基础知识薄弱的同学可以看看一下博客
https://www.cnblogs.com/dev-liu/p/pandas_plt_basic.html
https://blog.csdn.net/Notzuonotdied/article/details/77876080
我做了一些笔记,比较实用
scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)
x，y：array_like，shape（n，）
输入数据
s：标量或array_like，shape（n，），可选
大小以点数^ 2。默认是`rcParams ['lines.markersize'] ** 2`。
c：颜色，顺序或颜色顺序，可选，默认：'b'
`c`可以是单个颜色格式的字符串，也可以是一系列颜色
规范的长度为`N`，或一系列`N`数字
使用通过kwargs指定的`cmap`和`norm`映射到颜色
（见下文）。请注意，`c`不应该是单个数字RGB或
RGBA序列，因为这与数组无法区分
值将被彩色映射。 `c`可以是一个二维数组，其中的
行是RGB或RGBA，但是，包括单个的情况
行为所有点指定相同的颜色。
marker：`〜matplotlib.markers.MarkerStyle`，可选，默认值：'o'
请参阅`〜matplotlib.markers`以获取有关不同的更多信息
标记分散支持的样式。 `marker`可以是
该类的实例或特定文本的简写
标记。
cmap：`〜matplotlib.colors.Colormap`，可选，默认：无
一个`〜matplotlib.colors.Colormap`实例或注册名称。
`cmap`仅在`c`是浮点数组时使用。如果没有，
默认为rc`image.cmap`。
norm：`〜matplotlib.colors.Normalize`，可选，默认：无
`〜matplotlib.colors.Normalize`实例用于缩放
亮度数据为0,1。`norm`只有在`c`是一个数组时才被使用
彩车。如果`None'，则使用默认值：func：`normalize`。
vmin，vmax：标量，可选，默认值：无
`vmin`和`vmax`与`norm`结合使用来标准化
亮度数据。如果其中任何一个都是`无'，那么最小和最大的
使用颜色数组。请注意，如果你通过一个“规范”实例，你的
`vmin`和`vmax`的设置将被忽略。
alpha：标量，可选，默认值：无
alpha混合值，介于0（透明）和1（不透明）之间，
linewidths：标量或array_like，可选，默认值：无
如果无，则默认为（lines.linewidth，）。
verts：（x，y）的序列，可选
如果`marker`为None，这些顶点将用于
构建标记。标记的中心位于
在（0,0）为标准化单位。整体标记重新调整
由``s``完成。
edgecolors ：颜色或颜色顺序，可选，默认值：无
如果无，则默认为'face'
如果'face'，边缘颜色将永远是相同的
脸色。
如果它是'none'，补丁边界不会
被画下来。
对于未填充的标记，“edgecolors”kwarg
被忽视并被迫在内部“面对”
matplotlib.pyplot.bar(left, height, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3,align='center', data=None,bottom=None)
left：x轴的位置序列，一般采用arange函数产生一个序列；
height：y轴的数值序列，也就是柱形图的高度，一般就是我们需要展示的数据；
alpha：透明度
width：为柱形图的宽度，一般这是为0.8即可；
color或facecolor：柱形图填充的颜色；
edgecolor：图形边缘颜色
label：解释每个图像代表的含义
linewidth or linewidths or lw：边缘or线的宽度
align
'center': Center the base on the x positions.
'edge': Align the left edges of the bars with the x positions.
bottom : The y coordinate(s) of the bars bases (default: 0).
matplotlib.pyplot.x(y)ticks(ticks=None, labels=None, **kwargs)、
locs, labels = xticks() # Get locations and labels
xticks(ticks, [labels], **kwargs) # Set locations and labels
rotation='vertical'
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)
dpi参数指定图像的分辨率
matplotlib实例
#-*- coding:utf-8 -*- import numpy as np from matplotlib import pyplot as plt plt.figure(figsize=(9,6)) plt.title("Square Numbers", fontsize=24) #fig,plt = plt.subplots(figsize=(9,6)) n = 8 X = np.arange(n)+1 #X是1,2,3,4,5,6,7,8,柱的个数 #uniform均匀分布的随机数，normal是正态分布的随机数，0.5-1均匀分布的数，一共有n个 Y1 = np.random.uniform(0.5,1.0,n) Y2 = np.random.uniform(0.5,1.0,n) #scatter 散点图 plt.scatter(X,Y1,marker='^',c='black') #添加注释 plt.text(X[1],Y1[2],r'lovelin',fontdict={'size':16,'color':'r'}) #bar 柱状图 plt.bar(X, Y1, alpha=0.9, width = 0.35, facecolor = 'lightskyblue', edgecolor = 'white', label='one', lw=3) #x轴添加注释 plt.xticks(X,X,rotation='vertical') #x,y添加标签 plt.xlabel('nihao') plt.ylabel('lin') plt.bar(X, Y2, alpha=0.9, width = 0.35, bottom=Y1,facecolor = 'yellowgreen', edgecolor = 'white', label='second', lw=1) plt.bar(X+0.35, Y2, alpha=0.9, width = 0.35,facecolor = 'red', edgecolor = 'white', label='third', lw=1) #显示标签 plt.legend(loc="upper left") # label的位置在左上，没有这句会找不到label去哪了 #plt.tick_params(axis='both', which='major', labelsize=14) #x,y轴数据的范围 plt.axis([0, 10, 0, 2]) #保存图片 plt.savefig("fig1.png", bbox_inches="tight",dpi=200) #显示画布 plt.show()
pandas+matplotlib
#-*- coding:utf-8 -*- import numpy as np import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv('data2.csv',index_col='Year') df_cs = df['Computer Science'] df_ms = df['Math and Statistics'] #plt.plot(df_cs) df.plot(alpha=0.7) plt.title("Percentage of Computer Science's degrees awarded to women in the USA") # 为X轴添加标签 plt.xlabel("Years") # 为Y轴添加标签 plt.ylabel("Percentage") #df_cs.plot(color='b', style='.-', legend=True) #df_ms.plot(color='r', style='-', legend=True) plt.axis([1970, 2000, 0, 200]) plt.show()
