教你快速上手Pyplot，画出各种你想要的图

一、Pyplot简介

• Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。

• Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。

• Pyplot 包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改，例如：给图像加上标记，生成新的图像，在图像中产生新的绘图区域等等。

二、Pyplot导入

我们可以使用 import 导入 pyplot 库，并设置一个别名 plt：

from matplotlib import pyplot as plt

这样我们就可以使用 plt 来引用 pyplot 包的方法。

三、Pyplot绘图

✈️1、折线图

from matplotlib import pyplot as plt
import numpy as np

xpoints=np.array([0,10])
ypoints=np.array([0,100])
plt.plot(xpoints,ypoints)
plt.show()

我们通过两个点(0,0)和(10,100)绘制出折线图，x轴的点坐标就是0和10，y轴的点坐标就是0,100。分别将x轴的点和y轴的点存放到数组中，再调用plot画在画布上，最后show显示出来就搞定了。

2、熟悉plot()函数

plot() 用于画图它可以绘制点和线，语法格式如下：

#画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
#画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

• x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。
• fmt：可选，定义基本格式（如颜色、标记和线条样式）。
• **kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。

颜色字符：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。

线条样式：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。

标记字符：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记 等等。

纸上得来终觉浅，绝知此事要躬行，大家看下面几个实例就明白了。

我们可以绘制任意数量的点，只需确保两个轴上的点数相同即可。绘制一条不规则线，坐标为 (1, 3) 、 (2, 8) 、(6, 1) 、(8, 10)，对应的两个数组为：[1, 2, 6, 8] 与 [3, 8, 1, 10]。

我们给线条变成红色，并且线条样式为虚线，再让每个点都被‘o’符号标记：

from matplotlib import pyplot as plt
import numpy as np

xpoints=np.array([1, 2, 6, 8])
ypoints=np.array([3, 8, 1, 10])
plt.plot(xpoints,ypoints,'r--o')
plt.show()

可以看到plot中多了个参数'r--o'，它其实就是刚刚的[fmt]，分别代表了颜色字符r，线条样式–，标记字符o，这三者的顺序随意，个数随意，非常方便。

这里参数改成了'.g-.'，可以得知引号中第一个参数是符号标记‘.’ ; 第二个是颜色字符g ; 第三个是线条样式-. 。这样就变成了绿色的点划线，并且点都被标记出来了。

plt.plot(xpoints,ypoints,'.g-.')

如果我们不指定 x 轴上的点，则 x 会根据 y 的值来设置为 0, 1, 2, 3…N-1。

from matplotlib import pyplot as plt
import numpy as np

ypoints=np.array([2, 6, 2, 6,2])
plt.plot(ypoints,'.c:')
plt.show()

从下图可以看出 x 的值默认设置为 [0, 1, 2, 3, 4]。

3、轴标签和标题

我们可以使用 xlabel() 和 ylabel() 方法来设置 x 轴和 y 轴的标签。

from matplotlib import pyplot as plt
import numpy as np

xpoints=np.array([1,2,3,4,5])
ypoints=np.array([5,3,8,5,9])
plt.plot(ypoints,'oc-')
plt.xlabel('x-label')
plt.ylabel('y-label')
plt.show()

我们可以使用 title() 方法来设置标题。

from matplotlib import pyplot as plt
import numpy as np

xpoints=np.array([1,2,3,4,5])
ypoints=np.array([5,3,8,5,9])
plt.plot(ypoints,'oc-')
plt.title('picture')
plt.xlabel('x-label')
plt.ylabel('y-label')
plt.show()

如果我们想使用中文显示标题和标签，只需要加入一行plt.rcParams['font.family']=['STFangsong']，这样就可以使用系统字体中的“仿宋”。

from matplotlib import pyplot as plt
import numpy as np

plt.rcParams['font.family']=['STFangsong']
xpoints=np.array([1,2,3,4,5])
ypoints=np.array([5,3,8,5,9])
plt.plot(ypoints,'oc-')
plt.title('折线图')
plt.xlabel('博客写作时长')
plt.ylabel('涨粉数')
plt.show()

此外我们还可以自定义字体的样式：

from matplotlib import pyplot as plt
import numpy as np

plt.rcParams['font.family']=['STFangsong']
xpoints=np.array([1,2,3,4,5])
ypoints=np.array([5,3,8,5,9])
plt.plot(ypoints,'oc-')
plt.title('折线图',size='30',color='#ABCDEF')
plt.xlabel('数量',size='15',color='blue')
plt.ylabel('价格',size='20',color='m')
plt.show()

