目录
- 前言
- 准备
- 一.pyplot基础函数
- （一）后端资源管理
- （二）matplotlib.pyplot提供的基本画图函数
- 1.plt.title(str, fontsize, fontweight, fontstyle, verticalalignment, horizontalalignment, rotation, alpha, backgroundcolor, bbox)
- 2.plt.xlim(xmin, xmax)，plt.ylim()
- 3.plt.xlabel(str, fontsize, fontweight, fontstyle, verticalalignment, horizontalalignment, rotation, alpha, backgroundcolor, bbox)，plt.ylabel()
- 4.plt.grid(ls, color)
- 5.plt.axhline(y, xmin, xmax, c, ls, lw, label)，plt.axhline(x, ymin, ymax, c, ls, lw, label)
- 6.plt.axhspan(ymin, ymax ,facecolor, alpha)，plt.axvspan(xmin, xmax ,facecolor, alpha)
- 7.plt.xticks()，plt.yticks()
- 8.plt.annotate()
- 9.plt.bbox()
- 10.plt.text() / axes.text()
- 11.plt.legend()
- 12.plt.table()
- 二.Figure，Axes与Axis
- 图解
- （一）
- （二）向figure中添加axes
- 1.函数matplotlib.pyplot.subplot(*args, **kwargs) / matplotlib.pyplot.subplot(nrows, ncols, index, **kwargs)
- 2.函数matplotlib.pyplot.subplots(nrows, ncols, sharex, sharey, squeeze, subplot_kw, gridspec_kw=None, **fig_kw)
- 3.方法matplotlib.pyplot.figure().add_subplot(nrows, ncols, index, **kwargs)
- 4,方法matplotlib.pyplot.figure().add_axes(rect, projection, polar, sharex, sharey, **kwargs)
- 5.函数matplotlib.pyplot.subplot2grid(shape, loc, rowspan, colspan, fig, **kwargs)
- （三）函数figure的方法
- （四）AxesSubplot的方法
- 三.绘画类型
- （一）基础
- 1.折线图matplotlib.pyplot.plot(*args,**kwargs,label) / AxesSubplot.plot()
- 2.散点图matplotlib.pyplot.scatter(x, y, s, c, marker, cmap, norm, vmin, vmax, alpha, linewidths, edgecolors, **kwargs) / AxesSubplot.scatter()
- 3.柱状图matplotlib.pyplot.bar() / AxesSubplot.bar()
- 4.横向柱状图matplotlib.pyplot.barh() / AxesSubplot.barh()
- 4.茎状图（火柴图）matplotlib.pyplot.stem(x, y, linefmt, markerfmt, basefmt，bottom, label, orientation) / AxesSubplot.stem()
- 5.阶梯图（步阶图）（分段折线图）matplotlib.pyplot.step() / AxesSubplot.step()
- 6.填充图matplotlib.pyplot.fill_between() / AxesSubplot.fill_between()
- 7.堆叠图matplotlib.pyplot.stackplot() / AxesSubplot.stackplot()
- 8.极坐标图matplotlib.pyplot.polar() / AxesSubplot.polar()
- （二）数组和字段的绘图
- 1.显示图像matplotlib.pyplot.imshow(X,cmap,interpolation) / AxesSubplot.imshow()
- 2.matplotlib.pyplot.pcolormesh() / AxesSubplot.pcolormesh()
- 3.轮廓线（等高线）matplotlib.pyplot.contour(X, Y, Z, levels, cmap, **kwargs) / AxesSubplot.contour()
- 4.填充轮廓matplotlib.pyplot.contourf(X, Y, Z, levels, cmap, **kwargs) \ AxesSubplot.contourf()
- 5.倒钩图matplotlib.pyplot.barbs() \ AxesSubplot.barbs()
- 6.箭图matplotlib.pyplot.quiver() \ AxesSubplot.quiver()
- 7.流线图matplotlib.pyplot.streamplot() \ AxesSubplot.streamplot()
- 8.绘制X与Y的相关性matplotlib.pyplot.cohere() \ AxesSubplot.cohere()
- 9.功率谱密度图matplotlib.pyplot.psd() \ AxesSubplot.psd()
