文章目录
- 一、简介
- 二、一些基本概念
-
- [2.1 图表元素](#2.1 图表元素)
- [2.2 常见图表类型](#2.2 常见图表类型)
- [2.3 主要绘图函数及其返回值](#2.3 主要绘图函数及其返回值)
- [2.4 Artists 的概念](#2.4 Artists 的概念)
- 三、基本图表详解
-
- [3.1 成对数据](#3.1 成对数据)
- [3.2 统计](#3.2 统计)
-
- [3.21 直方图](#3.21 直方图)
- [3.22 箱线图](#3.22 箱线图)
- [3.23 饼图](#3.23 饼图)
- [3.24 误差线](#3.24 误差线)
- [3.3 网格](#3.3 网格)
- [3.4 不规则网格](#3.4 不规则网格)
- [3.5 3D和体积数据](#3.5 3D和体积数据)
一、简介
Matplotlib 是一个用于创建静态、动态和交互式图表的 Python 绘图库。它提供了大量的图表类型和工具，适用于数据分析和可视化。
Matplotlib是Python语言及其数值计算库NumPy的绘图库。它提供了一个面向对象的API，可以将绘图嵌入到使用通用GUI工具包（如Tkinter、wxPython、Qt或GTK）的程序中。它还有一个基于状态机（就像OpenGL）的过程式编程"pylab"接口，其设计与MATLAB非常类似。
Matplotlib文档：https://matplotlib.org/stable/index.html
核心特性：
-
丰富的图表类型：
- 线图、散点图、条形图、饼图、直方图等。
- 高级图表如等高线图、3D 图表、热力图等。
-
高度自定义：
- 图形的各种属性（如颜色、线型、标记、标签等）可以自定义。
- 可以添加标题、标签、图例、网格等。
-
兼容性强：
- 支持多种输出格式，包括 PNG、PDF、SVG、EPS 等。
- 与 NumPy 和 Pandas 等库紧密集成，方便数据处理和分析。
-
交互性：
- 支持交互式绘图，能够响应用户操作。
- 与 Jupyter Notebook 和 IPython 配合使用，可以创建动态的交互式图表。
如果你用过matlab，那就太好了，Matplotlib很多地方和matlab是相似的。
绘图还有很多不错的其它软件、库，如（只是我用过的）：matlab、R、echarts、D3，当然还有plotly 、Tableau 、Power BI 等。
Echarts是基于JS的，在网页上绘图很好用，我最开始用的时候他还是百度的，现在已经转移到 Apache 软件基金会了：https://echarts.apache.org/handbook/zh/get-started/
二、一些基本概念
使用 Matplotlib 进行绘图，了解以下基本概念和操作是非常重要的：
2.1 图表元素
在 Matplotlib 中，一个图形（Figure）包含多个元素，每个元素负责不同的功能。下面是各个元素的详细介绍及其在图中的作用：
| 元素 | 作用 | 描述 |
|---|---|---|
| Figure | 图形容器 | 整个图形的顶层容器，可以包含一个或多个子图（Axes）。使用 plt.figure() 创建。 |
| Axes | 子图区域 | 在 Figure 中定义实际的绘图区域。每个 Axes 对象表示一个坐标系。使用 plt.subplots() 创建。 |
| Axis | 坐标轴 | Axes 中的坐标轴对象，用于刻度和标签的管理。每个 Axes 对象有两个 Axis（x 和 y）。 |
| Title | 图表标题 | 图表的标题，通常放在图表的顶部。使用 ax.set_title() 设置。 |
| Legend | 图例 | 用于解释不同数据系列的标签。使用 ax.legend() 添加。 |
| Label | 坐标轴标签 | X 轴和 Y 轴的标签。使用 ax.set_xlabel() 和 ax.set_ylabel() 设置。 |
| Major tick | 主刻度 | 主要刻度线，通常用于显示轴上的主要刻度值。使用 ax.xaxis.set_major_locator() 和 ax.yaxis.set_major_locator() 设置。 |
| Minor tick | 次刻度 | 辅助刻度线，用于更详细的刻度显示。使用 ax.xaxis.set_minor_locator() 和 ax.yaxis.set_minor_locator() 设置。 |
| Spine | 坐标轴的边框 | Axes 边缘的线条，通常用于围绕绘图区域。可以使用 ax.spines['top'] 等访问和设置。 |
| Grid | 网格线 | 背景网格线，帮助读取数据值。使用 ax.grid() 显示或隐藏。 |
| Line | 数据线 | 连接数据点的线条。使用 ax.plot() 绘制。 |
| Markers | 数据点标记 | 在数据点上显示的符号（如圆点、方块等）。可以通过 ax.plot() 的 marker 参数设置。 |
2.2 常见图表类型
| 图表类型 | 简介 | 对应的方法 |
|---|---|---|
| 线图 | 通过连接数据点的线条显示数据的变化趋势 | plot() |
| 散点图 | 使用点显示两组数据的关系 | scatter() |
| 条形图 | 使用矩形条来显示不同类别的数据 | bar(), barh() |
| 饼图 | 显示各部分在整体中的比例 | pie() |
| 直方图 | 显示数据的分布情况，通过分桶统计数据频率 | hist() |
| 箱线图 | 显示数据的分布特征，包括中位数、四分位数及异常值 | boxplot() |
