Python：matplotlib.pyplot
翻译总结自：matplotlib.pyplot — Matplotlib 3.4.3 documentation
函数 |
说明 |
| acorr | x的自相关性图 |
| angle_spectrum | 角度谱 |
| annotate | 在指定位置处添加文本标注 |
| arrow | 画一个箭头 |
| autoscale | 坐标轴范围调整（自适应） |
| axes | 加一个子图（跟subplot差不多） |
| axhline | 在指定位置增加一个水平线 |
| axhspan | 在指定位置增加一个水平矩形区域 |
| axis | 返回关于坐标轴的一些信息（xmin,xmax,ymin,ymax） |
| axline | 加一条无限长的直线 |
| axvline | 在指定位置增加一个垂线 |
| axvspan | 在指定位置增加一个垂直矩形区域 |
| bar | 柱状图 |
| barbs | barbs图（各种倒勾符号） |
| barh | 水平柱状图 |
| boxplot | 箱型图 |
| broken_barh | 断续绘制水平矩形框 |
| cla | 清空当前坐标轴 |
| clabel | 等高线图每条线上的标签 |
| clf | 清空整个图形 |
| clim | 设置颜色限制 |
| close | 关闭当前绘图窗口 |
| cohere | 绘制x、y的相关性图 |
| colorbar | 添加颜色表 |
| contour、contourf | 等高线图 |
| csd | 互谱密度图 |
| delaxes | 从当前图像中删除一个轴 |
| draw | 重新绘制当前图像 |
| errorbar | 误差棒图，绘制y轴方向或者是x轴方向的误差范围 |
| eventplot | 绘制一系列的平行线 |
| figimage | 为画布添加图片（添加图片背景） |
| figlegend | 生成图例 |
| figtext | 向图中加一个文本文字 |
| figure | 额外生成一个画布 |
| fill | 以填充的形式绘制多边形 |
| fill_between | 填充两个水平曲线间的区域 |
| fill_betweenx | 填充两个垂直曲线间的区域 |
| gca | 获取当前的轴 |
| grid | 设置网格线 |
| hexbin | 绘制二维hexagonal bin |
| hist | 直方图 |
| hist2d | 二维直方图 |
| hlines | 在每个y处都绘制一个从xmin到xmax的水平线 |
| imread | 读取一个图像文件并保存为array |
| imsave | 保存一个array为图像文件 |
| imshow | 展示计算机中的图片文件（把数据展示为图片） |
| legend | 显示图例 |
| loglog | 双对数坐标下绘图 |
| magnitude-spectrum | 幅度谱 |
| margins | 边界线 |
| matshow | 把一个数组或者矩阵绘制成图像 |
| minorticks_off | 移除坐标轴上显示的最小值 |
| minorticks_on | 显示坐标轴上的最小值 |
| pause | 暂停若干秒后继续运行 |
| pcolor | 二维网格图，每个矩形都填充有颜色 |
| pcolormesh | 同pcolor，但官方推荐用 |
| phase_spectrum | 相谱图 |
| pie | 饼状图 |
| plot | 折线图 |
| plot_date | 绘制带日期的数据 |
| polar | 极坐标 |
| psd | 功率谱密度图 |
| quiver | 风速箭头图（风羽图） |
| quiverkey | 给quiver图加Key |
| rc | 通过rc配置修改图形的各种默认属性，包括窗体大小、每英寸的点数、线条宽度、颜色、样式…… |
| rc_context | 返回暂时修改的rc设置的文本 |
| rcdefaults | 重设rc设置为默认的设置 |
| rgrids | 极坐标坐标系下网格的设置 |
| savefig | 保存当前图像 |
| sca | 选择某个子图 |
| scatter | 散点图 |
| sci | 设置当前图像 |
| semilogx | 用对数坐标绘制x轴，绘图 |
| semilogy | 用对数坐标绘制y轴，绘图 |
| set_cmap | 设置并应用默认色表 |
| setp | 设置绘图对象的各种属性 |
| show | 显示所有打开的图像 |
| specgram | 语谱图 |
| spy | 稀疏度 |
| stackplot | 堆叠/堆栈 图 |
| stem | 茎叶图 |
| step | 阶梯图（区别于折线图） |
| streamplot | 流线图 |
| subplot | 在指定位置创造一小块画布 |
| subplot2grid | 在指定位置创造一小块画布，画布的边界线标记在坐标轴上 |
