matplotlib 绘图基础

最新推荐文章于 2025-07-24 21:24:27 发布

原创最新推荐文章于 2025-07-24 21:24:27 发布 · 701 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#数据科学

数据科学入门到精通专栏收录该内容

83 篇文章

订阅专栏

本文详细介绍了matplotlib的绘图基础，包括pylab的类MATLAB API，面向对象API的figure对象使用，如add_axes和add_subplot方法，以及pyplot的方式。讨论了自定义曲线外观、多图绘制、共享坐标轴、添加标题和图例、散点图、直方图、饼图等多种图表类型。此外，还涵盖了文本、箭头、注解的添加以及图表样式的定制，最后展示了热力图的绘制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

matplotlib 绘图基础

pylab - 类MATLAB API

最简单的入门是从类 MATLAB API 开始，它被设计成兼容 MATLAB 绘图函数。
pylab 是 matplotlib 面向对象绘图库的一个接口。它的语法和 Matlab 十分相近。也就是说，它主要的绘图命令和 Matlab 对应的命令有相似的参数。

# 在jupyter notebook里面需要添加此命令才能打印图表,jupter lab里面则不需要
%matplotlib inline

# 导入所需包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

plt.style.use('ggplot')

# 解决中文乱码问题
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']

# 解决坐标轴刻度负号乱码
plt.rcParams['axes.unicode_minus'] = False

# 设置图片大小，单位为英寸
plt.rc('figure', figsize=(6, 4))

x = np.linspace(-5,5,10)
y = x**2

plt.figure()   #实例化一个绘图对象
plt.plot(x,y,'r')   #绘图
plt.xlabel('x')   #添加坐标轴标签
plt.ylabel('y')
plt.title('matplotlib方式绘图');   #添加标题

[外链图片转存(img-LpQMHbaS-1562729989747)(output_5_0.png)]

from pylab import *

x = np.linspace(-5,5,10)
y = x**2

figure()
plot(x,y,'b')
xlabel('x')
ylabel('y')
title('pylab方式绘图');

[外链图片转存(img-oZxtNzSg-1562729989748)(output_6_0.png)]

# 创建子图，选择绘图用的颜色与描点符号:
subplot(1,2,1)
plot(x,y,'r--')
subplot(1,2,2)
plot(y,x,'g*-');

[外链图片转存(img-H55cTbWH-1562729989748)(output_7_0.png)]

此类 API 的好处是可以节省你的代码量，但是我们并不鼓励使用它处理复杂的图表。处理复杂图表时， matplotlib 面向对象 API 是一个更好的选择。

matplotlib 面向对象 API

使用面向对象API的方法和之前例子里的看起来很类似，不同的是，我们并不创建一个全局实例，而是将新建实例的引用保存在 fig 变量中,如果我们想在图中新建一个坐标轴实例，只需要调用 fig实例的 add_axes 方法
尽管会写更多的代码，好处在于我们对于图表的绘制有了完全的控制权，可以很容易地多加一个坐标轴到图中

import matplotlib.pyplot as plt
import numpy as np
np.random.seed(1026)

# 导入包
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(1026)

调用figure创建一个绘图对象，并且使它成为当前的绘图对象。（可选）

面向对象的方式

通过figure对象的.add_axes的方法添加坐标轴

x = np.linspace(0,5,10)
y = x**2

fig = plt.figure(figsize=(8,4)) #创建一个绘图对象
# fig = plt.figure(figsize=(8,4), dpi=100)
# figsize参数：指定绘图对象的宽度和高度，单位为英寸
# dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80

axes = fig.add_axes([0.1,0.1,0.8,0.8])   # 添加坐标轴 left, bottom, width, height (range 0 to 1) 

axes.plot(x,y,'r')
axes.set_xlabel('x')
axes.set_ylabel('y')
axes.set_title('面向对象的方式绘图')