| 面积图 | 显示随时间变化的数量，类似于线图但通过填充线条下方的区域表示 | fill_between(), stackplot() |
| 热力图 | 显示数据的密度或频率，通过颜色表示不同数值的大小 | imshow(), pcolormesh(), heatmap() (seaborn) |
| 极坐标图 | 使用极坐标系绘制数据，适合显示角度和半径的数据 | polar() |
| 等高线图 | 显示三维数据的等高线，通过等值线表示不同高度 | contour(), contourf() |
| 气泡图 | 类似于散点图，但通过点的大小表示第三个变量的数据 | scatter()（通过设置点的大小） |
| 阶梯图 | 显示数据的阶梯变化，通常用于显示分段恒定值的变化 | step() |
| 蜡烛图 | 显示金融数据的价格变动，通常用于股票和期货市场分析 | mpl_finance.candlestick_ohlc() （需要额外安装 mpl_finance 库） |
| 三维图 | 显示三维空间中的数据，适合展示复杂的三维关系 | plot_surface(), scatter3D(), plot_wireframe() |
| 雷达图 | 显示多变量数据，通常用于展示多种特征的综合表现 | plot()（通过极坐标系实现） |
一些示例：
2.3 主要绘图函数及其返回值
以下是一些常用的 Matplotlib 绘图函数及其返回的对象类型。
| 绘图函数 | 返回值类型 | 说明 |
|---|---|---|
plot() |
Line2D 对象列表 |
绘制折线图或散点图，每条线对应一个 Line2D 对象 |
scatter() |
PathCollection 对象 |
绘制散点图，返回一个 PathCollection 对象 |
bar() |
BarContainer 对象 |
绘制柱状图，返回一个 BarContainer 对象 |
hist() |
列表 | 绘制直方图，返回（n, bins, patches） |
boxplot() |
字典 | 绘制箱线图，返回一个包含多个 Line2D 和 Patch 对象的字典 |
pie() |
列表 | 绘制饼图，返回 Wedge 对象的列表 |
imshow() |
AxesImage 对象 |
显示图像数据，返回一个 AxesImage 对象 |
contour() |
QuadContourSet 对象 |
绘制等高线图，返回一个 QuadContourSet 对象 |
contourf() |
QuadContourSet 对象 |
绘制填充等高线图，返回一个 QuadContourSet 对象 |
pcolormesh() |
QuadMesh 对象 |
绘制伪彩色图，返回一个 QuadMesh 对象 |
errorbar() |
ErrorbarContainer 对象 |
绘制带误差条的图，返回一个 ErrorbarContainer 对象 |
2.4 Artists 的概念
在 Matplotlib 中，"Artists" 是一个广泛使用的概念，它指的是图形元素的抽象表示。所有在图形上绘制的内容都是一个 Artist 对象，包括但不限于图形、文本、标签、图例等。
Artists 可以分为以下几类：
-
基本元素 (Primitive Elements)：
- 这些是最基本的图形元素，例如
Line2D、Rectangle、Circle、Text等。
- 这些是最基本的图形元素，例如
-
容器 (Containers)：
- 这些是用于组织其他
Artist的对象。例如，Figure是最高级别的容器，它包含所有的绘图；Axes是次一级的容器，它包含具体的绘图区域和图形元素。
- 这些是用于组织其他
以下是一些常见的 Artist 类及其用途：
| 类名 | 说明 |
|---|---|
Figure |
整个图形窗口或绘图区域，是最高级别的容器 |
Axes |
一个具体的绘图区域，包含坐标轴、标题、标签等 |
Axis |
坐标轴，包括刻度、标签等 |
Line2D |
用于绘制二维线条 |
Rectangle |
用于绘制矩形 |
Circle |
用于绘制圆形 |
Text |
用于绘制文本 |
Patch |
用于绘制任意形状的图形，如多边形 |
Legend |
用于绘制图例 |
Image |
用于绘制图像 |
概念，有助于你理解官网文档。
三、基本图表详解
你也可以去看官网的例子，都有代码的：https://matplotlib.org/stable/plot_types/index.html
以及更全的示例，有几百种图：https://matplotlib.org/stable/gallery/index.html
太多了，详解几个常见的吧。
本节我会在第一个绘图示例中讲解一些图表通用的属性设置。
3.1 成对数据
3.11 折线图：plot()
matplotlib.pyplot.plot() 方法是最常用的绘图函数之一。它通常用于创建折线图，但也可以用来绘制其他类型的图形。
基本用法：
python
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
plt.plot(x, y)
plt.show()🟢必选参数： x, y ：这两个参数分别是 X 轴和 Y 轴的数据，可以是列表、元组、NumPy 数组等。x 和 y 的长度必须相同。没数据就画不出图了。
🟢可选参数：主要用来设置图表的样式：如线条样式、轴标签、轴取值等等。
🟢函数返回值：matplotlib.pyplot.plot()返回值是一个 Line2D 对象的列表 （一条线就是一个Line2D对象的列表，访问记得加索引）。Line2D 对象表示绘制的线条或数据系列。每个 Line2D 对象包含有关绘图线条的信息，例如数据点、样式、颜色等。
