一网打尽Matplotlib Pyplot画图(pycharm版)

pyplot是Matplotlib的子库，提供了和Matlib类似的接口,能很方便用户绘制2D图表。

Pyplot 包含一系列绘图的相关函数，每个函数根据数据绘画出对应图像，也可以对当前的图像进行一些修改，例如：给图像加上标记，生新的图像，在图像中产生新的绘图区域等等。

首先使用import 导入pyplot库，并给出一个方便引用的别名plt.

import matplotlib.pyplot as plt

常用的绘图函数包括：

• plot()：用于绘制线图和散点图
• scatter()：用于绘制散点图
• bar()：用于绘制垂直条形图和水平条形图
• hist()：用于绘制直方图
• pie()：用于绘制饼图

除了这些基本的函数，pyplot 还提供了很多其他的函数，例如用于设置图表属性的函数、用于添加文本和注释的函数、用于保存图表到文件的函数等等。

在画图过程中报错,如AttributeError: module 'backend_interagg' has no attribute 'FigureCanvas'

导入

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt

画图可能出现中文乱码

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 20})

1.直线，折线，曲线，散点图

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([0, 7])
ypoints = np.array([0, 60])

plt.plot(xpoints, ypoints)
plt.show()

如果只想绘制两个坐标点，可以使用 o 参数，表示一个实心圈的标记。

即用plt.plot(xpoints, ypoints, 'o')替换plt.plot(xpoints, ypoints)

如果绘制一条不规则线，坐标为 (1, 6) 、 (2, 3) 、(4, 7) 、(5, 0)，对应的两个数组为：[1, 2, 3, 4] 与 [6, 3, 7, 0]。

x = np.array([1, 2, 3, 4])
y = np.array( [6, 3, 7, 0])
plt.plot(x, y,linestyle='--',marker='o')#‘--’表示虚线   绘图标记 marker='o'
plt.show()

标记符号描述"."

点","

像素点"o"

实心圆"v"

下三角"^"

上三角"<"

左三角">"

右三角"1"

下三叉"2"

上三叉"3"

左三叉"4"

右三叉"8"

八角形"s"

正方形"p"

五边形"P"

加号（填充）""

星号"h"

六边形 1"H"

六边形 2"+"

加号"x"

乘号 x"X"

乘号 x (填充)"D"

菱形"d"

瘦菱形"|"

竖线"_"

横线0 (TICKLEFT)

左横线1 (TICKRIGHT)

右横线2 (TICKUP)

上竖线3 (TICKDOWN)

下竖线4 (CARETLEFT)

左箭头5 (CARETRIGHT)

右箭头6 (CARETUP)

上箭头7 (CARETDOWN)

下箭头8 (CARETLEFTBASE)

左箭头 (中间点为基准)9 (CARETRIGHTBASE)

右箭头 (中间点为基准)10 (CARETUPBASE)

上箭头 (中间点为基准)11 (CARETDOWNBASE)

下箭头 (中间点为基准)"None", " " or ""没有任何标记'$...$'

渲染指定的字符。例如 "$f$" 以字母 f 为标记。
绘制一个正弦和余弦图，在 plt.plot() 参数中包含两对 x,y 值，第一对是* x,y**，这对应于正弦函数，第二对是 x,z，这对应于余弦函数。

x1 = np.linspace(0, 15, 100)
y1 = np.sin(x1)
y2 = np.cos(x1)

plt.plot(x1, y1, color="blue", linewidth=2,linestyle='--')
plt.plot(x1, y2, color="red", linewidth=2,linestyle='-.')

linestyle的类型： '-', '--', '-.', ':', 'None', ' ', '', 'solid', 'dashed', 'dashdot', 'dotted'

网格线

x = np.array([1, 2, 3, 4])
y = np.array( [6, 3, 7, 0])
plt.title("X-Y")#标题
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.plot(x, y,linestyle='--',marker='o',color='green')#‘--’表示虚线
plt.grid(color = 'r', linestyle = '-.', linewidth = 0.5)
plt.show()

Matplotlib 绘制多图
subplot(nrows, ncols, index, **kwargs) 图的个数=nrows* ncols 当前为index图。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})