| subplpot_toll | 创建一个与分块相关的工具窗口 |
| subplots | 创造一个画布具有一系列的分布 |
| subplots_adjust | 子画布布局参数调整 |
| suptitle | 设置总标题 |
| switch_backend | 关闭所有开着的画布，并设置Matplotlib的后端 |
| table | 往图中加表 |
| tricontour、tricontourf | 三角网等高线图 |
| tripcolor | 假彩色三角网等高线图 |
| triplot | 绘制三角网 |
| twinx | 两幅图用同一个x轴绘制 |
| twiny | 两幅图用同一个y轴绘制 |
| violinplot | 小提琴图 |
| vlines | 在每个指定的x处绘制垂线 |
| xcorr | x-y的互相关性图 |
| xlabel、ylabel | x、y轴的名字 |
| xlim、ylim | x、y轴的范围 |
| xscale、yscale | x、y轴值的基（对数、布尔……） |
| xtick、ytick | x、y轴坐标刻度的相关信息 |
fig = plt.figure() # an empty figure with no Axes fig, ax = plt.subplots() # a figure with a single Axes fig, axs = plt.subplots(2, 2) # a figure with a 2x2 grid of Axes
创建画布的方式，plt.figure()、plt.subplots( m , n )
区别在于前者只是单纯创造一个画布，没有子画布；后者则是在一个画布上分区，分区后就形成了子画布。
就像上文所写：
fig, axs = plt.subplots(2, 2) # a figure with a 2x2 grid of Axes
这里的fig是总画布，axs是子画布构成的ndarray，通过axs[i][j]就可以访问到具体的画布，再通过axs[i][j].func()就能实现在这些子画布上操作的目的。（这里的func就是本章所写的那些函数，比如，axs[1][1].axhline(...)就可以在第(1,1)幅图上绘制水平线）。
1）savefig：保存当前fig和上面的图形
用法
plt.savefig( fname, dpi=None, facecolor='w', edgecolor='w', orientation='portrait', papertype=None, format=None, transparent=False, bbox_inches=None, pad_inches=0.1, frameon=None, metadata=None )
参数
参数 |
类型 |
默认值 |
说明 |
| fname | str | 输出文件名 | |
| dpi | float或'figure' | 'figure' | 分辨率 |
| facecolor | color或'auto' | 'auto' | 主色 |
| edgecolor | color或'auto' | 'auto' | 边缘色 |
| orientation | 'landscape'、'portrait' | 'portrait' | |
| papertype | str | None | |
| format | str | None | 文件格式，如果fname指定了后缀则该项不起作用 |
| transparent | bool | False | |
| bbox_inches | str或Bbox | None | 给出一个区域，只保存指定区域中的图形 |
| pad_inches | float | 0.1 | |
| frameon |
2）axhline、axvline：绘制水平线和垂线
用法
plt.axhline(y=0,xmin=0,xmax=1,**kwargs)
plt.axvline(x=0,ymin=0,ymax=1,**kwargs)
参数
第一个参数是指绘制线的位置
第二三个参数是指绘制线的范围（需要注意的是这里的0和1并不是数值0和1，而是比例0和1，即0——底部，1——顶部）
**kwargs：与线的样式相关的一系列参数
说明
如果第一个参数是整数，那么它指代的是索引而非实际值。
比如：
plt.axvline(x=4)
就是在第5个x值（索引为4）处绘制垂线。
3）contour、contourf
contour：等高线
contourf：填充等高线（在等高线间填充不同颜色）
用法
plt.contourf( [X,Y,] Z, [levels], **kwargs )
plt.contour( [X,Y,] Z, [levels], **kwargs )
这两个方法的参数相同
参数
参数 |
类型 |
默认值 |
说明 |
| X,Y | array（升序排列） |