🟨设置图表样式
🟣（1）直接通过matplotlib.pyplot.plot()的可选参数设置
这种方法的优点就是简单快捷。
先看示例：
python
plt.plot(x, y,
color='purple', # 线条颜色
linestyle=':', # 线条样式
marker='o', # 标记样式
markersize=8, # 标记大小
linewidth=2.0, # 线条宽度
alpha=0.7, # 透明度
label='Data Line') # 图例标签以下是 matplotlib.pyplot.plot() 方法的常用可选参数的详细列表：
| 参数 | 类型 | 描述 | 示例 |
|---|---|---|---|
| color | 字符串、十六进制颜色码、RGB 元组 | 线条的颜色。可以用颜色名称、十六进制颜色码或 RGB 元组指定。 | 'red', '#FF0000', (1, 0, 0) |
| linestyle | 字符串 | 线条的样式。常用样式包括实线、虚线、点线等。 | '-'（实线）, '--'（虚线）, ':'（点线）, '-.'（点划线） |
| linewidth | 浮点数 | 线条的宽度。默认为 1.0。 | 2.0 |
| marker | 字符串 | 数据点的标记样式。常用标记包括圆点、方块、三角形等。 | 'o'（圆点）, 's'（方块）, '^'（三角形） |
| markersize | 浮点数 | 标记的大小。默认为 6。 | 10 |
| label | 字符串 | 图例中的标签。和 plt.legend()配合使用。 |
'Data Line' |
| alpha | 浮点数 | 线条的透明度，范围从 0（完全透明）到 1（完全不透明）。 | 0.5 |
| zorder | 整数 | 图形的层级顺序，较高的值使图形位于较上层。 | 2 |
| markeredgecolor | 字符串、十六进制颜色码、RGB 元组 | 标记边缘的颜色。 | 'black', '#000000' |
| markeredgewidth | 浮点数 | 标记边缘的宽度。默认为 1。 | 1.5 |
| markerfacecolor | 字符串、十六进制颜色码、RGB 元组 | 标记内部的颜色。 | 'blue', '#0000FF' |
| dashes | 序列或布尔值 | 自定义虚线样式。传递一个包含线段和间隔的序列。 | (5, 2, 1, 2) |
| clip_on | 布尔值 | 是否裁剪超出轴范围的部分。默认为 True。 |
False |
| picker | 布尔值、函数 | 允许点击图形元素进行交互。 | True |
| dash_capstyle | 字符串 | 虚线的端点样式。可选值包括 'butt'、'round'、'projecting'。 |
'round' |
| dash_joinstyle | 字符串 | 虚线的连接样式。可选值包括 'miter'、'round'、'bevel'。 |
'round' |
线条的颜色、样式和标记可以使用格式化字符串（format string）来指定，而不用分别设置color、linestyle、maker这3个参数，即：
python
plt.plot(x, y, color='red', linestyle='-',marker='o')
# 等价于
plt.plot(x,y,'r-o')注意：
- 格式字符串必须紧跟x、y数据后面，不能放在其它参数后面;
- 格式字符串后面还可以照常设置其它参数;
- 颜色、线形、标记可以设置任意数量，如
'r','ro','r-o'; - 当颜色与其他参数一起指定时，颜色值只能用简写，
'red-o'是错的; - 只指定一个参数时，颜色可以用任何表示方法，线形和标记只能用简写。
🔹颜色表示：
支持的格式：
- RGB
元组：如，(0.1, 0.2, 0.5) - RGBA
元组：如，(0.1, 0.2, 0.5, 0.3)。和rgb一样取值在[0,1]，rgba最后一位是透明度。 - 十六进制RGB或RGBA
字符串：'#abc'等价'#aabbcc'。不区分大小写， - 灰度值的闭区间内浮点值的
字符串表示：如'0'是黑色，'1'是白色。 - 基本颜色的简写字符串（使用格式化字符串时必须使用）：
'b'as blue'g'as green'r'as red'c'as cyan'm'as magenta'y'as yellow'k'as black'w'as white
还有一些其它的颜色表示方法也支持，不常用，不展开了。
这些颜色表示方法，不只是color参数能用，其它需要设置颜色的参数，也可以灵活使用的。
🔹线形表示：
蓝色是给参数赋值是使用的格式。
注意，格式化字符串中，只能使用：'-' 表示 'solid'、'--' 表示'dashed'、'-.' 表示'dashdot'、':' 表示'dotted'。
🔹标记表示：
常用的：
🟣（2）通过 matplotlib.pyplot.plot()返回的 Line2D 对象来设置和调整图形的样式和属性
这种方式提供更细粒度的控制、更高的代码灵活性、方便修改和更新。
Line2D 对象是 matplotlib 中的一个核心类，用于表示和控制绘图中的线条。它包含了有关线条的所有属性和方法，可以用来创建、修改和查询线条的各种特性。
.plot()画了几条线，返回的Line2D对象列表就有几个元素，分别代表这些线。
写法：
python
f = plt.plot(x,y)
f, = plt.plot(x,y)
