史上最全最详细python绘图手册（看我就够）——Matplotlib绘图详解

包的引入

• 不引入当然用不了

# 在命令行输入pip install matplotlib

import matplotlib

# 查看版本号
print(matplotlib.__version__)

---

PyPlot

大多数Matplotlib实用程序都位于pyplot子模块下，通常以plt别名导入

绘图

绘制x和y点

• xpoints代表各个点的横坐标
• ypoints代表各个点的纵坐标

import numpy as np
import matplotlib.pyplot as plt

# 在图中从位置(0,0)到位置(6,250)画一条线  
xpoints = np.array([0, 6])  
ypoints = np.array([0, 250])  
plt.plot(xpoints, ypoints)  
plt.show()

# 不指定x轴的点，默认为0到1平均分
ypoints = np.array([0, 250])
plt.plot(ypoints)  
plt.show()

---

无线绘图

仅绘制标记点，可以使用快捷字符串符号参数 ‘o’ ,这意味着“环”

xpoints = np.array([0, 6])  
ypoints = np.array([0, 250])  
plt.plot(xpoints, ypoints,'o')  
plt.show()

---

多点

• 可以根据需要绘制任意数量的点，只需确保两个轴上的点数相同即可
• 连接线会按顺序连起来

xpoints = np.array([33, 7, 6, 13])  
ypoints = np.array([3, 23, 88, 42])  
plt.plot(xpoints, ypoints)  
plt.show()

---

标记

• 关键字：marker，用指定的标记强调每个点

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([3, 23, 88, 42])  
# plt.plot(xpoints, ypoints, marker='o')  
plt.plot(xpoints, ypoints, marker='*')  
plt.show()

---

标记参考

---

颜色参考

字符	颜色
‘b’	蓝色
‘g’	绿色
‘r’	红色
‘c’	青色
‘m’	品红色
‘y’	黄色
‘k’	黑色
‘w’	白色

---

格式化字符串 fmt

• 格式：marker|line|color

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([3, 23, 88, 42])  
plt.plot(xpoints, ypoints, 'o:r')  
plt.show()

---

标记尺寸

• 可以使用关键字markersize或者ms来设置标记的大小

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([3, 23, 88, 42])  
plt.plot(xpoints, ypoints, 'o:r',ms='20')  
plt.show()

---

标记颜色

• 颜色允许使用十六进制颜色值(如：#4CAF50)，或者颜色名称(如：hotpink)

边缘颜色

• 可以使用关键字markeredgecolor或者mec来设置标记的边缘颜色

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([3, 23, 88, 42])  
plt.plot(xpoints, ypoints, 'o:r', ms='20', markeredgecolor='b')  
plt.show()

边缘内颜色

• 可以使用关键字markerfacecolor或者mfc来设置标记的边缘颜色

---

线条

• 可以使用关键字linestyle或ls来更改线条样式

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([3, 23, 88, 42])  
plt.plot(xpoints, ypoints, ls='dashed')  
plt.show()

---

简短语法与线条参考

dotted写成：
dashed写成–

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([3, 23, 88, 42])  
plt.plot(xpoints, ypoints, ls='--')  
plt.show()

字符	描述
‘-’	实线样式
‘–’	短横线样式
‘-.’	点划线样式
‘:’	虚线样式
‘.’	点标记
‘,’	像素标记
‘o’	圆标记
‘v’	倒三角标记
‘^’	正三角标记
‘<’	左三角标记
‘>’	右三角标记
‘1’	下箭头标记
‘2’	上箭头标记
‘3’	左箭头标记
‘4’	右箭头标记
‘s’	正方形标记
‘p’	五边形标记
’*’	星形标记
‘h’	六边形标记 1
‘H’	六边形标记 2
‘+’	加号标记
‘x’	X 标记
‘D’	菱形标记
‘d’	窄菱形标记
‘enter键上面那个键，与markdown表格冲突打不出来，理解万岁’	竖直线标记
‘_’	水平线标记

---

线条颜色

• 使用关键字color或c来设置线条颜色，内容与标记颜色一样

---

线条宽度

• 使用关键字linewidth或lw来设置线条宽度
• 该值是一个浮点数，以磅为单位

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([3, 23, 88, 42])  
plt.plot(xpoints, ypoints, lw='20.5')  
plt.show()

---

多条线

• 添加更多的plt.plot()函数来绘制任意数量的线

xpoints = np.array([1, 3, 5, 7])  
ypoints1 = np.array([3, 23, 88, 42])  
ypoints2 = np.array([78, 13, 44, 99])  
plt.plot(xpoints, ypoints1)  
plt.plot(xpoints, ypoints2)  
plt.show()

---

标签与标题

设置标签

• 可以使用xlabel()和ylabel()函数为x轴y轴设置标签
• 使用前需要设置字体为楷体，见如下代码

# 设置字体为楷体
matplotlib.rcParams['font.sans-serif'] = ['KaiTi']  

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([78, 13, 44, 99])  
plt.plot(xpoints, ypoints)  
plt.xlabel('时间节点')  
plt.ylabel('收入')  
plt.show()

---

设置标题

• 使用title()函数设置标题

---

设置标题和标签的字体属性

• 使用xlabel(),ylabel(),title()中的fontdict参数来设置字体属性

# 参数对应字体、颜色、大小  
font1 = {'family': 'KaiTi', 'color': 'blue', 'size': 20}  
font2 = {'family': 'KaiTi', 'color': 'darkred', 'size': 15} 

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([78, 13, 44, 99])  

plt.title('我是标题', fontdict=font1)  
plt.xlabel('时间节点', fontdict=font1)  
plt.ylabel('收入', fontdict=font2)

plt.plot(xpoints, ypoints)  
plt.show()

