安装：
pip install matplotlib
入门
简单介绍：
举个例子，在现实中，我们想要画一个图表，首先需要找一个可以画的地方来画，譬如一张纸，一块黑板等，这些承载图像的东西，称之为：figure
然后，你需要画图，以黑板为例子，一个黑板上面可以画多个图表，这个图表可以看作是数学中的带有x,y轴 （Axis,即轴) 的区域。这个区域称之为 Axes 。每个图表（Axes）中都可以画多条线，这每条线都是一个Line2D(顾名思义，二维线条)对象。
好了，现在，一个 Figure 可以有多个 Axes，每个 Axes 都有两条 Axis轴，每个 Axes 也可以有多个 Line2D。
对于 Figure，可以设置 背景色，边框粗细，边框颜色，Figure 标题等内容。
对于 Line2D，可以设置 线条的粗细，颜色，线上数据点的样式（也就是marker，标记点）等。
对于Axis，每个 Axis 都有刻度（tick），刻度值（ticklabel) 等，并且可以设置主刻度（Major)，副刻度等。
图表组成
spines：也就是图表的上下左右四个边框
Marker：要画图，要先有数据，如果要将这些数据在图线上凸显出来，就是marker，marker控制数据点的显示样式，如圆点，三角形等。
Legend：图例，给每条图线显示一个图例
简单的例子：
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots() # subplots() 可以创建 Axes，还有 figure
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]) # 在 axes 上画一些数据：（x轴，y轴）
plt.show()
plot()接受的输入参数格式，是 numpy.array or numpy.ma.masked_array ，如果用户输入的是列表，如上例所示，plt内部会自动进行转换。
Figure
可以看作一个作图区域，也就是一张画布，一个 figure 可以包含多个 axes(图表)
fig = plt.figure() # 创建一个空白 figure
fig, ax = plt.subplots() # 在figure上只创建一个 Axes
fig, axs = plt.subplots(2, 2) # 创建一个带有2x2格 Axes 的 figure；即一个拥有两行x两列，共4个 Axes 的 figure
Axes
也就是一个图表。一个 Axes 包含两个 Axis (坐标轴)，坐标轴可以设置数据的限制: axes.Axes.set_xlim(0,20)（比如设置横坐标范围为：0-20），axes.Axes.set_ylim()，每一个坐标轴都有一个坐标轴的名字，可以通过 set_xlabel(), set_ylabel() 设置。
Axis
坐标轴，可以设置坐标的范围限制，可以设置 ticks (标记，也就是坐标轴上的刻度)，也可以设置 ticklabels (刻度的名字，或者叫刻度值)，刻度由 Locator 对象控制，刻度值由 Formatter 控制。
两种代码风格：
- 面向对象
x = np.linspace(0, 2, 100)
# Note that even in the OO-style, we use `.pyplot.figure` to create the figure.
fig, ax = plt.subplots() # Create a figure and an axes.
ax.plot(x, x, label='linear') # 此时可以单独对这个 Axes 画一条折线
ax.plot(x, x**2, label='quadratic') # 在这个 ax 上继续再画一条线
ax.plot(x, x**3, label='cubic') # 再画一条折线
ax.set_xlabel('x label') # 给 x轴 设置一个名字
ax.set_ylabel('y label') # 给 y轴 加一个名字
ax.set_title("Simple Plot") # 给 Axes 添加一个表名
ax.legend() # 添加一个图例
- pyplot形式
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear') # 画一个线，名字叫 linear
plt.plot(x, x**2, label='quadratic') # 再画一个线
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
互动模式
正常情况下写代码，需要在代码最后手动调用 plt.show() 来让图像显示，但是在互动模式下，你每输入一行代码，就可以实时让图表跟着变化。
开启互动模式：
import matplotlib.pyplot as plt
plt.ion()
plt.plot([1.6, 2.7]) # 此时就会显示图像了，不用 plt.show()
关闭互动：
import matplotlib.pyplot as plt
plt.ioff()
plt.plot([1.6, 2.7]) # 此时不会显示，需要执行一句 ： plt.show()
pyplot模式
pyplot模式，基本上就是直接作图，不用 对象导向 的方式。具体对比可以看上文的”两种代码风格“
快速图表
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4]) # 只提供了一列数据，会默认是y轴的数据，plt会据此自动生成一个x轴数据
plt.ylabel('some numbers')
plt.show()
定制图表
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro') # (x轴，y轴，格式)；格式中的 r 代表 red 红色，o 表示用 圆点 标记数据点
plt.axis([0, 6, 0, 20]) # 设置x轴和y轴的数据 :[xmin, xmax, ymin, ymax]
plt.show()
一次性画多条线
import numpy as np
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') # 一次性画了三条线，plot() 返回的是个元组(line1,line2,line3)
plt.show()
不同类型图表
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]
plt.figure(figsize=(9, 3)) # 设置画布大小
plt.subplot(131) # 绘制 1*3 个Axes，此时是第1个Axes。也就是画出三个Axes，排列方式是1行3列，当前选中这三个的第一个。
plt.bar(names, values) # 在这第一个 Axes 上画一个柱状图
plt.subplot(132) # 1*3中的第2个
plt.scatter(names, values) # 第二个上画散点图
plt.subplot(133)
plt.plot(names, values) # 第三个默认用折线图
plt.suptitle('Categorical Plotting')
plt.show()
画图参数
import matplotlib.pyplot as plt
import numpy as np
plt.plot(x, y, linewidth=2.0) # 参数 linewidth ,设置线条的宽度
fig, ax = plt.subplots() # 创建一个只有一个 axes 的 figure
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