f = plt.plot(x1,y1,x2,y2)
f1,f2 = plt.plot(x1,y1.x2，y2)第1、3行的写法，返回值是列表。2、4行返回值则是对应的Line2D对象（Python的解包赋值）。
解包赋值（unpacking assignment）是 Python 中的一种语法特性，允许你将一个序列（如列表、元组等）中的多个元素一次性赋值给多个变量。这种方式可以简化代码，并使得变量赋值变得更加直观。左右元素数量要相等。
🔹Line2D对象支持的方法：
| 方法 | 说明 |
|---|---|
get_alpha() |
获取线条的透明度 |
get_animated() |
检查线条是否设置为动画 |
get_antialiased() |
获取线条的抗锯齿设置 |
get_c() |
获取线条的颜色 |
get_clip_box() |
获取裁剪边界框 |
get_clip_on() |
检查裁剪是否启用 |
get_clip_path() |
获取裁剪路径 |
get_color() |
获取线条的颜色 |
get_contains() |
获取包含测试函数 |
get_dash_capstyle() |
获取虚线端点样式 |
get_dash_joinstyle() |
获取虚线连接样式 |
get_dashes() |
获取虚线样式 |
get_data() |
获取 x 和 y 数据 |
get_drawstyle() |
获取绘制样式 |
get_ec() |
获取标记的边缘颜色 |
get_figure() |
获取所属的 Figure 对象 |
get_fillstyle() |
获取标记的填充样式 |
get_gid() |
获取对象的全局唯一标识符 |
get_hatch() |
获取填充图案 |
get_label() |
获取线条的标签 |
get_linestyle() |
获取线条样式 |
get_linewidth() |
获取线条宽度 |
get_ls() |
获取线条样式（别名） |
get_lw() |
获取线条宽度（别名） |
get_marker() |
获取标记样式 |
get_markeredgecolor() |
获取标记的边缘颜色 |
get_markeredgewidth() |
获取标记的边缘宽度 |
get_markerfacecolor() |
获取标记的填充颜色 |
get_markerfacecoloralt() |
获取标记的替代填充颜色 |
get_markersize() |
获取标记大小 |
get_markevery() |
获取标记的间隔 |
get_path() |
获取线条的路径 |
get_picker() |
获取拾取属性 |
get_pickradius() |
获取拾取半径 |
get_transform() |
获取变换属性 |
get_visible() |
检查线条是否可见 |
get_xdata() |
获取 x 轴数据 |
get_ydata() |
获取 y 轴数据 |
set_alpha(alpha) |
设置线条的透明度 |
set_animated(b) |
设置线条是否为动画 |
set_antialiased(b) |
设置线条的抗锯齿 |
set_c(c) |
设置线条的颜色 |
set_clip_box(rect) |
设置裁剪边界框 |
set_clip_on(b) |
设置裁剪是否启用 |
set_clip_path(path, transform) |
设置裁剪路径 |
set_color(c) |
设置线条的颜色 |
set_contains(picker) |
设置包含测试函数 |
set_dash_capstyle(s) |
设置虚线端点样式 |
set_dash_joinstyle(s) |
设置虚线连接样式 |
set_dashes(seq) |
设置虚线样式 |
set_data(x, y) |
设置 x 和 y 数据 |
set_drawstyle(s) |
设置绘制样式 |
set_figure(fig) |
设置所属的 Figure 对象 |
set_fillstyle(s) |
设置标记的填充样式 |
set_gid(gid) |
设置对象的全局唯一标识符 |
set_hatch(hatch) |
设置填充图案 |
set_label(label) |
设置线条的标签 |
set_linestyle(s) |
设置线条样式 |
set_linewidth(w) |
设置线条宽度 |
set_marker(m) |
设置标记样式 |
set_markeredgecolor(ec) |
设置标记的边缘颜色 |
set_markeredgewidth(ew) |
设置标记的边缘宽度 |
set_markerfacecolor(fc) |
设置标记的填充颜色 |
set_markerfacecoloralt(fc) |
设置标记的替代填充颜色 |
set_markersize(sz) |
设置标记大小 |
set_markevery(every) |
设置标记的间隔 |
set_path_effects(path_effects) |
设置路径效果 |
set_picker(picker) |
设置拾取属性 |
set_pickradius(r) |
设置拾取半径 |
set_transform(t) |
设置变换属性 |
set_url(url) |
设置 URL |
set_visible(b) |
设置线条是否可见 |
set_xdata(x) |
设置 x 轴数据 |
set_ydata(y) |
设置 y 轴数据 |
如果你需要更多细节，建议参考 Matplotlib 官方文档。
