matplotlib简单整理
安装：
pip install matplotlib
入门
简单介绍：
举个例子，在现实中，我们想要画一个图表，首先需要找一个可以画的地方来画，譬如一张纸，一块黑板等，这些承载图像的东西，称之为：figure
然后，你需要画图，以黑板为例子，一个黑板上面可以画多个坐标轴，坐标轴即带有x,y轴 （Axis,即轴) 的区域。这个区域称之为 Axes 。每个坐标轴（Axes）中都可以画多条线（当然也可以画柱状图等数据），这每条线都是一个Line2D(顾名思义，二维线条)对象。
好了，现在，一个 Figure 可以有多个 Axes，每个 Axes 都有两条 Axis轴，每个 Axes 也可以画有多个 Line2D。
对于 Figure，可以设置 背景色，边框粗细，边框颜色等内容。
对于 Line2D，可以设置 线条的粗细，颜色，线上数据点的样式（也就是marker，标记点）等。
对于 Axes，可以绘制数据，设置标题，设置图例等。
对于Axis，每个 Axis 都有刻度（tick），刻度值（ticklabel) 等，并且可以设置主刻度（Major)，副刻度等。
图表组成
spines：也就是图表的上下左右四个边框
Marker：要画图，要先有数据，如果要将这些数据在图线上凸显出来，就是 marker，marker 控制数据点的显示样式，如圆点，三角形等。
Legend：图例，给每条图线显示一个图例
简单的例子：
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots() # subplots() 可以创建 figure 以及 Axes
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]) # 在 axes 上画一些数据：（x轴，y轴）
plt.show() # 显示绘制的图表
plot()接受的输入参数格式，是 numpy.array or numpy.ma.masked_array ，如果用户输入的是列表，如上例所示，plt 内部会自动进行转换。
Figure
可以看作一个作图区域，也就是一张画布，一个 figure 可以包含多个 axes(坐标轴)，每个 Axes 可以绘制多个数据
fig = plt.figure() # 创建一个空白 figure
fig, ax = plt.subplots() # 默认在 figure 上只创建一个 Axes
fig, axs = plt.subplots(2, 2) # 创建一个拥有两行两列，共4个 Axes 的 figure
Axes
也就是一个坐标轴。一个 Axes 包含两个 Axis (轴)，Axis 轴可以设置数据的限制: axes.Axes.set_xlim(0,20)（比如设置横坐标范围为：0-20），axes.Axes.set_ylim()；每一个轴都有一个轴的名字，可以通过 set_xlabel(), set_ylabel() 设置。Axes 对象也可以使用 .plot 绘制数据。
Axis
轴，可以设置坐标的范围限制，可以设置 ticks (标记，也就是轴上的刻度)，也可以设置 ticklabels (刻度的标签，或者叫刻度值)，刻度由 Locator 对象控制，刻度值由 Formatter 控制。
两种代码风格：
- 面向对象
这种风格是官方推荐的风格，就是使用面向对象的方法，来绘制图表。
x = np.linspace(0, 2, 100)
# 尽管是面向对象的方式, 我们依然要使用 `.pyplot.figure` 来创建 Figure.
fig, ax = plt.subplots() # Create a figure and an axes.
ax.plot(x, x, label='linear') # 在 ax 这个坐标轴上画一个线条
ax.plot(x, x**2, label='quadratic') # 在这个 ax 上继续再画一条线
ax.plot(x, x**3, label='cubic') # 再画一条折线
ax.set_xlabel('x label') # 给 x轴 设置一个名字
ax.set_ylabel('y label') # 给 y轴 加一个名字
ax.set_title("Simple Plot") # 给 Axes 添加一个标题
ax.legend() # 添加一个图例
- pyplot形式
pyplot形式，就是一切都用 plt 来操作，其实本质是，它后台调用了一些方法，譬如: plt.gca() 来获取当前的 axes 对象，然后再用 axes.plot 来绘图或者设置轴标签等。很多 plt 的操作，都是这样做的：先获取当前激活的 figure 对象或者 axes 对象，然后调用它们的方法。
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear') # 画一个线，名字叫 linear
plt.plot(x, x**2, label='quadratic') # 再画一个线
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
互动模式
正常情况下写代码，需要在代码最后手动调用 plt.show() 来让图像显示，但是在互动模式下，你每输入一行代码，就可以实时让图表跟着变化。
开启互动模式：
import matplotlib.pyplot as plt
plt.ion()
plt.plot([1.6, 2.7]) # 此时就会显示图像了，不用 plt.show()
关闭互动：
import matplotlib.pyplot as plt
plt.ioff()
plt.plot([1.6, 2.7]) # 此时不会显示，需要执行一句 ： plt.show()
pyplot模式
pyplot模式，基本上就是直接作图，不用面向对象的方式。具体对比可以看上文的”两种代码风格“
快速图表
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4]) # 只提供了一列数据，会默认是y轴的数据，plt会据此自动生成一个x轴数据
plt.ylabel('some numbers')
plt.show()
定制图表
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro') # (x轴，y轴，格式)；格式中的 r 代表 red 红色，o 表示用 圆点 标记数据点
plt.axis([0, 6, 0, 20]) # 设置x轴和y轴的刻度范围 :[xmin, xmax, ymin, ymax]
plt.show()
一次性画多条线
import numpy as np
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') # 一次性画了三条线，plot() 返回的是个元组(line1,line2,line3)
plt.show()
不同类型图表
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]
plt.figure(figsize=(9, 3)) # 设置画布大小，单位英寸
plt.subplot(131) # 绘制 1*3 个Axes，此时激活的是第1个Axes。也就是画出三个Axes，排列方式是1行3列，当前选中这三个的第一个。
plt.bar(names, values) # 在这第一个 Axes 上画一个柱状图
plt.subplot(132) # 激活 1*3 中的第2个Axes
plt.scatter(names, values) # 第二个上画散点图