ax.set_xlabel("MY x") # 也可以使用函数设置某些参数
| Property | Value Type |
|---|---|
| alpha | float ：设置线条透明度 |
| animated | [True | False] |
| antialiased or aa | [True | False] |
| clip_box | a matplotlib.transform.Bbox instance |
| clip_on | [True | False] |
| clip_path | a Path instance and a Transform instance, a Patch |
| color or c | any matplotlib color ：线条颜色 |
| contains | the hit testing function |
| dash_capstyle | ['butt' |
| dash_joinstyle | ['miter' |
| dashes | sequence of on/off ink in points |
| data | (np.array xdata, np.array ydata) |
| figure | a matplotlib.figure.Figure instance |
| label | any string：线条名称 |
| linestyle or ls | [ '-' |
| linewidth or lw | float value in points ： 线宽 |
| marker | [ '+' |
| markeredgecolor or mec | any matplotlib color |
| markeredgewidth or mew | float value in points |
| markerfacecolor or mfc | any matplotlib color |
| markersize or ms | float ：marker显示大小 |
| markevery | [ None | integer | (startind, stride) ] |
| picker | used in interactive line selection |
| pickradius | the line pick selection radius |
| solid_capstyle | ['butt' |
| solid_joinstyle | ['miter' |
| transform | a matplotlib.transforms.Transform instance |
| visible | [True | False]：是否可见 |
| xdata | np.array |
| ydata | np.array |
| zorder | any number：似乎是设置线条图层顺序的，譬如多条线互相遮盖时能用到 |
添加文本
在图表中，可以在任意位置添加文本
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# the ogram of the data
n, bins, patches = plt.(x, 50, density=1, facecolor='g', alpha=0.75) # 柱状图
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('ogram of IQ')d
plt.text(60, .025, r'$mu=100, sigma=15$') # 在坐标（60，0.025）处设置文本:mu=100.., $等字符是 TeX表达式 格式。
plt.axis([40, 160, 0, 0.03])
plt.grid(True) # 添加网格
plt.show()
数据标注
可以给某个数据点添加标注
ax = plt.subplot()
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
# 标注文字：local max, 标注的数据是（2,1), 文本放置在坐标 (3,1.5)，添加了一个箭头函数
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),arrowprops=dict(facecolor='black', shrink=0.05),)
plt.ylim(-2, 2)
plt.show()
非线性坐标轴
如果你有一些特殊数据，是指数型增长的，可以使用特殊坐标轴，看下图的 y轴 就明白了。
# Fixing random state for reproducibility
np.random.seed(19680801)
# make up some data in the open interval (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))
# plot with various axes scales
plt.figure()
# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)
# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)
# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)
# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
wspace=0.35)
plt.show()
matplotlib.pyplot.plot
plot的几种用法：
plot(x, y) # 用默认样式画 x，y
plot(x, y, 'bo') # 画x，y，用蓝色圆点标记数据，b代表蓝色，o代表marker的样式为圆点
plot(y) # plot y using x as index array 0..N-1（x用默认值）
plot(y, 'r+') # 同上，r代表红色，+代表某种marker样式
plot(x, y, 'go--', linewidth=2, markersize=12) # 也可以用 line2D 属性作为关键字参数，来控制样式
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
参数：
x, y : x轴和y轴的数据，列表类型或者 numpy.array
fmt ：可选。字符串类型，表示图形的样式。fmt = '[marker][line][color]',如：“o-r"
返回值：plot() 返回一组表达图形的 line2D 对象。
Line2D
plot() 方法返回的一组图形对象，就是Line2D，譬如：
import matplotlib.pyplot as plt
line, = plt.plot([1,2,3,4]) # line 就是一个 Line2D 对象，它就是绘画出来的图表（因为返回值是个list，所以用，来解包）
plt.show()
Line2D有很多属性，用来控制绘制的图表的样式，这些属性可以作为关键字参数，传递给plot()。如：
import matplotlib.pyplot as plt
plt.ion()
line, = plt.plot([1,2,3,4],linewidth=2,color='red',label="fig1") # 传递参数，此时line 已经绘制完毕了
针对这些属性，line2D 对象还有get_xx, set_xx 方法，来设置这些属性。更多请见：https://matplotlib.org/stable/api/_as_gen/matplotlib.lines.Line2D.html#matplotlib.lines.Line2D