- 10.谱图matplotlib.pyplot.specgram() \ AxesSubplot.specgram()
- （三）统计分析绘图
- 1.直方图matplotlib.pyplot.hist() \ AxesSubplot.hist()
- 2.箱线图（箱型图）matplotlib.pyplot.boxplot() \ AxesSubplot.boxplot()
- 3.误差棒图matplotlib.pyplot.errorbar() \ AxesSubplot.errorbar()
- 4.小提琴图matplotlib.pyplot.violinplot() \ AxesSubplot.violinplot()
- 5.尖峰栅格图matplotlib.pyplot.eventplot() \ AxesSubplot.eventplot()
- 6.2D直方图matplotlib.pyplot.hist2d() \ AxesSubplot.hist2d()
- 7.matplotlib.pyplot.hexbin() \ AxesSubplot.hexbin()
- 8.饼状图matplotlib.pyplot.pie() \ AxesSubplot.pie()
- （四）非结构化坐标
- （五）3D
- 附录
Matplotlib，全称“Matlab plotting library”，是Python中的一个库，它是数字的-NumPy库的数学扩展，是Python中绘制二维和三维图表的数据可视化工具
Matplotlib的绘画接口分为三种：pyplot，面向当前图；axes，面向对象；Pylab，沿用 matlab 风格。
Matplotlib中的所有内容都按层次结构组织，层次结构的顶部是由matplotlib提供的matplotlb“状态机环境”——pyplot模块，仅用于图形创建等少数功能，用户显式创建并跟踪图形和轴对象。
层次结构的下一层是面向对象界面的第一层，在此级别，使用pyplot创建图形，通过这些图形可以创建一个或多个轴对象，使用基础函数将绘图元素（线条、图像、文本等）添加到当前图形中的当前轴。
格式调整 & 自定义设置
# 导入matplotlib库中的pyplotimport matplotlib as mplimport matplotlib.pyplot as plt# 解决中文乱码，可自行修改期望字体plt.rcParams['font.sans-serif']='SimHei'mpl.rcParams['font.family']=[Heiti SC]# 解决负号无法显示的问题plt.rcParams['axes.unicode_minus']=False# 将图表以矢量图格式显示，提高清晰度%config InlineBackend.figure_format = 'svg'# 提高dpi，以提高图片清晰度（dpi到三百以上，效果会明显变化）# 也可在设置figure时设置dpimpl.rcParams['figure.dpi']=300# 获取figure尺寸，默认6.4 inch，4.8 inchplt.rcParams.get('figure.figsize')# 全局设置输出图片大小的宽m和高nplt.rcParams['figure.figsize']=(m,n)# 获取字体大小，默认10.0 & 设置字体大小为kplt.rcParams.get('font.size')plt.rcParams['font.size']=k# 图画面板调整为白色rc={'axes.facecolor':'white','savefig.facecolor':'white'}mpl.rcParams.update(rc) #一次更新多个值# 允许输出数学公式mpl.rcParams['text.usetex']=True# Figure自动调整格式plt.rcParams['figure.constrained_layout.use']=True# 隐藏坐标系，二维三维均可plt.axis('off')# 三维坐标轴比例伸缩ax.get_proj = lambda: np.dot(Axes3D.get_proj(ax), np.diag([1, 1, 2, 2]))# 去除白边# bbox_inches = 'tight' 可去除部分白边# pad_inches 可正可负，减小时会放大图片在画布上的占比，以达到减少白边的效果savefig(bbox_inches = 'tight',pad_inches = -1.7)
（一）后端资源管理
1.内存或显示处理
1.1 matplotlib.pyplot.show()
显示当前figure对象
jupyter notebook中，不使用show()函数也可以正常运行，会显示图片的格式和图片；使用show()函数会只显示图片
可以认为大部分matplotlib函数都是在“暂存”的图片上进行处理，show()函数会把“暂存”的图片显示出去，然后就没有“暂存”图片了，故大部分操作应在show函数之前完成
1.2 matplotlib.pyplot.close()
关闭figure window对象，如果没有指定，则指当前figure window对象
关闭所有 figure windowsplt.close('all')
1.3 matplotlib.pyplot.get_fignums()
查询当前的所有图像编号
2.clear，get和set
2.1 matplotlib.pyplot.clf()
clf --> clean current figure --> 清除当前figure对象
清除当前 figure 中的活动的axes，但其他axes保持不变
2.2 matplotlib.pyplot.cla()
cla --> clean current axes --> 清除当前Axes对象
清除当前figure的所有axes，但是不关闭这个window，所以能继续复用于其他的plot。
创建太多的 figure 对象会引起警告
故推荐只创建一个 figure 对象，在画下一个图之前，使用 plt.clf() 清理掉 axes，这样可以复用 figure
