Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。 Matplotlib可用于Python脚本，Python和IPython (opens new window)Shell、Jupyter (opens new window)笔记本，Web应用程序服务器和四个图形用户界面工具包。

1.1 常用快捷键

shift + enter 执行本单元代码，并跳转到下一单元
ctrl + enter 执行本单元代码，留在本单元
命令模式：按esc进入
Y cell切换到code模式
M cell切换到markdown模式
A 在当前cell的上面添加cell
B 在当前cell的下面添加cell
双击D 删除当前cell
Z 回退
L 为当前cell加上行号<!--
ctrl + shift + p 对话框输入命令直接运行
快速跳转到首个cell ctrl + home
快速跳转到最后一个cell ctrl + end -->
编辑模式：按enter进入
多光标操作： ctrl 点击鼠标（mac:cmd+鼠标）
回退：ctrl + z(mac:cmd + z)
重做：ctrl + y(mac:cmd + y)
补全代码：变量，方法后跟tab键
为一行或多行代码添加/取消注释：ctrl + /(mac:cmd + /)
屏蔽自动输出信息：可在最后一条语句之后加一个分号

2.matplotlib使用

2.1 实现一个简单的matplotlib画图

import matplotlib.pyplot as plt  # 导包
%matplotlib inline

plt.figure( )  #创建画布
plt.plot([1,0,9],[4,5,6])
plt.show( )

2.2 认识matplotlib三层结构

1）容器层：画板层（canvas）、画布层（figure）、绘图区/坐标系

2）辅助显示层

3）图像层

2.3 折线图（plot）基础画图

2.3.1 设置画布属性

1）figsize 画布大小

2）dpi：dot per inch 图像的清晰度

2.3.2 解决中文文字导入问题

若避开复杂的设置，则只需要写一行代码即可解决：

plt.rc('font',family = 'SimHei',size = 13)

2.3.3 多个坐标系显示

1）面向对象的画图方法：plt.subplots

2）具体代码修改：

figure,axes = plt.subplots(nrows = 1,ncols = 2,**fig_kw)

axes[0].方法名()

axes[1]

2.3.4 应用场景

某事物、某指标随时间的变化情况

画各种数学函数图像

2.3.5 代码展示

1）简单折线图

#简单折线图
plt.figure(figsize = (20,8),dpi = 80)
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
plt.show()

2）两个子图的折线图

#两个子图的折线图
plt.rc('font',family = 'SimHei',size = 13)
import random
#1.准备数据
x = range(60)
y_shanghai = [random.uniform(15,18)for i in x]
y_beijing = [random.uniform(1,3) for i in x]
#2.创建画布
plt.figure(figsize = (20,8),dpi = 80)
#3.绘制图像
plt.plot(x,y_shanghai,color = 'r',linestyle = '--',label = "上海")
plt.plot(x,y_beijing,color = 'b',linestyle = '-',label = "北京")
#显示图例
plt.legend()
#添加刻度
#准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5],x_label[::5])
plt.yticks(range(0,40,5))
#添加网格显示
plt.grid(True,linestyle = '--',alpha = 0.5)
#添加描述信息
plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("北京，上海11点到12点1小时内每分钟的温度变化")
#4.显示图像
plt.show()

3）多个坐标系显示

#多个坐标系显示
plt.rc('font',family = 'SimHei',size = 10)
import random

#1.准备数据
x = range(60)
y_shanghai = [random.uniform(15,18)for i in x]
y_beijing = [random.uniform(1,3) for i in x]

#2.创建画布
#plt.figure(figsize = (20,8),dpi = 80)
figure,axes = plt.subplots(nrows = 1,ncols = 2,figsize = (20,8),dpi = 80)

#3.绘制图像
axes[0].plot(x,y_shanghai,color = 'r',linestyle = '--',label = "上海")
axes[1].plot(x,y_beijing,color = 'b',linestyle = '-',label = "北京")

#显示图例
axes[0].legend()
axes[1].legend()

#添加刻度
#准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
axes[0].set_xticks(x[::5],x_label[::5])
axes[0].set_yticks(range(0,40,5))
axes[1].set_xticks(x[::5],x_label[::5])
axes[1].set_yticks(range(0,40,5))

#添加网格显示
axes[0].grid(True,linestyle = '--',alpha = 0.5)
axes[1].grid(True,linestyle = '--',alpha = 0.5)

