matplotlib常用API

目录

一、绘图基本流程

二、创建画布

三、绘制图像

1.matplotlib.pyplot.plot

 2.matplotlib.pyplot.scatter

 3.matplotlib.pyplot.hist

 4.matplotlib.pyplot.pie

四、图像展示

1.matplotlib.pyplot.legend

 2.matplotlib.pyplot.subplots

3. matplotlib.pyplot.grid

4.matplotlib.pyplot.show

五、保存图像

matplotlib.pyplot.savefig

---

一、绘图基本流程

• 创建画布
• 绘制图像
• 图像保存（可选）
• 显示图像

绘图基本流程是先创建画布，再绘制图像，如果需要则保存图片（必须在显示图片的前面保存），再显示图片 

二、创建画布

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, *, facecolor=None, 
  edgecolor=None,frameon=True, FigureClass=<class'matplotlib.figure.Figure'>, clear=False, **kwargs)

figure 函数可以创建多个画布，但是每次只有一个画布被激活，这个被激活的画布才可以被设置属性和展示，返回一个 figure 对象。

参数分析：

 num ：int 或 string 或 Figure 或 SubFigure，可选参数，是 figure( ) 返回对象的唯一标识。每次调用 pyplot.figure( ) 都会创建或激活一个新的画布，而 num 则相当于给每一个画布一个名字。如果不加 num 参数直接调用 figure( ) 会创建或激活一个 num 为默认值的画布，如果带上 num 参数会创建或激活一个有标识符的的画布。num 参数使得一个程序可以创建多个图像，如果要使用标识符为 id 的图窗只需在 plot 之前调用 figure( num = id ) 即可激活该画布。

 <示例>

# 创建一个标识符为1的画布
fig1 = matplotlib.pyplot.figure(num=1)
# 创建一个默认画布
fig2 = matplotlib.pyplot.figure()
# 激活num=1的画布（方法一）
matplotlib.pyplot.figure(num=1）
# 激活num=1的画布（方法二）
matplotlib.pyplot.figure(num=fig1）
# 激活默认画布
matplotlib.pyplot.figure(）

figsize ：元组（float, float)，画布大小参数，默认值为（6.4，4.8），可以自行调整大小

<示例>

# 设置figsize为(20,8)
matplotlib.pyplot.figure(figsize=(20,8))

dpi：float, 像素，默认值为100，和figure一起决定图像的大小

<示例>

# 设置figsize为(20,8)，像素为50
matplotlib.pyplot.figure(figsize=(20,8)，dpi=50)

facecolor：color, 背景颜色，默认为白色

<示例>

# 设置背景颜色为gray
matplotlib.pyplot.figure(facecolor='gray')

 edgecolor: color，边界颜色，默认为白色

<示例>

# 设置边界颜色为red
matplotlib.pyplot.figure(edgecolor='red')

 frameon: bool，绘制图形框架开关，默认为True, 绘制图形框架,区别在于是否看地到背景颜色

<示例>

frameon = True 的情况：

frameon = False 的情况：

FigureClass：subclass of Figure, 如果设置将创建该子类的一个实例，而不是一个普通Figure。

clear：bool, 清除开关，默认为False, 如果 True 并且图形已存在，则将其清除。

layout: 布局方式，可选{'constrained', 'compressed', 'tight', 'none', LayoutEngine, None}, 默认为none, 用于调整复杂的图像，防止元素重叠。

• constrained：约束布局解算器调整轴大小以避免轴装饰重叠。可以处理复杂的绘图布局和颜色条，因此推荐使用。
• compressed：使用与“约束”相同的算法，但删除固定纵横比轴之间的额外空间。最适合简单的轴网格。
• tight：使用紧密布局机制。这是一个相对简单的算法，可调整子图参数以使装饰不重叠。
• none：不使用布局管理。

注：使用布局会减慢图像绘制

三、绘制图像

1.matplotlib.pyplot.plot

plot 可以在图窗上画出点，再把点连接形成图像

调用模板：

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

[x],[fmt] 等带有方括号的参数为可选参数

常用参数：

[x]: 列表，表示横坐标，如果 x 参数不填，y 坐标依次和 0 , 1 , 2 , 3 ... 对应

y: 列表，表示纵坐标，依次和 x 下标为 0 , 1 , 2 , 3 ... 的数对应

[fmt]: 字符串，表示图例，格式为 ' [color][marker][line] ' ,color 代表图例的颜色，maker 代表对应点的样式，line 代表点与点之间连线的样式，具体参数参考下表，如果不设置[fmt]参数则图例为实线

[label]: 字符串，给所作的图线添加标签，如果在一张图中绘制多条图线，调用 legend() 显示图例时将会显示该标签，如果不设置label参数则不会显示该图线的图例

[linewidth]: int ，决定画线的粗细，默认为2 

<示例>

import matplotlib.pyplot as plt

# 创建画布
fig = plt.figure(num=1)
# 绘制图像
plt.plot( [1,2,3,4,5,6,7],[1,2,1.4,3.7,5,2.6,9],'ro-',label='line 1', linewidth=2)
plt.plot( [1,2,3,4,5,6,7],[2,4,2,5,6,7,13],'k.-',label='line 2', linewidth=2)
# 显示图像
plt.legend(title="Example")
plt.show()