2.3 matplotlib.pyplot.gcf()
gcf --> get current figure --> 获取当前figure对象
2.4 matplotlib.pyplot.gca()
gca --> get current axes --> 获取当前Axes对象
2.5 matplotlib.pyplot.scf(fig=fig)
scf --> set current figure --> 设置当前figure对象
2.6 matplotlib.pyplot.sca(ax=ax1)
sca --> set current axes --> 设置当前Axes对象
（二）matplotlib.pyplot提供的基本画图函数
1.plt.title(str, fontsize, fontweight, fontstyle, verticalalignment, horizontalalignment, rotation, alpha, backgroundcolor, bbox)
添加图形内容的
参数：
（1）fontsize：设置字体大小
- 可选参数：[‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’,‘x-large’, ‘xx-large’]
- 也可以是数字，缺省为12
（2）fontweight：设置字体粗细
- 可选参数：[‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’]
semibold：半粗体；bold：粗体
（3）fontstyle：设置字体类型
- 可选参数：[ ‘normal’, ‘italic’, ‘oblique’ ]
italic：斜体；oblique：倾斜
（4）verticalalignment：设置水平对齐方式
- 可选参数：[‘center’, ‘top’, ‘bottom’, ‘baseline’]
（5）horizontalalignment：设置垂直对齐方式
- 可选参数：[‘left’, ‘right’, ‘center’]
（6）rotation：旋转角度
- 可选参数为：[‘vertical’, ‘horizontal’]
- 也可以是数字
（7）alpha：透明度，参数值0至1之间
（8）backgroundcolor：背景颜色
（9）bbox：给增加外框，包含参数：
- boxstyle：方框外形
- facecolor：简写fc背景颜色
- edgecolor：简写ec，边框线条颜色
- edgewidth：边框线条大小
2.plt.xlim(xmin, xmax)，plt.ylim()
设置 x，y 轴的数值显示范围
参数：
xmin，xmax：x轴上的最小值和最大值
3.plt.xlabel(str, fontsize, fontweight, fontstyle, verticalalignment, horizontalalignment, rotation, alpha, backgroundcolor, bbox)，plt.ylabel()
设置x，y轴的标签文本
参数：
（1）fontsize：同上
（2）fontweight：同上
（3）fontstyle：同上
（4）verticalalignment：距离坐标轴的位置
- 可选参数：[‘center’, ‘top’, ‘bottom’, ‘baseline’]
（5）horizontalalignment：同上
（6）rotation：同上
（7）alpha：同上
（8）backgroundcolor：同上
（9）bbox：同上
4.plt.grid(ls, color)
绘制刻度线的辅助网格线
参数：
（1）ls：linestyle，线型
（2）color：颜色
5.plt.axhline(y, xmin, xmax, c, ls, lw, label)，plt.axhline(x, ymin, ymax, c, ls, lw, label)
绘制平行于x轴额度水平参考线 / 绘制垂直于x轴额度竖直参考线
参数：
（1）y：水平参考线的出发点，缺省为0
（2）xmin：参考线的起始位置，缺省为0
（2）xmax：参考线的终止位置，缺省为1
（2）c：color，颜色
（3）ls：linestyle，线型
（4）lw：linewidth，线宽
（5）label：标签
6.plt.axhspan(ymin, ymax ,facecolor, alpha)，plt.axvspan(xmin, xmax ,facecolor, alpha)
绘制平行于x轴的参考区域 / 绘制垂直于x轴的参考区域
参数：
（1）ymin：参考区域的起始位置
（2）ymax：参考区域的终止位置
（3）facecolor：参考区域的填充颜色
（4）alpha：参考区域填充颜色的透明度，[0~1]
7.plt.xticks()，plt.yticks()
获取或设置当前x轴或y轴刻度位置和标签。可以理解为设置xilim和ylim一样的效果，但可以指定范围和距离
8.plt.annotate()
添加图形内容细节的指向型注释文本
9.plt.bbox()
给增加外框
10.plt.text() / axes.text()
添加图形内容细节的无指向型注释文本(水印）
11.plt.legend()
标示不同图形的文本标签图例
12.plt.table()
向子图中添加表格
图解
- 一个Figure（图形）对象可以有任何数量的Axes（轴域，一套坐标轴）对象，但为了有用，至少应该有一个
- 一个Axes对象包含两个Axis（轴）对象（如果是三维就是三个）
Figure是最大的一个Aritist，它包括整幅图像的所有元素，一个Figure中的各个部分的artists元素如下图所示：
figure中所有的元素类型的artist的属性都可以用ax.set_XXX()和ax.get_XXX()来设置和获取。
（一）
1.元素Artist
有的绘图元素的基类，包含所有在figure中可以被看到的都是一个个artist。当一个figure被渲染的时候，所有的artists都被画在画布canvas上。