# 显示图形
plt.show()

[外链图片转存(img-NojEMwd4-1562729989748)(output_16_0.png)]

fig = plt.figure(figsize=(8,4))

axes = fig.add_axes([0.1,0.1,0.8,0.8])   # A 4-length sequence of [left, bottom, width, height] quantities.
axes.plot(x,y,'r')
axes.set_xlabel('x')
axes.set_ylabel('y')
axes.set_title('标题1')

axes2 = fig.add_axes([0.2,0.5,0.4,0.3])
axes2.plot(y,x,'g')
axes2.set_xlabel('y')
axes2.set_ylabel('x')
axes2.set_title('标题2')

plt.show()

[外链图片转存(img-82yBEGYi-1562729989749)(output_17_0.png)]

fig = plt.figure()

axes = fig.add_axes([0.1, 0.1, 0.8, 0.8])
axes.plot(x, y, 'r')
axes.set_xlabel('x')
axes.set_ylabel('y')
axes.set_title('标题1')

axes2 = fig.add_axes([0.2, 0.5, 0.4, 0.3])
axes2.plot(y, x, 'g')
axes2.set_xlabel('y')
axes2.set_ylabel('x')
axes2.set_title('标题2')

plt.show()

[外链图片转存(img-2smgNWrW-1562729989749)(output_18_0.png)]

通过figure对象的.add_subplot方法添加子图

# fig.add_subplot?

fig = plt.figure()
ax = fig.add_subplot(349)  # 参数349的意思是：将画布分割成3行4列，图像画在从左到右从上到下的第9块，如下图：
# ax = fig.add_subplot(3410)  # 若果要在第10块上画图，3410是不可以的！
ax.plot(x,y)
ax.set_title('面向对象的方式绘图-add_subplot')
plt.show()

[外链图片转存(img-kcpRnEzW-1562729989749)(output_21_0.png)]

在jupyter notebook里面效果不明显，在python IDLE里面演示

# fig.add_subplot?

fig = plt.figure()
ax = fig.add_subplot(2,1,1)
ax.set_title('面向对象的方式绘图-add_subplot')
ax.plot(x,y)
ax = fig.add_subplot(2,2,3)
ax.plot(x,y)
plt.show()

[外链图片转存(img-TkyGqJWX-1562729989749)(output_24_0.png)]

pyplot的方式

通过调用pyplot的plot方法在当前的绘图对象中进行绘图

[0, 2pi] 上的正弦曲线

# 设置图片大小，单位为英寸
plt.rc('figure', figsize=(8, 4))

x = np.linspace(0, 2 * np.pi, 50)
plt.plot(x, np.sin(x))
plt.show()

[外链图片转存(img-eKIwG3nx-1562729989750)(output_28_0.png)]

# 如果没有第一个参数 x，图形的 x 坐标默认为数组的索引
plt.plot(np.sin(x));

[外链图片转存(img-BFKoRoSZ-1562729989750)(output_29_0.png)]

x = np.linspace(0, 2 * np.pi, 50)
# 在调用 plt.plot() 的时候多传入了一组数据集，并用逗号与第一组数据集分隔开。
plt.plot(x, np.sin(x), x, np.sin(2 * x))
plt.title('正弦曲线')  # 添加标题

<matplotlib.text.Text at 0x7ac5f98>

[外链图片转存(img-RJTevdlP-1562729989750)(output_30_1.png)]

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。

x = range(0, 50)  
y = [num**2 for num in x]

fig = plt.figure(figsize=(8,5)) # 创建figure实例
ax = fig.add_subplot(111) # 创建axes实例在figure实例fig中
ax.plot(x, y) # 创建二维线图实例在axes中

[<matplotlib.lines.Line2D at 0x7abf320>]

[外链图片转存(img-Zs8vPU7a-1562729989751)(output_32_1.png)]

