【Python】简述Matplotlib库常用方法和属性

折线图：

import matplotlib.pyplot as plt
import random
plt.figure(figsize = (20,8),dpi = 100)
x = range(40)
y = [random.uniform(18,22) for i in range(40)]
y1 =  [random.uniform(12,16) for i in range(40)]
x_label = ["11:{}".format(i) for i in x]
plt.xticks(x[::5],x_label)
plt.yticks(range(10,25,1))
plt.grid(linestyle = '--',alpha = 1)
plt.xlabel("time change")
plt.ylabel("work")
plt.title("test")
plt.plot(x,y,linestyle='-.',label="tttttt1")
plt.plot(x,y1,linestyle = '-',label="sssssss2")
plt.legend()
plt.savefig("abcd.png")
plt.show()

通过运行上面一段程序，可以得到下图

柱状图：

import matplotlib.pyplot as plt
import random
x1 = range(5)
x2 = [i+0.2 for i in range(5)]
y1 = [random.uniform(1000,10000) for i in x1]
y2 = [random.uniform(1000,10000) for i in x1]
plt.figure(figsize=(23,8),dpi=100)
plt.bar(x1,y1,width=0.2,color=['r','b','k','c','m'],label="13:00")
plt.bar(x2,y2,width=0.2,color=['y','g','m','r','b'],label="15:00")
plt.xticks([i+0.1 for i in range(5)])
plt.yticks(range(0,11000,1000))
plt.legend()
plt.grid(linestyle="--",alpha=0.5)
plt.show()

通过运行上面一段程序，可以得到下图

饼状图：

import random
import matplotlib.pyplot as plt
x = ['a','b','c','d','e','f','g','h']
y = [random.randint(900,2200) for i in range(8)]
plt.figure(figsize=(20,8),dpi=100)
plt.pie(y,labels=x,colors=['r','b','k','c','m','y','g','k'],autopct="%1.2f%%")
plt.axis('equal')
plt.legend()
plt.show()

通过运行上面一段程序，可以得到下图

直方图：

import random
import matplotlib.pyplot as plt
a = [random.randint(0,100) for i in range(60)]
print(a)
plt.figure(figsize=(20,8),dpi=100)
points = 2
group_num = int(max(a)-min(a)/points)
print(group_num)
plt.xticks(range(min(a),max(a)+2,distance))
plt.grid(linestyle="--",color="r",alpha=0.8)
plt.hist(a,bins=group_num,density=True)
plt.show()

通过运行上面一段程序，可以得到下图

散点图：

import matplotlib.pyplot as plt
import random
x = [random.uniform(200,300) for i in range(10)]
y = [random.uniform(500,800) for i in range(10)]
plt.figure(figsize=(23,8),dpi=100)
plt.xticks(range(190,310,10))
plt.yticks(range(100,1000,50))
plt.grid(linestyle="--",color="g",alpha=1)
plt.scatter(x,y,label="newtest")
plt.legend()
plt.show()

通过运行上面一段程序，可以得到下图

在一个画布中绘制多个图像：

import matplotlib.pyplot as plt
import random
figure,axes=plt.subplots(2,1,figsize = (30,8),dpi = 100)
x = range(40)
y = [random.uniform(18,22) for i in range(40)]
y1 =  [random.uniform(12,16) for i in range(40)]
x_label = ["11:{}".format(i) for i in x]
axes[0].plot(x,y,color="g",linestyle="-",label="test1")
axes[1].plot(x,y1,color="r",linestyle="-.",label="test2")
axes[0].set_xticks(x[::2])
axes[0].set_xticklabels(x_label[::2])
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_label[::5])
axes[0].set_xlabel("test")
axes[0].set_ylabel("test")
axes[0].set_title("test")
axes[1].set_xlabel("test")
axes[1].set_ylabel("test")
axes[1].set_title("test")
axes[0].legend()
axes[1].legend()
axes[0].grid(linestyle="--",alpha=0.5)
axes[1].grid(linestyle="-.",alpha=1)
plt.show()

通过运行上面一段程序，可以得到下图

通过上述几个例子，可以得到以下常用函数用法。

plt.figure(figsize=(32，16),dpi=120)　　###可以绘制一个制定大小的画布，其中常用的参数有figsize（可自定义画布大小），dpi（可定义清晰度）。还有一些不常用的，比如facecolor可以自定义背景颜色
plt.xticks(list,x_label)　　###可以自定义x轴内容，list正如list一样要传入一个列表，后者x_label传入自定义内容
plt.yticks(list,y_label)　　###同xticks
plt.xlabel("自定义x轴图例")　　###可以自定义X轴图例
plt.ylabel("自定义y轴图例")　　###可以自定义y轴图例
plt.grid(linestype="-.",alpha=0.5)　　###可以自定义网格，其中linestyle为线条类型，alpha为透明度
plt.title("自定义图标标题")　　###可以自定义图表的标题
plt.legend()　　###可以显示图例
plt.savefig("abc.png")　　###可以将图表保存为图像到本地
plt.show()　　###可以显示图像

---

plt.plot(x,y,label="折线图")　　###绘制折线图，传入的x与y必须为列表，label自定义折线图名字
plt.scatter(x,y,label="newtest")　　###绘制散点图，参数使用方法同上
plt.bar(x,y,width=0.5,color=['r','b','k','c','m','y','g','k','c','b'])　　###绘制柱状图，width可自定义柱体大小，color自定义每个柱体颜色（颜色必须传入为列表且与len(x)相对应）
plt.hist(a,bins=group_num,density=True)　　###绘制直方图，其中a为传入的数据集，bins为传入的组数，density默认为False（是否显示频度）
plt.pie(y,labels=x,colors=['r','b','k','c','m','y','g','k'],autopct="%1.2f%%")　　###绘制饼状图，其中y为每块的值，labels为每块的名称，autopct数值保留固定小数位
plt.subplots(nrows, ncols)　　###在一个画布中绘制多个图像，nrows为行数，ncols为列数

 需要注意的是，subplots和其他几个绘图函数不同的是，其中每个图像的各个函数需要加上set_

内容未完待续，在后期学习或者使用中如果笔者遇到更多内容将继续更新