python matplotlib

一、图形函数

函数名称	描述
Bar	绘制条形图
Barh	绘制水平条形图
Boxplot	绘制箱型图
Hist	绘制直方图
his2d	绘制2D直方图
Pie	绘制饼状图
Plot	在坐标轴上画线或者标记
Polar	绘制极坐标图
Scatter	绘制x与y的散点图
Stackplot	绘制堆叠图
Stem	用来绘制二维离散数据绘制（又称为火柴图）
Step	绘制阶梯图
Quiver	绘制一个二维按箭头

 二、功能函数

函数名称	描述
Figtext	在画布上添加文本
Figure	创建一个新画布
Show	显示数字
Savefig	保存当前画布
Close	关闭画布窗口

三、图形位置函数

1、figure

        设置画布，控制图形位置

figsize：指定画布的大小，(宽度,高度)，单位为英寸

dpi：指定绘图对象的分辨率，即每英寸多少个像素，默认值为80

facecolor：背景颜色

edgecolor：边框颜色

frameon：是否显示边框

fig = pylab.figure(figsize=(10, 10), facecolor='g', edgecolor='r', frameon=True)

2、figure.add_axes

        定义数据轴，根据数据轴锁定图像显示区域； 

[left, bottom, width, height]：

left 和 bottom 是轴域左下角的坐标，范围从 0 到 1。

width 和 height 是轴域的宽度和高度，范围从 0 到 1。

ax1 = fig.add_axes([0.1, 0.1, 0.4, 0.4])           ax2 = fig.add_axes([0.5, 0.5, 0.4, 0.4])

3、axes.legend

        添加图例，自动显示每条线或数据集的标签；。

labels  若在图形生成中设置了，在这里面无需设置labels，若无则 labels =["标签1,'标签2']，若无括号，就自动拆分字符串。

loc 指定标签显示在轴域的位置

handles 不填默认此轴域内的所有图形，单个填写时 handles = 图形，多个则 handles =[图形1，图形2]

ax1.legend( loc='upper right', labels=['x^2', 'x'])

loc  位置	字符串表示	整数数字表示
自适应	Best	0
右上方	upper right	1
左上方	upper left	2
左下	lower left	3
右下	lower right	4
右侧	right	5
居中靠左	center left	6
居中靠右	center right	7
底部居中	lower center	8
上部居中	upper center	9
中部	center	10

4、add_subplot

        fig.add_subplot(nrows, ncols, index)；将画布分为多块区域，图形根据index放入指定位置

ax1 = fig.add_subplot(2, 2, 1) 表示将画布分为两行两列的四个区域，此图为第一个区域（类似第二象限）

ax2 = fig.add_subplot(2, 2, 3) 表示将画布分为两行两列的四个区域，此图为第三个区域（类似第三象限）

5、subplots

        格式：fig, axs = plt.subplots(nrows, ncols, figsize=(width, height))

        subplot 是根据大小锁定在画布的某块区域，需要一个个确定图形的区域，当设置的区域格式不一致时，图形大小也随着变化导致看上去怪异。

        subplots 直接将画布分割成 nrows *ncols 的矩形区域，在创建图形时直接通过行索引和列索引确定位置。

fig, axs = plt.subplots(2, 3, figsize=(18, 8)) 将画布分割成两行三列的六块区域。

axs[0, 0].plot(x, y1, label='sin(x)') #生成图像在第一块区域

axs[1, 2].plot(x, y3, label='tan(x)') #生成图像在第六块区域

6、subplot2gird

        格式：ax = plt.subplot2grid(shape, loc, rowspan=1, colspan=1)

shape: 网格的形状，格式为 (rows, cols)，表示网格的行数和列数，在figure中式全局设置。

loc: 子图的起始位置，格式为 (row, col)，表示子图在网格中的起始行和列。

rowspan: 子图占据的行数，默认为 1。

colspan: 子图占据的列数，默认为 1。

ax1 = plt.subplot2grid((3, 3), (0, 0)) #表示占据三行三列，从原点出发的图像

ax4 = plt.subplot2grid((2, 2), (1, 1)) #表示占据两行两列，从第二行第二列的交织点出发的图像

7、grid

        根据横轴和纵轴的值生成网格。

8、xscale 和 yscale 

        坐标轴默认根据数据情况（一般为整数或小数数值）设置刻度，可以使用 xscale 修改 横坐标 刻度， yscale  修改 纵坐标 刻度。

ax1.set_xscale('log')
ax1.set_yscale('log')

9、set_xlim 和 set_ylim

        调整坐标轴的取值范围；格式：ax.set_xlim(left, right) 、ax.set_ylim(bottom, top)

left 和 right：X 轴的范围，left 是 X 轴的最小值，right 是 X 轴的最大值。

bottom 和 top： Y 轴的范围，bottom 是 Y 轴的最小值，top 是 Y 轴的最大值。

ax1.set_xlim(0,2*np.pi)
ax1.set_ylim(-3, 3)