譬如：
>>> import matplotlib.pyplot as plt
>>> plt.ion()
>>> line, = plt.plot([1,2,3,4],linewidth=2,color='red',label="fig1")
>>> line.set_color("green") # 上面设置颜色为红色，此处重新设置为绿色
>>> print(line.get_color())
green
属性：
| Property | Description |
|---|---|
agg_filter |
a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array |
alpha |
scalar or None：设置线条透明度 |
animated |
bool |
antialiased or aa |
bool |
clip_box |
Bbox |
clip_on |
bool |
clip_path |
Patch or (Path, Transform) or None |
color or c |
color |
contains |
unknown |
dash_capstyle |
CapStyle or {'butt', 'projecting', 'round'} |
dash_joinstyle |
JoinStyle or {'miter', 'round', 'bevel'} |
dashes |
sequence of floats (on/off ink in points) or (None, None) |
data |
(2, N) array or two 1D arrays |
drawstyle or ds |
{'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}, default: 'default' |
figure |
Figure |
fillstyle |
{'full', 'left', 'right', 'bottom', 'top', 'none'} |
gid |
str |
in_layout |
bool |
label |
object：线条名称 |
linestyle or ls |
{'-', '--', '-.', ':', '', (offset, on-off-seq), ...}：线条样式 |
linewidth or lw |
float |
marker |
marker style string, Path or MarkerStyle |
markeredgecolor or mec |
color |
markeredgewidth or mew |
float |
markerfacecolor or mfc |
color |
markerfacecoloralt or mfcalt |
color |
markersize or ms |
float |
markevery |
None or int or (int, int) or slice or list[int] or float or (float, float) or list[bool] |
path_effects |
AbstractPathEffect |
picker |
float or callable[[Artist, Event], tuple[bool, dict]] |
pickradius |
float |
rasterized |
bool |
sketch_params |
(scale: float, length: float, randomness: float) |
snap |
bool or None |
solid_capstyle |
CapStyle or {'butt', 'projecting', 'round'} |
solid_joinstyle |
JoinStyle or {'miter', 'round', 'bevel'} |
transform |
matplotlib.transforms.Transform |
url |
str |
visible |
bool |
xdata |
1D array |
ydata |
1D array |
zorder |
float：多个图表绘制在一个Axes上，可能有重叠，此处设置顺序 |
marker 属性的可选值：
Markers
| character | description |
|---|---|
'.' |
point marker |
',' |
pixel marker |
'o' |
circle marker |
'v' |
triangle_down marker |
'^' |
triangle_up marker |
'<' |
triangle_left marker |
'>' |
triangle_right marker |
'1' |
tri_down marker |
'2' |
tri_up marker |
'3' |
tri_left marker |
'4' |
tri_right marker |
'8' |
octagon marker |
's' |
square marker |
'p' |
pentagon marker |
'P' |
plus (filled) marker |
'*' |
star marker |
'h' |
hexagon1 marker |
'H' |
hexagon2 marker |
'+' |
plus marker |
'x' |
x marker |
'X' |
x (filled) marker |
'D' |
diamond marker |
'd' |
thin_diamond marker |
| `' | '` |
'_' |
hline marker |
linestyle 属性的可选值：
Line Styles
| character | description |
|---|---|
'-' |
实线 |
'--' |
虚线 |
'-.' |
虚线和. |
':' |
点组成的线 |
color 属性的值：
除了下方这些，还可以设置成全名如：color = "green"，或者16进制颜色字符串：color="#008000"
| character | color |
|---|---|
'b' |
blue |
'g' |
green |
'r' |
red |
'c' |
cyan |
'm' |
magenta |
'y' |
yellow |
'k' |
black |
'w' |
white |
常用方法：
get_color(self)
Return the line color.
See also set_color.
get_data(self, orig=True)[source]
Return the line data as an (xdata, ydata) pair.
If orig is True, return the original data.
get_linestyle(self)[source]
Return the linestyle.
See also set_linestyle.
get_linewidth(self)[source]
Return the linewidth in points.See also set_linewidth.
get_ls(self)
Alias for get_linestyle.
get_lw(self)¶
Alias for get_linewidth.
get_xdata(self, orig=True)[source]
Return the xdata.