#添加描述信息
axes[0].set_xlabel("时间变化")
axes[0].set_ylabel("温度变化")
axes[0].set_title("上海11点到12点1小时内每分钟的温度变化")
axes[1].set_xlabel("时间变化")
axes[1].set_ylabel("温度变化")
axes[1].set_title("北京11点到12点1小时内每分钟的温度变化")

#4.显示图像
plt.show()

4）画数学函数图像

#绘制数学函数图像
import numpy as np
#准备x,y数据
x = np.linspace(-1,1,1000)
y = 2 * x * x

#创建画布
plt.figure(figsize = (20,8),dpi = 80)

#绘制图像
plt.plot(x,y)

#添加网格
plt.grid(linestyle = "--",alpha = 0.5)

#显示图像
plt.show()

2.4 散点图（scatter)基础画图

2.4.1 作图步骤

导入数据
plt.figure(figsize = (20,8),dpi = 100)
plt.scatter(x,y)
plt.show()

散点图比较简单，在这里不做过多赘述。

2.5 柱状图（bar）基础画图

2.5.1 柱状图绘制

1）单柱代码

plt.rc('font',family = 'SimHei',size = 10)
movie_names = ['新神榜：杨戬','独行月球','小黄人大眼萌：神偷奶爸前传','明日战记','断·桥','人生大事','山海经之再见怪兽','人间世']
tickets = [3704.2,260300,2108.4,43200,19200,170100,3323.3,41.2]
plt.figure(figsize = (20,8),dpi = 80)
x_ticks = range(len(movie_names))
plt.bar(x_ticks,tickets,color = ['b','r','g','y','c','m','k','b'])

#修改刻度
plt.xticks(x_ticks,movie_names)

plt.title("电影票房收入对比")

plt.grid(linestyle = "--",alpha = 0.5)
plt.show()

2）双柱代码

movie_names = ['雷神3:诸神黄昏','正义联盟','寻梦环游记']
first_day = [10587.6,10062.5,1275.7]
first_weekend = [36224.9,34479.6,11830]

x = range(3)
plt.figure(figsize = (15,8),dpi = 80)
plt.bar(x,first_day,width = 0.2,label = "首日票房")
plt.bar([i+0.2 for i in x],first_weekend,width = 0.2,label = "首周票房")
plt.legend()
plt.xticks([i+0.1 for i in x],movie_names)
plt.grid(linestyle = "--",alpha = 0.5)

plt.show()

2.6 直方图（histogram）基础画图

2.6.1 直方图概念介绍

组数：把样本分成组的个数 = （最大值-最小值）/组距

组距：每一组两个端点的差

2.6.2 区分直方图和柱状图

1）直方图柱子宽度可不一，柱状图须一致

2）直方图展示数据分布，柱状图比较数据大小

3）直方图柱子无间隔，柱状图柱子有间隔

2.6.3 直方图绘制

#需求：电影时长分布状况
import random
a = range(250)
time = [random.randint(90,140) for i in a]

plt.figure(figsize = (20,8),dpi = 80)
#bin是组数=(max-min)//组距,normed表示频率
distance = 1
bins = int((max(time) - min(time) / distance))
plt.hist(time,bins,density = True)
plt.xticks(range(min(time),max(time),distance))
plt.grid(linestyle = "--",alpha = 0.5)


plt.show()

2.7 饼图（pie）基础画图

2.7.1 新增%1.2f%%

2.7.2 代码展示

#绘制不同电影排片
movie_names = ['雷神3:诸神黄昏','正义联盟','寻梦环游记','新神榜：杨戬','独行月球','小黄人大眼萌：神偷奶爸前传','明日战记','断·桥','人生大事','山海经之再见怪兽','人间世']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

plt.figure(figsize=(20,8),dpi = 80)
plt.pie(place_count,labels = movie_names,colors = ['b','r','g','y','c','m','y','k','c','g','y'],autopct = "%1.2f%%")
plt.axis('equal')
plt.legend()
plt.show()
#超过九个类别时不建议使用饼图

以上就是我本周学习matplotlib的全部知识点总结啦，欢迎读者进行指正和补充！

本文含有隐藏内容，请开通VIP 后查看

初学matplotlib绘图

1.matplotlib简介