Matplotlib是Python开发人员常用的Python绘图库，可以用来绘制各种2D图形，具有绘图质量高，使用简单的特点，支持Latex公式插入，很多时候只需一行或几行代码即可完绘图。

没装的话先安装

pip install matplotlib

• 绘制基础

方法名	说明
title()	设置图表的名称
xlabel()	设置 x 轴名称
ylabel()	设置 y 轴名称
xticks(x,ticks,rotation)	设置 x 轴的刻度,rotation 旋转角度
yticks()	设置 y 轴的刻度
plot()	绘制线性图表
show()	显示图表
legend()	显示图例
text(x,y,text)	显示每条数据的值 x,y 值的位置
figure(name,figsize=(w,h),dpi=n)	设置图片大小

# 绘制直线
#（1）导入模块 pyplot，并给它指定别名 plt，以免反复输入 pyplot。在模块 pyplo中包含很多用于生产图表的函数。
#（2）将绘制的直线坐标传递给函数 plot()。
#（3）通过函数plt.show()打开Matplotlib查看器，显示绘制的图形。

import matplotlib.pyplot as plt
#将(0,1)点和(2,4)连起来
plt.plot([0,2],[1,4])
plt.show()

# 注意：这里polt里面的是两个轴序列的数据，不是两个点的x和y的坐标

# 绘制折线

import matplotlib.pyplot as plt
x=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(x,squares)
plt.show()

# 设置标签文字和线条粗细

import matplotlib.pyplot as plt
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度
#设置图标标题， 并在坐标轴上添加标签
plt.title('Numbers',fontsize=24)
plt.xlabel('datas',fontsize=14)
plt.ylabel('squares',fontsize=14)
plt.show()

# Matplotlib 默认情况不支持中文， 可以使用以下简单的方法来解决：
# plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度
#设置中文乱码问题
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置图标标题， 并在坐标轴上添加标签
plt.title('标题设置',fontsize=24)
plt.xlabel('x 轴',fontsize=14)
plt.ylabel('y 轴',fontsize=14)
plt.show()

# 绘制一元二次方程的曲线 y=x^2

# Matplotlib有很多函数用于绘制各种图形，其中 plot函数用于曲线，需要将 200 个点的x坐标和
# Y坐标分别以序列的形式传入plot函数，然后调用show函数显示绘制的图形。一#元二次方程的曲线。

import matplotlib.pyplot as plt
#200 个点的 x 坐标
x=range(-100,100)
#生成 y 点的坐标
y=[i**2 for i in x ]
#绘制一元二次曲线
plt.plot(x,y)
#调用 savefig 将一元二次曲线保存为 result.jpg
plt.savefig('result.jpg') #如果直接写成 plt.savefig('cos') 会生成 cos.png
plt.show()

# 如果图上的负号显示异常，则先执行以下办法解决：
# plt.rcParams['font.family'] = 'Arial Unicode MS'

# 绘制正弦曲线和余弦曲线

# 使用plt函数绘制任何曲线的第一步都是生成若干个坐标点（x,y），理论上坐标点是越多越好。 
# 本例取0到10之间100个等差数作为x的坐标，然后将这100个x坐标值一起传入Numpy的sin和
# cos函数，就会得到100个y坐标值，最后就可以使用plot函数绘制正弦曲线和余弦曲线。

import matplotlib.pyplot as plt
import numpy as np
#生成 x 的坐标（0-10 的 100 个等差数列）
x=np.linspace(0,10,100)
sin_y=np.sin(x)
#绘制正弦曲线
plt.plot(x,sin_y)
#绘制余弦曲线
cos_y=np.cos(x)
plt.plot(x,cos_y)
plt.show()

# 上面的示例可以看到，调用两次plot函数，会将sin和cos曲线绘制到同一个二维坐标系中，如果想绘制到两张画布中，可以调用 subplot()函数将画布分区。
import matplotlib.pyplot as plt
import numpy as np
#将画布分为区域， 将图画到画布的指定区域
x=np.linspace(1,10,100)
#将画布分为2行2列，将图画到画布的1区域
plt.subplot(2,2,1)
plt.plot(x,np.sin(x))
plt.subplot(2,2,2)
plt.plot(x,np.cos(x))
plt.subplot(2,2,3)
plt.plot(x,np.arcsinh(x))
plt.show()

# 绘制散点图

# 使用 scatter函数可以绘制随机点，该函数需要接收x坐标和y坐标的序列。
import matplotlib.pyplot as plt
import numpy as np
#画散点图
x=np.linspace(0,10,100)#生成 0 到 10 中 100 个等差数
plt.scatter(x,np.sin(x))
plt.show()