If orig is True, return the original data, else the processed data.
get_xydata(self)[source]
Return the xy data as a Nx2 numpy array.
get_ydata(self, orig=True)[source]
Return the ydata.If orig is True, return the original data, else the processed data.
set_color(self, color)[source]
Set the color of the line.
set_linestyle(self, ls)[source]
Set the linestyle of the line.
set_linewidth(self, w)[source]
Set the line width in points.
set_marker(self, marker)[source]
Set the line marker.
set_markersize(self, sz)[source]
Set the marker size in points.
set_xdata(self, x)[source]
Set the data array for x.
set_ydata(self, y)[source]
Set the data array for y.
matplotlib.pyplot.subplot
添加一个Axes到当前figure
基本用法：
subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)
最常用的参数：
arg：一个3位数，或者（rows,cols,index）类型，譬如：subplot(221)； 意思是：绘制2x2个空白的Axes，当前默认是2x2中的第1*个Axes。也就是两行，两列四个Axes，当前默认是第一个Axes。也可以写成：subplot(2,2,1)。subplot(2,2,(1,2))：创建2x2个Axes，当前的Axes横跨了第1，2个Axes，也就是说当前的Axes相当于合并了第一行的Axes，此时创建的是上面一个占据两个位置的Axes，下面两个正常的Axes，共3个Axes。
sharex, sharey： Axes 类型，和传递的 Axes 实例共享 x，y轴的设置。
返回值：一个Axes实例
举例：
plt.subplot(221)
# equivalent but more general
ax1 = plt.subplot(2, 2, 1)
# add a subplot with no frame
ax2 = plt.subplot(222, frameon=False)
# add a polar subplot
plt.subplot(223, projection='polar')
# add a red subplot that shares the x-axis with ax1
plt.subplot(224, sharex=ax1, facecolor='red')
# delete ax2 from the figure
plt.delaxes(ax2)
# add ax2 to the figure again
plt.subplot(ax2)
# make the first axes "current" again
plt.subplot(221)
matplotlib.pyplot.subplots
matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)
参数：
nrows,ncols: 数字。创建几行几列的图表区域
返回值：fig,axes; 返回一个figure，一组 axes。
# 默认创建一个 axes
fig, ax = plt.subplots()
# 创建多个axes
fig, axs = plt.subplots(2, 2)
# using tuple unpacking for multiple Axes
fig, (ax1, ax2) = plt.subplots(1, 2)
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
matplotlib.figure
常用参数：
figsize: 浮点数元组：（num1,num2), 设置图表的 宽，高的英寸数，默认：[6.4, 4.8]
dpi：浮点数，设置每英寸的点数（可以理解为像素）,默认：100
facecolor: 设置 figure 的背景色，默认：白色
edgecolor: figure 边框的颜色，默认：白色
frameon: figure 边框开关选项，布尔类型，默认：True
import matplotlib.pyplot as plt
fig = plt.figure(edgecolor='red',linewidth=20,frameon=True,facecolor="green")
ax1 = fig.add_subplot()
ax1.plot([1,2,3,4])
plt.show()
Figure可能会用到的方法：
add_axes(rect, projection=None, polar=False, **kwargs)
在 figure 中添加一个 axes绘图区域。
参数：
rect：一组浮点数，如[0.2,0.3,0.4,0.6]，代表[left, bottom, width, height]，也就是在figure中的位置。
返回值：Axes
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot()
ax1.plot([1,2,3,4])
ax2 = fig.add_axes([0,0,0.5,0.5])
ax2.plot([1,2,3,4])
plt.show()
add_subplot(nrows, ncols, index, **kwargs)
添加一个 Axes 到作图区，返回这个 Axes 对象。
参数：
nrows,ncols: 创建一个几行几列的 Axes 矩阵。
Index： 几行几列中的第几个 Axes 区域
sharex, sharey：和给定的 Axes 共享x/y轴。
label: 返回的Axes 的label
**kwargs：
| Property | Description |
|---|---|
adjustable |
{'box', 'datalim'} |
agg_filter |
a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array |
alpha |
scalar or None |
anchor |
2-tuple of floats or {'C', 'SW', 'S', 'SE', ...} |
animated |
bool |
aspect |
{'auto', 'equal'} or float |
autoscale_on |
bool |
autoscalex_on |
bool |
