matplotlib常用方法和操作
目录
一、操作
（一）创建图形对象
（二）多子图操作
1.add_axes(rect)：添加区域
关键：关于plot()
2.subplot()：划分画布
3.subplots
4.设置多图基本信息的几个方法
(1)创建时直接设置
(2) 使用 pyplot 模块中方法设置之后绘图
(3)对返回的区域对象设置
（三）显示图片
（四）显示中文及负号
二、相关元素设置
（一）图表名称
（二）x、y 轴名称
（三）x、y 轴刻度
（四）图例
（五）每条 x、y 的具体数值
补充：
三、可视性设置
（一）网格线
（二）对坐标轴操作
（三）rcParams
（四）关于图表参数
样式缩写
Matplotlib 是 python 中一款强大的可视化绘图工具，可以以更直观的方式对数据进行展示和呈现，可以准确高效传递信息，甚至可以帮助我们发现某种规律和特征，挖掘数据背后的价值，本文简单介绍了Matplotlib常用操作和方法
一、操作
（一）创建图形对象
Matplotlib 中，面向对象编程的核心思想是创建图形对象并对其进行操作，或调用方法与属性，这样我们在处理多个画布和图形将更加有效
使用 plt.figure() 生成图形对象，并设置当前画布特征，返回值是一个 figure 对象
f=plt.figure()内部参数：
- num：图形编号或名称，数字：编号、字符串：名称
- figsize：指定宽高，单位为英寸
- dpi：分辨率，默认72
- facecolor：背景颜色
- edgecolor：边框颜色
- frameon：是否显示边框
（二）多子图操作
上面生成的一个 figure 对象可以包含多个 axes 子绘图区域，一个 axes 是一个绘图区域，不加设置时 Axes 默认为1，整个画布都是绘图区域，理解为一个画框铺上一张纸作画
在多子图出现重叠情况时尝试使用 plt.tight_layout() 方法设置紧凑型布局
创建子绘图区域三种方法：
1.add_axes(rect)：添加区域
matplotlib 库中定义了一个 axes 类（轴域），指定了一个有数值范围的绘图区域，给定一个画布中可以包含多个 axes 对象，同一个 axes 只能在一个画布中使用
- rect：位置参数，形如[left,bottom,width,height]，表示左下角在画布中的位置、相对于画布的宽、高，通过比例表示（0-1）
f=plt.figure()
ax2=f.add_axes([0,0,1,1])
ax1=f.add_axes([0.2,0.2,0.5,0.5])
# 添加时会有顺序，先添加的会被覆盖在底下
ax1.plot([1,2,3],[4,5,6])
ax2.plot([6,5,4],[3,2,1])
plt.show()
关键：关于plot()
figure() 会默认创建一个作图区域，可使用 ax.plot() 对想要操作的 axes 对象进行绘图，plt.plot() 方法默认对当前 axes 进行绘制（新创一个 axes，就会切换到最新的 axes），如下面默认当前所在的区域是 ax1，因为 ax1 是最新创建的
plot(y)：仅有一个值时省略了x，则x默认[0,N-1]均匀递增，N为y轴元素个数
f=plt.figure()
ax2=f.add_axes([.1,.1,.8,.8])
ax1=f.add_axes([0.2,0.2,0.5,0.5])
plt.plot([1,2,3],[4,5,6])
plt.plot([6,5,4],[3,2,1])
plt.show()
2.subplot()：划分画布
返回的值是当前区域对象
ax1=plt.subplot(211)
参数：
- nrows：行
- ncols：列
- index：当前所在定位
- 其他：title、xlable、ylable 等均可设置
也可使用 fig.add_subplot() 方法在画布上进行绘制，3.6版本后新建子图若与现有子图重叠时，重叠部分子图会被自动删除
3.subplots
使用方法和 subplot() 是类似
fig,ax=plt.subplots(4)
如何取？
由索引为0开始的行和列进行定位
fig,ax=plt.subplots(2,2)
plt.tight_layout()
# 选一个区域绘制
ax1=ax[0][1]
x=np.arange(5)
ax1.plot(x,x*2)
ax1.set_title('sqrt')
# 换一个区域绘制
ax2=ax[1][0]
ax2.plot(x,np.exp(x))
ax2.set_title('ex')
plt.show()
区别：
- subplot() 仅返回一包含子区域的画布，而 subplots() 返回元组，返回区域的基础上还会返回一个 figure 图形对象
- subplots() 将画布均匀划分，若要画实现更加自由的页面布局，可多次调用 subplot()
4.设置多图基本信息的几个方法
主要是直接创建、pyplot方式以及面向对象三种方式
(1)创建时直接设置
如
plt.subplot(211,title='',xlable='x_axis')(2) 使用 pyplot 模块中方法设置之后绘图
如
-----区域1-----
plt.subplot(211)
plt.title('ax1')
plt.plot(..)
-----区域2-----
plt.subplot(212)
plt.title('ax2')
plt.plot(..)
(3)对返回的区域对象设置
对于区域对象很多方法都是 set_ 开头
ax1=plt.subplot(211)
ax2=plt.subplot(212)
-----区域1-----
ax1.set_title('ax1')
ax1.plot(..)