# 画 10 种大小， 100 种颜色的散点图
np.random.seed(0)
x=np.random.rand(100)
y=np.random.rand(100)
colors=np.random.rand(100)
size=np.random.rand(100)*1000
plt.scatter(x,y,c=colors,s=size,alpha=0.7)
plt.show()

• 作为线性图的替代，可以通过向plot()函数添加格式字符串来显示离散值。可以使用如下格式化字符

字符	描述
'-'	实线样式
'--'	短横线样式
'-.'	点划线样式
':'	虚线样式
'.'	点标记
','	像素标记
'o'	圆标记
'v'	倒三角标记
'^'	正三角标记
'1'	下箭头标记
'2'	上箭头标记
'3'	左箭头标记
'4'	右箭头标记
's'	正方形标记
'p'	五边形标记
'*'	星形标记
'h'	六边形标记 1
'H'	六边形标记 2
'+'	加号标记
'x'	X 标记
'D'	菱形标记
'd'	窄菱形标记
'_'	水平线标记

• 颜色的选择

字符	颜色
'b'	蓝色
'g'	绿色
'r'	红色
'c'	青色
'm'	品红色
'y'	黄色
'k'	黑色
'w'	白色

# 绘制不同种类不同颜色的线

import matplotlib.pyplot as plt
import numpy as np
#不同种类不同颜色的线
x=np.linspace(0,10,100)
plt.plot(x,x+0,'-g') #实线 绿色
plt.plot(x,x+1,'--c') #虚线 浅蓝色
plt.plot(x,x+2,'-.k') #点划线 黑色
plt.plot(x,x+3,'-r') #实线 红色
plt.plot(x,x+4,'o') #点 默认是蓝色
plt.plot(x,x+5,'x') #叉叉 默认是蓝色
plt.plot(x,x+6,'d') #砖石 红色
plt.show()

#不同种类不同颜色的线并添加图例
x=np.linspace(0,10,100)
plt.plot(x,x+0,'-g',label='-g') #实线 绿色
plt.plot(x,x+1,'--c',label='--c') #虚线 浅蓝色
plt.plot(x,x+2,'-.k',label='-.k') #点划线 黑色
plt.plot(x,x+3,'-r',label='-r') #实线 红色
plt.plot(x,x+4,'o',label='o') #点 默认是蓝色
plt.plot(x,x+5,'x',label='x') #叉叉 默认是蓝色
plt.plot(x,x+6,'dr',label='dr') #砖石 红色
#添加图例右下角 lower right 左上角 upper left 边框 透明度 阴影 边框宽度
plt.legend(loc='lower right',fancybox=True,framealpha=1,shadow=True,borderpad=1)
plt.show()

# 绘制柱状图
# 使用 bar函数可以绘制柱状图。柱状图需要水平的x坐标值，以及每一个x坐标值对应的y坐标值，从而形成柱状的图。
# 柱状图主要用来纵向对比和横向对比的。例如，根据年份对销售收据进行纵向对比，x坐标值就表示年份，y坐标值表示销售数据。

import matplotlib.pyplot as plt
import numpy as np
x=[1980,1985,1990,1995]
x_labels=['1980 年','1985 年','1990 年','1995 年']
y=[1000,3000,4000,5000]
plt.bar(x,y,width=3)
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.xticks(x,x_labels)
plt.xlabel('年份')
plt.ylabel('销量')
plt.title('根据年份销量对比图')
plt.show()

# 需要注意的是bar函数的宽度并不是像素宽度。bar函数会根据二维坐标系的尺寸，以及x坐标值的多少，自动确定每一个
# 柱的宽度，而width指定的宽度就是这个标准柱宽度的倍数。该参数值可以是浮点数，如0.5，表示柱的宽度是标准宽度的0.5倍。

# 使用 bar()和 barh()函数绘制柱状图

import matplotlib.pyplot as plt
import numpy as np

# 如果图上的负号显示异常，则先执行以下办法解决：
plt.rcParams['font.family'] = 'Arial Unicode MS'

np.random.seed(0)
x=np.arange(5)
y=np.random.randint(-5,5,5)
print(x,y)
# 将画布分隔成一行两列
plt.subplot(1,2,1)
#在第一列中画图
v_bar=plt.bar(x,y)
#在第一列的画布中 0 位置画一条蓝线
plt.axhline(0,color='blue',linewidth=2)
plt.subplot(1,2,2)
#barh 将 y 和 x 轴对换 竖着方向为 x 轴
h_bar=plt.barh(x,y,color='red')
#在第二列的画布中 0 位置处画蓝色的线
plt.axvline(0,color='red',linewidth=2)
plt.show()