autoscaley_on |
bool |
axes_locator |
Callable[[Axes, Renderer], Bbox] |
axisbelow |
bool or 'line' |
box_aspect |
float or None |
clip_box |
Bbox |
clip_on |
bool |
clip_path |
Patch or (Path, Transform) or None |
contains |
unknown |
facecolor or fc |
color |
figure |
Figure |
frame_on |
bool |
gid |
str |
in_layout |
bool |
label |
object |
navigate |
bool |
navigate_mode |
unknown |
path_effects |
AbstractPathEffect |
picker |
None or bool or float or callable |
position |
[left, bottom, width, height] or Bbox |
prop_cycle |
unknown |
rasterization_zorder |
float or None |
rasterized |
bool |
sketch_params |
(scale: float, length: float, randomness: float) |
snap |
bool or None |
title |
str |
transform |
Transform |
url |
str |
visible |
bool |
xbound |
unknown |
xlabel |
str |
xlim |
(bottom: float, top: float) |
xmargin |
float greater than -0.5 |
xscale |
{"linear", "log", "symlog", "logit", ...} or ScaleBase |
xticklabels |
unknown |
xticks |
unknown |
ybound |
unknown |
ylabel |
str |
ylim |
(bottom: float, top: float) |
ymargin |
float greater than -0.5 |
yscale |
{"linear", "log", "symlog", "logit", ...} or ScaleBase |
yticklabels |
unknown |
yticks |
unknown |
zorder |
float |
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,(3,4)) # 第三个 Axes 横跨 (3,4)，所以占据两个位置，相当于Excel合并单元格
ax1.plot([1,2,3])
ax2.plot([1,2,3])
ax3.plot([1,2,3])
plt.show()
align_labels
同时对齐 x轴和y轴。
align_xlabels(self, axs=None)
对齐同一列subplots的x轴
align_ylabels(self, axs=None)
对齐同一列subplots的y轴
autofmt_xdate(self, bottom=0.2, rotation=30, ha='right', which='major')
针对日期格式的坐标轴，设置格式。
bottom：距离底部的距离。
rotation：是刻度值标签(ticklabel)旋转角度，防止刻度值互相遮盖。
ha：{'left', 'center', 'right'}, default: 'right'，x轴标签的水平排列方式（horizontal ）
which：{'major', 'minor', 'both'}, default: 'major', 针对哪种标签进行设置，是主刻度的标签，还是更小子刻度的标签
clear(self, keep_observers=False)
清除当前figure所有的内容，和 clf() 相同。
delaxes(self, ax)
从 figure 中删除 Axes
gca(self, **kwargs)
Get the current Axes，获取当前的Axes，如果没有会自动创建一个。
**kwargs:
| Property | Description |
|---|---|
adjustable |
{'box', 'datalim'} |
agg_filter |
a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array |
alpha |
scalar or None |
anchor |
2-tuple of floats or {'C', 'SW', 'S', 'SE', ...} |
animated |
bool |
aspect |
{'auto', 'equal'} or float |
autoscale_on |
bool |
autoscalex_on |
bool |
autoscaley_on |
bool |
axes_locator |
Callable[[Axes, Renderer], Bbox] |
axisbelow |
bool or 'line' |
box_aspect |
float or None |
clip_box |
Bbox |
clip_on |
bool |
clip_path |
Patch or (Path, Transform) or None |
contains |
unknown |
facecolor or fc |
color |
figure |
Figure |
frame_on |
bool |
gid |
str |
in_layout |
bool |
label |
object |
navigate |
bool |
navigate_mode |
unknown |
path_effects |
AbstractPathEffect |
picker |
None or bool or float or callable |
position |
[left, bottom, width, height] or Bbox |
prop_cycle |
unknown |
rasterization_zorder |
float or None |
rasterized |
bool |
sketch_params |
(scale: float, length: float, randomness: float) |
snap |
bool or None |
title |
str |
transform |
Transform |
url |
str |
visible |
bool |
xbound |
unknown |
xlabel |
str |
xlim |
(bottom: float, top: float) |
xmargin |