plt.subplot(133)
plt.plot(names, values) # 第三个默认用折线图
plt.suptitle('Categorical Plotting')
plt.show()
画图参数
import matplotlib.pyplot as plt
import numpy as np
plt.plot(x, y, linewidth=2.0) # 参数 linewidth, 设置绘制的线条的宽度
fig, ax = plt.subplots() # 创建一个只有一个 axes 的 figure
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
ax.set_xlabel("MY x") # 也可以使用函数设置某些参数，譬如这里设置 x 轴的标签名。
下面是绘图时的参数，你可以在 plt.plot() 中传递这些参数，来控制绘制的图形的样式
| Property | Value Type |
|---|---|
| alpha | float ：设置线条透明度 |
| animated | [True | False] |
| antialiased or aa | [True | False] |
| clip_box | a matplotlib.transform.Bbox instance |
| clip_on | [True | False] |
| clip_path | a Path instance and a Transform instance, a Patch |
| color or c | any matplotlib color ：线条颜色 |
| contains | the hit testing function |
| dash_capstyle | ['butt' |
| dash_joinstyle | ['miter' |
| dashes | sequence of on/off ink in points |
| data | (np.array xdata, np.array ydata) |
| figure | a matplotlib.figure.Figure instance |
| label | any string：线条名称；这个名称可以用在图例上面 |
| linestyle or ls | [ '-' |
| linewidth or lw | float value in points ： 线宽 |
| marker | [ '+' 数据标记点的样式 |
| markeredgecolor or mec | any matplotlib color 数据标记点的边缘颜色 |
| markeredgewidth or mew | float value in points 标记点的边缘线条宽度 |
| markerfacecolor or mfc | any matplotlib color |
| markersize or ms | float ：marker的显示大小 |
| markevery | [ None | integer | (startind, stride) ] |
| picker | used in interactive line selection |
| pickradius | the line pick selection radius |
| solid_capstyle | ['butt' |
| solid_joinstyle | ['miter' |
| transform | a matplotlib.transforms.Transform instance |
| visible | [True | False]：是否可见 |
| xdata | np.array |
| ydata | np.array |
| zorder | any number：似乎是设置线条图层顺序的，譬如多条线互相遮盖时能用到 |
添加文本
在图表中，可以在任意位置添加文本
import matplotlib.pyplot as plt
import numpy as np
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# the ogram of the data
n, bins, patches = plt.hist(x, 50, density=1, facecolor='g', alpha=0.75) # 柱状图
plt.xlabel('Smarts') # x 轴标签
plt.ylabel('Probability') # y 轴标签
plt.title('ogram of IQ') # 图表标题
plt.text(60, .025, r'$\mu=100,\ \sigma=15$') # 在坐标（60，0.025）处设置文本:mu=100.., $等字符是 TeX表达式 格式。
plt.axis([40, 160, 0, 0.03]) # 设置坐标轴的刻度值范围
plt.grid(True) # 添加背景网格
plt.show()
数据标注
可以给某个数据点添加标注
ax = plt.subplot()
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
# 标注文字：local max, 要标注的数据的位置是：（2,1), 文本放置在坐标 (3,1.5)处，给文字添加了一个箭头，指向 （2,1) 坐标点
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),arrowprops=dict(facecolor='black', shrink=0.05),)
plt.ylim(-2, 2) # 设置 y 轴的刻度范围
plt.show()
非线性坐标轴
如果你有一些特殊数据，是指数型增长的，可以使用特殊坐标轴，看下图的 y轴 就明白了。
# Fixing random state for reproducibility
np.random.seed(19680801)
# make up some data in the open interval (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))
# plot with various axes scales
plt.figure()
# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear') # 设置 y 轴线性增长
plt.title('linear')
plt.grid(True)
# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log') # 指数增长
plt.title('log')
plt.grid(True)
# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)
# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
wspace=0.35)
plt.show()
matplotlib.pyplot.plot
plot的几种用法：
plot(x, y) # 用默认样式画 x，y
plot(x, y, 'bo') # 画x，y，用蓝色圆点标记数据，b代表蓝色，o代表 marker 的样式为圆点
plot(y) # 绘制 y 轴的数据，x 轴的数据会默认自动分配（0，1，2，...)