# 获取当前的图表
plt.gcf()
# 获取当前子图
plt.gca()
# 清空当前 figure
plt.clf()
# 清空plt绘制的内容
plt.clf()
# 关闭图 0
plt.close(0)
#  关闭所有图
plt.close('all')
# 获取当前figure的引用，设置图片大小
plt.gcf().set_size_inches(16,8)

<matplotlib.figure.Figure at 0x7e86eb8>

plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2

ax1 = plt.subplot(121) # 在图表2中创建子图1
ax2 = plt.subplot(122) # 在图表2中创建子图2

x = np.linspace(0, 3, 100)
for i in range(3):
    plt.figure(1)  # 选择图表1
    plt.plot(x, np.exp(i*x/3))
    
    plt.sca(ax1)  # 选择图表2的子图1
    plt.plot(x, np.sin(i*x))
    
    plt.sca(ax2)  # 选择图表2的子图2
    plt.plot(x, np.cos(i*x))
plt.show()

[外链图片转存(img-kLNJ0fhQ-1562729989751)(output_34_0.png)]

[外链图片转存(img-83IWYTEd-1562729989751)(output_34_1.png)]

自定义曲线的外观

# plt.plot?

x = np.linspace(0, 2 * np.pi, 50)
plt.plot(x, np.sin(x), color='y',
         linestyle='-.',
         linewidth=5,
         marker='o',
         markersize=3
        );

[外链图片转存(img-Qw6H0NiK-1562729989751)(output_37_0.png)]

# 可以将颜色，线型，标记形状写在一起
x = np.linspace(0, 2 * np.pi, 50)
plt.plot(x, np.sin(x), 'y--H',
         linewidth=5,
         markersize=10
        );

[外链图片转存(img-hj1IoSvf-1562729989752)(output_38_0.png)]

x = np.linspace(0, 2 * np.pi, 50)
# 两种不同的曲线样式：'r-o' 和 'g--'。字母‘r’和‘g’代表线条的颜色，后面的符号代表线和点标记的类型。
# 例如 '-o' 代表包含实心点标记的实线，'--' 代表虚线。
plt.plot(x, np.sin(x), 'k-o', x, np.cos(x), 'g-.');

[外链图片转存(img-fKmnj5A3-1562729989752)(output_39_0.png)]

# plot方法
# plt.plot?

颜色、标记、线型

颜色	字符
蓝色	b
绿色	g
红色	r
青色	c
品红	m
黄色	y
黑色	k（'b’代表蓝色，所以这里用黑色的最后一个字母）
白色	w

线型	标记
直线	-
虚线	–
点线	:
点划线	-.

点标记名称	标记
点	.
像素	,
圆	o
方形	s’
三角形(向下，上，左，右)	v, ^, <, >
三角星（向下，上，左，右）	1, 2, 3, 4
五角形	p
星形	*
六角形	h
六角形	H
加号	+
x号	x
菱形	D
窄菱形	d
竖线	竖线
横线	_

在一个窗口绘制多个图

# plt.subplots?

# subplots的方法
x = linspace(0, 5, 10)
y = x ** 2

fig, axes = plt.subplots(nrows=1, ncols=2)

for ax in axes:
    ax.plot(x, y, 'r')
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    ax.set_title('title')

plt.show()

[外链图片转存(img-jWAYGfcC-1562729989752)(output_45_0.png)]

# subplots的方法
x = linspace(0, 5, 10)
y = x ** 2

fig, axes = plt.subplots(nrows=1, ncols=2)

axes[1].plot(x, y, 'r')
axes[1].set_xlabel('x')
axes[1].set_ylabel('y')
axes[1].set_title('title');

[外链图片转存(img-79KCShbp-1562729989752)(output_46_0.png)]

# subplots的方法
x = linspace(0, 5, 10)
y = x ** 2

fig, axes = plt.subplots(nrows=1, ncols=2, sharex=False, sharey=True)  # 共享坐标轴

for ax in axes:
    ax.plot(x, y, 'r')
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    ax.set_title('title')

plt.show()

