4-2 Matplotlib库 基本使用（绘制折线图）

Matplotlib是一个Python的2D绘图库，通过Matplotlib，开发者可以仅需要几行代码，便可以生成折线图，直方图，条形图，饼状图，散点图等。详情可查看Matplotlib库API文档

0. 安装

如果是用Anaconda，可以通过 conda install matplotlib 或者通过 pip install matplotlib 进行安装

1. 基本使用

plot是一个画图的函数，他的参数为plot([x],y,[fmt],data=None,**kwargs)，其中fmt可以传一个字符串，用来给这个图做一些样式修改的。fmt默认的绘制样式是 b- ，也就是蓝色实体线条。其中使用 : 代表点线，是matplotlib的一个缩写。这些缩写还有以下的：

字符	类型	字符	类型
‘-’	实线	‘–’	虚线
‘-.’	虚点线	‘:’	电线
‘.’	点	‘,’	像素点
‘o’	圆点	‘v’	下三角点
‘^’	上三角点	‘<’	左三角点
‘>’	右三角点	‘1’	下三叉点
‘2’	上三叉点	‘3’	左三叉点
‘4’	右三叉点	‘s’	正方点
‘p’	五角点	‘*’	星形点
‘h’	六边形点1	‘H’	六边形点2
‘+’	加号点	‘x’	乘号点
‘D’	实心菱形点	‘d’	瘦菱形点
'_'横线点		‘’

补充：
（1）plt.plot可以只传Y轴的值，如果只传Y轴的值，那么X轴就会默认使用range(0,Y的长度)
（2）plt.plot的x和y参数不能够作为关键字参数来传递，只能作为位置参数来传
（3）plt.plot中的data参数可以为一个字典或者DataFrame对象，然后在x和y上指定这个列的名字，那么plot会自动读取。这里有一个细节，因为x,y,fmt都是在前面，所以如果只传x和y，那么可能会产生歧义，这时候我们可以多传一个空的参数作为fmt的参数，就不会出现警告的情况。
除了设置线条的形状外，我们还可以设置点的颜色。给线条设置颜色总体来说有三种方式，第一种是使用颜色名称（r是red的缩写）的形式，第二种是使用十六进制的方式，第三种是使用RGB或RGBA的方式。如果使用的是颜色名称，那么可以和线的形状卸载同一个字符串中。其中可以表示颜色的缩写字符有如下：

字符	颜色
‘b’	蓝色，blue
‘g’	绿色，green
‘r’	红色，red
‘c’	青色，cyan
‘m’	品红，magenta
‘y’	黄色，yellow
'k’黑色，black
‘w’	白色，white

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

y = [np.random.randint(0,10) for x in range(20)]
x = range(5,25)
#不设置横轴的话自动使用range函数从0开始 截止到纵轴点的个数
plt.plot(x,y)

#传递字典
mydata = {
    "a":range(5,25),
    "b":[np.random.randint(0,10) for x in range(20)]
}
plt.plot("a","b","",data=mydata)

#DataFrame做参数
mydf = pd.DataFrame(data = mydata)
plt.plot("a","b","*",data=mydf)

#设置颜色的三种方式
#将颜色线条设置成红色
plt.plot([1,2,3,4,5],[1,2,3,4,5],'r')
#使用红色的五角点
plt.plot([1,2,3,4,5],[1,2,3,4,5],'rp')
#将颜色设置成红色
plt.plot([1,2,3,4,5],[1,2,3,4,5],color='red')
#将颜色设置成纯黑色
plt.plot([1,2,3,4,5],[1,2,3,4,5],color='#000000')
#颜色设置
plt.plot("a","b","*",data=mydf,color=(0.2,0.3,0.4,1))

2. 设置线条样式

1. 使用 plot 方法：plot方法就是用来绘制线条的，因此可以在绘制的时候就把线条相关的样式通过参数传递进去

import matplotlib.pyplot as plt
import numpy as np

y = [np.random.randint(0,10) for x in range(10)]
#linewidth表示线宽度； aa = True表示开启反锯齿（不会出现锯齿）
plt.plot(y,linewidth=4,color='r',aa = True)

1. 通过 Line2D 对象来设置：plot方法会返回一个装有 Line2D 对象的列表，比如 lines = plt.plot(x1,y1,x2,y2) 因为绘制了两根线条，因此 lines 会有两个 2D 对象。而如果 plot 只绘制一根线条，那么lines中就只有一个 Line2D 对象。拿到这个 Line2D 对象后就可以通过 set_属性名 来设置线条样式。更多Line2D属性可查阅Line2D API文档

y1 = [np.random.randint(0,10) for x in range(10)]
y2 = [np.random.randint(0,10) for x in range(10)]
#绘制两条折线必须指定x轴
lines = plt.plot(range(10),y1,range(10),y2)
#取其中一条线的Line2D对象
line = lines[0]
line.set_color('r')
line.set_linewidth(5)
#设置透明度
line.set_alpha(0.5)

