浅述plot函数的常见python中用法（附代码）

MCPQF

已于 2025-05-09 17:37:41 修改

阅读量381

点赞数 3

CC 4.0 BY-SA版权

分类专栏： python 文章标签： python 开发语言

于 2025-05-09 17:13:39 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_72914765/article/details/147831297

python 专栏收录该内容

2 篇文章

订阅专栏

0 总述

plt.plot(x, y, fmt='xxx', linestyle=, marker=, color=, linewidth=, markersize=, label=, )

各个参数含义

linestyle：线条的样式，默认为实线（’-‘）。

还有'.' '--' 'o'等

marker：点的样式，默认为无点（”）。

color：线条的颜色，默认为蓝色（’b’）。

linewidth：线条的宽度，默认为 1。

markersize：点的大小，默认为 6。
label：标签图例

一、在一张图上输出简单函数关系

y=kF（x）

# 绘制y=kx
import matplotlib.pyplot as plt  # 调入函数

# 下面这两句必须带上,才能显示中文字体
plt.rcParams['font.sans-serif'] = ['FangSong']  # 'FangSong表示仿宋字体
plt.rcParams['axes.unicode_minus'] = False

x = [0, 0.21, 0.32, 3, 4]
y = [0, 1, 0.2, 0.13, 0.4]

plt.plot(x, y)  # 输出数组关系
plt.show()  # 输出图形

plt.plot(x, y, color='red')  # 输出数组曲线,并用红色曲线表示线段
plt.show()  # 输出图形

plt.plot(x, y, linestyle='--')  # 输出数组,并且定义线型
plt.show()  # 输出图形

输出结果

二、在一张图上输出两个函数

1.y=k1F（x）

2.y=k2F（x）

# 绘制y=kx
import matplotlib.pyplot as plt  # 调入函数

# 下面这两句必须带上,才能显示中文字体
plt.rcParams['font.sans-serif'] = ['FangSong']  # 'FangSong表示仿宋字体
plt.rcParams['axes.unicode_minus'] = False

x = [0, 1, 2, 3, 4]
y1 = [0, 1, 2, 3, 4]
y2 = [1, 3, 5, 7, 9]

plt.xlabel('X-axis')  # x坐标及名称
plt.ylabel('Y-axis')  # y坐标名称
plt.title('Simple Plot Example')  # 图表加上标签
plt.plot(x, y1, label='Line 1', color='green')  # 绘制y1=x,并且,直线命名为line1,同时输出直线颜色为绿色
plt.plot(x, y2, label='柱国', color='black')  # 绘制y1=x,并且,直线命名为line2,同时输出直线颜色为黑色
plt.legend()  # 添加图例
plt.show()

输出结果

三、在一张图上输出多个子图

有时候我们为了方便对比方便，需要在一张图上输出多个子图

# 下面在一张图上同时输出多个子图
# 需求同一个UI界面输入两张图
# 第一张图输入正旋与余玄函数,第二张图输出y3 = np.sqrt(x*x*x)
import matplotlib.pyplot as plt

fig, (ax1, ax2) = plt.subplots(1, 2)  # 一行两列的子图
import numpy as np

x = np.linspace(-2 * np.pi, 2 * np.pi, 200)  # 画点分隔
y1 = np.sin(x)
ax1.plot(x, y1)
ax1.set_title('Plot 1')
# 创建一个包含两个子图的图形
y2 = x
y3 = np.sqrt(1 - np.sin(x) ** 10) ** 1000  # 注意这里不能再调用math,否则报错,因为本环境已经定义了.np

ax2.plot(x, y2, y3)
ax2.set_title('Plot 2')

plt.show()

输出结果

四、绘制散点图

输出[X]=[Y]，散点图

# 下面绘制散点图
import matplotlib.pyplot as plt

x = [1, 3.2, 3, 4, 5]
y = [2, 2.33, 5.3, 7.2, 8]

plt.plot(x, y, 'o')  # 使用'o'表示绘制圆圈标记,表示直接散点了
plt.show()

五、输出柱状图

# 下面绘制柱状图,柱状图绘制的时候,需要用bar函数
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['FangSong']  # 'FangSong表示仿宋字体
plt.rcParams['axes.unicode_minus'] = False
x = ['2021', '2022', '2023', '2024', '2025']
y = [10, 33, 65, 78, 100]
plt.title("柱状图用bar函数")
plt.bar(x, y)  # bar函数,输出柱状图
plt.show()


六 、bar棒函数输出

plotbar函数解释

# plt.errorbar(x,y, yerr=None,xerr=None fmt='' , ecolor=None, elinewidth=None, capsize=None, capthick=None) #棒误差函数语法,表是具有一定置信区间的误差数据
# 解释各个参数含义
# plt.errorbar(
# x,y, # x,y:数据点的位置坐标
# yerr=None,xerr=None # xerr, yerr:数据的误差范围
# fmt='' ,# fmt:数据点的标记样式以及相互之间连接线样式
# ecolor=None, # ecolor:误差棒的线条颜色
# elinewidth=None, # elinewidth:误差棒的线条粗细
# capsize=None, # capsize:误差棒边界横杠的大小
# capthick=None) # capthick:误差棒边界横杠的厚度ms:数据点的大小


# 下面输出出具数据直接的误差  输出用errorbar函数
import matplotlib.pyplot as plt

x = [0, 1, 2, 3, 4]
y = [1, 2, 3, 4, 5]
error = [0.2, 0.3, 0.2, 0.3, 0.2]

plt.plot(x, y)
plt.errorbar(x, y, yerr=error, fmt='o')


plt.show()

plt.figure(figsize=(10, 6))  # 设置图形单位为英寸 ,可以用cm = 1/2.54  # 1 英寸 = 2.54 转换成厘米
plt.savefig('myplot.png', dpi=300)  # 保存图表到文件,设置分辨率为300 DPI