2.matplotlib.pyplot.figure(num, figsize, dpi, facecolor, edgecolor, linewidth, frameon)
创建一个图像，实例化Figure对象，是所有绘图元素的顶层容器，相当于给图提供了一个画布
参数：
（1）num：图像编号或名称
- 若为数字且存在对应id的 figure 对象，则激活对于id的figure对象
- 若为数字且对应id的figure对象不存在，则创建它并返回它
- 若为字符串，则将窗口设置为此字符串
- 缺省，一个新的 figure 对象将被创建，同时增加 figure 的计数数值，此数值被保存在 figure 对象的一个数字属性当中，从1开始
（2）figsize：元组，指定figure的宽和高，单位为英寸，缺省为rc figure.figsize，初始(6.4,4.8)
（3）dpi：指定绘图对象的分辨率，即每英寸多少个像素，缺省值为rc figure.dpi，初始72
1英寸等于2.54cm，A4纸是 21x30cm的纸张
（4）facecolor：背景颜色，缺省为’w’
（5）edgecolor：边框颜色，缺省为’w’
（6）linewidth：边缘的线宽
（7）frameon：是否显示边框，缺省为True
figure函数的图像有“颜色”参数，后面如savefig函数也有“颜色参数”，但存储图片时只按照savefig函数的颜色参数，缺省为默认黑白
#创建一个长为10，宽为6的画布import matplotlib.pyplot as pltfig=plt.figure(num='pic2-1.png',figsize = (10,6),dpi=90,facecolor = 'r',edgecolor = 'y')#没有子图的空图形
（二）向figure中添加axes
1.函数matplotlib.pyplot.subplot(*args, **kwargs) / matplotlib.pyplot.subplot(nrows, ncols, index, **kwargs)
此方法属于API绘图
先隐式的创建一个画布，然后再在画布上添加一个子图（如果需要多个子图，应反复调用，也可用for循环），该子图是通过均分画布得到的
子图：一个Axes对象，矩形区域，这个矩形是基于figure坐标系统定义的。
返回值：一个Axes对象，按照子图索引，按以行主顺序递增。
- 使用subplot() 方法创建子图将删除任何与其重叠的预先存在的子图，而不是共享边界。
- 当绘制的子图之间出现遮挡，subplot方法会绘制代码位置靠后的图形
参数：
（1）*args（位置参数）：三个整数或一个三位数（自动解析成三个整数），用于分别对应 nrows，ncols，index
（1.1）nrows：在画布纵轴上分隔成几个子图，缺省为1
（1.2）ncols：在画布横轴上分隔成几个子图，缺省为1
（1.3）index：子图索引
- 若为整数，则表示从左往右，从上到下排列的第几个图像
- 若为元组(m,n)，m，n均为整数，则表示开始位置和结束位置，形成一个包含若干子图的矩形区域，m，n在矩形的对角位置
- 缺省为1
举例：
plt.subplot(nrows=2, ncols=3, index=5)
=plt.subplot(2, 3, 5)
=plt.subplot(235)
（2）**kwargs（可选）：一些涉及子图属性的关键字参数，此方法还接受返回AXIS基类的关键字参数
这个关键字参数和坐标系axes子类的关键词差不多
（2.1）title
（2.2）xlabel，ylabel
（2.3）xlim，ylim
（2.4）frame_on
（2.5）xticks，yticks
（2.6）facecolor
（2.7）projection（关键词参数）：坐标系的投影类型
- 可能的值有：
{None, ‘aitoff’, ‘hammer’, ‘lambert’, ‘mollweide’, ‘polar’, ‘rectilinear’, ‘3d’, str} - polar：绘制极线图
- 3d：绘制3D图
- 缺省为None，表示笛卡尔直角坐标投影
- str 是自定义投影的名称。
- 不仅可以使用系统已设计好的投影，还可以自定义一个投影变换并使用，注册并调用自定义的投影名称即可。str即自定义投影的名称。
（2.8）polar（关键词参数）：布尔值，表示是否启用’polar‘的投影类型*
- polar=True <–> projection=‘polar’
- 缺省为False
import numpy as npimport matplotlib.pyplot as plt# 设置数据x = np.arange(0, 3, 0.1)y1 = np.sin(np.pi*x)y2 = np.cos(np.pi*x)#创建图像plt.figure(num='pic2-1.png',figsize = (10,6), dpi=90,facecolor = 'lightgrey', edgecolor = 'azure',linewidth=10)# 绘制第一个子图ax1=plt.subplot(211) plt.plot(x, y1) # 绘制第二个子图ax2=plt.subplot(212) plt.plot(x, y2)#绘制plt.show()
似乎subplot函数与show函数生成图片，第一次运行只有格式，第二次运行才出图片；有subplot函数无show函数，第一次运行没有输出，第二次运行才出图片
2.函数matplotlib.pyplot.subplots(nrows, ncols, sharex, sharey, squeeze, subplot_kw, gridspec_kw=None, **fig_kw)
此方法为面向对象绘图
创建一张画布和一组子图
返回值：一个figure和axes对象的元组，axes对象是由若干个子图ax构成的数组
参数：
（1）nrows：在画布纵轴上分隔成几个子图，缺省为1
（2）ncols：在画布横轴上分隔成几个子图，缺省为1