• color 参数解析

character	color
b	蓝色
g	绿色
r	红色
c	绿蓝色
m	品红色
y	黄色
k	黑色
w	白色

•  maker 参数解析

character	description
.	点
,	逗号
o	实心圆点
v	倒三角
^	正三角
<	左三角
>	右三角
1	向下无边三角
2	向上无边三角
3	向左无边三角
4	向右无边三角
8	八边形
s	正方形
p	五边形
P	加粗加号
*	星
h	实心六边形
H	实心六边形
+	加号
x	x
X	加粗x
D	填充菱形
d	窄菱形
|	竖线
_	横线

• line 参数解析

character	description
-	实线
--	虚线
-.	点划线
:	点线

 2.matplotlib.pyplot.scatter

scatter 可以在图中画出散点，但是不会连接

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)

常用参数：

x: 列表，表示横坐标

y: 列表，表示纵坐标

[s]: float 或 列表，可以调整每个散点的大小

[c]: 列表，调整每一个点的颜色

[maker]: 点的样式，参考 plot 的 makker 参数，默认为 'o'，画圆点图

[alpha]: 透明度，默认为1不透明，范围在 0~1，值越小越透明

<示例>

import matplotlib.pyplot as plt

# 创建画布
fig = plt.figure(num=1)
# 绘制图像
plt.scatter( [1,2,3,4,5,6,7],[1,2,1.4,3.7,5,2.6,7],s=[36,54,36,72,36,90,60],
                    c=['r','g','b','c','y','k','m'],marker='^',alpha=0.5)
# 显示图像
plt.show()

 3.matplotlib.pyplot.hist

hist 可以在图中画出直方图，统计出每个区间的数据个数并将该个数作为每个直方的高度

matplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, 
                       bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None,
                                    log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)

 参数分析：

x: 列表（可为二维数组），要统计的数据

bins: int 或 列表，默认为10，如果为 int ,表示在 (x.min( ), x.max( )) 中分为 bins 个直方，如果为列表,例如 [ 0 ,1 , 3, 6, 7] 则表示统计 0~1，1~3，3~6，6~7 上的数据个数并显示。

range: 元组，用于限制统计范围，当且仅当 bins 为列表时起作用，例如 range = (0.1,0.6) ,此时将统计 0.1~0.6 范围的数据

density：bool，默认为False, 控制 y 轴是数量还是频率，density = True 时显示频率并且返回频率列表，density = False 时显示数量

weights: 列表，权重数组，要求和 x 数组大小一致，与 x 的数据相对应，weights[i] 决定 x[i] 的权重

cumulative：bool，默认为 False ，决定是否从左往右依次累加 y 值

histtype：{'bar', 'barstacked', 'step', 'stepfilled'}，默认为 'bar'，决定直方图的样式

align：{'left', 'mid', 'right'}， 默认为: 'mid'，决定 bar 的对其方式

orientation：{'vertical', 'horizontal'}，默认为 'vertical' ，决定图是水平还是垂直

rwidth: float ，决定 bar 的宽度，如果 histtype 为 'step' 和 'stepfilled'，不起作用

log: bool ，决定 y 轴是否取对数，用于处理 y 轴数据比较大的情况

color: 决定 bar 的颜色，参数参考 plot 的 color 参数

label: string ，给图例设置标签，如果 x 为二维数组，label 只会显示 x 的第一行数据的图例 

stacked: bool，默认为 False，决定是否显示分层直方，只有当 x 为二维数组才可看到效果。当 x 为二维数组时，将 stacked 设为 True 可显示分层直方图。

<示例>

import matplotlib.pyplot as plt

# 创建画布
fig = plt.figure()
# 绘制图像
plt.hist([[1,1,1,1,1,1,2,2,3,3,4,4,5,5,5,6],[1,1,1,1,1,1,2,4,2,3,3,3,5,5,5,6]],
      bins=10,weights=[[0.2,0.3,0.5,1.3,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.1,3], 
 [1.2,0.7,0.9,1.6,1.5,0.8,0.9,01.1,0.4,0.6,0.7,0.2,2.1,0.5,0.1,3]],rwidth=0.9,stacked=True,label='hist')
plt.legend()
# 显示图像
plt.show()

 

 4.matplotlib.pyplot.pie

绘制饼图

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=True, hatch=None, data=None)

常用参数：

 x：一维数组，表示饼图中各个数据的大小

explode：一维数组，和 x 相对应，决定各个楔块的顶点与圆点的偏移量

labels：列表，与 x 的数对应，给每个楔块添加标签

colors：一维数组，与 x 对应，决定每个楔块的颜色

hatch：一维数组，与 x 对应，决定每个锲块的填充样式，如，'**o' , 'oO', 'o.o', '.||.'