#plot 1:
x = np.array([1, 2, 3, 4])
y = np.array( [6, 3, 7, 0])

plt.subplot(1, 2, 1)
plt.title("X-Y")
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.plot(x, y,linestyle='--',marker='o',color='green')#‘--’表示虚线
plt.grid(color = 'r', linestyle = '-.', linewidth = 0.5)
plt.title("plot 1")

#plot 2:
x1 = np.linspace(0, 15, 100)
y1 = np.sin(x1)
y2 = np.cos(x1)

plt.subplot(1, 2, 2)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.plot(x1, y1, color="blue", linewidth=2,linestyle='--')
plt.plot(x1, y2, color="red", linewidth=2,linestyle='dashdot')
plt.title("plot 2")

plt.suptitle("RUNOOB subplot Test")
plt.show()

散点图

plt.scatter(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)

x,y为输入数据，

s为散点的大小，

c颜色，

marker同上讲解，

norm数据颜色亮度（0，1）

, vmin=None, vmax=None数据亮度设置，norm存在时，忽略

alpha：：透明度设置，0-1 之间，默认 None，即不透明。

linewidths：标记点的长度。

edgecolors：：颜色或颜色序列，默认为 'face'，可选值有 'face', 'none', None。

plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})

x = np.array([1, 2, 3, 4,  5, 6,  7,  8, 9, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18,12,23,14,15,1, 23, 21,11,6, 13,3])
sizes = np.array([20,50,100,200,500,1000,60,90,20,50,100,200,500,1000,60,90,100,200,500])
colors = np.array(["red","green","black","orange","purple","beige","cyan","magenta","red","green","black","orange"
                      ,"purple","beige","cyan","magenta","purple","beige","cyan"])
plt.title("RUNOOB Scatter Test")
plt.scatter(x, y,s=sizes,c=colors,alpha=0.4)
plt.show()
除了手动设置颜色，还可以通过颜色带设置，设置颜色条需要使用 cmap 参数，默认值为 'viridis'，之后颜色值设置为 0 到 100 的数组。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})
import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4,  5, 6,  7,  8, 9, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18,12,23,14,15,1, 23, 21,11,6, 13,3])
sizes = np.array([20,50,100,200,500,1000,60,90,20,50,100,200,500,1000,60,90,100,200,500])
colors = np.array([0,5,10,15,20,25,30,35,40,45,50,55,60,60,70,75,80,90,100])

plt.scatter(x, y, c=colors, cmap='afmhot_r',s=sizes,alpha=0.6)
plt.colorbar()#显示颜色条
plt.show()

其他的颜色带自查，举个栗子：
BluesBlues_rGreensGreens_rRedsReds_r

2.柱状图

plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

x：浮点型数组，柱形图的 x 轴数据。

height：浮点型数组，柱形图的高度。

width：浮点型数组，柱形图的宽度。

bottom：浮点型数组，底座的 y 坐标，默认 0。

align：柱形图与 x 坐标的对齐方式，'center' 以 x 位置为中心，默认值。 'edge'：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align='edge'。

**kwargs：：其他参数。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["bar-1", "bar-2", "bar-3", "bar-4"])
y = np.array([12, 22, 6, 18])

plt.bar(x, y,  width=0.5,color = ["#4C5050","red","pink","#688B2F"],align='edge')
plt.show()

只要将plt.bar()改成plt.barh(),width改成height即可。

3.饼图

plt.pie(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)[source]