2. 使用 plt.setp 来设置： setp 的好处是一次性可以设置多条线条的样式

y1 = [np.random.randint(0,10) for x in range(10)]
y2 = [np.random.randint(0,10) for x in range(10)]
#绘制两条折线必须指定x轴
lines = plt.plot(range(10),y1,range(10),y2)
#两条折线设置线宽为4
plt.setp(lines,linewidth=4)

2. 设置轴和标题

0. 字体设置
   默认plot不支持中文，如果想要支持中文，那么应该创建一个字体对象 matplotlib.font_manager.FontProperties ，然后指定 fname 参数，需要具体路径。加载字体的时候，可以到 C:\Windows\Fonts 中找你喜欢并且可以显示中文的字体。找到字体后，还需要找到字体的真实名称（获取字体路径的方式：右键 -> 属性 -> 安全 -> 对象名称）
   补充：拷贝出来的字体的字符串，前面有一个乱码，要把乱码删除

#加载字体所用的包
from matplotlib import font_manager
#加载字体
font1 = font_manager.FontProperties(fname="C:\Windows\Fonts\simhei.ttf",size=13)

1. 设置轴名称
   可以通过 plt.xlabel 和 plt.ylabel 来设置 x 轴和 y 轴的名称。默认情况下是显示不了中文的，需要设置字体。加载字体的时候，可以到 C:\Windows\Fonts 中找你喜欢并且可以显示中文的字体。找到字体后，还需要找到字体的真实名称。属性 -> 安全 -> 对象名称

avenger = [17974.4,50918.4,30033.0,40329.1,52567.1,8945,2,6765.2,3452.1,2198.3]
#设置整个图的大小
plt.figure(figsize=(15,5))
font1 = font_manager.FontProperties(fname="C:\Windows\Fonts\simhei.ttf",size=13)
#绘图
plt.plot(avenger)

#设置x轴名称
plt.xlabel("天数",fontproperties=font1)
#设置y轴名称
plt.ylabel("票房（单位：万）",fontproperties=font1)

#显示背景网格
plt.grid(True)
plt.show()

2. 设置标题
   可以通过 plt.title 方法来实现

import matplotlib.pyplot as plt
import numpy as np
#加载字体所用的包
from matplotlib import font_manager

y = [np.random.randint(10) for x in range(10)]
#加载字体
font = font_manager.FontProperties(fname="C:\Windows\Fonts\simhei.ttf",size=20)
plt.plot(y)
#设置标题 显示中文需要设置字体
plt.title("折线图",fontproperties = font)

3. 设置 x 轴和 y 轴的刻度： x 轴和 y 轴的刻度都是 matplotlib 自动生成的，可以通过设置 plt.xticks 和 plt.yticks 来实现在生成图的时候手动指定。xticks 和 yticks 需要传递两个参数，第一个参数不重要，只要跟数据量保持一致就可以，比如有20个数据，那么只要产生20个数据的数组或者列表都可以，第二个参数labels是用来设置每个刻度上的文本显示。

#设置刻度的文本显示
plt.xticks(range(10),["第%d天"%x for x in range(1,11)],fontproperties=font1)

3. 设置marker

可以通过设置 marker 来实现在一些关键点重点标记出来。
示例：设置 marker 为 o ，这样就是会在(x,y)的坐标点上显示出来，并且显示的是圆点。其中 o 跟 之前的线条样式的简写是一样的。另外，还可以通过 markerfacecolor 属性指定标记点的颜色， markersize 来指定标记点的大小，markeredgecolor 设置标记处图形的边框颜色。代码如下：

import numpy as np
import matplotlib.pyplot as plt
#0-20平均分成50个数
x = np.linspace(0,20,50)
y = np.sin(x)
#设置marker
plt.plot(x,y,marker = 'o',markerfacecolor='r',markersize=10,markeredgecolor='g')

4. 设置注释文本

在图形中的某个点标记或者注释一下可以使用 plt.annotate(text,xy,xytext,arrowprops={}) ，来实现，其中 text 是注释文本， xy 是需要注释的点的坐标， xytext 是注释文本的坐标， arrowprops 是设置箭头的样式属性，常用属性如下：

属性	说明
width	（线条）宽度
headwidth	箭头的宽度
headlength	箭头的长度
shrink	箭头与文字、标记点之间的距离,值为0-1之间，小于0.5平均分割
facecolor	箭头颜色
edgecolor	箭头边框颜色

plt.plot(np.sin(np.arange(20)),marker='o')
#设置一个点的注释文本
plt.annotate("(0,0)",xy=(0,0),xytext=(-0.5,-0.8),arrowprops={"width":5,"headwidth":16,"headlength":20,"shrink":0.3,"facecolor":'r','edgecolor':'y'})