autopct： string 类型，设置每个锲块的百分数类型，例如 '%.2f%%'

shadow：bool，默认为 False，决定饼图是否有阴影

radius：float， 默认为 1，决定饼图的半径

<示例>

import matplotlib.pyplot as plt

# 创建画布
fig = plt.figure()
# 绘制图像
plt.pie([1,3,5,8,9],[0.15,0.05,0.05,0.05,0.05],labels=['dogs','cats','pigs','ducks','tigers'],
                       autopct="%.2f%%",shadow=True,radius=1.3,hatch=['o.o','.||.','o','oO','*'])
# 显示图像
plt.show()

四、图像展示

1.matplotlib.pyplot.legend

在轴上放置一个图例

matplotlib.pyplot.legend(*args, **kwargs)

常用参数：

title：string ，默认为None，图例的标题

fontsize：int 或 {'xx-small', 'x-small', 'small', 'medium', 'large', 'x-large', 'xx-large'}，图例的字体大小

title_fontsize：int 或 {'xx-small', 'x-small', 'small', 'medium', 'large', 'x-large', 'xx-large'}，默认为 None，图例标题的字体大小

labelcolor：string 或 list，默认为 None，图例文本的颜色

alignment：{'center', 'left', 'right'}，默认为  'center '，图例标题和条目框的对齐方式。这些条目作为一个块对齐，以便标记始终对齐。

loc：string 或 一对浮点数，默认为 best，图例的显示位置

Location String	Location Code
'best' (Axes only)	0
'upper right'	1
'upper left'	2
'lower left'	3
'lower right'	4
'right'	5
'center left'	6
'center right'	7
'lower center'	8
'upper center'	9
'center'	10

<示例>

import matplotlib.pyplot as plt

# 创建画布
fig = plt.figure(num=1)
# 绘制图像
plt.plot( [1,2,3,4,5,6,7],[3,4,6.4,7,5,9.4,9],'ro-',label='line 1', linewidth=2)
plt.plot( [1,2,3,4,5,6,7],[8,7,9,8,10,11,13],'k.-',label='line 2', linewidth=2)
# 显示图像
plt.legend(title="Example",loc='lower right',alignment='left',labelcolor='green',fontsize='large',title_fontsize='large')
plt.show()

 2.matplotlib.pyplot.subplots

画多张图

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, width_ratios=None, height_ratios=None, subplot_kw=None, gridspec_kw=None, **fig_kw)

常用参数：

nrows, ncols：int，默认为 1，表示子窗口的行数和列数

返回值：

figure 对象和 axs 数组，axs 相当于 figure对象，和之前的绘图方式一样

<例如>

import matplotlib.pyplot as plt

# 创建画布
fig ,axs= plt.subplots(1,2)
# 绘制图像
axs[0].plot( [1,2,3,4,5,6,7],[3,4,6.4,7,5,9.4,9],'ro-',label='line 1', linewidth=2)
axs[1].plot( [1,2,3,4,5,6,7],[8,7,9,8,10,11,13],'k.-',label='line 2', linewidth=2)
# 显示图像

plt.show()

3. matplotlib.pyplot.grid

 在图中显示网格

matplotlib.pyplot.grid(visible=None, which='major', axis='both', **kwargs)

参数解析：

visible: bool ，决定是否显示网格，如果 visible = False 默认显示网格

which: {'major', 'minor', 'both'}，决定显示网格线的类型

axis: {'both', 'x', 'y'}， 决定显示哪条轴的线

linestyle: {'-', '--', '-.', ':', '', (offset, on-off-seq), ...}，网格线样式

color: string ，网格线颜色

alpha: int ，网格线透明度

<示例>

import matplotlib.pyplot as plt

# 创建画布
fig = plt.figure()
# 绘制图像
plt.plot([3,5,6,4,2,7,5,8])
# 显示图像
plt.grid(True,axis='x',linestyle='--',alpha=0.5)
plt.show()

4.matplotlib.pyplot.show

显示图像

matplotlib.pyplot.show(*, block=None)

五、保存图像

matplotlib.pyplot.savefig

注意：保存图片要在 show 前保存

savefig(fname, *, dpi='figure', format=None, metadata=None,
        bbox_inches=None, pad_inches=0.1,
        facecolor='auto', edgecolor='auto',
        backend=None, **kwargs
       )

参数解析：

fname：string，文件名或文件全路径

dpi：float or 'figure'，默认为 figure，决定图片的像素

format：文件保存格式，可为 'jpg' ，'png'  等等

<示例>

import matplotlib.pyplot as plt

# 创建画布
plt.figure()
# 绘制图像
plt.plot( [1,2,3,4,5,6,7],[3,4,6.4,7,5,9.4,9],'ro-',label='line 1', linewidth=2)
plt.plot( [1,2,3,4,5,6,7],[8,7,9,8,10,11,13],'k.-',label='line 2', linewidth=2)
# 显示图像
plt.legend()
plt.grid(axis='x',which="major")

plt.savefig("test.png",dpi=100)
plt.show()