• x：浮点型数组或列表，用来绘制饼图的数据，表示每个扇形的面积。
• explode：数组，表示各个扇形之间的间隔，默认值为0。
• labels：列表，各个扇形的标签，默认值为 None。
• colors：数组，表示各个扇形的颜色，默认值为 None。
• autopct：设置饼图内各个扇形百分比显示格式，**%d%%** 整数百分比，**%0.1f** 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。
• labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。
• pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。
• shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。
• radius：：设置饼图的半径，默认为 1。
• startangle：：用于指定饼图的起始角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。
• counterclock：布尔值，用于指定是否逆时针绘制扇形
• 默认为 True，即逆时针绘制，False 为顺时针。
• wedgeprops ：字典类型，默认值 None。用于指定扇形的属性，比如边框线颜色、边框线宽度等。例如：wedgeprops={'linewidth':5} 设置 wedge 线宽为5。
• textprops ：字典类型，用于指定文本标签的属性，比如字体大小、字体颜色等，默认值为 None。
• center ：浮点类型的列表，用于指定饼图的中心位置，默认值：(0,0)。
• frame ：布尔类型，用于指定是否绘制饼图的边框，默认值：False。如果是 True，绘制带有表的轴框架。
• rotatelabels ：布尔类型，用于指定是否旋转文本标签，默认为 False。如果为 True，旋转每个 label 到指定的角度。
• data：用于指定数据。如果设置了 data 参数，则可以直接使用数据框中的列作为 x、labels 等参数的值，无需再次传递。
• import matplotlibmatplotlib.use('TkAgg') # 必须在导入 matplotlib.pyplot 之前设置import matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falseplt.rcParams.update({'font.size': 10})y = np.array([35, 25, 25, 15])plt.pie(y, labels=['A','B','C','D'], # 设置饼图标签 colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色 explode=(0, 0.2, 0, 0), # 第二部分突出显示，值越大，距离中心越远 autopct='%.2f%%', # 格式化输出百分比 shadow=True, #阴影 startangle=90 )plt.title("Pie Test")plt.show()

4.双纵轴图

fig, ax1 =plt.subplots()                               #####这句
plt.title("数据期间cart,fav,buy行为汇总分布")
ax1.plot(x, groupby_pv,linestyle='-',marker='o',color='red',label='pv')
ax1.set_ylabel('pv')
ax1.legend()
ax2 = ax1.twinx()                  # twinx将ax1的X轴共用与ax2，这步很重要
ax2.plot(x, groupby_cart,linestyle='-',marker='1',color='yellow',label="cart")
ax2.plot(x, groupby_fav,linestyle='-.',marker='2',color='blue',label='fav')
ax2.plot(x, groupby_buy,linestyle='solid',marker='3',color='pink',label='buy')
ax2.set_ylabel('cart,fav,buy')
# 添加图例
ax2.legend()
plt.show()

fig, ax1 = plt.subplots()
plt.xticks(rotation=45)
ax1.bar(x, groupby_pv, color="blue", alpha=0.5, label="pv")
ax1.set_xlabel("月份")
ax1.set_ylabel("pv次数")
ax2 = ax1.twinx()
ax2.plot(x, groupby_fav,linestyle='-.',marker='2',color='blue',label='fav')
ax2.plot(x, groupby_buy,linestyle='solid',marker='3',color='pink',label='buy')
ax2.set_ylabel('cart,fav,buy')

fig.legend(loc="upper right", bbox_to_anchor=(1, 1), bbox_transform=ax1.transAxes)
plt.show()

5.直方图

plt.hist(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, **kwargs)

• x：绘制直方图的数据，一个一维数组或列表。
• bins：可选参数，表示直方图的箱数。默认为10。
• range：表示直方图的值域范围，可以是一个二元组或列表。默认为None，即使用数据中的最小值和最大值。
• density：表示是否将直方图归一化。默认为False，即直方图的高度为每个箱子内的样本数，而不是频率或概率密度。
• weights：表示每个数据点的权重。默认为None。
• cumulative：表示是否绘制累积分布图。默认为False。
• bottom：表示直方图的起始高度。默认为None。
• histtype：表示直方图的类型，可以是'bar'、'barstacked'、'step'、'stepfilled'等。默认为'bar'。
• align：表示直方图箱子的对齐方式，可以是'left'、'mid'、'right'。默认为'mid'。
• orientation：表示直方图的方向，可以是'vertical'、'horizontal'。默认为'vertical'。
• rwidth：表示每个箱子的宽度。默认为None。
• log：表示是否在y轴上使用对数刻度。默认为False。
• color：表示直方图的颜色。
• label：表示直方图的标签。
• stacked：表示是否堆叠不同的直方图。默认为False。
• **kwargs：可选参数，表示其他绘图参数
• import matplotlibmatplotlib.use('TkAgg') # 必须在导入 matplotlib.pyplot 之前设置import matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falseplt.rcParams.update({'font.size': 10})import matplotlib.pyplot as pltimport numpy as np# 生成一组随机数据data = np.random.randn(100)# 绘制直方图plt.hist(data, bins=10, width=0.5,color='blue', alpha=0.8)# 设置图表属性plt.title('hist() Test')plt.xlabel('Value')plt.ylabel('Frequency')# 显示图表plt.show()