这篇文章主要介绍“Python中怎么使用Matplotlib库绘制图形”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Python中怎么使用Matplotlib库绘制图形”文章能帮助大家解决问题。
一、简单的正弦函数与余弦函数
是取得正弦函数和余弦函数的值：
X 是一个 numpy 数组，包含了从 −π 到 +π 等间隔的 256 个值。C 和 S 则分别是这 256 个值对应的余弦和正弦函数值组成的 numpy 数组。
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)C,S = np.cos(X), np.sin(X)完整代码如下
import numpy as npimport matplotlib.pyplot as plt X = np.linspace(-np.pi, np.pi, 256, endpoint=True)C, S = np.cos(X), np.sin(X)#绘制并显示图形plt.plot(X, C)plt.plot(X, S) plt.show()
二、进阶版正弦函数与余弦函数
上面我们学习了简单的正弦函数与余弦函数，接下来我们将精益求精，改变颜色与粗细，设置记号，调整边框等。
1.改变颜色与粗细
我们以蓝色和红色分别表示余弦和正弦函数，而后将线条变粗一点。接下来，我们在水平方向拉伸一下整个图。
代码如下（示例）：
figure(figsize=(10, 6), dpi=80)plot(X, C, color="blue", linewidth=2.5, line)plot(X, S, color="red", linewidth=2.5, line)
2.设置图片边界
代码如下（示例）：
xmin, xmax = X.min(), X.max()dx = (xmax - xmin) * 0.2xlim(xmin - dx, xmax + dx)
3.设置记号
我们讨论正弦和余弦函数的时候，通常希望知道函数在 ±π 和 ±π2 的值。
xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi])yticks([-1, 0, +1])
4.设置记号的标签
我们可以把 3.142 当做是 π，但毕竟不够精确。当我们设置记号的时候，我们可以同时设置记号的标签。注意这里使用了 LaTeX。
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$']) yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$'])
5.设置X,Y轴
ax = gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data', 0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data', 0))
6.完整代码
# 导入 matplotlib 的所有内容（nympy 可以用 np 这个名字来使用）from pylab import * # 创建一个 8 * 6 点（point）的图，并设置分辨率为 80figure(figsize=(8, 6), dpi=80) # 创建一个新的 1 * 1 的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）subplot(1, 1, 1) X = np.linspace(-np.pi, np.pi, 256, endpoint=True)C, S = np.cos(X), np.sin(X) # 绘制余弦曲线，使用蓝色的、连续的、宽度为 1 （像素）的线条plot(X, C, color="blue", linewidth=1.0, line) # 绘制正弦曲线，使用绿色的、连续的、宽度为 1 （像素）的线条plot(X, S, color="green", linewidth=1.0, line) # 设置横轴的上下限xlim(-4.0, 4.0) # 设置横轴记号xticks(np.linspace(-4, 4, 9, endpoint=True)) # 设置纵轴的上下限ylim(-1.0, 1.0) # 设置纵轴记号yticks(np.linspace(-1, 1, 5, endpoint=True)) # 以分辨率 72 来保存图片# savefig("exercice_2.png",dpi=72) # 设置颜色与粗细figure(figsize=(10, 6), dpi=80)plot(X, C, color="blue", linewidth=2.5, line)plot(X, S, color="red", linewidth=2.5, line)# 设置边框xmin, xmax = X.min(), X.max() dx = (xmax - xmin) * 0.2 xlim(xmin - dx, xmax + dx)# 设置记号xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])yticks([-1, 0, +1]) # 设置记号的标签xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$']) yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$']) # 设置xy轴ax = gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data', 0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data', 0))# 在屏幕上显示show()最终效果
三、绘制简单的折线图
折线图是一种将数据点按照顺序连起来的图形，可以体现变量y随变量x的变化情况。Matplotlib 提供了plot()函数绘制折线图,其语法格式如下：
plt.plot(*args, **kwargs)常用参数及说明如下：
x、y：分别表示x轴和y轴对应的数据，接收列表类型参数
color：表示折线的颜色
marker：表示折线上点的类型，有“.”、“o”、“v”等等类型
linestyle：表示折线的类型，默认为“-”，表示实线，设置为“--”表示长虚线，设置为“-.”表示点线，设置为“:”表示点虚线
linewidth：表示折线的粗细
alpha：表示点的透明度，接收0~1之间的小数
下面我们将以 某地区周一到周日平均温度变化折线图为例，具体的学习了解折线图的绘制。
import matplotlib.pyplot as plt plt.figure(figsize=(10, 8))# 周一到周日平均温度数据plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10])plt.show()效果如下：
我们可以给图表添加一些标签和图例，让图表更加清晰好看，具体方法如下：
plt.title()：指定当前图表的，包括名称、位置、颜色、字体大小等
plt.xlabel()：指定当前图表x轴的名称、位置、颜色、字体大小等
plt.ylabel()：指定当前图表y轴的名称、位置、颜色、字体大小等
plt.xlim()：指定当前图表x轴的范围
plt.ylim()：指定当前图表y轴的范围
plt.xticks()：指定当前图表x轴刻度
plt.yticks()：指定当前图表y轴刻度
import matplotlib.pyplot as plt # 设置支持中文plt.rcParams['font.family'] = ['SimHei']plt.figure(figsize=(10, 8)) plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10], line, marker=".")plt.xlabel("时间")plt.ylabel("温度")plt.yticks([i for i in range(20)][::5]) plt.show()效果如下：
关于“Python中怎么使用Matplotlib库绘制图形”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注编程网行业资讯频道，小编每天都会为大家更新不同的知识点。