plot(y, 'r+') # 同上，r代表红色，+代表某种 marker 样式
plot(x, y, 'go--', linewidth=2, markersize=12) # 也可以用 line2D 对象的属性作为关键字参数，来控制线条的样式
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
参数：
x, y : x轴和y轴的数据，列表类型或者 numpy.array
fmt ：可选。字符串类型，表示图形的样式。fmt = '[marker][line][color]',如：“o-r"
返回值：plot() 返回一组表达图形的 line2D 对象。因为 plot 默认画的就是折线图
Line2D
plot() 方法返回的一组图形对象，就是Line2D，譬如：
import matplotlib.pyplot as plt
line, = plt.plot([1,2,3,4]) # line 就是一个 Line2D 对象，它就是绘画出来的图表（因为返回值是个list，所以用，来解包）
plt.show()
Line2D有很多属性，用来控制绘制的图表的样式，这些属性可以作为关键字参数，传递给plot()。如：
import matplotlib.pyplot as plt
plt.ion()
line, = plt.plot([1,2,3,4],linewidth=2,color='red',label="fig1")
针对这些属性，line2D 对象还有get_xx, set_xx 方法，来设置这些属性。更多请见：https://matplotlib.org/stable/api/_as_gen/matplotlib.lines.Line2D.html#matplotlib.lines.Line2D
譬如：
>>> import matplotlib.pyplot as plt
>>> plt.ion()
>>> line, = plt.plot([1,2,3,4],linewidth=2,color='red',label="fig1")
>>> line.set_color("green") # 上面设置颜色为红色，此处重新设置为绿色
>>> print(line.get_color())
green
属性：
| Property | Description |
|---|---|
agg_filter |
a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array |
alpha |
scalar or None：设置线条透明度 |
animated |
bool |
antialiased or aa |
bool |
clip_box |
Bbox |
clip_on |
bool |
clip_path |
Patch or (Path, Transform) or None |
color or c |
color |
contains |
unknown |
dash_capstyle |
CapStyle or |
dash_joinstyle |
JoinStyle or |
dashes |
sequence of floats (on/off ink in points) or (None, None) |
data |
(2, N) array or two 1D arrays |
drawstyle or ds |
{'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}, default: 'default' |
figure |
Figure |
fillstyle |
|
gid |
str |
in_layout |
bool |
label |
object：线条标签，这个名字可以用来作为图例中显示的名字 |
linestyle or ls |
{'-', '--', '-.', ':', '', (offset, on-off-seq), ...}：线条样式 |
linewidth or lw |
float |
marker |
marker style string, Path or MarkerStyle |
markeredgecolor or mec |
color |
markeredgewidth or mew |
float |
markerfacecolor or mfc |
color |
markerfacecoloralt or mfcalt |
color |
markersize or ms |
float |
markevery |
None or int or (int, int) or slice or list[int] or float or (float, float) or list[bool] |
path_effects |
AbstractPathEffect |
picker |
float or callable[[Artist, Event], tuple[bool, dict]] |
pickradius |
float |
rasterized |
bool |
sketch_params |
(scale: float, length: float, randomness: float) |
snap |
bool or None |
solid_capstyle |
CapStyle or |
solid_joinstyle |
JoinStyle or |
transform |
matplotlib.transforms.Transform |
url |
str |
visible |
bool |
xdata |
1D array |
ydata |
1D array |
zorder |
float：多个图表绘制在一个Axes上，可能有重叠，此处设置顺序 |
marker 属性的可选值：
Markers
| character | description |
|---|---|
'.' |
point marker |
',' |
pixel marker |
'o' |
circle marker |
'v' |
triangle_down marker |
'^' |
triangle_up marker |
'<' |
triangle_left marker |
'>' |
triangle_right marker |
'1' |
tri_down marker |
'2' |
tri_up marker |
'3' |
tri_left marker |
'4' |
tri_right marker |
'8' |
octagon marker |
's' |
square marker |
'p' |
pentagon marker |
'P' |
plus (filled) marker |
'*' |
star marker |
'h' |
hexagon1 marker |
'H' |
hexagon2 marker |
'+' |
plus marker |
'x' |
x marker |
'X' |
x (filled) marker |
'D' |
diamond marker |
'd' |
thin_diamond marker |
| `' | '` |
'_' |
hline marker |
linestyle 属性的可选值：
Line Styles
| character | description |
|---|---|
'-' |
实线 |
'--' |
虚线 |
'-.' |
虚线和. |
':' |
点组成的线 |
color 属性的值：
除了下方这些，还可以设置成全名如：color = "green"，或者16进制颜色字符串：color="#008000"
| character | color |
|---|---|
'b' |
blue |
'g' |
green |
'r' |
red |
'c' |
cyan |
'm' |
magenta |
'y' |
yellow |
'k' |
black |
'w' |
white |
常用方法：
get_color(self)
返回线条的颜色
See also set_color.
get_data(self, orig=True)[source]
返回线条的数据： (xdata, ydata).
