【Python】plt库详解和示例
plt 是 Python 中 Matplotlib 库的一个常用别名，它表示 pyplot，这是一个用于创建图形和图形的可视化表示的工具。下面是一些 plt 函数的详解和示例，以帮助大家理解和使用。
目录
- plt.subplots（）
- plt.savefig（）
- 折线图
- plt.scatter()
- plt.bar() 函数
- plt.hist（）
- plt.title(), plt.xlabel(), 和 plt.ylabel()
- Grid Lines
- Legend
- 注意事项
plt.subplots（）
plt.subplots是Matplotlib库中的一个函数，用于创建包含一个或多个子图的绘图。它返回一个包含了图形和轴的元组，可以用于进一步定制图形和轴。
函数原型如下：
plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, **fig_kw)
参数解释：
nrows: 子图的行数。默认为1。
ncols: 子图的列数。默认为1。
sharex: 如果为True，则子图共享x轴。默认为False。
sharey: 如果为True，则子图共享y轴。默认为False。
squeeze: 如果为True（默认），则将单个子图压缩为单一的图形。如果为False，则返回的图形将包含多个子图。
subplot_kw: 一个字典，用于定制子图的属性（例如标题、轴标签等）。
fig_kw: 一个字典，用于定制图形属性（例如大小、背景色等）。
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, sharex=True)
ax1.plot(x, y1)
ax2.plot(x, y2)
plt.show()
plt.savefig（）
plt.savefig 是 Matplotlib 库中的一个函数，用于将当前的图形保存为图像文件。
函数原型如下：
plt.savefig(fname, dpi=None, facecolor='w', edgecolor='w', orientation='portrait', papertype=None, format=None, transparent=False, bbox_inches=None, pad_inches=0.1, frameon=None, metadata=None)
参数解释：
fname: 文件路径或者 Python 的文件类型对象。例如，使用 plt.savefig('my_figure.png') 将图像保存为 PNG 文件。也可以使用 plt.savefig(open('my_figure.png', 'wb')) 将图像保存为 PNG 文件，但这次是通过打开一个文件对象。
dpi: 图像的分辨率（每英寸的点数），默认为 None。如果提供了 dpi 参数，将改变图像的分辨率。
facecolor: 图像的背景色，默认为 'w'（白色）。
edgecolor: 图像边缘的颜色，默认为 'w'（白色）。
orientation: 图像的方向，默认为 'portrait'（纵向）。可以设置为 'landscape'（横向）或者 'square'（保持图像宽高比）。
papertype: 用于输出的纸张类型，默认为 None。例如，'a4'。
format: 图像的格式。这通常是从 fname 中推断出来的，因此通常不需要显式设置。可能的值包括 'png'、'pdf'、'svg'、'jpeg' 等。
transparent: 如果为 True，则图像将是透明的，默认为 False。
bbox_inches: 如果不为 None，则指定了图像的边界框大小（以英寸为单位）。默认为 None。
pad_inches: 边缘周围的填充量。默认为 0.1 英寸。
frameon: 如果为 True，则包含图像的边框，默认为 None（即使用默认值 True）。
metadata: 一个字典，用于存储与图像相关的元数据。例如，可以包含版权信息、创建日期等。默认为 None。
折线图
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.savefig("1.jpg")
plt.show()
plt.scatter()
散点图
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.scatter(x, y)
plt.savefig("1.jpg")
plt.show()
plt.bar() 函数
使用 plt.bar() 函数绘制柱状图。
import matplotlib.pyplot as plt
x = ['A', 'B', 'C', 'D', 'E']
y = [10, 20, 30, 40, 50]
plt.bar(x, y)
plt.savefig("1.jpg")
plt.show()
plt.hist（）
plt.hist()函数是Matplotlib库中的一个函数，用于创建直方图。它可以将数据的分布情况以直方图的形式展示出来，可以用于数据的可视化和分析。
函数原型如下：
matplotlib.pyplot.hist(data, bins, range=None, density=False, weights=None, color=None, align=None, edgecolor=None, **kwargs)
参数解释：
data: 这是您要绘制直方图的数据。这可以是一个数字列表，也可以是一个NumPy数组。
bins: 这是直方图的柱子数量。如果bins是一个整数，则将使用其计算等间距的 bins。如果bins是一个列表或元组，其值将被用作 bins 的边缘。
range: 这是 bin 的范围。如果传入两个值的列表或元组，则将其视为 bin 的边缘。如果传入一个值的列表或元组，则将其视为 bin 的中心。如果未指定此参数，则默认使用数据范围。
density: 如果为True，则返回的直方图将表示数据的概率密度函数，而不是实际的频率。
weights: 用于加权的直方图数据。
color: 为直方图设置颜色。可以使用颜色名称或RGB值。如果未指定，则默认使用蓝绿色。
align: 确定如何对齐 bin 边缘。可能的值包括 'left', 'right' 和 'mid'。
edgecolor: 为 bin 边缘设置颜色。可以使用颜色名称或RGB值。如果未指定，则默认使用黑色。
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(1000)
plt.hist(data, bins=30)#设置的柱子数量
plt.savefig("1.jpg")
plt.show()
plt.title(), plt.xlabel(), 和 plt.ylabel()
设置标题和坐标轴标签：使用 plt.title(), plt.xlabel(), 和 plt.ylabel() 设置图形的标题和坐标轴标签。
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.title('My Plot') # 设置标题
plt.xlabel('X-axis') # 设置 x 轴标签
plt.ylabel('Y-axis') # 设置 y 轴标签
plt.savefig("1.jpg")
plt.show()
Grid Lines
网格线（Grid Lines）：使用 plt.grid() 函数来显示或隐藏网格线。默认情况下，网格线是隐藏的。如果想要显示网格线，可以像下面这样设置：plt.grid(True)。
图例（Legend）：使用 plt.legend() 函数来显示图例。例如：plt.legend([‘Red Line’, ‘Blue Line’])。这将在图形中添加两个图例，一个代表红色线条，另一个代表蓝色线条。
Legend
图例（Legend）：使用 plt.legend() 函数来显示图例。例如：plt.legend([‘Red Line’, ‘Blue Line’])。这将在图形中添加两个图例，一个代表红色线条，另一个代表蓝色线条。
注意事项
如果需要保存图像，需要在plt.show()前使用plt.savefig()，负责保存的是空白，因为plt.show()会把数据内容清空。