（3）sharex / sharey：是否共x或y轴，缺省为False
- all / True：所有子图共享轴
- none / False：各自享有自己的轴
- row / col：按子图行或列共享x,y轴
（4）squeeze：在返回多个子图时，axes是否要压缩为1维数组，缺省为True
（5）subplot_kw：传入add_subplot函数中的参数，缺省为None
（）gridspec_kw：传入网格参数，缺省为None
（6）**fig_kw：创建figure时的其他关键字，具体解释参考上面
（6.1）num
（6.2）figsize
（6.3）dpi
（6.4）facecolor
（6.5）edgecolor
（6.6）linewidth
（6.7）frameon
figure的参数加入subplots函数中，无顺序要求，不需要括号，正常逗号即可
import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0, 2*np.pi, 400)y = np.sin(x**2) #创建图形，并创建一个子图#面向对象语法fig, ax = plt.subplots()ax.plot(x, y)plt.show()
import numpy as npimport matplotlib.pyplot as pl# 设置数据x = np.arange(0, 3, 0.1)y1 = np.sin(np.pi*x)y2 = np.cos(np.pi*x)y3 = np.sin(2*np.pi*x)y4 = np.cos(2*np.pi*x)#创建figureplt.figure(figsize = (10,6), facecolor = 'r', edgecolor = 'y')#划分子图fig,axes=plt.subplots(2,2)ax1=axes[0,0]ax2=axes[0,1]ax3=axes[1,0]ax4=axes[1,1]# 绘制4个子图ax1.plot(x, y1)ax2.plot(x, y2)ax3.plot(x, y3)ax4.plot(x, y4)plt.show() 两者对比：
| subplot | subplots |
| import matplotlib.pyplot as plt | |
| fig = plt.figure() | fig,axes=plt.subplots(2,3) |
| ax1 = plt.subplot(231) | ax1=axes[0,0] |
| ax2 = plt.subplot(232) | ax2=axes[0,1] |
| ax3 = plt.subplot(233) | ax3=axes[0,2] |
| ax4 = plt.subplot(234) | ax4=axes[1,0] |
| ax5 = plt.subplot(235) | ax5=axes[1,1] |
| ax6 = plt.subplot(236) | ax6=axes[1,2] |
似乎subplots函数有无show函数，都会直接输出格式和图片
3.方法matplotlib.pyplot.figure().add_subplot(nrows, ncols, index, **kwargs)
此方法为面向对象绘图
参数：
（1）nrows：在画布纵轴上分隔成几个子图，同上
（2）ncols：在画布横轴上分隔成几个子图，同上
（3）index：子图索引，同上
（4）**kwargs：一些涉及子图属性的关键字参数，同上
当绘制的子图之间出现遮挡，subplot方法会绘制代码位置靠后的图形，而add_subplot则会绘制所有图形，只是出现遮挡
4,方法matplotlib.pyplot.figure().add_axes(rect, projection, polar, sharex, sharey, **kwargs)
参数：
（1）rect（位置参数）：一个4元素的浮点数列表，[left, bottom, width, height]
其定义了要添加到figure中的矩形子区域的：左下角坐标(x, y)、宽度、高度
每个元素的值是实际长度与figure对应长度的分数比值，不大于1；即将figure的宽、高作为1个单位
（2）projection（可选）（关键词参数）：坐标系的投影类型，同上
（3）polar（可选）（关键词参数）：表示是否启用’polar‘的投影类型，同上
（4）sharex, sharey（可选）（关键词参数）：是否共x或y轴，同上
5.函数matplotlib.pyplot.subplot2grid(shape, loc, rowspan, colspan, fig, **kwargs)
参数：
（1）shape：元组，网格划分的形状
（2）loc：元组，元素数和shape一致，表示子图划分的起始位置
（3）rowspan：子图占用多少行，缺省为1
（4）colspan：子图占用多少列，缺省为1
（5）fig：缺省为None
（6）**kwargs
import matplotlib.pyplot as pltfig = plt.figure()fig.suptitle('Figure')axes1 = plt.subplot2grid((3,3), (0,0), colspan=3)axes2 = plt.subplot2grid((3,3), (1,0), colspan=2)axes3 = plt.subplot2grid((3,3), (1,2))axes4 = plt.subplot2grid((3,3), (2,0))axes5 = plt.subplot2grid((3,3), (2,1), colspan=2)plt.show()
（三）函数figure的方法
1.matplotlib.pyplot.figure().suptitle()
2.matplotlib.pyplot.figure().supxlabel()
3.matplotlib.pyplot.figure().supylabel()
（四）AxesSubplot的方法
1.