If orig is True, return the original data.
get_linestyle(self)[source]
返回线条样式
See also set_linestyle.
get_linewidth(self)[source]
Return the linewidth in points.See also set_linewidth.
get_ls(self)
Alias for get_linestyle.
get_lw(self)¶
Alias for get_linewidth.
get_xdata(self, orig=True)[source]
获取x轴数据
If orig is True, return the original data, else the processed data.
get_xydata(self)[source]
Return the xy data as a Nx2 numpy array.
get_ydata(self, orig=True)[source]
Return the ydata.If orig is True, return the original data, else the processed data.
set_color(self, color)[source]
Set the color of the line.
set_linestyle(self, ls)[source]
Set the linestyle of the line.
set_linewidth(self, w)[source]
Set the line width in points.
set_marker(self, marker)[source]
Set the line marker.
set_markersize(self, sz)[source]
Set the marker size in points.
set_xdata(self, x)[source]
Set the data array for x.
set_ydata(self, y)[source]
Set the data array for y.
matplotlib.pyplot.subplot
新增一个 Axes 到当前 figure
基本用法：
subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)
最常用的参数：
arg：一个3位数，或者（rows,cols,index）类型，譬如：subplot(221)； 意思是：绘制2x2个空白的Axes，当前默认是2x2中的第1*个Axes。也就是两行，两列四个Axes，当前默认是第一个Axes。也可以写成：subplot(2,2,1)。特殊用法如：subplot(2,2,(1,2))代表创建2x2个Axes，当前的Axes横跨了第1，2个Axes，也就是说当前的Axes相当于合并了第一行的Axes，此时创建的是上面一个占据两个位置的Axes，下面两个正常的Axes，共3个Axes。
sharex, sharey： Axes 类型，和传递的 Axes 实例共享 x，y轴的设置。
返回值：一个Axes实例
举例：
plt.subplot(221)
# 和上一句代码作用一样
ax1 = plt.subplot(2, 2, 1)
# 添加一个没有边框的 axes
ax2 = plt.subplot(222, frameon=False)
# 添加一个极坐标图
plt.subplot(223, projection='polar')
# 添加一个和 ax1 共享 x 轴的子图
plt.subplot(224, sharex=ax1, facecolor='red')
# 从 figure 删除某个子图
plt.delaxes(ax2)
# 再次添加（可能会报错，这明明是官方的代码，不清楚为啥）
plt.subplot(ax2)
# 让第一个子图处于激活状态
plt.subplot(221)
matplotlib.pyplot.subplots
matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)
参数：
nrows,ncols: 数字。创建几行几列的图表区域
返回值：fig,axes; 返回一个figure，一组 axes。
# 默认创建一个 axes
fig, ax = plt.subplots()
# 创建多个axes：2 行 2 列
fig, axs = plt.subplots(2, 2)
# 使用元组解包多个数据
fig, (ax1, ax2) = plt.subplots(1, 2)
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
matplotlib.figure
常用参数：
figsize: 浮点数元组：（num1,num2), 设置图表的宽，高。单位英寸数，默认：[6.4, 4.8]
dpi：浮点数，设置每英寸的点数（可以理解为像素）,默认：100
facecolor: 设置 figure 的背景色，默认：白色
edgecolor: figure 边框的颜色，默认：白色
frameon: figure 边框开关选项，布尔类型，默认：True
import matplotlib.pyplot as plt
fig = plt.figure(edgecolor='red',linewidth=20,frameon=True,facecolor="green")
ax1 = fig.add_subplot()
ax1.plot([1,2,3,4])
plt.show()
Figure可能会用到的方法：
add_axes(rect, projection=None, polar=False, **kwargs)
在 figure 中新增一个 axes 对象。
参数：
rect：一组浮点数，如[0.2,0.3,0.4,0.6]，代表[left, bottom, width, height]，即 axes 距离 figure 左侧要有 20% 的距离，距离底部 30% 的距离，axes 的宽度要是 figure 宽度的 40%， 高度是 figure 高度的 60%；
返回值：Axes
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot() # add_subplot 下面会说
ax1.plot([1,2,3,4])
ax2 = fig.add_axes([0,0,0.5,0.5])
ax2.plot([1,2,3,4])
plt.show()
add_subplot(nrows, ncols, index, **kwargs)
添加一个 Axes 到 figure，返回这个 Axes 对象。
参数：
nrows,ncols: 创建一个几行几列的 Axes 矩阵。
Index： 当前是这个矩阵中的第几个 Axes 区域
sharex, sharey：和给定的 Axes 共享x/y轴。
label: Axes 的 label
**kwargs：
| Property | Description |
|---|---|
adjustable |
|
agg_filter |