🟨设置各种标签
包括标题、轴标签、文本、点的注释、图例。
🔹标题：
通常：
python
plt.plot(x, y)
plt.title("这是图表的标题")或者：
python
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title("这是图表的标题")这是绘制子图的，fig代表整张图，ax代表这个子图（即Axes）。
标题是整张图或者子图的标题，所以Figure对象（.title()）和Axes（.set_title()）对象才能设置，前面提到的Line2D这样的对象是不能设置标题的。
可以使用 fig.suptitle() 方法为整个图形（包含多个子图）设置全局标题。
标题样式：
python
plt.title("这是图表的标题", fontdict={'fontsize': 18, 'fontweight': 'bold', 'family': 'simsun', 'color': 'green'})字体名称在电脑搜索栏搜索字体，点进去，就会看到字体，名称就是xxx.ttf。xxx就是这里要用的名称。
Matplotlib的默认字体是不能显示中文的，你不用在所有使用中文标签的函数中都单独设置一遍字体，可以设置一个全局字体，如：
python
import matplotlib.pyplot as plt
import matplotlib as mpl
# 全局设置字体属性
mpl.rcParams['font.size'] = 14
mpl.rcParams['font.family'] = 'serif'
mpl.rcParams['font.weight'] = 'bold'
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
plt.plot(x, y)
plt.title("这是标题")
plt.show()🔹轴标签：
和标题设置类似的，就是坐标轴起个名字。
使用 plt.xlabel() 和 plt.ylabel()或者 ax.set_xlabel() 和 ax.set_ylabel()。
样式设置类似的。
🔹图例：
设置图例（legend）可以帮助识别不同的图形元素，如线条、点、柱状图等。
使用label+.legend()：
python
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y1 = [1, 4, 9, 16]
y2 = [1, 2, 3, 4]
plt.plot(x, y1, label='线条 1')
plt.plot(x, y2, label='线条 2')
# 添加图例
plt.legend()
plt.show()或者使用一个列表传入：
python
plt.legend(['Line1','Line2'])若只显示特定对象的图例，比如只显示Line1和Line2：
python
ax.legend(handles=[line1, line2], labels=['自定义线条 1', '自定义线条 2'])Axes对象也是一样的方法。
图例的位置：upper left、upper right、lower left、lower right、upper center、lower center、center left、center right、center、best。
python
ax.legend(loc='upper left')可以通过 prop 参数设置字体大小和其他字体属性，通过 frameon 参数设置是否显示图例的边框，通过 shadow 参数设置图例的阴影效果。
python
ax.legend(
loc='upper right',
prop={'size': 14, 'weight': 'bold'}, # 字体属性
frameon=False, # 不显示边框
shadow=True # 显示阴影
)🔹文本：
.text() 方法可以在图形的任意位置添加文本。需要指定文本的位置（x 和 y 坐标）和内容。
powershell
import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
plt.plot(x, y)
plt.text(2, 10, "这里是文本", fontsize=14, color='blue', fontweight='bold', style='italic') # 设置文本属性
plt.show()🔹注释：
.annotate() 方法不仅可以添加文本，还可以绘制箭头或其他标记来指示文本所指的位置。
python
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
mpl.rcParams['font.family'] = 'simsun'
fig, ax = plt.subplots(figsize=(5, 2.7))
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)
line, = ax.plot(t, s, lw=2)
ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05))
ax.set_ylim(-2, 2)
plt.grid()
plt.show()
详细参数：https://matplotlib.org/stable/users/explain/text/annotations.html#plotting-guide-annotation
🔹文本中使用latex表示公式：
python
