【转载】matplotlib.pyplot的使用总结大全（入门加进阶）
前言
其实一年前就有想法好好学学python里的画图库matplotlib库，主要是因为每次可视化一些结果的时候，都是搜一些别人写好的代码，看的时候感觉乱乱的，不是说别人写的乱，而是每个人在某些点上实现的方式不太一样，还有就是觉得，总用别人的，就觉得不是自己创造的，没有成就感。这段时间做了个比赛，可视化分析的时候，又在搜代码，想自己加点东西，感觉很费劲，又不知道该怎么加，所以决定好好学一下，并做好总结。
借用一张图，说明画图流程
准备工作
我们需要先安装matplotlib库，然后导入库，这些很简单，我就不讲了,哦，把numpy也导入进来。
import matplotlib.pyplot as plt
import numpy as np
1. 正式开始
1.1 plt和 ax
我们经常会在画图的代码里看到，有用plt.的，有用ax.的，两者到底有什么区别呢，画的图有什么不一样吗，我们先来用两种经常看到的方式实现一下。
plt.
fig=plt.figure(num=1,figsize=(4,4))
plt.plot([1,2,3,4],[1,2,3,4])
plt.show()
ax.
fig=plt.figure(num=1,figsize=(4,4))
ax=fig.add_subplot(111)
ax.plot([1,2,3,4],[1,2,3,4])
plt.show()
上面两种代码方式最终的结果都如上图所示，画图方式可视化结果并无不同，那区别在哪呢？
其实呢，第一种方式呢，是先生成了一个画布，然后在这个画布上隐式的生成一个画图区域来进行画图，第二种方式，先生成一个画布，然后，我们在此画布上，选定一个子区域画了一个子图，上一张官方的图，看看你能不能更好的理解。
官方图
除了ax之外，我们也可以直接用plt添加子图，方式如下
fig=plt.figure(num=1,figsize=(4,4))
plt.subplot(111)
plt.plot([1,2,3,4],[1,2,3,4])
plt.show()
你看，这样添加子图，也是一样的，fig，生成一个画布，plt.subplot(111)，将画布分为1x1的分布，并选中第一个子图进行操作。虽然这样看着一样呢，但是后面修饰图片的时候，ax这个方式比plt的方式更加方便。因此，本文我们用ax方式来学习画图，也希望大家都提前选定一种自己喜欢的方式来画图，添加子图，等一些列操作。
1.2 子图的创建
在上一节的介绍中，讲到了子图，可能刚接触画图的同学，会有点疑惑，这节，我们来详细讲讲子图。我们可以这样来考虑问题，我们画图的时候，找到一张纸（画布），然后打算把这张纸分成几个区域（子图）来画几幅不同的画。子图的创建可以是一些简单创建，比如这样的
fig=plt.figure(num=1,figsize=(4,4))
ax1=fig.add_subplot(221)###可从图中看到，我们的画布是分为2x2的区域
ax1.plot([1,2,3,4],[1,2,3,4])
ax2=fig.add_subplot(222)
ax2.plot([1,2,3,4],[2,2,3,4])
ax3=fig.add_subplot(223)
ax3.plot([1,2,3,4],[1,2,2,4])
ax4=fig.add_subplot(224)
ax4.plot([1,2,3,4],[1,2,3,3])
plt.show()
ax1=fig.add_subplot(221)，221里面前两个代表的是画布划分的行数和列数，公共分为4个子图，最后一个1是代表，现在选中第一个子图。
import matplotlib.gridspec as gridspec#调用网格
fig=plt.figure(num=1,figsize=(4,6))#创建画布
gs=gridspec.GridSpec(3,3)#设定网格
ax1=fig.add_subplot(gs[0,:])#选定网格
ax1.plot([1,2,3,4],[1,2,3,4])
ax2=fig.add_subplot(gs[1,:-1])
ax2.plot([1,2,3,4],[1,2,3,4])
ax3=fig.add_subplot(gs[1:,-1])
ax3.plot([1,2,3,4],[1,2,3,4])
ax4=fig.add_subplot(gs[2,0])
ax4.plot([1,2,3,4],[1,2,3,4])
ax5=fig.add_subplot(gs[2,1])
ax5.plot([1,2,3,4],[1,2,3,4])
plt.show()
2. 常用通用函数讲解
现在跳过刚刚哪些比较大的方向，讲解一些比较细碎且通用又常用的画图函数，这些函数可以说是装饰我们的图，使得我们的图更加美观且直观的装饰品。
我们举个例子来讲解，使大家更直观地看到我们讲解的函数在图的绘制中的作用。
例1：现有某某水果店一周的苹果的销售记录数，店长想更加直观的观察比较这一周的销售情况。销售情况：apple=78kg,80kg,79kg,81kg,91kg,95kg,96kg
app=[78,80,79,81,91,95,96]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app)
plt.show()
看着这个图，什么感受，我是觉得难看！
注：这里我们直接用了plot（）函数画了一个坐标图，这是一个封装好的函数，我们输入参数，就可直接生成此样式的图，除此之外还有饼图，散点图，直方图，我们下一篇讲这些已经封装好的图。