AxesSubplot.set_title(),AxesSubplot.set_xlabel(),AxesSubplot.set_ylabel(),AxesSubplot.set_xlim(),AxesSubplot.set_ylim(),AxesSubplot.remove(),AxesSubplot.set_facecolor,AxesSubplot.patch.set_alpha(),AxesSubplot.text,AxesSubplot.legend(),AxesSubplot.grid(),AxesSubplot.lines.set_label()
（一）基础
1.折线图matplotlib.pyplot.plot(*args,**kwargs,label) / AxesSubplot.plot()
用于画图，可以绘制点和折线线
参数：
（1）**args：允许传入多对x，y和format_string
plot(x1, y1, ‘str1’, x2, y2, ‘str2’)
（1.1）x（可选）：X轴数据，可为(元组)，[列表]，numpy.array，pandas.Series，缺省为range(len(y))
（1.2）y：Y轴数据，可为(元组)，[列表]，numpy.array，pandas.Series
x，y可以为pd.DataFrame？
（1.3）format_string（可选）：控制曲线的格式字符串
（1.3.1）c：color，颜色，详见文底《颜色表》
（1.3.2）ls：linestyle，线型
‘:’：点线；‘-.’：点画线；‘–’：短划线；‘-’：实线；'‘和’ '：无线条
（1.3.3）lw：linewidth，线宽
（1.3.4）marker：标记
‘.’：点标记；‘,’：点标记；‘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；‘h’：竖六边形标记；‘H’：横六边形标记；‘+’：十字标记；‘+’：十字标记；‘1’：下花三角标记；‘2’：上花三角标记；‘3’：左花三角标记；‘4’：右花三角标记；’s’：实心方形标记；‘p’：实心五角标记；‘*’：星形标记；‘d’：瘦菱形标记；‘D’：菱形标记；‘|’：竖直线标记；‘_’：水平线标记
（1.3.5）markersize：标记大小
（1.3.6）markerfacecolor：标记填充色
（1.3.7）markeredgewidth：标记边缘宽度
（1.3.8）markeredgecolor：标记边缘色
以上可以使用命名参数（color=‘r’,linestyle=‘-’,marker=‘o’），也可以以字符串形式（‘r’+‘-’+‘o’）（‘r-o’）
（1.3.9）alpha
（2）**kwargs：允许传入多个可选的关键字参数
（3）label：标签，一个plot中只能有一个label，缺省为None
import matplotlib.pyplot as plt#一个图片里绘制一个图像a1=[3,4,5] # [列表]a2=[2,3,2] # x,y元素个数N应相同plt.plot(a1,a2)plt.show()
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt#一个图片里绘制两个图像x=(3,4,5) # (元组)y1=np.array([3,4,3]) # np.arrayy2=pd.Series([4,5,4]) # pd.Seriesplt.plot(x,y1)plt.plot(y2) # x可省略,默认[0,1..,N-1]递增，N是y内的元素数plt.show() # plt.show()前可加多个plt.plot(),画在同一张图上
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt#一个图片里绘制两个图像plt.plot(x,y1,x,y2) # 此时x不可省略plt.show()
import numpy as npimport matplotlib.pyplot as plt#二维数组b1=np.array([[0,1,2], [3,4,5], [6,7,8]])b2=np.array([[2,3,5], [8,3,1], [4,5,9]])#b1的第一列为[0,3,6],b2的第一列为[2,8,4],从而构成三个点一段折线，以此类推plt.plot(b1,b2)plt.show()
import numpy as npimport matplotlib.pyplot as plt#格式控制字符串b1=np.array([[0,1,2], [3,4,5], [6,7,8]])b2=np.array([[1,3,4], [7,1,8], [9,7,6]])plt.plot(b1,b2,"ob:") #"b"为蓝色, "o"为圆点, ":"为点线plt.show()
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt #颜色与线型color=['b','g','r','c','m','y','k','w']linestyle=['-','--','-.',':']##格式控制字符串dic1=[[0,1,2],[3,4,5]]x=pd.DataFrame(dic1)dic2=[[2,3,2],[3,4,3],[4,5,4],[5,6,5]]y=pd.DataFrame(dic2)# 循环输出所有"颜色"与"线型"for i in range(2): for j in range(4): plt.plot(x.loc[i],y.loc[j],color[i*4+j]+linestyle[j]) plt.show()#如果只控制"颜色", 格式控制字符串还可以输入英文全称, 如"red"#也可以是十六进制RGB字符串, 如"#FF0000"