a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array |
alpha |
scalar or None |
anchor |
2-tuple of floats or |
animated |
bool |
aspect |
{'auto', 'equal'} or float |
autoscale_on |
bool |
autoscalex_on |
bool |
autoscaley_on |
bool |
axes_locator |
Callable[[Axes, Renderer], Bbox] |
axisbelow |
bool or 'line' |
box_aspect |
float or None |
clip_box |
Bbox |
clip_on |
bool |
clip_path |
Patch or (Path, Transform) or None |
contains |
unknown |
facecolor or fc |
color |
figure |
Figure |
frame_on |
bool |
gid |
str |
in_layout |
bool |
label |
object |
navigate |
bool |
navigate_mode |
unknown |
path_effects |
AbstractPathEffect |
picker |
None or bool or float or callable |
position |
[left, bottom, width, height] or Bbox |
prop_cycle |
unknown |
rasterization_zorder |
float or None |
rasterized |
bool |
sketch_params |
(scale: float, length: float, randomness: float) |
snap |
bool or None |
title |
str |
transform |
Transform |
url |
str |
visible |
bool |
xbound |
unknown |
xlabel |
str |
xlim |
(bottom: float, top: float) |
xmargin |
float greater than -0.5 |
xscale |
{"linear", "log", "symlog", "logit", ...} or ScaleBase |
xticklabels |
unknown |
xticks |
unknown |
ybound |
unknown |
ylabel |
str |
ylim |
(bottom: float, top: float) |
ymargin |
float greater than -0.5 |
yscale |
{"linear", "log", "symlog", "logit", ...} or ScaleBase |
yticklabels |
unknown |
yticks |
unknown |
zorder |
float |
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,(3,4)) # 第三个 Axes 横跨第3和第4个子图，所以它占据两个 axes 位置，相当于Excel合并单元格
ax1.plot([1,2,3])
ax2.plot([1,2,3])
ax3.plot([1,2,3])
plt.show()
align_labels
同时对齐 x轴和y轴。
align_xlabels(self, axs=None)
对齐同一列subplots的x轴
align_ylabels(self, axs=None)
对齐同一列subplots的y轴
autofmt_xdate(self, bottom=0.2, rotation=30, ha='right', which='major')
针对日期格式的坐标轴，设置格式。
bottom：距离底部的距离。
rotation：是刻度值标签(ticklabel)旋转角度，防止刻度值互相遮盖。
ha：{'left', 'center', 'right'}, 默认: 'right'，x轴标签的水平排列方式（horizontalalignment ）
which：{'major', 'minor', 'both'}, 默认: 'major', 针对哪种标签进行设置，是主刻度的标签，还是更小子刻度的标签
clear(self, keep_observers=False)
清除当前figure所有的内容，和 clf() 相同。
delaxes(self, ax)
从 figure 中删除 Axes
gca(self, **kwargs)
Get the current Axes，获取当前的Axes，如果没有会自动创建一个。
**kwargs:
| Property | Description |
|---|---|
adjustable |
|
agg_filter |
a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array |
alpha |
scalar or None |
anchor |
2-tuple of floats or |
animated |
bool |
aspect |
{'auto', 'equal'} or float |
autoscale_on |
bool |
autoscalex_on |
bool |
autoscaley_on |
bool |
axes_locator |
Callable[[Axes, Renderer], Bbox] |
axisbelow |
bool or 'line' |
box_aspect |
float or None |
clip_box |
Bbox |
clip_on |
bool |
clip_path |
Patch or (Path, Transform) or None |
contains |
unknown |
facecolor or fc |
color |
figure |
Figure |
frame_on |
bool |
gid |
str |
in_layout |
bool |
label |
object |
navigate |
bool |
navigate_mode |
unknown |
path_effects |
AbstractPathEffect |
picker |
None or bool or float or callable |
position |
[left, bottom, width, height] or Bbox |
prop_cycle |
unknown |
rasterization_zorder |
float or None |
rasterized |
bool |
sketch_params |
(scale: float, length: float, randomness: float) |
snap |