现在我想给它装修一下，比如在x轴上加入星期类标，还想这个图里的折线能不能悬浮在上空，给图加个标题等等。在开始装修之前，我们先来个小插曲，就是在图中显示中文的问题，如果我们不搞点操作，你会发现，你的中文在图中会以一个个正方形框框显示。
2.1 插曲：中文显示问题
plt.rcParams["font.family"]="SimHei"
加入一行这个代码，我们的中文就能正确显示了，这行代码就是把我们的字体设置为“SimHei”中文黑体。除了字体设置还有以下属性
字体的样式有以下选择
除了在全局设置字体外，我们也可以在特征显示中文的位置设置一个属性fontproperties，这个，我们讲到再给大家演示。
现在回来，我们继续讲装修图的问题，介绍几个函数
#函数里的参数，是根据我们的例子特定设置的，不同问题，不同的设置，
需要看图片效果，找参数
#设置刻度范围
ax.set_xlim(1,7.1)#x轴从1到7.1
ax.set_ylim(40,100)#y轴从40到100
#设置显示的刻度
ax.set_xticks(np.linspace(1,7,7))#np.linspace()函数为等差数列,1至7的7个数组成的等差数列1,2，3,4，5,6，7，
ax.set_yticks(np.linspace(50,100,6))#关于等差数列，想了解的可以参看numpy的用法
#设置刻度标签
ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontproperties="SimHei"\
,fontsize=12)
#这里用到了属性fontproperties可以单独设置x轴标签的字体，也可以用fontsize设置字体大小，还可以用color
设置字的颜色
ax.set_yticklebels(["50kg","60kg","70kg","80kg","90kg","100kg"],fontsize=12)
现在我们来加进我们之前画图的代码中，看看效果
app=[78,80,79,81,91,95,96]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app)
ax.set_xlim([1,7.1])
ax.set_ylim([40,100])
ax.set_xticks(np.linspace(1,7,7))
ax.set_yticks(np.linspace(50,100,6))#可调控字体大小，样式，
ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontproperties="SimHei",\
fontsize=12,rotation=10)
#参数rotation=10，可以使得类标旋转值为10的角度
ax.set_yticklabels(["50kg","60kg","70kg","80kg","90kg","100kg"])
plt.show()
这是初步修改过的图，我们现在装饰一下轴上的刻度线，使得y轴中不显示刻度线和其他的一些小细节修改。
2.2 tick_params()函数
##借用函数tick_params()可以装修轴上的刻度线和轴标签
ax.tick_params()
###看一下此函数的一些重要参数
- axis: 可选"x","y","both",默认"both"，分别代表，对x轴操作，对y轴操作，对两个轴都操作。
- direction: 可选 "in","out","inout"代表，刻度线显示在坐标轴里面，坐标轴外边，双边
为了更加显眼，让大家看出不同，我超纲操作了一下，给刻度线设置一下颜色，和长度，可以看出区别了吧，现在我们就把超纲的地方补上。
- length: 刻度线长度，上面图里的刻度线长度，我设置的为6
- color: 刻度线颜色，上面图里的刻度线颜色，我设置的为“r”
- width： 刻度线宽度
- pad： 刻度线与刻度标签之间的间隔
- bottom, top, left, right四个参数对应四个边框，它们的取值为布尔类型，True 表示显示对应边框上的刻度线，False，代表不显示，默认True
- labelbottom, labeltop, labelleft, labelright,与上面四个对应，代表的是四个边框上的类标的设置，取值为布尔类型，True代表显示对应边框上的类标，False代表不显示。
- labelsize：类标大小的设置参数，可取浮点型数值，也可去"medium","large","small"
- labelrotation：旋转类标一定的角度，与在set_xticklabels（）中的参数rotation作用相同。
我们来实际操作一下
#将此代码插入到之前的代码中即可
ax.tick_params(left=False,pad=8,direction="in",length=2,width=3,color="b",labelsize=12)
ax.tick_params("x",labelrotation=10)#类标旋转
y轴上的刻度线没有了。
添加轴坐标标签，表头，图例
ax.set_xlabel("星期")#添加x轴坐标标签，后面看来没必要会删除它，这里只是为了演示一下。
ax.set_ylabel("销售量",fontsize=16)#添加y轴标签，设置字体大小为16，这里也可以设字体样式与颜色
ax.set_title("某某水果店一周水果销售量统计图",fontsize=18，backgroundcolor='#3c7f99'\
fontweight='bold',color='white',verticalalignment="baseline")#标题（表头）