[外链图片转存(img-D17rQqmN-1562729989753)(output_47_0.png)]

# plt.subplot?

# subplot的方法
x = np.linspace(0, 2 * np.pi, 50)

# 调用子绘图方法，生成多个绘图区，并指向某子绘图区并作图
plt.subplot(2, 1, 1)  # 行，列，活跃区
plt.plot(x, np.sin(x), 'bo-', label='sin(x)')
# 添加标题
plt.title('sin(x) vs cos(x)')
# 添加纵坐标标签
plt.ylabel('sin(x)')
# 设置Y轴的范围
plt.xlim(-2,10)
plt.legend()

# 指向第二个绘图子区
plt.subplot(2, 1, 2)
plt.plot(x, np.cos(x), 'g.:', label='cos(x)')
# 添加纵横坐标标签
plt.xlabel('x')
plt.ylabel('cos(x)')
# 设置Y轴的范围
plt.ylim(-2,2)
# 显示图例
plt.legend();

[外链图片转存(img-XScopjCG-1562729989753)(output_49_0.png)]

共享坐标轴，调整subplot周围间距

# plt.subplots_adjust?

subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

参数	说明
left = 0.125	左边框位置
right = 0.9	右边框位置
top = 0.9	上边框位置
bottom = 0.1	下边框位置
wspace = 0.2	子绘图区之间预留空白空间的宽度，为平均轴宽的一小部分。
hspace = 0.2	子绘图区之间预留空白空间的高度，为平均轴宽的一小部分。

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].plot(np.random.randn(100),color='b')
plt.subplots_adjust(wspace=0, hspace=0)
plt.show()

[外链图片转存(img-uRsAiB8m-1562729989753)(output_53_0.png)]

添加标题，坐标轴标记和图例

图例是位于图像一角或者一侧的用于说明图像中的各种符号、线条等所代表的内容与指标的辅助性标识，它有助于我们更好的了解图像内容。

# plt.legend?

x = np.linspace(0, 2 * np.pi, 50)
# 创建画布并设置大小
plt.figure(figsize=(8,5))

plt.plot(x, np.sin(x), 'r-x', label='Sin(x)')
# plt.plot(x, np.cos(x), 'g-^', label='Cos(x)')
plt.plot(x, np.cos(x), 'g-o', label='Cos(x)')

plt.legend(loc=0)
# plt.legend(loc='center right')
# plt.legend(loc='best')              # 展示图例, 并放在最佳位置
plt.xlabel('Rads')                    # 给 x 轴添加标签
plt.ylabel('Amplitude')               # 给 y 轴添加标签
plt.title('Sin and Cos Waves')        # 添加图形标题
plt.ylim(-1.5, 1.5)                   # y轴的刻度范围
plt.grid()                            # 添加网格
plt.savefig("Sin and Cos Waves.png", dpi=800)  # 保存图

plt.show()

[外链图片转存(img-qOWRgjoq-1562729989754)(output_57_0.png)]

x = np.linspace(0, 10, 1000)
y = np.sin(x)
z = np.cos(x**2)
# label : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。
# 只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
plt.plot(x,y,label="$sin(x)$", color="red", linewidth=3)
plt.plot(x ,z, "b--", label="$cos(x^2)$")
# 展示图例
plt.legend(loc='best')

plt.show()

[外链图片转存(img-MDRGxRoB-1562729989754)(output_58_0.png)]

刻度及刻度标签

plt.plot(np.random.randn(1000).cumsum())
plt.yticks([-50, -40, -30, -20, -10, 0, 10, 20])
plt.xticks([0, 250, 500, 750, 1000], 
           ['Jan', 'Feb', 'Mar', 'Apr', 'May'],
           rotation=30,
           fontsize=15
          )
plt.title('My first matplotlib plot', fontsize=20)
plt.xlabel('Stages',fontsize=16)
plt.show()

