教你学会通过python的matplotlib库绘图

一、前言

python的matplotlib库很强大可以绘制各种类型的图像。
首先要装一些基础的库，如numpy,matplotlib或是pandas。

二、基础命令

首先介绍绘图时常用的基础命令：

1.plt.plot(x,y)即为绘图命令。
①基础画图：

plt.plot(x, y)

②设置颜色：

color属性
如果没有特别要求的话可以不手动设置颜色，如果要在一张图上画不同的线时，会自动分配颜色。也可以使用ax.plot效果相同。

plt.plot(x, y, color = 'red')

③设置线型：

lineStyle属性
可以选择'-', ‘–', ‘-.', ‘:', ‘None', ' ', ‘', ‘solid', ‘dashed', ‘dashdot', 'dotted'这些类型的。

plt.plot(x, y, lineStyle = 'dashdot')

④设置标注类型：

marker属性
有不同的marker可以选择，比如'o','*',‘x'。

plt.plot(x, y ,marker='x')

⑤设置图例：

label属性。

plt.plot(x, y ,marker='o',label='语文成绩')
plt.plot(x, y ,marker='*',label='数学成绩')
plt.plot(x, y ,marker='x',label='英语成绩')

只是这样图例是不会显示的，还需要加上loc是位置设置，具体见后面讲解。

plt.legend(loc='upper left')

三、正常显示中文：

①windows系统：

plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']

mac系统：
这里是这样设置的，也可以设置为其他中文字体。

plt.rcParams["font.family"] = 'Arial Unicode MS'

②正常显示符号：

plt.rcParams['axes.unicode_minus'] = False

四、设置图样或子图

①如果只画一张图的话可以，figsize设置的是x轴和y轴方向图片大小的比例。这里要设置好否则可能会出现图片显示不完全的情况，如果通过savefig命令保存的话，也是按照这个比例来保存的图片。

f = plt.figure(figsize=(8,6))

或是，虽然是通过subplots命令，可是不指定nrows和ncols默认只有一个子图。

f, ax = plt.subplots(figsize=(8,6))

ax表示的是当前坐标轴。

ax = plt.gca()

如果有多个子图的话：
nrows为行，ncols为列，figsize为图片的尺寸。

f, ax = plt.subplots(nrows=2,ncols=1,figsize=(8,6),facecolor='white')

或是

fig = plt.figure()
ax1 = fig.add_subplot(2,1,1)
ax2 = fig.add_subplot(2,1,2)
ax1.plot(x,y)
ax2.plot(x,z)

或是

ax1 = plt.subplot(2,1,1)
ax2 = plt.subplot(2,1,2)
ax1.plot(x,y)
ax2.plot(x,z)

其他属性：第一个属性标记的是窗口的名称，dpi设置的分辨率。

f = plt.figure('成绩窗口',figsize=(8,6),facecolor='white',dpi=100)

②设置图片背景色：

f = plt.figure(figsize=(8,6),facecolor='blue')

如果要设置图片前景色，要用

ax.set(facecolor='white')

五、设置x轴或y轴相关属性：

①设置x轴的刻度：
需要指定标注的位置，标注的具体值，可以通过fontsize指定大小。

x = [0,2,4,6,8]
x_label = ['第一学期','第二学期','第三学期','第四学期','第五学期']
plt.xticks(x, x_label,fontsize=13)

这里的xticks支持latex，

x_label = [r'$e^x$',r'$x_1^2$',r'$\lambda$',r'$\frac{1}{2}$',r'$\pi$']

有时候可能标注的值很多，我们想把x轴的刻度竖着显示：
只需要在x_label中要换行的地方加上'\n‘换行符即可。

x = [0,2,4,6,8]
x_label = ['第\n一\n学\n期','第二\n学期','第\n三\n学\n期','第四\n学期','第五\n学期']
plt.xticks(x, x_label,fontsize=13)#这有一张图

②设置x轴的标签：
这两条命令是一样的作用。

plt.xlabel(u"学期")
ax.set_xlabel(u"学期")#设置x轴的标签值

xlabel同样支持latex

plt.xlabel(u"$x^2$")

③设置x轴的范围：
这两条命令也是一样的作用。
一般不需要人为指定范围，程序会根据输入的最大值和最小值自动确定一个范围。

plt.xlim(0,100)
ax.set_xlim(0,100)

设置y轴的相关属性和x轴的相关属性方法是一样的，只需要把x替换成y即可。

六、设置标题：

fontsize为大小，fontweight指定加粗。下面两条命令作用相同。

plt.title('小明第一至第四学期成绩变化折线图',fontsize=18,fontweight='bold')
ax.set_title('小明第一至第四学期成绩变化折线图',fontsize=18,fontweight='bold')

这里程序会自动将标题放在一个合适的位置，当然也难免出现title不是我们想要的位置的情况，这是可以通过指定x或是y属性，来设置title的位置。正常范围是[0,1]可以设置负零点几或是一点几，需要多尝试，如果设置超出图片范围会看不到title的。
比如这里我设置y=-0.1，可以看到title到下面去了。

plt.title('小明第一至第四学期成绩变化折线图',fontsize=18,fontweight='bold',y=-0.1)

七、设置图例：

法一：
在画图的时候做好标注。

plt.plot(x, y[0,:],marker='o',label='语文成绩')
plt.plot(x, y[1,:],marker='*',label='数学成绩')
plt.plot(x, y[2,:],marker='x',label='英语成绩')
plt.legend(loc='upper left')

法二：
不写在plot中，统一写在legend中。
可以指定对应曲线，这里的曲线定义后一定要加','，否则会报错。

a,=plt.plot(x, y[0,:],marker='o')
b,=plt.plot(x, y[1,:],marker='*')
c,=plt.plot(x, y[2,:],marker='x')
plt.legend((a,b,c),('语文成绩','数学成绩','英语成绩'),loc='upper left')

或是不指定对应曲线，

plt.legend(('语文成绩','数学成绩','英语成绩'),loc='upper left')

不指定对应曲线的方式不推荐，有时候并不想给每个曲线都加图例，不加图例的曲线可以不写label属性。而该方式会按plot的顺序，加图例，不会跳过不想加图例的曲线，除非是最后的曲线，不写就不会加。
legend的命令只能通过plt设置，如果有多个子图的话，

ax = plt.subplot(2,1,1)

这样对plt操作就可以对子图操作。

八、进行标注：

标注的话需要写循环，一个个标注，不能这样写plt.text(x,y,"%s"%str(y))，不会一次标注一堆。
fontsize是设置标注的字体。用ax是一样的。

for i in range(len(x)):
	plt.text(x[i],y[i],"%s"%str(y[i]), fontsize=12)
	#ax.text(x[i],y[i],"%s"%str(y[i]), fontsize=12)

经常出现legend把图片内容给挡住了的情况，这里也可以指定legend的位置。

可以通过bbox_to_anchor属性来调整legend的位置。

plt.legend(bbox_to_anchor=(1.05, 1), loc=2)

图例还有许多其他的属性，

九、保存图片：

plt.savefig('小明成绩变化图.png')

十、显示图片：

plt.show()

十一、删除边框：

这里有四个方向，可以选择删除哪一个方向的边框。

ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['bottom'].set_visible(False)
ax.spines['left'].set_visible(False)

十二、显示/不显示网格：

ax.grid(True)
ax.grid(False)

到此这篇关于教你学会通过python的matplotlib库绘图的文章就介绍到这了,更多相关python的matplotlib库内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！