float greater than -0.5 |
xscale |
{"linear", "log", "symlog", "logit", ...} or ScaleBase |
xticklabels |
unknown |
xticks |
unknown |
ybound |
unknown |
ylabel |
str |
ylim |
(bottom: float, top: float) |
ymargin |
float greater than -0.5 |
yscale |
{"linear", "log", "symlog", "logit", ...} or ScaleBase |
yticklabels |
unknown |
yticks |
unknown |
zorder |
float |
get_axes(self)
返回当前figure的所有 Axes 列表。
legend(self, **args*, **kwargs)
添加图例
三种方式：
legend() #
legend(labels)
legend(handles, labels)
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot()
# 1. 添加图例，使用 默认的 label
ax.plot([1, 2, 3], label='Inline label')
fig.legend()
# 2. 设置label后，legend使用这个值作为默认值
line, = ax.plot([1, 2, 3])
line.set_label('Label via method')
fig.legend()
# 3. 批量给每条线配置一个名称作为图例上显示的名称，会覆盖之前设置的label
line1, = ax.plot([2,3,4],label="aaa") # 此处的aaa会被下面的 label1 覆盖掉
line2, = ax.plot([2,3,9])
line3, = ax.plot([2,3,23])
fig.legend([line1, line2, line3], ['label1', 'label2', 'label3'])
常用的参数：
loc: 图例在figure中的位置。字符串或者数字，可选参数如下
| Location String | Location Code | mean |
|---|---|---|
| 'best' | 0 | 自适应 |
| 'upper right' | 1 | 右上角 |
| 'upper left' | 2 | 左上角 |
| 'lower left' | 3 | .. |
| 'lower right' | 4 | .. |
| 'right' | 5 | 右侧 |
| 'center left' | 6 | |
| 'center right' | 7 | |
| 'lower center' | 8 | |
| 'upper center' | 9 | |
| 'center' | 10 |
ncol: 数字。将图例分成几列显示，适用于很多图例排列太长的情况
savefig(self, fname, ***, transparent=None, **kwargs)
保存当前的figure
savefig(fname, dpi=None, facecolor='w', edgecolor='w',
orientation='portrait', papertype=None, format=None,
transparent=False, bbox_inches=None, pad_inches=0.1,
frameon=None, metadata=None)
set_alpha(self, alpha)
设置 alpha的值。可以理解为透明度。范围0-1
show(self, warn=True)
展示图形窗口
subplots(self, nrows=1, ncols=1, ***, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None)
添加一组 subplots 到 figure
参数：
nrows：几行
ncols：几列
sharex，sharey：bool or {'none', 'all', 'row', 'col'}, default: False；all代表所有子图共享某个坐标轴，row代表每个子图共享x轴.......
返回值：一个Axes，或者一组Axes
实例：
# First create some toy data:
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
# Create a figure
plt.figure()
# Create a subplot
ax = fig.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')
# Create two subplots and unpack the output array immediately
ax1, ax2 = fig.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)
# Create four polar Axes and access them through the returned array
axes = fig.subplots(2, 2, subplot_kw=dict(projection='polar'))
axes[0, 0].plot(x, y)
axes[1, 1].scatter(x, y)
# Share a X axis with each column of subplots
fig.subplots(2, 2, sharex='col')
# Share a Y axis with each row of subplots
fig.subplots(2, 2, sharey='row')
# Share both X and Y axes with all subplots
fig.subplots(2, 2, sharex='all', sharey='all')
# Note that this is the same as
fig.subplots(2, 2, sharex=True, sharey=True)
subplots_adjust(self, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
调整Axes的位置。
left,bottom,right,top:是子图Axes距离figure边缘的距离。类型：分数（小数）如0.25
wspace: 子图左右之间的间距，类型：分数
hspace：子图上下之间的间距
suptitle(self, t, **kwargs)
给figure添加一个居中的子标题。
参数：
t：字符串。标题内容
x：浮点数。默认0.5，标题文本所在的x坐标
y：浮点树。默认0.98，标题文本所在的y坐标
ha：{'center', 'left', 'right'}, default: center； 水平对齐方式（依据x,y)
