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python博客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python博客！