()

这个里面的alpha=0.1代表的含义是：1代表全实，0代表虚，也就是透明，通过这样就可以画出来深浅不一的图像（重叠多的地方图像更深）。

（4）折线图（实例，华为手机和小米手机2023年销售量走势（数据自拟））

代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from pylab import mpl

# 设置中文显示字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 生成2023年1月至12月的销量数据（示例数据，实际销量需要根据实际情况）
np.random.seed(0)  # 设置随机种子，以便结果可重复
months = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月']

# 假设华为手机销量在500000到1000000之间，小米手机销量在300000到700000之间
huawei_sales = np.random.randint(500000, 1000000, size=12)
xiaomi_sales = np.random.randint(300000, 700000, size=12)

# 创建DataFrame
df = pd.DataFrame({
    '月份': months,
    '华为手机销量': huawei_sales,
    '小米手机销量': xiaomi_sales
})

# 保存为Excel文件
df.to_excel('华为与小米2023年销量.xlsx', index=False)

# 绘制销售走向图
plt.figure(figsize=(10, 5))  # 设置图表大小
plt.plot(df['月份'], df['华为手机销量'], label='华为手机销量', marker='o')  # 绘制华为手机销量
plt.plot(df['月份'], df['小米手机销量'], label='小米手机销量', marker='s')  # 绘制小米手机销量
plt.title('2023年华为与小米手机销量走向')  # 设置图表标题
plt.xlabel('月份')  # 设置x轴标签
plt.ylabel('销量（台）')  # 设置y轴标签
plt.legend()  # 显示图例
plt.grid(True)  # 显示网格
plt.show()  # 显示图表

结果：

好啦！持续更新，不断总结，也希望能够帮助到大家！