[外链图片转存(img-5zgf34I0-1562729989754)(output_60_0.png)]

散点图

x = np.linspace(0, 2 * np.pi, 50)
y = np.random.random(50)
plt.scatter(x,y)
plt.show()

[外链图片转存(img-uNGrK45M-1562729989759)(output_62_0.png)]

x = np.linspace(0, 2 * np.pi, 50)
y = np.sin(x)
plt.scatter(x,y);

[外链图片转存(img-GxuLZBYp-1562729989760)(output_63_0.png)]

# plot 也可以绘制这张图
plt.plot(x, y,'o')
plt.show()

[外链图片转存(img-ZhSYQ3KY-1562729989761)(output_64_0.png)]

彩色映射散点图

# plt.scatter?

x = np.random.randint(1,100,100)
y = np.random.rand(100)

size = np.random.rand(100) * 500
colour = np.random.rand(100)

plt.rc('figure', figsize=(10, 6))
plt.scatter(x, y, size, colour,
            alpha=.7,
            linewidths=7
           )
plt.colorbar()  # 显示色条
plt.show()

[外链图片转存(img-aDup34xt-1562729989762)(output_67_0.png)]

# 自定义标记形状
plt.scatter(x, y, size, colour, marker=r'$\clubsuit$')
plt.colorbar()
plt.show()

[外链图片转存(img-0pWvAHVq-1562729989763)(output_68_0.png)]

柱状图、条形图

# plt.bar?

size = 5
y = np.random.random(size)
x = np.arange(size)

plt.bar(x, y, width=.5)
plt.show()

[外链图片转存(img-eko3YiQc-1562729989763)(output_71_0.png)]

size = 5
a = np.random.random(size)
b = np.random.random(size)
c = np.random.random(size)

d = np.random.random(size)
x = np.arange(size)

total_width, n = 0.9, 3     # 有多少个类型，只需更改n即可
width = total_width / n
x = x - (total_width - width) / 2

plt.bar(x, a,  width=width, label='a')
plt.bar(x + width, b, width=width, label='b')
plt.bar(x + 2 * width, c, width=width, label='c')
plt.legend()
plt.show()

[外链图片转存(img-UtmnCvQS-1562729989764)(output_72_0.png)]

# 堆积柱状图
import numpy as np

N = 5
menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)

ind = np.arange(N) 
width = 0.35

# p1 = plt.bar(ind, menMeans, width, color='#d62728')
# p2 = plt.bar(ind, womenMeans, width, bottom=menMeans)

p1 = plt.bar(ind, menMeans, width, color='#d62728', label='Men')
p2 = plt.bar(ind, womenMeans, width, bottom=menMeans, label='Wowen')
# print(p1[0])

plt.ylabel('Scores')
plt.title('Scores by group and gender')
plt.xticks(ind, ('G1', 'G2', 'G3', 'G4', 'G5'))
plt.yticks(np.arange(0, 81, 10))
# plt.legend((p1[0], p2[0]), ('Men', 'Women'))
plt.legend()
plt.show()

Rectangle(-0.175,0;0.35x20)

[外链图片转存(img-O9ErDI8O-1562729989765)(output_73_1.png)]

# 带误差的堆积柱状图
import numpy as np

N = 5
menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)
menStd = (2, 3, 4, 1, 2)
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N) 
width = 0.35

p1 = plt.bar(ind, menMeans, width, color='#d62728', yerr=menStd)
p2 = plt.bar(ind, womenMeans, width, bottom=menMeans, yerr=womenStd)

plt.ylabel('Scores')
plt.title('Scores by group and gender')
plt.xticks(ind, ('G1', 'G2', 'G3', 'G4', 'G5'))
plt.yticks(np.arange(0, 81, 10))
plt.legend((p1[0], p2[0]), ('Men', 'Women'))
# plt.legend()
plt.show()

[外链图片转存(img-nXLrSlT9-1562729989766)(output_74_0.png)]