va:{'top', 'center', 'bottom', 'baseline'}, default: top； 垂直对齐方式
fontsize: 字体大小。float or {'xx-small', 'x-small', 'small', 'medium', 'large', 'x-large', 'xx-large'}
返回值：标题文本
text(self, x, y, s, fontdict=None, **kwargs)
添加一个文本到figure，返回值：这段文本
x,y: 放置文本的位置，[0-1]之间的浮点数。
s：文本内容
tight_layout(self, ***, pad=1.08, h_pad=None, w_pad=None, rect=None)
调整subplots之间的间距（子图上下左右之间）
matplotlib.axes
折线图：Axes.plot()
见上文 matplotlib.pyplot.plot
散点图：Axes.scatter()
Axes.scatter(self, x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)
参数：
x,y: x,y轴数据，列表类型的数据
s：每个数据点对应的marker的size大小；可以是一个浮点类型，也可以浮点树的列表
c：每个数据点的颜色；类型可以是单独的颜色，也可以是颜色的列表
marker: 数据点的样式，markerstyle
cmap：colormap，只有当 c 参数是一组浮点数时才会用到此参数
alpha：浮点数；0-1，0代表透明，1代表不透明
import matplotlib.pyplot as plt
import numpy as np
x = [1,2,3,4,5]
y = [1,2,3,4,5]
s = [1,2,100,4,10] # 给每个不同的数据点设置大小
c = ['r','b','g','k','k'] # 设置颜色
fig, ax = plt.subplots()
ax.scatter(x, y, s, c,marker='o')
plt.show()
柱状图：Axes.bar()
Axes.bar(self, x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)
参数：
x: 浮点或列表
height: 浮点或列表；每个柱的高度，y轴的值
浮点或列表；每个柱的宽度，默认0.8
bottom： 柱的底部y轴所在位置。默认0
align：{'center', 'edge'}, default: 'center'；edge代表将柱状图的左侧和x坐标对齐。如果想要右边对齐，传递一个负数的宽度
color：颜色，或者颜色列表
edgecolor：颜色或者颜色列表；设置柱边缘颜色
linewidth：柱边缘宽度，浮点数或者浮点树列表。
tick_label: 字符串或字符串列表。
xerr, yerr: float or array-like of shape(N,) or shape(2, N), optional。暂且理解为一个数据点的误差范围，xerr会基于数据点画一条横线，yerr会会一条竖线
import matplotlib.pyplot as plt
import numpy as np
x = [1,2,3,4,5]
h = [1,2,3,4,5]
c = ['r','b','g','grey','y']
fig, ax = plt.subplots()
ax.bar(x, h,color=c,tick_label=x) # 第一组数据，默认以0为底部起点
ax.bar(x,h,bottom=h,color=c[::-1]) # 第二组数据，以第一组数据值的高度为起点，这样就叠加起了两组数据
plt.show()
水平横向柱状图：Axes.barh()
Axes.barh(self, y, width, height=0.8, left=None, *, align='center', **kwargs)
参数：
y: 浮点或列表
height: 浮点或列表；每个柱的高度，y轴的值
浮点或列表；每个柱的宽度，默认0.8
left： 柱的底部x轴所在位置。默认0
align：{'center', 'edge'}, default: 'center'；edge代表将柱状图的左侧和x坐标对齐。如果想要右边对齐，传递一个负数的宽度
color：颜色，或者颜色列表
edgecolor：颜色或者颜色列表；设置柱边缘颜色
linewidth：柱边缘宽度，浮点数或者浮点树列表。
tick_label: 字符串或字符串列表。
xerr, yerr: float or array-like of shape(N,) or shape(2, N), optional。暂且理解为一个数据点的误差范围，xerr会基于数据点画一条横线，yerr会会一条竖线
import matplotlib.pyplot as plt
import numpy as np
y = [1,2,3,4,5]
h = [10,2,3,4,5]
c = ['r','b','g','grey','y']
fig, ax = plt.subplots()
ax.barh(y, h,color=c,tick_label=y) # 默认以0为底部起点
plt.show()
柱状图数据标签：Axes.bar_label()
Axes.bar_label(self, container, labels=None, *, fmt='%g', label_type='edge', padding=0, **kwargs)
给柱状图的每个数据添加标签
参数：
container： 从 bar()，barh() 返回的数据容器
labels: 数组类型的文本，如果没有提供文本内容，会用数据值来作为标签。
fmt：字符串。默认“%g"
label_type: {'edge', 'center'}, default: 'edge'; center会在柱状图的柱子中间添加数据标签，edge会在柱子的末端添加数据标签
padding： float, default: 0，数据标签距离柱子末端的距离
import matplotlib.pyplot as plt
import numpy as np
N = 5
menMeans = (20, 35, 30, 35, -27)
womenMeans = (25, 32, 34, 20, -25)
menStd = (2, 3, 4, 1, 2) # 值的误差
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N) # x轴值
width = 0.35 # 柱子宽度
fig, ax = plt.subplots()
p1 = ax.bar(ind, menMeans, width, yerr=menStd, label='Men')
p2 = ax.bar(ind, womenMeans, width,bottom=menMeans, yerr=womenStd, label='Women')
ax.axhline(0, color='grey', linewidth=0.8) # 添加一条水平横线，位置是y轴0处...