ax.set_title(r'$\sigma_i=15$')各种字母、数学符号的表示：https://matplotlib.org/stable/users/explain/quick_start.html#using-mathematical-expressions-in-text
🟨设置坐标轴
每个Axes都有2个（或3个）坐标轴。
🔹设置刻度比例：比如对数（log）、线性（linear）等
python
import matplotlib.pyplot as plt
import numpy as np
x = np.logspace(1, 10, 100)
y = x ** 2
fig, axs = plt.subplots(1, 2)
axs[0].plot(x, y, 'b-*')
axs[0].set_xscale('log')
axs[1].plot(x, y, 'r-o')
axs[1].set_yscale('log')
plt.show()
🔹设置坐标范围
plt.xlim(left, right)用于设置 x 轴的范围，其中 left 是最小值，right 是最大值。plt.ylim(bottom, top)用于设置 y 轴的范围，其中 bottom 是最小值，top 是最大值。
🔹设置刻度和刻度标签标签
python
import matplotlib.pyplot as plt
# 创建示例数据
x = [1, 2, 3, 4, 5]
y = [10, 15, 13, 17, 20]
# 创建图形和轴对象
fig, ax = plt.subplots()
ax.plot(x, y)
# 设置 x 轴和 y 轴的刻度
ax.set_xticks([1, 2, 3, 4, 5]) # 设置 x 轴的刻度位置
ax.set_yticks([10, 15, 20]) # 设置 y 轴的刻度位置
# 设置 x 轴和 y 轴的刻度标签
ax.set_xticklabels(['A', 'B', 'C', 'D', 'E']) # 设置 x 轴的刻度标签
ax.set_yticklabels(['Low', 'Medium', 'High']) # 设置 y 轴的刻度标签
# 显示图形
plt.show()即在相应的位置显示刻度值，如果设置了刻度标签，就显示标签。
或者等距显示：
python
# 设置 x 轴和 y 轴的刻度间隔
ax.xaxis.set_major_locator(MultipleLocator(2)) # x 轴每隔 2 显示一个刻度
ax.yaxis.set_major_locator(MultipleLocator(5)) # y 轴每隔 5 显示一个刻度有时候每个刻度标签可能比较长，需要旋转一下文本方向：
python
# 设置 x 轴和 y 轴的刻度标签方向
ax.tick_params(axis='x', labelrotation=45) # x 轴刻度标签旋转 45 度
ax.tick_params(axis='y', labelrotation=90) # y 轴刻度标签旋转 90 度🔹设置双坐标轴：
双x轴同理。
python
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['font.family'] = 'simsun'
# 创建示例数据
x = [1, 2, 3, 4, 5]
y1 = [10, 15, 13, 17, 20]
y2 = [80, 120, 150, 170, 200]
# 创建图形和主轴对象
fig, ax1 = plt.subplots()
# 绘制第一个 y 轴的数据
ax1.plot(x, y1, 'b-*', label='y1数据')
ax1.set_xlabel('X轴标签')
ax1.set_ylabel('Y1轴标签', color='g')
ax1.tick_params(axis='y', labelcolor='g')
# 创建第二个 y 轴，使用 twinx() 方法
ax2 = ax1.twinx()
ax2.plot(x, y2, 'r:o', label='y2数据')
ax2.set_ylabel('Y2轴标签', color='b')
ax2.tick_params(axis='y', labelcolor='b')
# 添加图例
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
# 显示图形
plt.show()
🟨绘制子图
在 matplotlib 中，可以使用 .subplot 和 .subplots 方法来绘制多个子图：
-
plt.subplot(nrows, ncols, index):nrows: 子图的行数。ncols: 子图的列数。index: 当前子图的位置，从 1 开始（按行优先顺序）。
-
plt.subplots(nrows, ncols, figsize=(width, height)):nrows: 子图的行数。ncols: 子图的列数。figsize: 图形的尺寸（宽度, 高度），以英寸为单位。- 返回
fig和axs，其中fig是图形对象，axs是一个包含所有子图的数组。
subplot 方法用于创建单个图形中的多个子图，按照指定的行列布局排列。你可以逐个创建子图并在上面绘制数据。
python
import matplotlib.pyplot as plt
# 创建图形和子图
plt.figure(figsize=(10, 6))
# 第一个子图
plt.subplot(2, 2, 1) # 2 行 2 列的网格中的第一个子图
plt.plot([1, 2, 3], [4, 5, 6])
plt.title('子图 1')