bool or None |
title |
str |
transform |
Transform |
url |
str |
visible |
bool |
xbound |
unknown |
xlabel |
str |
xlim |
(bottom: float, top: float) |
xmargin |
float greater than -0.5 |
xscale |
{"linear", "log", "symlog", "logit", ...} or ScaleBase |
xticklabels |
unknown |
xticks |
unknown |
ybound |
unknown |
ylabel |
str |
ylim |
(bottom: float, top: float) |
ymargin |
float greater than -0.5 |
yscale |
{"linear", "log", "symlog", "logit", ...} or ScaleBase |
yticklabels |
unknown |
yticks |
unknown |
zorder |
float |
get_axes(self)
返回当前 figure 的所有 Axes 列表。
legend(self, **args*, **kwargs)
添加图例
三种方式：
legend() # 自动根据 axes 的 label 设置图例
legend(labels)
legend(handles, labels)
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot()
# 1. 添加图例，使用 默认的 label
ax.plot([1, 2, 3], label='Inline label') # label 会在图例中作为线条的名字
fig.legend()
# 2. 设置label后，legend使用这个值作为默认值
line, = ax.plot([1, 2, 3])
line.set_label('Label via method')
fig.legend()
# 3. 批量给每条线配置一个名称作为图例上显示的名称，会覆盖之前设置的 label
line1, = ax.plot([2,3,4],label="aaa") # 此处的aaa会被下面的 label1 覆盖掉
line2, = ax.plot([2,3,9])
line3, = ax.plot([2,3,23])
fig.legend([line1, line2, line3], ['label1', 'label2', 'label3'])
.lengend() 常用的参数：
loc: 图例在figure中的位置。字符串或者数字，可选参数如下
| Location String | Location Code | mean |
|---|---|---|
| 'best' | 0 | 自适应 |
| 'upper right' | 1 | 右上角 |
| 'upper left' | 2 | 左上角 |
| 'lower left' | 3 | .. |
| 'lower right' | 4 | .. |
| 'right' | 5 | 右侧 |
| 'center left' | 6 | |
| 'center right' | 7 | |
| 'lower center' | 8 | |
| 'upper center' | 9 | |
| 'center' | 10 |
更高级的设置 legend 位置，可以搜索：bbox_to_anchor 选项。
ncol: 数字。将图例分成几列显示，适用于很多图例排列太长的情况
savefig(self, fname, ***, transparent=None, **kwargs)
保存当前的figure
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)
set_alpha(self, alpha)
设置 alpha的值。可以理解为透明度。范围0-1
show(self, warn=True)
展示图形窗口
subplots(self, nrows=1, ncols=1, ***, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None)
添加一组 subplots 到 figure
参数：
nrows：几行子图
ncols：几列子图
sharex，sharey：bool or {'none', 'all', 'row', 'col'}, 默认: False；all代表所有子图共享某个坐标轴，row 代表每个子图共享x轴.......
返回值：一个Axes，或者一组Axes
实例：
# 创建数据
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
# 创建 figure
plt.figure()
# 创建子图
ax = fig.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')
# 创建两个子图
ax1, ax2 = fig.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)
# 创建四个子图，并通过数组索引来访问子图
axes = fig.subplots(2, 2, subplot_kw=dict(projection='polar'))
axes[0, 0].plot(x, y) # 0 行 0列位置的子图
axes[1, 1].scatter(x, y) # 1 行 1 列位置的子图
# 每一列都共享 x 轴
fig.subplots(2, 2, sharex='col')
# 每行共享 y 轴
fig.subplots(2, 2, sharey='row')
# 所有子图共享 x，y 轴
fig.subplots(2, 2, sharex='all', sharey='all')
# 也是共享 xy 轴
fig.subplots(2, 2, sharex=True, sharey=True)
subplots_adjust(self, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
调整 Axes 的位置。
left,bottom,right,top:是子图Axes距离figure边缘的距离。类型：分数（小数）如0.25，即距离 25%
wspace: 子图左右之间的间距，类型：分数
hspace：子图上下之间的间距
suptitle(self, t, **kwargs)
给 figure 添加一个居中的子标题。
参数：
t：字符串。标题内容
x：浮点数。默认0.5，标题文本所在的x坐标
y：浮点树。默认0.98，标题文本所在的y坐标
ha：{'center', 'left', 'right'}, default: center； 水平对齐方式（依据x,y)
va:{'top', 'center', 'bottom', 'baseline'}, default: top； 垂直对齐方式
