这篇文章主要介绍“python数据可视化matplotlib.pyplot的用法”，在日常操作中，相信很多人在python数据可视化matplotlib.pyplot的用法问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”python数据可视化matplotlib.pyplot的用法”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
不论是数据挖掘还是数据建模，都免不了数据可视化的问题。对于Python来说，Matplotlib是最著名的绘图库，它主要用于二维绘图，当然它也可以进行简单的三维绘图(基于spyder)。
- 模块引用
import matplotlib.pyplot as plt #引用画图库中的pyplot模块-折线条图
语法
import matplotlib.pyplot as pltdata=[1,2,3,4,5,4,2,4,6,7] #随便创建了一个数据plt.plot(data) #引用画图库中的pyplot模块
plot参数
基本折线图不能满足，这时就需plot的参数来进行调整
美化示例：
import matplotlib.pyplot as pltyy=[1,2,3,4,5,4,2,4,6,7]#随便创建了一个数据xx=[3,5,4,1,2,3,4,5,6,3]zz=[2,3,4,6,4,3,2,4,5,6]plt.plot(yy,color='r',linewidth=5,linestyle=':',label='数据一')#color指定线条颜色，labeL标签内容plt.plot(xx,color='g',linewidth=2,linestyle='--',label='数据二')#linewidth指定线条粗细plt.plot(zz,color='b',linewidth=0.5,linestyle='-',label='数据三')#linestyle指定线形为点plt.legend(loc=2)#标签展示位置，数字代表标签具位置plt.xlabel('X轴称')plt.ylabel('Y轴的名称')plt.title('2018.7.30折线图示例')plt.ylim(0,10)#Y轴标签范围为0-10
plt常用参数有：
官网详细说明点这里
| 属性 | 描述 |
|---|---|
| xlabel | 设置当前轴的x轴标签:plt.xlabel(‘X标签名') |
| ylabel | 设置当前轴的y轴标签:plt.xlabel(‘y标签名') |
| title | 设置当前轴的标题：plt.title(‘图例标题名') |
| ylim | 获取或设置当前轴的y限制，plt.ylim(0,6)Y轴范围0-6；Xlim同理懒的写了 |
| legend | 在轴上放置图例:legend()无参数自动识别，也可用数字指定位置1,2,3,4试着来 |
| show | 展示所画图，spyder一般直接运行不需要此步 |
| grid | plt.grid()打开或关闭轴网格，网格一样能设置颜色线型 |
| rcParams[‘font.sans-serif'] | 图表中文字体：plt.rcParams[‘font.sans-serif']=[‘SimHei']微软雅黑；或=[‘Microsoft Yahei']黑体 |
| rcParams[‘axes.unicode_minus'] | 图表轴负数符号显示问题：plt.rcParams[‘axes.unicode_minus'] = False |
plt常画图例有：
官网详细说明点这里
| 属性 | 描述 |
|---|---|
| plot | 绘制y与x作为线和/或标记。 |
| plot_date | 绘制包含日期的数据。 |
| acorr | 绘制x的自相关。 |
| axhline | 在轴上添加一条水平线。 |
| bar | 制作条形图。 |
| barh | 制作一个水平条形图。 |
| hist | 绘制直方图 |
| hist2d | 制作2D直方图。 |
| scatter | y与x的散点图，具有不同的标记大小和/或颜色。 |
| stackplot | 绘制堆积区域图。 |
plot常用参数有：
官网详细说明点这里
| 属性 | 描述 |
|---|---|
| color | 字体颜色：color=‘r'；b、g、r、c、m、y、k、w 或者blue、green、red、cyan、magenta、yellow、black、whtite 或十六进制字符串（'#008000'） |
| linewidth | 线条粗细：linewidth=1.=5.=0.3 |
| linestyle | 线条形状：linestyle='–'(虚线);linestyle=':'(点线);linestyle='-.'(短线加点)； |
| label | 数据标签内容：label=‘数据一',数据标签展示位置需另说明plt.legend(loc=1)数字为标签位置 |
实际应用案例
因案例涉及机密数据，只展示数据可视化的过程及结果，先放结果输出的样式
import pandas as pd #导入pandas库import pymysql as mysql #导入mysql库import matplotlib.pyplot as plt #导入数据可视化库import numpy as np #导入numpy库plt.rcParams['font.sans-serif'] = ['Microsoft Yahei'] #指定文字字体格式为微软雅黑字段plt.rcParams['axes.unicode_minus'] = Falseconnection=mysql.connect(host='数据库ip',port='端口',user='用户账号',password='登录密码',db='连接的库名',charset='utf8')#设置连接数据库的参数select=connection.cursor()#创建游标select.execute("SELECT * FROM tabel")#写入SQL查询语句zd=list((pd.DataFrame(list(select.description)))[0])#获取查询结果的列名sqldata=select.fetchall()#获取查询结果select.close #关闭查询connection.close #关闭数据库接接data1=pd.DataFrame(list(sqldata)) #将数据转化成df类型data1.columns=zd #将列名重置为查询结果列名plt.figure(figsize=(10,5)) #设置图表大小，长10，宽5plt.plot(data1['机器A拟合度'],label='机器A准确率',color='#aa0000',linestyle='-',linewidth=3)#画机器A准确率的线条plt.plot(data1['人工A拟合度'],label='人工A准确率',color='#aa0000',linestyle=':',linewidth=3)#画人工A准确率的线条plt.plot(data1['机器B拟合度'],label='机器B准确率',color='#666666',linestyle='-',linewidth=3)#画机器B准确率的线条plt.plot(data1['人工B拟合度'],label='人工B准确率',color='#666666',linestyle=':',linewidth=3)#画人工B准确率的线条plt.plot([0,7],[0.9,0.9],color='g',linestyle='-.',linewidth=1)#画一根绿色的辅助线，x轴从0到7，Y轴为0.9plt.xticks(np.arange(8),('wk23','wk24','wk25','wk26','wk27','wk28','wk29','wk30'))#更改图表X标签为制定内容plt.legend(loc=4)#将图例说明放在图表的右下角plt.title('人机绝对准确率6.4-7.29',fontsize=20)#命名图表名称，设置字体大小plt.xlabel('周',fontsize=20)#设置X轴名称及字体大小plt.ylabel('准确率%',fontsize=20)#设置Y轴名称及字体大小到此，关于“python数据可视化matplotlib.pyplot的用法”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注编程网网站，小编会继续努力为大家带来更多实用的文章！