直方图

x = np.random.randn(100)
plt.hist(x, 20)
plt.show()

[外链图片转存(img-E8BCRYCQ-1562729989767)(output_76_0.png)]

x = np.random.randn(100)
plt.hist(x, 20, orientation='horizontal')
plt.show()

[外链图片转存(img-1RPbg4fM-1562729989768)(output_77_0.png)]

# plt.hist?

plt.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=‘bar’, align=‘mid’, orientation=‘vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, **kwargs)

参数	说明
x	数据
bins	组数
histtype	{‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}
align	{‘left’, ‘mid’, ‘right’}
orientation	{‘horizontal’, ‘vertical’}
rwidth	bar间距

x = np.random.randn(1000)
# 水平直方图
# plt.hist(x, 10, rwidth=0.5, orientation='horizontal')
# 垂直直方图
plt.hist(x, 10, rwidth=0.7, orientation='vertical', align='mid')
plt.show()

[外链图片转存(img-tZs2PxOu-1562729989768)(output_80_0.png)]

# mlab.normpdf?
# 返回指定均值和标准差的正态分布的概率分布函数

import matplotlib.mlab as mlab

mu = 100    # 均值
sigma = 15  # 标准差
x = mu + sigma * np.random.randn(1000)

n, bins, patches = plt.hist(x, 50, normed=1)
# 添加拟合曲线
y = mlab.normpdf(bins, mu, sigma)
plt.plot(bins, y, '--')
plt.xlabel('Smarts')
plt.ylabel('Probability density')
plt.title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')

# 调整间距以防止ylabel被覆盖
plt.tight_layout()
plt.show()

[外链图片转存(img-rdsPdCwD-1562729989769)(output_82_0.png)]

plt.tight_layout?
# plt.tight_layout(pad=1.08, h_pad=None, w_pad=None, rect=None)
# pad：子图边框和figure边框的距离，用空白填补
# h_pad、w_pad：子图的纵横边框之间的距离，用空白填补

饼图

labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)  # 突出'Hogs'

fig1, ax1 = plt.subplots()
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True,
        startangle=90
       )

# 相等的纵横比确保饼图是圆的
ax1.axis('equal')

plt.show()

[外链图片转存(img-sl0t59DJ-1562729989770)(output_85_0.png)]

箱线图，小提琴图

import pandas as pd

df = pd.read_excel(r'某文化企业收入及支出状况.xls')
df = df.iloc[:,1:]
data = df.values

data

array([[264585.6, 203821. , 192918.4,  10902.6,  63036.3],
       [123924.5, 136377.8, 121271.8,  15106. ,  75095.1],
       [ 47646.1, 219183. , 173521.2,  45661.8,  94748.1],
       [178893.4, 197098.2, 146471.1,  50627.1,  28082.7],
       [ 45209.3, 119869. , 105013. ,  14856.9,  21856.7]])

# plt.violinplot?

fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(14, 4))

# plot violin plot
axes[0].violinplot(data,
#                    vert=False,
                   showmeans=True,
                   showmedians=True
                  )
axes[0].set_title('Violin plot')

# plot box plot
# axes[1].boxplot(data)
axes[1].boxplot(data, sym='r', meanline=True, showmeans=False)
axes[1].set_title('Box plot')

# adding horizontal grid lines
for ax in axes:
    ax.yaxis.grid(True)
    ax.set_ylim(0,300000)
    ax.set_xticks([y + 1 for y in range(len(data))])
    ax.set_xlabel('不同群组')
    ax.set_ylabel('观测')

# add x-tick labels
plt.setp(axes, xticks=[y + 1 for y in range(len(data))],
         xticklabels=['Assets', 'Revenue', 'Spend', 'Margin', 'Pay'])
plt.show()

[外链图片转存(img-cyapnznR-1562729989771)(output_90_0.png)]

ax.get_ylim()

(0.0, 300000.0)