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(ind)
ax.set_xticklabels(('G1', 'G2', 'G3', 'G4', 'G5'))
ax.legend()
# Label with label_type 'center' instead of the default 'edge'
ax.bar_label(p1, label_type='center') # 给柱子中间加上数据值标签
ax.bar_label(p2, label_type='center') # 给第二组数据也加上标签
ax.bar_label(p2) # 不知道为啥，再加一遍标签，竟然是汇总的数据值
plt.show()
饼图：Axes.pie
Axes.pie(self, x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)
参数：
x：一维数组。存储每个区域的数值（x之和尽可能<=1，也就是事先求一下百分比）
explode：长度和x相同的一维数组，默认None；设置区域的分离突出
labels：列表，默认None；每个区域的label
colors：数组类型，默认None；每个区域的颜色
autopct：None或者可调用的函数或字符串。默认None；
pctistance：浮点数，默认：0.6；
shadow：bool类型，是否加阴影
normalize：None或bool。如果是True，总会让x正常化（x之和=1），然后画一个全饼图；如果是False，当 sum(x) <= 1时，画一个缺失的饼图（不补全，因为和<1)，如果 sum(x) >1,会报错！
labeldistance：浮点或者None；默认1.1；每个区域label到饼图的距离，如果None，则不显示label。
startangle：浮点，默认0度；饼图的旋转角度。
radius：浮点，默认1；饼图半径。
counterclock：bool，默认True；每一块的顺序，是顺时针还是逆时针方向。
wedgeprops：字典类型；默认：none；每一块对象的属性，如 wedgeprops = {'linewidth': 3} 设置每一块区域的边缘线宽度。
center：（浮点，浮点），默认（0，0）；图表中心点的坐标。
frame：bool，默认：False；如果是True，会画出Axes的边框。
totatelabels：bool，默认：False；如果是True，自动旋转每一块区域的label一定的角度。
注意：
如果饼图不是正圆型，可以通过：Axes.set_aspect('equal')来设置。
import matplotlib.pyplot as plt
# Pie chart, where the slices will be ordered and plotted counter-clockwise:
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0) # only "explode" the 2nd slice (i.e. 'Hogs')
fig1, ax1 = plt.subplots()
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
shadow=True, startangle=90)
ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.show()
直方图：Axes.hist
Axes.hist(self, x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)
参数:
x：(n,) array or sequence of (n,) arrays；直方图的输入值
bins：int or sequence or str, default: rcParams["hist.bins"] (default: 10)；条少个条形
range：tuple or None, default: None ； 直方图的上下边缘范围
density：bool, default: False ； 直方图的密度
weights：(n,) array-like or None, default: None；权重
cumulative：bool or -1, default: False；是否需要计算累计频数或频率；
bottom：array-like, scalar, or None, default: None； 每个直方图的底部边缘位置
histtype：{'bar', 'barstacked', 'step', 'stepfilled'}, default: 'bar'
align：{'left', 'mid', 'right'}, default: 'mid'
orientation：{'vertical', 'horizontal'}, default: 'vertical'
rwidth：float or None, default: None；设置直方图条形宽度的百分比
log：bool, default: False；True的话，会将坐标轴设置成对数型
color：color or array-like of colors or None, default: None
label：str or None, default: None
stacked：bool, default: False；如果有多组数据，会将多组数据叠在一起的形式
竖线：Axes.vlines
Axes.vlines(self, x, ymin, ymax, colors=None, linestyles='solid', label='', *, data=None, **kwargs)
参数：
x：浮点或数组类型。在哪些x轴值上画线
ymin，ymax：浮点或数组。线的开头和结尾。
colors：颜色的列表。
linestyles：{'solid', 'dashed', 'dashdot', 'dotted'}, optional
label：字符串。默认“”
横线：Axes.hlines
Axes.hlines(self, y, xmin, xmax, colors=None, linestyles='solid', label='', *, data=None, **kwargs)[source]
参数：
y：浮点或数组类型。在哪些y轴值上画线
xmin，xmax：浮点或数组。线的开头和结尾。
colors：颜色的列表。
linestyles：{'solid', 'dashed', 'dashdot', 'dotted'}, optional
label：字符串。默认:“”
注释：Axes.annotate
Axes.annotate(self, text, xy, *args, **kwargs)
在xy位置处放一个注释点
参数：
text：字符串，注释内容
xy：（浮点，浮点）；要注释的数据点的位置
xytext：（浮点，浮点）；默认xy处。
xycoords：默认data；就是xy这个值所处的坐标系统，类型可以是字符串，函数，（浮点，浮点）或者Artist等。有以下这些字符串类型：
| Value | Description |
|---|---|
| 'figure points' | Points from the lower left of the figure |
| 'figure pixels' | Pixels from the lower left of the figure |
| 'figure fraction' | Fraction of figure from lower left |
| 'subfigure points' | Points from the lower left of the subfigure |
| 'subfigure pixels' | Pixels from the lower left of the subfigure |
| 'subfigure fraction' | Fraction of subfigure from lower left |
| 'axes points' | Points from lower left corner of axes |
| 'axes pixels' | Pixels from lower left corner of axes |
| 'axes fraction' | Fraction of axes from lower left |
| 'data' | Use the coordinate system of the object being annotated (default) |
| 'polar' | (theta, r) if not native 'data' coordinates |
textcoords：xytext所处的坐标系。默认xycoords；
arrowprops：字典；在 xy 和 xytext 之间画一条箭头线。
remain
剩下的干不动了，有需求就看API文档吧