-----区域2-----
ax2.set_title('ax2')
ax2.plot(..)（三）显示图片
plt.show()，在 jupyter 里不需要，会自动显示图像
x=np.arange(-50,50)
y=x**2
plt.title('标题')
plt.plot(x,y)
plt.show()- linewidrth：该参数可以设置线条宽度
二、相关元素设置
所有设置应在绘图前进行设置，matplotlib 会定位对当前图片或当前画布进行操作
（一）图表名称
使用 title() 方法
plt.title('标题名称',fongsize=12)- fontsize：可以设置标题字体大小
（二）x、y 轴名称
使用xlable、ylable
plt.xlabel('x轴',fongsize=12)
plt.ylabel('y轴')字体参数
- fontsize：设置字体大小
（三）x、y 轴刻度
使用 xticks()、yticks()，可以将 x、y 轴设置为想要的样子
参数
- ticks：ticks的位置列表，为空则删除所有 ticks（如使用 range 指定隔几个显示一个 ticks）
- lable：给定刻度线的标签，不指定将显示原来的标签，必须在 ticks 参数生效时才可使用
- roration：旋转角度
- color：颜色
x_ticks=range(-50,51,10)
y_ticks=range(0,2500,100)
plt.xticks(x_ticks)
plt.yticks(y_ticks)
（四）图例
legend()，用于放在图中一角对于符号颜色代表内容的指示和说明，若图形本身有 lable 将默认使用lable的值作为图例说明
plt.plot(x,y,lable='a')
plt.legend() # 显示图例 图例中 x、y 构成的线默认为 a
设置 plt.legend(loc='xxx') 参数可以对位置进行设置，图例本身默认寻找最佳位置放置（即不阻挡视图的地方）
（五）每条 x、y 的具体数值
使用 plt.text() 显示对应点上的数据值，由于x和y是对应坐标，一次只能指定一个，所以没法一步到位，应用循环语句一个个标注
参数：
- x、y：坐标值（必有）
- string：要说明文字（必有）
- fontsize：字体大小
- verticalalignment：垂直对齐方式（可选：'center'/'top'/'bottom'/'baseline'）
- horizontalalignment：数值对齐方式（可选：'center'/'right'/'left'）
补充：
说明 zip() 方法：生成一个迭代器对象
x_l=[1,2,3]
y_l=[4,5,6]
a=zip(x_l,y_l)
print(a,type(a),id(a))
for x,y in a:
print(x,y)
1987486763136
1 4
2 5
3 6 标注 x、y 的代码如下
# 根据x标签算出每个y对应的值
y_l=[]
for i in range(len(x_ticks)):
y_l.append(x_ticks[i]**2)
# 生成迭代器
z=zip(x_ticks,y_l)
# 遍历
for a,b in z:
plt.text(a,b,b)
# 画图
plt.show() 
（六）显示中文及负号
上面的图片并没有将中文显示出来，因为 matplotlib 默认不支持中文，应修改字体配置，matplotlib 默认配置信息可以通过运行配置参数 rcParms 修改
设置完中文后，默认使用 Unicode 负号，同样需要设置
plt.rcParams['font.sans-serif']=['SimHei'] --显示中文
plt.rcParams['axes.unicode_minus']=False --显示负号
三、可视性设置
（一）网格线
使用 plt.grid() 方法
参数：
- True：显示网格
- linestyle：线形，默认实线
- color：颜色默认灰色
- linewidth：宽度
- axis：x，y，both，显示x、y、两者的网格
plt.grid(True,linestyle='--',color='gray',axis='y')
plt.show()
（二）对坐标轴操作
plt.gca() 可以定位要控制坐标轴的轴线，如果有多个图片可以先定位到对应要操作的图片，再使用该方法，我们当前只有一个图片，因此对应的就是图片的四条轴线
spines 指的就是轴，使用 set 对其修改
ax=plt.gca()
ax.spines['right'].set_color('none') # 设为透明
ax.spines['top'].set_color('none')
ax.spines['left'].set_position(('data',0))
# 位置设置的方法：
# ① data：元组，后面的数字代表挪动到的刻度值
# ② outward
# ③ axes：在整个轴上的比例取值0到1之间 
（三）rcParams
需要特别眼熟，这个方法可以对图像很多默认配置进行设置，如字体的修改、图画分辨率、尺寸大小等等
plt.rcParams['figure.figsize']=(8,4) # 单位：英寸，默认6*4inch
plt.rcParams['figure.dpi']=300（四）关于图表参数
plt.plot(x,y,color=xx,alpha=xx,linestyle=xx,linewidth=xx,maker=xx,makeredgecolor=xx,makersize=xx,makeredgewidth=xx)- color：颜色，可以使用英文全称，或16进制（要用直接查，要用#号）
- alpha：透明度（取值0-1）越大透明底越低
- linestyle、linewidth：线条样式、宽度
- maker、makeredgecolor、makersize、makeredgewidth：标记点设置、颜色、大小、宽度
常见：
样式缩写
由于各种符号标记不会重复，因此可以直接使用形如以下方式的缩写
plt.plot(x,y,'r-+')
绘图注意事项：
- x与y个数应当一致否则会报错
- 在设定 x 与 y 的 ticks 时，lables 应用数字元素本身而非索引设置，若数据类型为字符串类型，则使用索引设置，要对应上