import matplotlib.pyplot as plt#关键字=参数y=[2,3,2] plt.plot(y,color="blue",linewidth=20,marker="o",markersize=50, markerfacecolor="red",markeredgewidth=6,markeredgecolor="grey")plt.show()
2.散点图matplotlib.pyplot.scatter(x, y, s, c, marker, cmap, norm, vmin, vmax, alpha, linewidths, edgecolors, **kwargs) / AxesSubplot.scatter()
参数：
（1）x，y：表示的是shape大小为(n,)的数组，也就是我们即将绘制散点图的数据点，输入数据。x轴数据和y轴数据
（2）s（可选）：表示散点大小，是一个标量或者是一个shape大小为(n,)的数组，缺省为20
（3）c（可选）：color，表示的是散点色彩或颜色序列。但是c不应该是一个单一的RGB数字，也不应该是一个RGBA的序列，因为不便区分。c可以是一个RGB或RGBA二维行数组。缺省为’b’，表示蓝色
（4）marker（可选）：MarkerStyle，表示的是散点形状，标记的样式，缺省为’o’
（5）cmap（可选）：Colormap，标量或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用。如果没有申明就是image.cmap，缺省为None
cmap = plt.cm.Spectral
给label为1的点一种颜色，给label为0的点另一种颜色
cmap=plt.get_cmap(‘rainbow’))
设置颜色映射
（6）norm：Normalize，数据亮度在0-1之间，也是只有c是一个浮点数的数组的时候才使用，缺省为None
（7）vmin，vmax（可选）：标量，当norm存在的时候忽略。用来进行亮度数据的归一化，缺省为None
（8）alpha（可选）：标量，0-1之间，散点的透明度，缺省为None
（9）linewidths：标记点的长度，散点边框的宽度，缺省为None
（10）edgecolors：设置散点边框的颜色，缺省为None
3.柱状图matplotlib.pyplot.bar() / AxesSubplot.bar()
4.横向柱状图matplotlib.pyplot.barh() / AxesSubplot.barh()
4.茎状图（火柴图）matplotlib.pyplot.stem(x, y, linefmt, markerfmt, basefmt，bottom, label, orientation) / AxesSubplot.stem()
参数：
（1）x（可选）：数组，每根火柴的x轴位置，缺省为arange(len(y))
（2）y：数组，火柴头部的y坐标
（3）linefmt（可选）：字符串类型，定义垂直线条属性，包括线条颜色和线条类型，缺省为None
（4）markerfmt（可选）：字符串类型，定义火柴头部标记属性，包括线条颜色和线条类型
- 可选颜色：C0-C9，八种基础颜色
- 可选线性：参考上面
- 缺省为’C0o’
（5）basefmt（可选）：字符串类型，定义基线属性，缺省为‘C3-’，经典模式下为‘C2-’
（6）bottom（可选）：浮点型，基线所在的y轴位置，缺省为0
（7）label（可选）：字符串类型，标签，缺省为None
（8）orientation（可选）：如‘y’
2D图使用此参数似乎会引起警告
5.阶梯图（步阶图）（分段折线图）matplotlib.pyplot.step() / AxesSubplot.step()
6.填充图matplotlib.pyplot.fill_between() / AxesSubplot.fill_between()
7.堆叠图matplotlib.pyplot.stackplot() / AxesSubplot.stackplot()
8.极坐标图matplotlib.pyplot.polar() / AxesSubplot.polar()
（二）数组和字段的绘图
1.显示图像matplotlib.pyplot.imshow(X,cmap,interpolation) / AxesSubplot.imshow()
热图（heatmap）是数据分析的常用方法，通过色差、亮度来展示数据的差异、易于理解。
参数：
（1）x：图像数据
- (M, N)：带有标量数据的图像，灰度图。数据可视化使用色彩图。
- (M,N,3)：具有RGB值的图像（float或uint8）。
- (M,N,4)：具有RGBA值的图像（float或uint8），即包括透明度。
- 前两个维度（M，N）定义了行和列图片，即图片的高和宽
- RGB（A）值应该在浮点数[0,1]的范围内,或者整数[0,255]。超出范围的值将被剪切为这些界限。
（2）cmap：将标量数据映射到色彩图，缺省为None
cmap=‘颜色’；cmap=plt.get_cmap(‘颜色’)
（3）interpolation：缺省为None
2.matplotlib.pyplot.pcolormesh() / AxesSubplot.pcolormesh()
