Matplotlib库基本使用

Matplotlib是一个Python的2D绘图库，通过Matplotlib，开发者可以仅需要几行代码，便可以生成折线图，直方图，条形图，饼状图，散点图等。

一、安装：

如果是用Anaconda，可以通过conda install matplotlib或者通过pip install matplotlib进行安装。

二、基本使用：

首先先看以下例子：

import matplotlib.pyplot as plt
import numpy as np
plt.plot(range(10),[np.random.randint(0,10) for x in range(10)])

那么就会出现以下图：

其中plot是一个画图的函数，他的参数为plot([x],y,[fmt],data=None,**kwargs)。其中fmt可以传一个字符串，用来给这个图做一些样式修改的。默认的绘制样式是b-，也就是蓝色实体线条。比如我想将原来的图的线条改成点状，那么可以通过以下代码实现：

import matplotlib.pyplot as plt
plt.plot(range(10),[np.random.randint(0,10) for x in range(10)],":")

2.1. 折线图类型：

其中使用:代表点线，是matplotlib的一个缩写。这些缩写还有以下的：

字符	类型	字符	类型
‘-’	实线	‘–’	虚线
‘-.’	虚点线	‘:’	点线
‘.’	点	‘,’	像素点
‘o’	圆点	‘v’	下三角点
‘^’	上三角点	‘<’	左三角点
‘>’	右三角点	‘1’	下三叉点
‘2’	上三叉点	‘3’	左三叉点
‘4’	右三叉点	‘s’	正方点
‘p’	五角点	‘*’	星形点
‘h’	六边形点1	‘H’	六边形点2
‘+’	加号点	‘x’	乘号点
‘D’	实心菱形点	‘d’	瘦菱形点
‘_’	横线点

除了设置线条的形状外，我们还可以设置点的颜色。示例代码如下：

plt.plot([1,2,3,4,5],[1,2,3,4,5],'r') #将颜色线条设置成红色
plt.plot([1,2,3,4,5],[1,2,3,4,5],color='red') #将颜色设置成红色
plt.plot([1,2,3,4,5],[1,2,3,4,5],color='#000000') #将颜色设置成纯黑色
plt.plot([1,2,3,4,5],[1,2,3,4,5],color=(0,0,0,0)) #将颜色设置成纯黑色

给线条设置颜色总体来说有三种方式，第一种是使用颜色名称（r是red的缩写）的形式，第二种是使用十六进制的方式，第三种是使用RGB或RGBA的方式。如果使用的是颜色名称，那么可以和线的形状写在同一个字符串中。比如使用红色的五角点，那么可以使用如下的方式实现：

plt.plot([1,2,3,4,5],[1,2,3,4,5],'rp') #将颜色线条设置成红色

2.2. 线条颜色：

其中可以表示颜色的缩写字符有如下：

字符	颜色
‘b’	蓝色，blue
‘g’	绿色，green
‘r’	红色，red
‘c’	青色，cyan
‘m’	品红，magenta
‘y’	黄色，yellow
‘k’	黑色，black
‘w’	白色，white

三、设置图的信息：

现在我们添加图后，没有指定x轴代表什么，y轴代表什么，以及这个图的标题是什么。因此以下我们通过一些属性来设置一下。

3.1. 设置线条样式：

使用plot方法：plot方法就是用来绘制线条的，因此可以在绘制的时候就把线条相关的样式通过参数传进去。示例代码如下：
```
 plt.plot(x,y,linewidth=2)
```
通过Line2D对象来设置：plot方法会返回一个装有Line2D对象的列表，比如lines=plt.plot(x1,y1,x2,y2)因为绘制了两根线条，因此lines中会有两个2D对象。而如果plot只绘制一根线条，那么lines中就只有一个Line2D对象。拿到这个Line2D对象后就可以通过set_属性名设置线条的样式了：
```
 lines = plt.plot(x,y)
 line = lines[0]
 line.set_aa(False) #关掉反锯齿
 line.set_alpha(0.5) #设置0.5的透明度
```
使用plt.setp来设置：setp的好处是一次性可以设置多根线条的样式。示例代码如下：
```
 lines = plt.plot(x,y)
 plt.setp(lines,linewidth=10,alpha=0.5)
```
更多Line2D属性：