Z值的横纵坐标。 X、Y的尺寸（两种）：①和Z轴尺寸相同的2维数组（1维数组可以通过numpy.meshgrid构造成2维）；②1维数组，但是len(X)和Z轴的列数相同，len(Y)和Z轴的行数相等。 如果没有给出这个参数，会默认设置X、Y为从0~M-1和0~N-1的索引值，即X=range(M)、Y=range(N) |
|
| Z | 大小为(M,N)的array | 绘制等高线时的高度值 | |
| levels | int或array |
决定了(等高线/区域)的数量和位置。 如果是int n，将会自动在vmin和vmax之间生成不超过n+1条'nice'等级的等高线； 如果是array，将会在特定的等级处绘制等高线。array中的值必须是递增的。 |
|
| corner_mask | bool | True |
是否启用角落蒙版(只有当Z轴是masked array时才起作用)。 |
| colors |
color string或 color序列(List、array...) |
各个Level的颜色（如果是contour就是等高线的颜色，如果是contourf就是区域颜色）。 如果颜色数少于Level数，会循环使用其中的颜色。 如果Color List中只有一个颜色，那么可以用Color String来代替（比如用'red'而不是['red']），这样所有Level都会用这个颜色绘制。 默认情况下（colors=None），将用参数cmap指定的色表 |
|
| alpha | float | 1 | 透明度（0：透明，1：不透明） |
| cmap | str或Colormap |
'viridis' |
一个 如果colors和cmap都给出了，将会报错。 |
| norm | Normalize |
如果使用了色表，这个 如果没有设置这个参数，将会使用默认线性数值。 |
|
| vmin,vmax | float | 如果非None，那么这两个值的其中一个或者全部会被提供给到Normalize实例，用于覆盖参数levels指明的默认颜色值 |
|
| origin | {None, 'upper', 'lower', 'image'} | None |
用于指明Z[0,0]的位置，这个参数只有在X、Y没有给出时才有用：
|
| extent | (x0,x1,y0,y1) | 如果origin非None，那么extent将应用于imshow中：它给出了外部边界。 | |
| locator | ticker.Locator subclass | MaxNLocator |
如果没有直接给出levels，俺么该参数将用于确定levels |
| extend | {'neither', 'both', 'min', 'max'} | 'neither' |
用于确定超过了levels范围的颜色。
低于min(levels)和高于max(levels)的值将会映射到 |
| xunits,yunits | registered units | 用一个matplotlib.units.ConversionInterface实例指定x、y轴单元 |
|
| antialiased | bool | True | 抗锯齿 |
| nchunk | int且>=0 | 区域细分 | |
| linewidths | float或array | 1.5 | 只应用于contour，线的宽度 |
| linestyles | {None, 'solid', 'dashed', 'dashdot', 'dotted'} | 只应用于contour，线的样式 | |
| hatches | list[str] | 只应用于contourf |
注意
X、Y必须按照升序排列，否则可能会导致绘图异常，这要求我们在用meshgrid构造网格时，传入的x、y必须是升序排列的。
如果要为等值线添加上数字数值，可以用clabel函数（见4），如果想显示出各颜色代表的数值，可以用colorbar函数（见5）
补充
如果要绘制出各个散点并分别标号，可以用下段代码：
plt.scatter(Lon,Lat) labels = [f'Station {i}' for i in range(n)] for i in range (0,n): xy=(Lon[i],Lat[i]) plt.annotate(labels[i],xy) plt.plot()
4）clabel
说明
给等值线或者等值线填充区域添加数值
用法
matplotlib.pyplot.clabel(CS, levels=None, *, fontsize=None, inline=True, inline_spacing=5,
fmt=None, colors=None, use_clabeltext=False, manual=False,
rightside_up=True, zorder=None)
参数
参数 |
类型 |
默认值 |
说明 |
| cs | contour或contourf |
用于添加数字的contour或contourf，用法： contour = plt.contour(...) plt.clabel(contour,...) 或 contourf = plt.contourf(...) contourf.clabel(...)