3.轮廓线（等高线）matplotlib.pyplot.contour(X, Y, Z, levels, cmap, **kwargs) / AxesSubplot.contour()
参数：
（1）X，Y（可选）：数组，Z中值的坐标
- 均为二维，形状与Z相同
- 均为一维，此时len(X)==M是Z中的列数，len(Y)==N是Z中的行数
- 缺省为整数索引，即X = range(M), Y = range(N)
（2）Z：类似数组（N，M），绘制轮廓的高度值
（3）levels（可选）：int或数组，确定等高线/区域的数量和位置
- 若为整数n，则使用n个数据间隔，在图中展现n条轮廓线
- 若为数组[]，则在指定标高绘制轮廓线，这些值必须按递增顺序排列
- 缺省为画出若干条曲线Z=c，c为随机数字
（4）cmap：缺省为None
4.填充轮廓matplotlib.pyplot.contourf(X, Y, Z, levels, cmap, **kwargs) \ AxesSubplot.contourf()
基本同上
5.倒钩图matplotlib.pyplot.barbs() \ AxesSubplot.barbs()
6.箭图matplotlib.pyplot.quiver() \ AxesSubplot.quiver()
7.流线图matplotlib.pyplot.streamplot() \ AxesSubplot.streamplot()
8.绘制X与Y的相关性matplotlib.pyplot.cohere() \ AxesSubplot.cohere()
9.功率谱密度图matplotlib.pyplot.psd() \ AxesSubplot.psd()
10.谱图matplotlib.pyplot.specgram() \ AxesSubplot.specgram()
（三）统计分析绘图
1.直方图matplotlib.pyplot.hist() \ AxesSubplot.hist()
2.箱线图（箱型图）matplotlib.pyplot.boxplot() \ AxesSubplot.boxplot()
3.误差棒图matplotlib.pyplot.errorbar() \ AxesSubplot.errorbar()
4.小提琴图matplotlib.pyplot.violinplot() \ AxesSubplot.violinplot()
5.尖峰栅格图matplotlib.pyplot.eventplot() \ AxesSubplot.eventplot()
6.2D直方图matplotlib.pyplot.hist2d() \ AxesSubplot.hist2d()
7.matplotlib.pyplot.hexbin() \ AxesSubplot.hexbin()
8.饼状图matplotlib.pyplot.pie() \ AxesSubplot.pie()
（四）非结构化坐标
1.matplotlib.pyplot.tricontour() \ AxesSubplot.tricontour()
2.matplotlib.pyplot.tricontourf() \ AxesSubplot.tricontourf()
3.matplotlib.pyplot.tripcolor() \ AxesSubplot.tripcolor()
4.matplotlib.pyplot.triplot() \ AxesSubplot.triplot()
（五）3D
1. AxesSubplot.plot(x, y, z)
2. AxesSubplot.scatter(x, y, z)
3. AxesSubplot.plot_surface(x, y, z, rstride, cstride, cmap)
参数：
（1）x，y，z：
（2）rstride：row，指定行的跨度，缺省为1
（3）cstride：column，指定列的跨度，缺省为1
（4）color：表示的是散点色彩或颜色序列，同上
（5）cmap：标量或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用，同上
（6）alpha（可选）：标量，0-1之间，散点的透明度，缺省为None
4.
Triangular 3D surfaces，3D voxel / volumetric plot，3D wireframe plot
1.颜色表
2.标记marker
| 符号 | 标记 | 符号 | 标记 | 符号 | 标记 | 符号 | 标记 |
|---|---|---|---|---|---|---|---|
| . | 点 | , | 像素 | o | 实心圈 | v | 倒三角 |
| ^ | 正三角 | < | 左三角 | > | 右三角 | 1 | 下花三角 |
| 2 | 上花三角 | 3 | 左花三角 | 4 | 右花三角 | 8 | 正八面体 |
| s | 实心方形 | p | 实心五角 | P | 实心十字 | + | 十字 |
| x | 叉形 | X | 实心叉 | d | 瘦菱形 | D | 菱形 |
| h | 竖六边形 | H | 横六边形 | | | 竖直线 | _ | 水平线 |
| * | 五角星 |
以上未完待更新，仅供个人学习，侵权联系删除，如有错误或不足之处可指出，以便改进。
来源地址：https://blog.csdn.net/abc31431415926/article/details/127910035