3.2. 设置轴和标题：

设置轴名称：可以通过plt.xlabel和plt.ylabel来设置x轴和y轴的的名称。示例代码如下：
```
 plt.plot(x,y,linewidth=10,color='red')
 plt.xlabel("x轴")
 plt.ylabel("y轴")
```
默认情况下是显示不了中文的。需要设置字体。可以通过以下代码来实现：
```
 # 加载字体
 font = font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")
 plt.plot(x,y,linewidth=10,color='red')
 plt.xlabel("x轴",fontproperties=font)
 plt.ylabel("y轴",fontproperties=font)
```
加载字体的时候，可以到C:\Windows\Fonts中找你喜欢的并且可以显示中文的字体。找到字体后，还需要找到字体的真实名称。方法是右键->属性->安全->对象名称：

设置标题：可以通过plt.title方法来实现。示例代码如下：

font = font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")
plt.title("sin函数",fontproperties=font)

设置x轴和y轴的刻度：之前我们画的图，x轴和y轴的刻度都是matplotlib自动生成的。如果想要在生成图的时候手动的指定，那么可以通过plt.xticks和plt.yticks来实现：

plt.xticks(range(0,20,2)) #在x轴上的刻度是0,2,4,6...20

以上会把那个刻度显示在x轴上。如果想要显示字符串类型，那么可以再构造一个数组，这个数组的长度必须和x轴刻度的长度保持一致。然后传给xticks的第二个参数。示例代码如下：

_x = range(0,20,2)
_xticks = ["%d坐标"%i for i in _x]
plt.xticks(_x,_xticks,fontproperties=font) #在x轴上的刻度是0坐标,2坐标...20坐标

同样y轴的刻度设置也是一样的。示例代码如下：

_y = np.arange(-1,1,0.25)
_yticks = ["%.2f点"%i for i in _y]
plt.yticks(_y,_yticks,fontproperties=font)

效果图如下：

复仇者联盟电影票房案例：

avenger = [17974.4,50918.4,30033.0,40329.1,52330.2,19833.3,11902.0,24322.6,47521.8,32262.0,22841.9,12938.7,4835.1,3118.1,2570.9,2267.9,1902.8,2548.9,5046.6,3600.8]
plt.figure(figsize=(15,5))
plt.plot(avenger,marker="o")
font.set_size(10)
plt.xticks(range(20),["第%d天"%x for x in range(1,21)],fontproperties=font)
plt.xlabel("天数",fontproperties=font)
plt.ylabel("票房数(万)",fontproperties=font)
plt.grid()

复仇者联盟票房折线图.png

3.3. 设置marker：

有时候，我们想要在一些关键点上重点标记出来。那么我们可以通过设置marker来实现。示例代码如下：

x = np.linspace(0,20)
y = np.sin(x)
plt.plot(x,y,marker="o")

我们设置了marker为o，这样就是会在(x,y)的坐标点上显示出来，并且显示的是圆点。其中o跟之前的线条样式的简写是一样的。另外，还可以通过markerfacecolor属性和markersize来指定标记点的颜色和大小。示例代码如下：

# 以下设置标记点的颜色为黑色，尺寸为10
plt.plot(x,y,marker="o",markerfacecolor='k',markersize=10)

3.4. 设置注释文本：

有时候需要在图形中的某个点标记或者注释一下。那么我们可以使用plt.annotate(text,xy,xytext,arrowprops={})来实现，其中text是注释的文本，xy是需要注释的点的坐标，xytext是注释文本的坐标，arrowprops是箭头的样式属性。示例代码如下：

ax = plt.subplot(111)

x = np.arange(0.0, 5.0, 0.01)
y = np.cos(2*np.pi*t)
line, = plt.plot(x, y,linewidth=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black',shrink=0.05),
)

plt.ylim(-2, 2)
plt.show()

3.5. 设置图形样式：

如果想要调整图片的大小和像素，可以通过plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)来实现。
其中num是图的编号，figsize的单位是英寸，dpi是每英寸的像素点，facecolor是图片背景颜色，edgecolor是边框颜色，frameon代表是否绘制画板。
示例代码如下：

plt.figure(figsize=(20,8),dpi=80)
# 其他的绘制图形的代码

我们也可以使用grid方法，来显示图片的网格：

plt.plot(x,y,color="r")
plt.grid()