fontsize: 字体大小。float or {'xx-small', 'x-small', 'small', 'medium', 'large', 'x-large', 'xx-large'}
返回值：标题文本
text(self, x, y, s, fontdict=None, **kwargs)
添加一个文本到 figure，返回值：这段文本
x,y: 放置文本的位置，[0-1]之间的浮点数。
s：文本内容
tight_layout(self, ***, pad=1.08, h_pad=None, w_pad=None, rect=None)
调整subplots之间的间距（子图上下左右之间）
matplotlib.axes
折线图：Axes.plot()
见上文 matplotlib.pyplot.plot
散点图：Axes.scatter()
Axes.scatter(self, x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)
参数：
x,y: x,y轴数据，列表或者 numpy.array 类型的数据
s：每个数据点对应的 marker 的尺寸大小；可以是一个浮点类型，也可以浮点数的列表
c：每个数据点的颜色；可以是单个颜色，也可以是一组颜色
marker: 数据点的样式，markerstyle
cmap：colormap，只有当 c 参数是一组浮点数时才会用到此参数，用来指定使用的色系名称，譬如：'Blues'
alpha：浮点数；0-1，0代表透明，1代表不透明
import matplotlib.pyplot as plt
import numpy as np
x = [1,2,3,4,5]
y = [1,2,3,4,5]
s = [1,2,100,4,10] # 给每个不同的数据点设置大小
c = ['r','b','g','k','k'] # 设置颜色
fig, ax = plt.subplots()
ax.scatter(x, y, s, c,marker='o')
plt.show()
柱状图：Axes.bar()
Axes.bar(self, x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)
参数：
x: 浮点或列表
height: 浮点或列表；每个柱的高度，y轴的值
width: 浮点或列表；每个柱的宽度，默认0.8
bottom： 柱的底部 y 轴所在位置。默认0; 如果你想要堆叠柱状图，可以将一个柱子的 bottom 设置成前面柱子 y 轴的值。
align：{'center', 'edge'}, default: 'center'；edge代表将柱状图的左侧和x坐标对齐。如果想要右边对齐，传递一个负数的宽度
color：颜色，或者颜色列表
edgecolor：颜色或者颜色列表；设置柱边缘颜色
linewidth：柱边缘宽度，浮点数或者浮点树列表。
tick_label: 字符串或字符串列表来设置柱子的坐标标签
xerr, yerr: float or array-like of shape(N,) or shape(2, N), optional。暂且理解为一个数据点的误差范围，xerr会基于数据点画一条横线，yerr会会一条竖线
import matplotlib.pyplot as plt
import numpy as np
x = [1,2,3,4,5]
h = [1,2,3,4,5]
c = ['r','b','g','grey','y']
fig, ax = plt.subplots()
ax.bar(x, h,color=c,tick_label=x) # 第一组数据，默认以0为底部起点
ax.bar(x,h,bottom=h,color=c[::-1]) # 第二组数据，以第一组数据值的高度为起点，这样就叠加起了两组数据
plt.show()
水平横向柱状图：Axes.barh()
Axes.barh(self, y, width, height=0.8, left=None, *, align='center', **kwargs)
参数：
y: 浮点或列表
height: 浮点或列表；每个柱的高度，y轴的值
width: 浮点或列表；每个柱的宽度，默认0.8
left： 柱的底部x轴所在位置。默认0
align：{'center', 'edge'}, default: 'center'；edge代表将柱状图的左侧和x坐标对齐。如果想要右边对齐，传递一个负数的宽度
color：颜色，或者颜色列表
edgecolor：颜色或者颜色列表；设置柱边缘颜色
linewidth：柱边缘宽度，浮点数或者浮点树列表。
tick_label: 字符串或字符串列表。
xerr, yerr: float or array-like of shape(N,) or shape(2, N), optional。暂且理解为一个数据点的误差范围，xerr会基于数据点画一条横线，yerr会会一条竖线
import matplotlib.pyplot as plt
import numpy as np
y = [1,2,3,4,5]
h = [10,2,3,4,5]
c = ['r','b','g','grey','y']
fig, ax = plt.subplots()
ax.barh(y, h,color=c,tick_label=y) # 默认以0为底部起点
plt.show()
柱状图数据标签：Axes.bar_label()
Axes.bar_label(self, container, labels=None, *, fmt='%g', label_type='edge', padding=0, **kwargs)
给柱状图的每个数据添加标签
参数：
container： bar()，barh() 返回的数据容器
labels: 数组类型的文本，如果没有提供文本内容，会用数据值来作为标签。
fmt：字符串。默认“%g"
label_type: {'edge', 'center'}, default: 'edge'; center会在柱状图的柱子中间添加数据标签，edge会在柱子的末端添加数据标签
padding： float, default: 0，数据标签距离柱子末端的距离
import matplotlib.pyplot as plt
import numpy as np
N = 5
menMeans = (20, 35, 30, 35, -27)
womenMeans = (25, 32, 34, 20, -25)
menStd = (2, 3, 4, 1, 2) # 值的误差
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N) # x轴值
width = 0.35 # 柱子宽度
fig, ax = plt.subplots()
p1 = ax.bar(ind, menMeans, width, yerr=menStd, label='Men')
p2 = ax.bar(ind, womenMeans, width,bottom=menMeans, yerr=womenStd, label='Women')
ax.axhline(0, color='grey', linewidth=0.8) # 添加一条水平横线，位置是y轴0处...