---

标题的位置设定

• 使用title()中的loc参数来设置标题位置
• 合法值：“left”,“right”,“center”。默认为"center"

---

网格线

添加网格线

• 使用grid()函数添加网格线

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([78, 13, 44, 99])  
plt.title('我是标题')  
plt.xlabel('时间节点')  
plt.ylabel('收入')  
plt.grid()  
plt.plot(xpoints, ypoints)  
plt.show()

---

指定要显示的网格线

• 使用grid()函数中的axis轴参数来设置
• 合法值：“x”,“y”,“both”。默认为"both"

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([78, 13, 44, 99])  
plt.title('我是标题')  
plt.xlabel('时间节点')  
plt.ylabel('收入')  
plt.grid(axis='x')  
plt.plot(xpoints, ypoints)  
plt.show()

---

设置网格线的线属性

• 设置网格的线条属性：
  plt.grid(color='color',linestyle='linestyle',linewidth='number')

---

多图

显示多个图

• 使用subplots()函数来显示多张图
  1. subplots(几行，几列，第几张子图)
  2. 在绘制plot函数之前使用

# 图一  
xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([78, 13, 44, 99])  
plt.subplot(1, 2, 1)  
plt.plot(xpoints, ypoints)  
# 图二  
xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([18, 63, 4, 56])  
plt.subplot(1, 2, 2)  
plt.plot(xpoints, ypoints)  
  
plt.show()

---

为整个图添加标题

• 使用suptitle()函数
  • title()同样可以为每一张子图添加标题

---

散点图

创建散点图

• 使用scatter()函数绘制散点图

xpoints = np.array([1, 3, 5, 7])  
ypoints = np.array([78, 13, 44, 99])  
plt.scatter(xpoints, ypoints)  
plt.show()

---

颜色

• 统一颜色：同样是使用color或者c参数来设置颜色
• 为每一个点上色：只能使用c作参数，并且需要传入数量对应的颜色数组，如(colors = np.array(['red', 'green', 'gray', 'black']))

---

颜色图

• Matplotlib模块有许多可用的颜色图
• 颜色图就像一个颜色列表，里面每一种颜色都有一个范围从0到100的值
• "viridis"颜色图：
  

颜色图的使用

• 可以使用带有颜色图值的关键字参数cmap指定颜色图
• 此外还要创建一个包含值从0到100的数组，数量与散点图的点对应即可

xpoints = np.array([1, 3, 5, 7, 9, 11])  
ypoints = np.array([78, 13, 44, 99, 150, 8])  
colors = np.array([0, 20, 40, 60, 80, 100])  

plt.scatter(xpoints, ypoints, c=colors, cmap='viridis')  
plt.colorbar()  # 可以把颜色图展示在旁边  
plt.show()

---

可用的颜色图

---

尺寸

• 使用s参数改变点的尺寸
• 可以统一改，也可以为每个点设置单独尺寸(类似颜色那样即可)

---

透明度

• 使用alpha参数调整点的透明度（如alpha=0.5即半透明）
• 可以统一改，也可以为每个点设置单独透明度(类似颜色那样即可)

---

组合颜色、大小和透明度

• 在点上组合具有不同大小的颜色图

x = np.random.randint(100, size=(100))  
y = np.random.randint(100, size=(100))  
colors = np.random.randint(100, size=(100))  
sizes = 10 * np.random.randint(100, size=(100))  
  
plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')  
plt.colorbar()  
plt.show()

---

柱状图

创建柱状图

• 使用bar()函数绘制柱状图

x = np.array(["A", "B", "C", "D", "E", "F"])  
y = np.array([78, 13, 44, 99, 150, 8])  
plt.bar(x, y)  
plt.show()

---

水平柱状图

• 使用barh()函数即可

---

颜色

• 与plot同理

---

条形宽度和高度

• bar() 使用关键字width来设置宽度
• barh() 使用关键字height来设置高度

---

直方图

• 使用hist()函数创建直方图
• hist()使用一个数字数组作为参数

# 随机创建一个均值170，方差为10，数量为250的数组  
x = np.random.normal(170, 10, 250)  
plt.hist(x)  
plt.show()

---

饼图

创建饼图

• 使用pie()函数绘制饼图

y = np.array([20, 20, 45, 15])  
plt.pie(y)  
plt.show()

---

标签

• 使用label参数为饼图添加标签

my_labels = ["A", "B", "C", "D"]  
y = np.array([20, 20, 45, 15])  
plt.pie(y, labels=my_labels)  
plt.show()

---

起始角度

• 默认起始角度位于x轴，但可以通过关键字startangle来更改
• startangle默认角度为0，以度为单位

---

分离指定的块

• 使用关键字explode实现分离一个块
• 必须是一个数组，每个块都要有值，值代表距离中心有多远

my_labels = ["A", "B", "C", "D"]  
y = np.array([20, 20, 45, 15])  
my_explode = [0, 0, 0, 0.5]  
plt.pie(y, labels=my_labels, explode=my_explode)  
plt.show()

---

阴影

• 将关键字shadows设置为true即可

---

颜色

• 与plot同理

---

图例

• 使用legend()函数为每一块添加解释列表

my_labels = ["A", "B", "C", "D"]  
y = np.array([20, 20, 45, 15])  
plt.pie(y, labels=my_labels)  
plt.legend()  
plt.show()

---

带标题的图例

• legend()函数里面可以传入带标题的图例，注意需要声明使用哪款字体

matplotlib.rcParams['font.sans-serif'] = ['KaiTi']  
  
my_labels = ["A", "B", "C", "D"]  
y = np.array([20, 20, 45, 15])  
plt.pie(y, labels=my_labels)  
plt.legend(title="我是图例标题")  
plt.show()

• 感谢您的观看，撒花