使用到的set_title()参数有很多，介绍几个常用的
- fontsize：默认12，可选参数还有'xx-small', 'x-small', 'small', 'medium', 'large','x-large', 'xx-large'
- backgroundcolor：背景颜色
- fontweight：字体粗细，可选参数为'light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black'
- color：字体颜色
- fontstyle：设置字体类型，可选参数 'normal' | 'italic' | 'oblique' ，italic斜体，oblique倾斜
- verticalalignment：设置水平对齐方式 ，可选参数 ： 'center' , 'top' , 'bottom' ,'baseline'
此参数可设置title与正图的位置 。
目前得到的图中，我想把上，右轴的线给去掉，给其他两个轴线换一下粗细合颜色，怎么做？
2.3 splines
#ax.spines["left"].set_color("darkblue")#设置左轴的颜色，我们图中未用
#ax.spines["bottom"].set_linewidth(3)#底轴线条宽度设置
ax.spines["top"].set_visible(False)#上轴不显示
ax.spines["right"].set_visible(False)#右
ax.spines["left"].set_visible(False)#左
添加到之前的代码中
2.4 图例添加 legend()
ax.legend(("苹果"),loc=3,labelspacing=2,handlelength=4,fontsize=14,shadow=True)
##一般添加图例时，会在画图的函数里，比如ax.plot()函数中添加一个label参数，则后面直接ax.legend(loc="")
##不需要第一个参数了。
###loc的可取"best",1或者"upper right",2或"upper left",3或"lower left",4或"lower right",代表放不同位置
- loc:可取"best",1或者"upper right",2或"upper left",3或"lower left",4或"lower right",代表放不同位置
- fontsize： int或float或{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}，字体大小
- shadow: 是否为图例边框添加阴影
- labelspacing: 图例中条目之间的距离
- handlelength: 图例句柄的长度
ax.plot(x,app,label="苹果")
ax.legend(loc=3,labelspacing=2,handlelength=3,fontsize=14,shadow=True)
有没有觉得我们的图像点样子了，哈哈，还是有点不好看，觉得图中的折线不好看，怎么调呢，为了造好看的图，我们先来学习ax.plot（）函数
2.5 ax.plot(x,y,format_string) 坐标图
- x: x轴数据，列表或数组，可选参数，当我们在这个函数里，只展示一组数据时，x可省略。
- y： y轴数据，必须有。
- format_string：主要来控制我们画的曲线的格式：颜色，风格，标记，可取三者的组合如：“g-o”,"r-.D",如果不用组合，则用color,marker,linestyle,三个参数分别指定。
- label： 添加图例的类标。
颜色
风格
标记
#ax.plot(x,app,label="苹果")
ax.plot(x,app,"r-.d",label="苹果")#在原来的基础上添加“r-.d”
如果店长有搞了这周香蕉的销售量，想与苹果的销售量做一下对比
##添加此行代码
ban=[70,80,81,82,75,90,89]
ax.plot(x,ban,"c-d",label="香蕉")
这样看着还挺不错，不知道我审美有没有问题，嘻嘻！
2.6 ax.text 在指定位置添加标签
还有一个比较常用的函数，ax.text(),可以在图中指定位置添加标签
ax.text()，参数讲解
- x,y： 放置text的位置，横纵坐标。
- s： str，text内容。
- fontsize： 设置字体大小，默认12，可选参数 ‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’,‘x-large’, ‘xx-large’
- fontweight：设置字体粗细，可选参数 ‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’
- alpha： 透明度，参数值0至1之间。
- rotation： (旋转角度)可选参数为:vertical,horizontal 也可以为数字。
- backgroundcolor：背景颜色。
- color： 字体颜色。
##最后添加此操作，得到的图
ax.text(7,97,"max:96",fontsize=14,color="g",alpha=1)
ax.text(6,86,"max:90",fontsize=12,alpha=1)
除了text()函数可以添加标注之外，还有一个可以添加箭头的标注函数annotate()
2.7 annotate():参数讲解
- s: 添加标注的内容，字符串形式。