用size设置字体大小；color设置字体颜色，可以缩写，可以完整写，也可以用rgb十六进制写。

最后，我们可以修改标题与标签的定位：

from matplotlib import pyplot as plt
import numpy as np

plt.rcParams['font.family']=['STFangsong']
xpoints=np.array([1,2,3,4,5])
ypoints=np.array([5,3,8,5,9])
plt.plot(ypoints,'oc-')
plt.title('折线图',loc='right',size='30',color='#409882')
plt.xlabel('数量',loc='left',size='15',color='blue')
plt.ylabel('价格',loc='top',size='20',color='m')
plt.show()

• title() 方法提供了 loc 参数来设置标题显示的位置，可以设置为: ‘left’, ‘right’, 和 ‘center’， 默认值为 ‘center’。

• xlabel() 方法提供了 loc 参数来设置 x 轴显示的位置，可以设置为: ‘left’, ‘right’, 和 ‘center’， 默认值为 ‘center’。

• ylabel() 方法提供了 loc 参数来设置 y 轴显示的位置，可以设置为: ‘bottom’, ‘top’, 和 ‘center’， 默认值为 ‘center’。

4、绘制多图

我们可以使用 pyplot 中的 subplot() 和 subplots() 方法来绘制多个子图。

subplot() 方法在绘图时需要指定位置，subplots() 方法可以一次生成多个，在调用时只需要调用生成对象的 ax 即可。推荐大家使用subplot即可。

我们看下subplot函数的语法格式：subplot(nrows, ncols, index)

subplot( )将整个绘图区域分成 nrows 行和 ncols 列，然后从左到右，从上到下的顺序对每个子区域进行编号 1…N ，左上的子区域的编号为 1、右下的区域编号为 N，编号可以通过参数 index 来设置。

from matplotlib import pyplot as plt
import numpy as np
#plot1
xpoints=np.array([0,2,4,6,8])
ypoints=np.array([0,3,6,9,12])
plt.subplot(1,2,1)
plt.plot(xpoints,ypoints)
plt.xlabel('x')
plt.ylabel('y')
plt.title('plot1')

#plot2
x=np.array([1,3,5,8])
y=np.array([10,3,6,2])
plt.subplot(1,2,2)
plt.plot(x,y)
plt.title('plot2',color='m')
plt.show()

可以看到plot1和plot2在用plot前都加上了plt.subplot(1,2,1)和plt.subplot(1,2,2)，意思是说将画布分为一行两列，左边标号是1，右边标号是2，所以plot1就在左图位置，plot2就画在右图位置。就这么简单。

如果我们只在第一块区域画图，将plot2代码删去，运行一下。

from matplotlib import pyplot as plt
import numpy as np
#plot1
xpoints=np.array([0,2,4,6,8])
ypoints=np.array([0,3,6,9,12])
plt.subplot(1,2,1)
plt.plot(xpoints,ypoints)
plt.xlabel('x')
plt.ylabel('y')
plt.title('plot1')
plt.show()

可以看到只有plot1在画布的左侧，右侧没有图像，所以显示为空。

5、绘制散点图

我们可以使用 pyplot 中的 scatter() 方法来绘制散点图。scatter() 方法语法格式如下：

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)

参数说明

x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。

s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。

c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。

marker：点的样式，默认小圆圈 ‘o’。

cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。

norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。

vmin，vmax：亮度设置，在 norm 参数存在时会忽略。

alpha：透明度设置，0-1 之间，默认 None，即不透明。

linewidths：标记点的长度。

其实上面这些参数不需要全部记住，常用的大小颜色记住即可，收藏之后，忘记了随时来看。

---

我们在画布上绘制下这8个点：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])

plt.scatter(x, y)
plt.show()

我们看下效果图：

我们来设置散点的大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
sizes = np.array([20,50,100,200,500,1000,200,100])
plt.scatter(x, y,sizes=sizes)
plt.show()

通过定义一个sizes数组，数组元素就是每个点的大小：

我们还可以自定义点的颜色：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
sizes = np.array([20,50,100,200,500,1000,200,100])
colors = np.array(["red","green","black","orange","purple","beige","cyan","magenta"])
plt.scatter(x, y,sizes=sizes,c=colors)
plt.show()

colors是颜色数组，存储了每个点的颜色：

Matplotlib 模块提供了很多可用的颜色条。颜色条就像一个颜色列表，其中每种颜色都有一个范围从 0 到 100 的值。

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
sizes = np.array([20,50,100,200,500,1000,200,100])
colors = np.array([10, 20, 30, 40, 50, 60, 70, 80])
plt.scatter(x, y,sizes=sizes,c=colors,cmap='viridis')
plt.colorbar()
plt.show()

设置颜色条需要使用 cmap 参数，默认值为 ‘viridis’，之后颜色值设置为 0 到 100 的数组。如果要显示颜色条，需要使用 plt.colorbar() 方法：

以上就是所有pyplot的基本用法了，三连不迷路。

让别人相信你有搞定事情的毅力以及态度，做不出来绝不放弃，态度决定一切。