# 第二个子图
plt.subplot(2, 2, 2) # 2 行 2 列的网格中的第二个子图
plt.bar([1, 2, 3], [4, 5, 6])
plt.title('子图 2')
# 第三个子图
plt.subplot(2, 2, 3) # 2 行 2 列的网格中的第三个子图
plt.scatter([1, 2, 3], [4, 5, 6])
plt.title('子图 3')
# 第四个子图
plt.subplot(2, 2, 4) # 2 行 2 列的网格中的第四个子图
plt.hist([1, 2, 3, 4, 5])
plt.title('子图 4')
# 调整布局以避免重叠
plt.tight_layout()
# 显示图形
plt.show()subplots 方法一次性创建多个子图，并返回一个包含所有子图的数组。这个方法适用于当你需要创建网格布局的子图时。
python
import matplotlib.pyplot as plt
# 创建图形和子图
fig, axs = plt.subplots(2, 2, figsize=(10, 6))
# 第一个子图
axs[0, 0].plot([1, 2, 3], [4, 5, 6])
axs[0, 0].set_title('子图 1')
# 第二个子图
axs[0, 1].bar([1, 2, 3], [4, 5, 6])
axs[0, 1].set_title('子图 2')
# 第三个子图
axs[1, 0].scatter([1, 2, 3], [4, 5, 6])
axs[1, 0].set_title('子图 3')
# 第四个子图
axs[1, 1].hist([1, 2, 3, 4, 5])
axs[1, 1].set_title('子图 4')
# 调整布局以避免重叠
plt.tight_layout()
# 显示图形
plt.show()subplot_mosaic 是 matplotlib 3.4.0 版本引入的一个功能，允许你通过定义一个网格布局的"马赛克"来创建子图。这种方法比传统的 subplot 方法更灵活，因为你可以使用字符串来定义布局，而不是指定行列数。
-
plt.subplot_mosaic(layout, figsize=(width, height)):layout: 一个嵌套的列表，其中每个子列表表示一行，每个元素表示一个子图的标识符。相同的标识符表示共享同一个子图区域。figsize: 图形的尺寸（宽度, 高度），以英寸为单位。- 返回
fig和axs，其中fig是图形对象，axs是一个字典，键是子图的标识符，值是对应的Axes对象。
-
使用标识符:
- 在
layout中，标识符是用来指定子图的位置和布局的。你可以根据需要自定义这些标识符，以适应复杂的布局需求。
- 在
python
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['font.family'] = 'simsun'
# 使用 subplot_mosaic 创建子图布局
fig, axs = plt.subplot_mosaic(
[
['A', 'B'],
['C', 'B'],
],
figsize=(10, 8)
)
# 在子图 'A' 上绘制数据
axs['A'].plot([1, 2, 3], [4, 5, 6])
axs['A'].set_title('子图 A')
axs['A'].grid(which='both', linestyle='--', linewidth=0.5, color='c')
# 在子图 'B' 上绘制数据
axs['B'].bar([1, 2, 3], [4, 5, 6])
axs['B'].set_title('子图 B')
axs['B'].grid(which='both', linestyle=':', linewidth=0.5, color='y')
# 在子图 'C' 上绘制数据
axs['C'].scatter([1, 2, 3], [4, 5, 6])
axs['C'].set_title('子图 C')
axs['C'].grid(which='both', linestyle='-', linewidth=0.5, color='r')
# 调整布局以避免重叠
plt.tight_layout()
# 显示图形
plt.show()
🟨显示网格线
python
plt.grid(which='both', linestyle='--', linewidth=0.5, color='gray')| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
which |
str | 'both' | 指定要显示的网格线类型： - 'both'：显示主网格线和次网格线 - 'major'：显示主网格线 - 'minor'：显示次网格线 |
axis |
str | 'both' | 指定要应用网格线的轴： - 'both'：对 x 轴和 y 轴应用网格线 - 'x'：仅对 x 轴应用网格线 - 'y'：仅对 y 轴应用网格线 |
color |
str | 'black' | 网格线的颜色。可以是颜色名称、RGB 颜色值或十六进制颜色代码，如 'red'、'#FF5733' |
linestyle |
str | '-' | 网格线的样式： - '-'：实线 - '--'：虚线 - ':'：点线 - '-.'：点划线 |
linewidth |
float | 1.0 | 网格线的宽度，以磅为单位 |
🟨保存为图片