- xy: 箭头指向的位置，就是我们想添加标注的对象，元组类型输入方式。
- xytext：添加标注的实际位置，标注实际所在位置，可看做箭头输出端。
- arrowprops: 此参数中提供箭头属性字典来绘制从文本到注释点的箭头。
width : 箭把宽度，整数或浮点数。
frac：箭头头部所占的比例，小于1。
headwidth：箭头头部宽度，整数或浮点数。
headlength: 箭头长度，整数或浮点数。
facecolor: 填充色 。
shrink：移动提示，并使其离注释点和文本一些距离，<1，大白话说就是，别让箭头两端
里标注点和文本太近。
- frontsize：可以设置字大小，这个参数遇到很多次了。
我们来设置一下
ax.annotate(s="min:70",xy=(1,70),xytext=(1.3,66),arrowprops=dict(facecolor="y",shrink=0.05, headwidth=12,headlength=6,width=4),fontsize=12)
最后把最全代码放一下
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.family"]="SimHei"
app=[78,80,79,81,91,95,96]
ban=[70,80,81,82,75,90,89]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app,"r-.d",label="苹果")
ax.plot(x,ban,"c-d",label="香蕉")
ax.set_xlim([1,7.1])
ax.set_ylim([40,100])
ax.set_xticks(np.linspace(1,7,7))
ax.set_yticks(np.linspace(50,100,6))#可调控字体大小，样式，
ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontproperties="SimHei",fontsize=12)
ax.set_yticklabels(["50kg","60kg","70kg","80kg","90kg","100kg"])
ax.tick_params(left=False,pad=8,direction="in",length=2,width=3,color="b",labelsize=12)
ax.tick_params("x",labelrotation=10)#类标旋转
#ax.set_xlabel("星期")#添加x轴坐标标签，后面看来没必要会删除它，这里只是为了演示一下。
ax.set_ylabel("销售量",fontsize=16)#添加y轴标签，设置字体大小为16，这里也可以设字体样式与颜色
ax.set_title("某某水果店一周水果销售量统计图",fontsize=18,backgroundcolor='#3c7f90',\
fontweight='bold',color='white',verticalalignment="baseline")
#ax.spines["left"].set_color("darkblue")#设置左轴的颜色
#ax.spines["bottom"].set_linewidth(2)#底轴线条宽度设置
ax.spines["top"].set_visible(False)#上轴不显示
ax.spines["right"].set_visible(False)
ax.spines["left"].set_visible(False)
ax.text(7,97,"max:96",fontsize=14,color="g",alpha=1)
ax.text(6,86,"max:90",fontsize=12,alpha=1)
ax.annotate(s="min:70",xy=(1,70),xytext=(1.3,66),arrowprops=dict(facecolor="y",shrink=0.05,\
headwidth=12,headlength=6,width=4\
),fontsize=12)
ax.legend(loc=3,labelspacing=1,handlelength=3,fontsize=14,shadow=True)
plt.show()
还有一个关于，图中颜色的问题，颜色的种类选择，大家网上一搜都有，这里只要带颜色的参数，都可用。
2.8 plt.savefig 保存图片
最后讲解一个图片保存成.jpg和.png文件的函数：plt.savefig("保存的文件路径")
注：此函数需放置在show（）函数之前。
#保存为jpg文件
plt.savefig("figure.jpg")#我这里填的是相对路径，如果想保存在指定文件夹下，填写绝对路径。
#保存为png文件
plt.savefig("figure.png")
plt.savefig()有一个参数为bbox_inches,将此参数设置为bbox_inches="tight"时，说是可删除图片边缘空格，我实验了一下，确实会使保存的图片有些许变化。可实验操作一下。
还有一点需要注意，如果未设置图片的大小，则保存的图片与show()的图片会有差异。因此如果想将保存的图片与show()出来的图片大小一样，需要提前设置图片大小。
#此函数里的参数figsize可设置图片大小
fig=plt.figure(num=1,figsize=(6,4))
后续已经完成两篇文章，我放一下链接，有兴趣的话，一起学习哈！
参考
放几篇参考的文章，表示感谢，下一篇，总结一些常用图表函数。