|
|
| levels | array | None |
用于添加数值的一系列等值线或区域。 如果该项没给出，那么在构建等值线时的所有level都会被标注 |
| fontsize | str、float | 10.0 或rcParams["font.size"] | 字体大小 |
| inline | bool | True | 把字放到等高线时，字上的等高线是否消除 |
| inline_spacing | float | 5 | 字离另外的等高线的间距 |
| fmt | |||
| colors | color或colors或None | None | Label的颜色 |
| use_clabeltext | bool | False | 是否使用ClabelText（默认是Text）实例用于构造label |
| manual | bool | True | 是否允许用鼠标拖动等值线数值 |
| rightside_up | bool | True | 是否旋转 |
| zorder | float或None | (2 + contour.get_zorder()) |
5）colorbar
说明
给一幅plot加上颜色柱
用法
matplotlib.pyplot.colorbar(mappable=None, cax=None, ax=None,
user_gridspec=False)
参数
参数 |
类型 |
默认值 |
说明 |
| mappable |
（常用的有AxesImage和ContourSet） |
往哪副图上添加colorbar。 该参数是 |
|
| cax | Axes |
这三个参数的用法我还没有搞懂，应该是与需要绘制colorbar的子图有关。 一般情况下只用第一个参数即可。 |
|
| ax | Axes | ||
| use_gridspec | bool |
6）坐标轴相关
pyplot中与横纵坐标轴相关的函数及其功能为：
ylabel、xlabel：x、y轴的名称（显示出来）
xlim、ylim：设置坐标轴的范围，同时会调整图像以适应坐标轴的范围
xscale、yscale：设置坐标轴刻度的基准量（比如是线性坐标还是对数坐标）
xticks、yticks：设置坐标轴显示出来的具体数值
①xlabel、ylabel
说明
设置x、y轴的名称
用法
pyplot.xlabel(xlabel, fontdict=None, labelpad=None,
*, loc=None, **kwargs)
参数
参数 |
类型 |
默认值 |
说明 |
| xlabel、ylabel | str | 轴标签 | |
| labelpad | float | 4.0 | 标签与坐标轴的距离 |
| loc |
x:{'left', 'center', 'right'} y:{'bottom', 'center', 'top'} |
'center' | 标签位置 |
| **kwargs | Text属性 |
具体可见博客：各种样式 |
②xlim、ylim
说明
设置当前显示出来的坐标轴范围
用法
pyplot.xlim(left=None, right=None, emit=True, auto=False, *, xmin=None, xmax=None) pyplot.xlim(bottom=None, top=None, emit=True,
auto=False, *, ymin=None, ymax=None)
参数
参数 |
类型 |
默认值 |
说明 |
|
left、right bottom、top |
float | None(意味着不做任何变化) | 设置坐标轴的四个方向范围 |
| emit | bool | True | 是否提醒观测者坐标轴范围已变化 |
| auto | bool或None | False | 另一个坐标轴是否自适应变化 |
|
xmin,xmax ymin,ymax |
float | float | 等同于
left、right bottom、top |
返回值
以(float,float)的形式返回变化后的上下限。
③xscale、yscale
说明
设置坐标轴的变化基准值（即是正常线性变化，还是对数变化，这种）
用法
pyplot.xscale(value, **kwargs)
参数
value：{"linear", "log", "symlog", "logit", ...} or ScaleBase
④xticks、yticks
说明
设置坐标轴的具体刻度，如果调用了该函数，坐标轴的数值将完全依照该函数设置的内容
用法
pyplot.xticks(ticks=None, labels=None, **kwargs)
参数
参数 |
类型 |
说明 |
| ticks | array-like | 坐标轴上要显示刻度的位置 |
| labels | array-like | 每个刻度处对应的坐标轴文字 |
| **kwargs | Text properties |
用于控制显示刻度的文字样式 |
返回值
locs:有关xtick位置的List
labels:有关xlabel的List
补充
如果该函数没有传入任何参数，比如（xticks()），将会获得原坐标轴的locs和labels。
例子
学习自：Python使用pyplot绘图时设置坐标标签以日期为例_Charlie1492的博客-CSDN博客_python画图加坐标标签
我们有一个叫做date的List，其中存放了一系列的用String表示的日期，比如“2020-01-22”,"2020-01-23"，……，一直到“2020-09-01”。
问题：如果要从“2020-01-22”开始，每隔40天显示一个刻度及刻度对应的日期，该如何做？
1、首先，我们生成这个Date：
from datetime import date,timedelta start=date(2020,1,22) end=date(2020,9,1) days=(end-start).days D=[start+timedelta(days=i) for i in range(days)] Date=list(['{:%Y-%m-%d}'.format(d) for d in D])
['2020-01-22' , ..., '2020-08-30', '2020-08-31']
2、每个Date对应的data从文件中读取，大小与Date相同，这里就不写了
3、由于我们要以40天为间隔绘制刻度和具体的日期，所以可以用上边xticks、yticks的知识来做：
#ticks是显示刻度的位置: #list(range(len(Date)))[::40]会生成一个List=[0,40,80,...] #表明只显示第40，80，120，...处的刻度 ticks=list(range(len(Date)))[::40] #labels则是在ticks这些刻度处显示的日期 labels=Date[::40] plt.plot(Date,data) #设置坐标轴刻度时，再设置一个旋转40° plt.xticks(ticks,labels,rotation=40)
④由于底部空间太小，导致部分标签被腰斩了，所以要再加一行进行空间调整：
plt.gcf().subplots_adjust(bottom=0.15)
最终结果为：