[0 1 2 3 4] [ 0 -5 -2 -2  2]

# 对柱状图的部分柱状设置颜色

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(0)
x=np.arange(5)
y=np.random.randint(-5,5,5)
v_bar=plt.bar(x,y,color='lightblue')
for bar,height in zip(v_bar,y):
  if height<0:
    bar.set(edgecolor='darkred',color='lightgreen',linewidth=3)
plt.show()

# 使用 bar()绘制三天中三部电影的票房变化

import matplotlib.pyplot as plt
import numpy as np

#三天中三部电影的票房变化
real_names=['千与千寻','玩具总动员 4','黑衣人： 全球追缉']
real_num1=[5453,7548,6543]
real_num2=[1840,4013,3421]
real_num3=[1080,1673,2342]
#生成 x 第 1 天 第 2 天 第 3 天
x=np.arange(len(real_names))
x_label=['第{}天'.format(i+1) for i in range(len(real_names))]
#绘制柱状图
#设置柱的宽度
width=0.3
plt.bar(x,real_num1,color='g',width=width,label=real_names[0])
plt.bar([i+width for i in x],real_num2,color='b',width=width,label=real_names[1])
plt.bar([i+2*width for i in x],real_num3,color='r',width=width,label=real_names[2])
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
#修改 x 坐标
plt.xticks([i+width for i in x],x_label)
#添加图例
plt.legend()
#添加标题
plt.title('3 天的票房数')
plt.show()

# 绘制饼状图
# pie 函数可以绘制饼状图， 饼图主要是用来呈现比例的。只要传入比例数据即可
#导入模块
import matplotlib.pyplot as plt
import numpy as np
#准备男、 女的人数及比例
man=71351
woman=68187
man_perc=man/(woman+man)
woman_perc=woman/(woman+man)
#添加名称
labels=['男','女']
#添加颜色
colors=['blue','red']
#绘制饼状图 pie
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
# labels 名称 colors： 颜色， explode=分裂 autopct 显示百分比
paches,texts,autotexts=plt.pie([man_perc,woman_perc],labels=labels,colors=colors,explode=(0,0.05),autopct='%0.1f%%')
#设置饼状图中的字体颜色
for text in autotexts:
  text.set_color('white')
#设置字体大小
for text in texts+autotexts:
  text.set_fontsize(20)
plt.show()

# 绘制直方图
# 直方图与柱状图的分格类似，都是由若干个柱组成，但直方图和柱状图的含义却有很大的差异。直方图
# 是用来观察分布状态的，而柱状图是用来看每一个X坐标对应的Y的值的。也就是说，直方图关注的是分布，
# 并不关心具体的某个值，而柱状图关心的是具体的某个值。使用 hist函数绘制直方图。

import numpy as np
import matplotlib.pyplot as plt
#频次直方图， 均匀分布
#正太分布
x=np.random.randn(1000)
#画正太分布图
# plt.hist(x)
plt.hist(x,bins=100) #装箱的操作， 将 10 个柱装到一起及修改柱的宽度
plt.show()

# 同一画布绘制三个直方图

import numpy as np
import matplotlib.pyplot as plt
#几个直方图画到一个画布中,第一个参数期望 第二个均值
x1=np.random.normal(0,0.8,1000)
x2=np.random.normal(-2,1,1000)
x3=np.random.normal(3,2,1000)
#参数分别是 bins： 装箱， alpha： 透明度
kwargs=dict(bins=100,alpha=0.4)
plt.hist(x1,**kwargs)
plt.hist(x2,**kwargs)
plt.hist(x3,**kwargs)
plt.show()

# 绘制等高线图

import matplotlib.pyplot as plt
import numpy as npaa
x=np.linspace(-10,10,100)
y=np.linspace(-10,10,100)
#计算 x 和 y 的相交点 a
X,Y=np.meshgrid(x,y)
# 计算 Z 的坐标
Z=np.sqrt(X**2+Y**2)
plt.contourf(X,Y,Z)
plt.contour(X,Y,Z)
# 颜色越深表示值越小， 中间的黑色表示 z=0.
plt.show()

# 绘制三维图

import matplotlib.pyplot as plt
#导入 3D 包
from mpl_toolkits.mplot3d import Axes3D

#创建 X、 Y、 Z 坐标
X=[1,1,2,2]
Y=[3,4,4,3]
Z=[1,100,1,1]
fig = plt.figure()
# 创建了一个 Axes3D 的子图放到 figure 画布里面
ax = fig.add_subplot(projection='3d')
ax.plot_trisurf(X,Y,Z)
plt.show()