plt.savefig() 是 matplotlib 中用于将当前图形保存到文件的方法。它可以保存为多种文件格式，包括 PNG、PDF、SVG、EPS 等。你可以使用 plt.savefig() 方法来保存图形以便后续查看、分享或嵌入到文档中。
python
import matplotlib.pyplot as plt
# 示例数据
x = [1, 2, 3, 4, 5]
y = [10, 15, 13, 17, 20]
# 创建图形和轴对象
plt.plot(x, y, marker='o')
# 添加标题和标签
plt.title('保存图形示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
# 保存图形到文件
plt.savefig('my_plot.png') # 保存为 PNG 格式
# 显示图形
plt.show()| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
fname |
str | None | 文件名或路径。支持相对路径和绝对路径，文件扩展名决定了保存的格式。 |
dpi |
int | 100 | 图像的分辨率，以每英寸点数（DPI）为单位。较高的 DPI 值会产生更高质量的图像。 |
bbox_inches |
str | 'tight' | 设定边界框的大小。'tight' 自动调整边界框以适应图形内容。 |
pad_inches |
float | 0.1 | 图像边界与内容之间的填充空间，以英寸为单位。 |
transparent |
bool | False | 如果为 True，背景将透明，适用于 PNG 格式。 |
quality |
int | 95 | 图像质量，适用于 JPEG 格式，取值范围 1-100。 |
format |
str | None | 文件格式，如果 fname 参数中包含扩展名，则此参数可以省略。 |
facecolor |
str | 'w' (white) | 图像的背景颜色。'w' 表示白色，'none' 表示透明。 |
edgecolor |
str | 'w' (white) | 图像的边缘颜色。 |
前面通过折线图引入，介绍了Matplotlib绘图的各种常用基本操作。但仍然只是冰山一角，还有很多设置、特性没有展开说，感兴趣的部分去官网看文档即可。
3.12 散点图：scatter()
scatter() 是 matplotlib 中用于绘制散点图的函数。散点图显示了两个变量之间的关系，通过将数据点在二维坐标系中标记出来。每个点的位置由其 x 和 y 坐标决定，点的颜色和大小也可以根据其他变量进行编码。
python
import matplotlib.pyplot as plt
# 示例数据
x = [1, 2, 3, 4, 5]
y = [10, 15, 13, 17, 20]
# 创建散点图
plt.scatter(x, y)
# 添加标签和标题
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.title('散点图示例')
# 显示图形
plt.show()x: x 轴的数据坐标。y: y 轴的数据坐标。s: 点的大小。可以是一个单一的数值，也可以是一个与x和y长度相同的数组。c: 点的颜色。可以是单一颜色，也可以是一个颜色数组，用于根据数据值设置颜色。cmap: 如果c是一个数组，可以使用cmap指定颜色映射。常见的 colormap 包括'viridis'、'plasma'、'inferno'、'magma'。alpha: 点的透明度，范围从 0（完全透明）到 1（完全不透明）。marker: 点的形状，如'o'（圆形）、's'（方形）、'^'（三角形）等。edgecolor: 点的边缘颜色。linewidths: 点的边缘线宽。
3.13 条形图：bar()
python
import matplotlib.pyplot as plt
# 示例数据
categories = ['A', 'B', 'C', 'D']
values = [10, 20, 15, 25]
# 创建图形
plt.figure(figsize=(8, 6))
# 绘制条形图
plt.bar(categories, values)
# 添加标题和标签
plt.title('条形图示例')
plt.xlabel('类别')
plt.ylabel('值')
# 显示图形
plt.show()| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
x |
array-like | None | 条形图的 x 轴数据，即类别或位置。 |
height |
array-like | None | 条形图的高度或长度。 |
width |
float | 0.8 | 条形的宽度，默认为 0.8。如果绘制水平条形图，则为条形的高度。 |
align |
str | 'center' | 条形的对齐方式： - 'center'：中心对齐 - 'edge'：边缘对齐 |
color |
str, array-like | None | 条形的颜色，可以是颜色名称、RGB 颜色值、十六进制颜色代码或颜色列表。 |
edgecolor |
str | 'black' | 条形边缘的颜色。 |
linewidth |
float | 1.0 | 条形边缘的宽度，以磅为单位。 |
tick_label |
array-like | None | 设置 x 轴刻度标签。 |
hatch |
str | None | 条形的填充样式，如 '/'、'\\'、`' |
垂直条形图：bar()
水平条形图：barh()
太多了，先写这么多吧，官网都有教程的。