10、set_xticks 和 set_yticks

        调整坐标轴上的刻度个数和数据；

ax1.set_xticks([0, 2, 4, 6, 8, 10])
ax1.set_yticks([-1, -0.5, 0, 0.5, 1])

11、twinx 和 twiny 函数

        多个图形之间共享坐标轴：twinx 表示 横坐标，twiny 表示纵坐标。

ax2 = ax1.twinx()                                ax2 = ax1.twiny()

                        

四、图形展示

1、plot 线性图

        格式：pylab.plot(x, y, format_string=None, **kwargs)；format_string: 格式字符串，用于指定线条样式、颜色等。

'b'：蓝色 'g'：绿色 'r'：红色 'c'：青色 'm'：洋红色 'y'：黄色 'k'：黑色 'w'：白色

'.'：点标记 ','：像素标记 'o'：圆圈标记 'v'：向下三角标记 '^'：向上三角标记 '<'：向左三角标记 '>'：向右三角标记 's'：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'：叉号标记 'D'：菱形标记 'd'：细菱形标记 '|'：竖线标记 '_'：横线标记

'-'：实线 '--'：虚线 '-.'：点划线 ':'：点线

2、Bar  柱状图

        格式：ax.bar(x, height, width=0.8, bottom=None, align='center', **kwargs) ：x: 柱状图的 X 轴位置；height  柱状图的高度；width   柱状图的宽度，默认为 0.8；bottom   柱状图的底部位置，默认为 0；align   柱状图的对齐方式，可以是 'center'（居中对齐）或 'edge'（边缘对齐）；**kwargs: 其他可选参数，用于定制柱状图的外观，如 color、edgecolor、linewidth 等。

ax.bar(x, y, align='center')                 ax.bar(x, y1, bottom=y)

                

x = ['A', 'B', 'C', 'D']
y = [20, 30, 15, 40]
y1 = [30, 20, 35, 10]

fig, ax = plt.subplots()
ax.bar(x, y, align='center')
ax.bar(x, y1, bottom=y)

plt.show() 3、

3、hist 直方图

        格式：ax.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, **kwargs)：x: 数据数组；bins: 直方图的柱数，可以是整数或序列；range: 直方图的范围，格式为 (min, max)；density: 是否将直方图归一化，默认为 False；weights: 每个数据点的权重；cumulative: 是否绘制累积直方图，默认为 False；**kwargs: 其他可选参数，用于定制直方图的外观，如 color、edgecolor、linewidth 等。

ax.hist(data, bins=150)

data = np.random.randn(10000)
fig, ax = plt.subplots()
ax.hist(data, bins=150)
plt.show()

4、pie 饼图

        格式：ax.pie(x, explode=None, labels=None, colors=None, autopct=None, shadow=False, startangle=0, **kwargs) ：x: 数据数组，表示每个扇区的数据（自动全部汇总算出占比）；explode: 一个数组，表示每个扇区偏离圆心的距离，默认为 None；labels  每个扇区的标签，默认为 None；colors  每个扇区的颜色，默认为 None；autopct   控制显示每个扇区的占比，可以是格式化字符串或函数，默认为 None；shadow: 是否显示阴影，默认为 False；startangle   饼图的起始角度，默认为 0；**kwargs: 其他可选参数，用于定制饼图的外观。

ax.pie(y, labels=x, startangle=90, autopct='%1.1f%%')

x = ['A', 'B', 'C', 'D']
y = [2, 3, 4, 5]
fig, ax = plt.subplots()
ax.pie(y, labels=x, startangle=90, autopct='%1.1f%%')
plt.show()

5、Scatter 散点图

        格式：ax.scatter(x, y, s=None, color=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, **kwargs)：x: X 轴数据；y: Y 轴数据；s   点的大小，可以是标量或数组；color: 点的颜色，可以是标量、数组或颜色列表；marker  点的形状，默认为 'o'（圆圈）；cmap: 颜色映射，用于将颜色映射到数据；norm: 归一化对象，用于将数据映射到颜色映射；vmin, vmax: 颜色映射的最小值和最大值；alpha: 点的透明度，取值范围为 0 到 1；linewidths: 点的边框宽度；edgecolors: 点的边框颜色；**kwargs: 其他可选参数，用于定制散点图的外观。

axes.scatter(x, y0, color='red', s=100, marker='o')

'o': 圆圈         's': 正方形        'D': 菱形        '^': 上三角形        'v': 下三角形        '>': 右三角形

'<': 左三角形        'p': 五边形        '*': 星形        '+': 加号        'x': 叉号        '.': 点        ',': 像素

'1': 三叉戟下        '2': 三叉戟上        '3': 三叉戟左        '4': 三叉戟右        

'h': 六边形1        'H': 六边形2        'd': 小菱形        '|': 竖线        '_': 横线