#设置所有点的注释文本
y = np.sin(np.arange(20))
plt.plot(y,marker='o')
for index,value in enumerate(y):
    plt.annotate("(%d,%.2f)"%(index,value),xy=(index,value),xytext=(index-0.1,value-0.1))

5. 设置图形样式

调整图片的大小和像素，可以通过 plt.figure(num=None,figsize=None,dpi=None,facecolor=None,edgecolor=None,frameon=True) 来实现。其中 num 是图的编号， figure 的单位是英寸， dpi 是每英寸的像素点， facecolor 是图片背景颜色，edgecolor 是边框颜色，frameon代表是否绘制画板。也可以使用 plt.grid() 方式来显示网格

#figure函数的调用必须要在所有绘图之前来完成
#figsize设置画板尺寸（元祖，第一个参数是宽度，第二个餐参数是高度，单位是英寸），facecolor设置画板背景颜色，edgecolor画板边框颜色，linewidth设置画板边框宽度（默认边框宽度为0）
#dpi设置分辨率(默认100)，frameon设置画板是否显示（默认为True）
plt.figure(figsize=(10,5),facecolor='r',edgecolor='k',linewidth=5,dpi=200,frameon=True)
plt.plot(np.arange(5,20))

6. 保存图片

可以调用 plt.savefig(path) 来保存当前的图片或者鼠标左键点击图片然后右键保存图片

#默认不保存画板
plt.savefig("D:/x.png")

7. 绘制多个图

绘制多个图有两种形式，第一种形式是在一张图中绘制多根线条，第二种形式是绘制多个子图形。

7.1 绘制多根折线

绘制多根线条，只要准备好坐标，重新使用 plt.plot 绘制即可。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,20,50)
#与plt.plot(x,np.sin(x),x,np.cos(x))效果一致
plt.plot(x,np.sin(x))
plt.plot(x,np.cos(x))

7.2 绘制多个子图

绘制子图的时候，使用 plt.subplot 或 plt.subplots 来实现
其中，subplot 中第一个数字表示这个大图中总共有N行，第二个数字表示总共有M列，然后第三个数字表示当前绘制第X个图。比如 plt.subplot(211) 表示这个大图总共有2行1列，当前绘制第1个图。

values = np.arange(20)
#2行2列第1个图形
plt.subplot(221)
#第一个图形绘制两条折线
plt.plot(values)
plt.plot(values**2)
#2行2列第2个图形
plt.subplot(222)
plt.plot(np.sin(values),'r')
#2行2列第3个图形
plt.subplot(223)
plt.plot(np.cos(values),'b')
#2行2列第4个图形
plt.subplot(224)
plt.plot(np.tan(values),'y')

结果如下图所示：

也可以使用 **fig,axes = plt.subplots(rows,cols,*args,kwargs) 来绘制多个图形，返回值是一个元祖，其中的 fig 参数是 figure 对象， axes 是 axes 对象的 array。效果与之前使用 plt.subplot 一样。
另外使用 subplot 和 subplots 都可以传递 sharex/sharey 参数，这两个参数表示是否需要共享X轴和Y轴。

values = np.linspace(0,20)
#第一个数字代表行，第二个数字代表列，sharex设置共享x轴,sharey共享y轴
fig,axes = plt.subplots(2,2,sharex=True)
ax1 = axes[0,0]
ax1.plot(values)
ax2 = axes[0,1]
ax2.plot(np.sin(values),'y')
ax3 = axes[1,0]
ax3.plot(np.cos(values),c='b')
ax4 = axes[1,1]
ax4.plot(np.tan(values),'g')

结果如图所示：

8. 风格设置

matplotlib 图片more内置了几种风格，可以通过 plt.style.available 来查看内置的所有风格。在绘制之前，可以使用 plt.style.use 方法来使用不同的风格。

plt.style.available
#结果为：
#['bmh',
# 'classic',
# 'dark_background',
# 'fast',
# 'fivethirtyeight',
# 'ggplot',
# 'grayscale',
# 'seaborn-bright',
# 'seaborn-colorblind',
# 'seaborn-dark-palette',
# 'seaborn-dark',
# 'seaborn-darkgrid',
# 'seaborn-deep',
# 'seaborn-muted',
# 'seaborn-notebook',
# 'seaborn-paper',
# 'seaborn-pastel',
# 'seaborn-poster',
# 'seaborn-talk',
# 'seaborn-ticks',
# 'seaborn-white',
# 'seaborn-whitegrid',
# 'seaborn',
# 'Solarize_Light2',
# 'tableau-colorblind10',
# '_classic_test']

#绘制之前设置风格
plt.style.use('bmh')