添加文本，箭头，注解等

plt.arrow?
# plt.arrow(x, y, dx, dy, hold=None, **kwargs)
# ax.annotate("", xy=(0.5, 0.5), xytext=(0, 0),arrowprops=dict(arrowstyle="->"))

x = np.linspace(0, 10, 1000)
y = np.sin(x)
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=3)

plt.text(2,0,'文本在(2,0)这个点', family='Simhei', fontsize=10)
plt.arrow(4, -0.5, 0.5, 0.5)  # 4, -0.5, 4.5, 0
plt.annotate("我是注解", xy=(0.5, 0.5), xytext=(1, -0.25),arrowprops=dict(arrowstyle="->"))

plt.show()

[外链图片转存(img-HiT140CZ-1562729989772)(output_94_0.png)]

定制化图表样式

plt.hist(np.random.randn(1000), 10, rwidth=0.5, orientation='vertical', align='mid');

[外链图片转存(img-2nt8mTkt-1562729989772)(output_96_0.png)]

plt.style.use('ggplot')  # 使用R中ggplot的配色
plt.hist(np.random.randn(1000), 10, rwidth=0.5, orientation='vertical', align='mid');

[外链图片转存(img-70HFqUaK-1562729989773)(output_97_0.png)]

 print(plt.style.available)

['seaborn-dark', 'seaborn-dark-palette', 'seaborn-talk', 'seaborn-ticks', 'seaborn-pastel', 'classic', 'seaborn-poster', 'seaborn-notebook', 'seaborn-bright', 'bmh', 'seaborn-deep', 'seaborn-muted', 'seaborn-paper', 'seaborn-white', 'grayscale', 'seaborn', 'seaborn-whitegrid', 'dark_background', 'fivethirtyeight', 'seaborn-colorblind', 'seaborn-darkgrid', 'ggplot']

plt.style.use('classic')
# plt.style.use('seaborn-dark')
plt.hist(np.random.randn(1000), 10, rwidth=0.5, orientation='vertical', align='mid');

[外链图片转存(img-ZVpKEC55-1562729989774)(output_99_0.png)]

plt.hist(np.random.randn(1000), 10, rwidth=0.5, orientation='vertical', align='mid');

[外链图片转存(img-QKmKtijS-1562729989775)(output_100_0.png)]

# 临时样式
with plt.style.context(('seaborn-ticks')):
    plt.plot(np.sin(np.linspace(0, 2 * np.pi)), 'r-o')

[外链图片转存(img-fctDo3HZ-1562729989776)(output_101_0.png)]

plt.plot(np.sin(np.linspace(0, 2 * np.pi)), 'r-o');

[外链图片转存(img-XYwuMKT5-1562729989776)(output_102_0.png)]

热力图

# plt.pcolor?
# 创建一个二维数组的伪色图。

import numpy as np
from pandas import DataFrame
import matplotlib.pyplot as plt

Index= ['aaa', 'bbb', 'ccc', 'ddd', 'eee']
Cols = ['A', 'B', 'C', 'D']
df = DataFrame(abs(np.random.randn(5, 4)), index=Index, columns=Cols)
df.head()

	A	B	C	D
aaa	0.045805	0.195731	0.184459	1.250486
bbb	0.304711	0.612582	0.072054	0.353929
ccc	0.869858	0.376419	1.441085	0.575023
ddd	2.469467	0.813031	0.080607	0.457312
eee	1.678016	0.989024	1.757943	0.199399

plt.pcolor(df)
plt.yticks(np.arange(0.5, len(df.index), 1), df.index)
plt.xticks(np.arange(0.5, len(df.columns), 1), df.columns)
plt.show()

[外链图片转存(img-VkgEUkot-1562729989777)(output_106_0.png)]

import seaborn as sns

sns.heatmap(df, annot=True);

[外链图片转存(img-2ZqiqMIz-1562729989778)(output_107_0.png)]