3.6. 保存图片：

可以调用plt.savefig(path)来保存当前的图片。示例代码如下：

plt.savefig("./abc.png")

四、绘制多个图：

绘制多个图有两种形式，第一种形式是在一张图中绘制多跟线条，第二种形式是绘制多个子图形。以下分别进行讲解。

4.1. 绘制多根折线：

绘制多根线条，只要准备好坐标，重新使用plt.plot绘制即可。示例代码如下：

from matplotlib import font_manager
x = np.linspace(0,20)
y = np.sin(x)
z = np.cos(x)
font = font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")
plt.xlabel("x轴",fontproperties=font)
plt.ylabel("y轴",fontproperties=font)
_x = range(0,20,2)
_xticks = ["%s点"%i for i in _x]
plt.xticks(range(0,20,2),_xticks,fontproperties=font,rotation=45)
_y = list(np.range(-1,1,0.25))
_yticks = ["%.2f点"%i for i in _y]
plt.yticks(_y,_yticks,fontproperties=font)
plt.plot(x,y)
plt.plot(x,z)

示例图如下：

4.2. 绘制多个子图：

绘制子图的时候，我们可以使用plt.subplot或plt.subplots来实现。示例代码如下：

plt.subplot(221)
plt.plot(np.arange(10),c='r')
plt.subplot(222)
plt.plot(np.sin(np.arange(10)),c='b')
plt.subplot(223)
plt.plot(np.cos(np.arange(10)),c='y')
plt.subplot(224)
plt.plot(np.tan(np.arange(10)),c='g')

效果图如下：

其中subplot中的211和212分别代表的意思是，第一个数表示这个大图中总共有2行，第二个数表示总共有1列，然后第三个数表示当前绘制第几个图。

也可以使用fig,axs=plt.subplots(rows,cols,*args,**kwargs)来绘制多个图形，返回值是一个元组，其中的fig参数是figure对象，axs是axes对象的array。示例代码如下：

figure,axes = plt.subplots(2,2)
axes[0,0].plot(np.sin(np.arange(10)),c='r')
axes[0,1].plot(np.cos(np.arange(10)),c='b')
axes[1,0].plot(np.tan(np.arange(10)),c='y')
axes[1,1].plot(np.arange(10),c='g')

效果图跟之前使用plt.subplot一样。另外使用subplot和subplots都可以传递sharex/sharey参数，这两个参数表示是否需要共享X轴和Y轴。示例代码如下：

figure,axes = plt.subplots(2,2,sharex=True,sharey=True)
axes[0,0].plot(np.sin(np.arange(10)),c='r')
axes[0,1].plot(np.cos(np.arange(10)),c='b')
axes[1,0].plot(np.tan(np.arange(10)),c='y')
axes[1,1].plot(np.arange(10),c='g')

4.3. 风格设置：

matplotlib图片默认内置了几种风格。我们可以通过plt.style.available来查看内置的所有风格:

['bmh',
'classic',
'dark_background',
'fast',
'fivethirtyeight',
'ggplot',
'grayscale',
'seaborn-bright',
'seaborn-colorblind',
'seaborn-dark-palette',
'seaborn-dark',
'seaborn-darkgrid',
'seaborn-deep',
'seaborn-muted',
'seaborn-notebook',
'seaborn-paper',
'seaborn-pastel',
'seaborn-poster',
'seaborn-talk',
'seaborn-ticks',
'seaborn-white',
'seaborn-whitegrid',
'seaborn',
'Solarize_Light2',
'tableau-colorblind10',
'_classic_test']

在绘制的，可以使用plt.style.use方法来使用不同的风格。示例代码如下：

plt.style.use("dark_background")

五、官方文档介绍：

plt.plot使用详解：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot
matplotlib.pyplot使用详解：https://matplotlib.org/api/pyplot_summary.html
matplotlib内置的样式：https://tonysyu.github.io/raw_content/matplotlib-style-gallery/gallery.html