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(ind) # 设置 x 轴的刻度
ax.set_xticklabels(('G1', 'G2', 'G3', 'G4', 'G5')) # 设置刻度显示的标签
ax.legend()
# Label with label_type 'center' instead of the default 'edge'
ax.bar_label(p1, label_type='center') # 给柱子中间加上数据值标签
ax.bar_label(p2, label_type='center') # 给第二组数据也加上标签
ax.bar_label(p2) # 不知道为啥，再加一遍标签，竟然是汇总的数据值
plt.show()
饼图：Axes.pie
Axes.pie(self, x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)
参数：
x：一维数组。存储每个区域的数值
explode：长度和x相同的一维数组，默认None；设置区域的分离突出，即各个扇区离圆心的距离，可以让扇区之间分开一些。
labels：列表，默认None；每个区域的label
colors：数组类型，默认None；每个区域的颜色
autopct：None或者可调用的函数或字符串。默认None；譬如：%.2f%% 可以让百分比显示为: 20.22% 这种格式
pctistance：浮点数，默认：0.6；即百分比数离圆心的距离
shadow：bool类型，是否加阴影
normalize：None或bool。如果是True，总会让x正常化（x之和=1），然后画一个全饼图；如果是False，当 sum(x) <= 1时，画一个缺失的饼图（不补全，因为和<1)，如果 sum(x) >1,会报错！
labeldistance：浮点或者None；默认1.1；每个区域 label 到饼图圆心的距离，如果None，则不显示label。
startangle：浮点数，默认0度；饼图的旋转角度。
radius：浮点，默认1；饼图半径。
counterclock：bool，默认True；每一块的顺序，是顺时针还是逆时针方向。
wedgeprops：字典类型；默认：none；每一块对象的属性，如 wedgeprops = {'linewidth': 3} 设置每一块区域的边缘线宽度。
center：（浮点，浮点），默认（0，0）；图表中心点的坐标。
frame：bool，默认：False；如果是True，会画出Axes的边框。
totatelabels：bool，默认：False；如果是True，自动旋转每一块区域的label一定的角度。
注意：
如果饼图不是正圆型，可以通过：Axes.set_aspect('equal')来设置。
import matplotlib.pyplot as plt
# 每个扇区是逆时针绘制的：
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0) # only "explode" the 2nd slice (i.e. 'Hogs')
fig1, ax1 = plt.subplots()
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
shadow=True, startangle=90)
ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.show()
直方图：Axes.hist
Axes.hist(self, x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)
参数:
x：(n,) array or sequence of (n,) arrays；直方图的输入值
bins：int or sequence or str, default: rcParams["hist.bins"] (default: 10)；条少个条形
range：tuple or None, default: None ； 直方图的上下边缘范围
density：bool, default: False ； 直方图的密度
weights：(n,) array-like or None, default: None；权重
cumulative：bool or -1, default: False；是否需要计算累计频数或频率；
bottom：array-like, scalar, or None, default: None； 每个直方图的底部边缘位置
histtype：{'bar', 'barstacked', 'step', 'stepfilled'}, default: 'bar'
align：{'left', 'mid', 'right'}, default: 'mid'
orientation：{'vertical', 'horizontal'}, default: 'vertical'
rwidth：float or None, default: None；设置直方图条形宽度的百分比
log：bool, default: False；True的话，会将坐标轴设置成对数型
color：color or array-like of colors or None, default: None
label：str or None, default: None
stacked：bool, default: False；如果有多组数据，会将多组数据叠在一起的形式
竖线：Axes.vlines
Axes.vlines(self, x, ymin, ymax, colors=None, linestyles='solid', label='', *, data=None, **kwargs)
参数：
x：浮点或数组类型。在哪些x轴值上画线
ymin，ymax：浮点或数组。线的开头和结尾。
colors：颜色的列表。
linestyles：{'solid', 'dashed', 'dashdot', 'dotted'}, optional
label：字符串。默认“”
横线：Axes.hlines
Axes.hlines(self, y, xmin, xmax, colors=None, linestyles='solid', label='', *, data=None, **kwargs)[source]
参数：
y：浮点或数组类型。在哪些y轴值上画线
xmin，xmax：浮点或数组。线的开头和结尾。
colors：颜色的列表。
linestyles：{'solid', 'dashed', 'dashdot', 'dotted'}, optional
label：字符串。默认:“”
注释：Axes.annotate
Axes.annotate(self, text, xy, *args, **kwargs)
在xy位置处放一个注释点
参数：
text：字符串，注释内容
xy：（浮点，浮点）；要注释的数据点的位置
xytext：（浮点，浮点）；默认xy处。
xycoords：默认data；就是xy这个值所处的坐标系统，类型可以是字符串，函数，（浮点，浮点）或者Artist等。有以下这些字符串类型：
| Value | Description |
|---|---|
| 'figure points' | Points from the lower left of the figure |
| 'figure pixels' | Pixels from the lower left of the figure |
| 'figure fraction' | Fraction of figure from lower left |
| 'subfigure points' | Points from the lower left of the subfigure |
| 'subfigure pixels' | Pixels from the lower left of the subfigure |
| 'subfigure fraction' | Fraction of subfigure from lower left |
| 'axes points' | Points from lower left corner of axes |
| 'axes pixels' | Pixels from lower left corner of axes |
| 'axes fraction' | Fraction of axes from lower left |
| 'data' | Use the coordinate system of the object being annotated (default) |
| 'polar' | (theta, r) if not native 'data' coordinates |
textcoords：xytext所处的坐标系。默认xycoords；
arrowprops：字典；在 xy 和 xytext 之间画一条箭头线。
remain
剩下的干不动了，有需求就看API文档吧
