matplotlib

plt.gcf( )与plt.gca( )

  当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示Get Current Figure和Get Current Axes。在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，比如说：plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。
准备工作

import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei']  #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False  #用来正常显示负号
import numpy as np

x=np.linspace(0.05,10,1000)  #在0.05 ~10之间等间隔取1000个数
y=np.sin(x)
plt.plot(x,y)

调整边框的颜色

plt.plot(x,y)
ax = plt.gca()
ax.spines['right'].set_color('none')  # 隐藏右边的轴
ax.spines['left'].set_color('pink')
ax.spines['top'].set_color('yellow')
ax.spines['bottom'].set_color('green')

移动坐标轴的位置

plt.plot(x,y)
ax = plt.gca()
#隐藏上边框和有边框
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
#把x,y轴的刻度命名为bottom，left
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
#把x轴（bottom）移动到0点
ax.spines['bottom'].set_position(('data',0))
#把y轴（left）移动到0点
ax.spines['left'].set_position(('data',0))

plt.figure( ) 创建Figure对象

• Figure对象是后续绘图操作的总容器。
• 如果不创建Figure对象，直接调用接下来的plot()进行绘图, matplotib会自动创建一 个Figure对象。
• 但是事先创建Figure对象则可以对它做更精细的设定。

matplotlib.pyplot.figure(（
  num :图形序号(ID) ，不指定时自动递增。如果该图形已存在，则激活相应图形
  figsize:指定figure的宽和高 ,单位为英寸;
  缺省为matplotlib . rcParams [" figure. figsize"]
  dpi :图形分辨率，即每英寸所表示的像素数，缺省为rc figure. dpi
  facecolor :图形背景色，缺省为rc figure. facecolor
  edgecolor :图形边框色，缺省为rc figure. edgecolor
  frameon = True :是否绘制图形外框架
  FigureClass :使用自定义的matplotlib. figure.Figure类
  clear = False :图形已存在时是否清除原有对象
）

plt.figure("baobei01", figsize=(5,3),dpi = 300, facecolor = "g", edgecolor="red")
plt.plot(x, y)
plt.title("dpi300")

是否绘制外边框

plt.figure("baobei01",figsize=(5,3),dpi=300,facecolor='g',frameon=False)
plt.plot(x,y)
plt.title("dpi300")	

plt.bar( )柱状图、plt.barh()条形图

x = np.arange(10)
#生成10个1到10之间的整数
data = np.random.randint(1, 11, 10)
data

plt.bar(x,data)
plt.show()

绘制水平条形图

plt.barh(x, data, label = 'bar')
plt.legend(loc=1)
plt.title('horizontal bar chart')
plt.show()

设置长方形的宽度、线条宽度、透明度、坐标轴标签、填充图案与背景、边框颜色

plt.bar(x,data,width=0.5, facecolor='b',edgecolor='pink',lw = 4,alpha=0.3,hatch='*',tick_label=['one', 'two', 'three','four', 'five'])
plt.show()

倒置柱状图

plt.bar(x,-data)
plt.show()

绘制多序列柱状图

import pandas as pd
index = np.arange(5)
data1 = [3,4,6,8,9]
data2 = [11,23,6,5,1]
data3 = [12,6,21,8,26]
#把一个空间分为3部分，定义a值为0.3，三个占0.9，剩0.1的空格
a = 0.3
plt.title('nulti bar chart')
plt.bar(index,data1,a,color='pink',label='a')
plt.bar(index+a,data2,a,color='cyan',label='b')
plt.bar(index+2*a,data3,a,color='yellow',label='c')
plt.legend(loc=2)
plt.show()

绘制多序列条形图

import pandas as pd
index = np.arange(5)
data1 = [3,4,6,8,9]
data2 = [11,23,6,5,1]
data3 = [12,6,21,8,26]
#把一个空间分为3部分，定义a值为0.3，三个占0.9，剩0.1的空格
a = 0.3
plt.title('nulti bar chart')
plt.barh(index,data1,a,color='pink',label='a')
plt.barh(index+a,data2,a,color='cyan',label='b')
plt.barh(index+2*a,data3,a,color='yellow',label='c')
plt.legend(loc=7)
plt.show()

用DataFrame生成多序列柱状图

df = pd.DataFrame([[1,4,8,2],[4,2,3,7],[9,7,5,2]],columns=['a','b','c','d'])
df
%pylab inline
df.plot(kind='bar')

绘制堆积柱状图（注意多序列柱状图与堆积柱状图data类型的区别）

import pandas as pd
index = np.arange(5)
data1 = np.array([3,4,6,8,9])  
data2 = np.array([11,23,6,5,1])
data3 = np.array([12,6,21,8,26])
#把一个空间分为3部分，定义a值为0.3，三个占0.9，剩0.1的空格
a = 0.3
plt.title('nulti bar chart')
plt.bar(index,data1,color='pink',label='a')
plt.bar(index,data2,bottom =data1,color='cyan',label='b')
plt.bar(index,data3,bottom = (data2+data1),color='yellow',label='c')
plt.legend(loc=2)
plt.show()

绘制堆积条形图，使用填充线

import pandas as pd
index = np.arange(5)
data1 = np.array([3,4,6,8,9])
data2 = np.array([11,23,6,5,1])
data3 = np.array([12,6,21,8,26])
plt.barh(index,data1,color='w',label='a',hatch='xxxx')
plt.barh(index,data2,left=data1,color='w',label='b',hatch='///')
plt.barh(index,data3,left=(data2+data1),color='w',label='c',hatch='\\\\')
plt.legend(loc=4)
plt.show()

用panda DataFrame绘制堆积柱状图

df = pd.DataFrame([[1,4,8,2],[4,2,3,7],[9,7,5,2]],columns=['a','b','c','d'])
df.T.plot(kind='bar',stacked=True)