python中的绘图工具 ：matplotli，专门用于画图。

一. 安装与导入

工具包安装：conda install matplotli
导入：import matplotlib.pyplot as plt

画图主要有：列表绘图；多图绘图；数组绘图

二. 列表绘图

1. 基础绘图：plt.plot；plt.show

import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
plt.plot(x, y)
plt.show()

2. 画图设置属性

画图属性设置

r	g	b	y	k
红色	绿色	蓝色	黄色	黑色

-	–	:	-。
实线	虚线	点线	点横线

+	o	*	.	x	s	d	^	v	p
加号	圆圈	星号	实心点	叉号	正方形	钻石形	上三角	下三角	五角星

import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
# plt.plot(x, y, color='r', marker='o', linestyle='--')
plt.plot(x, y, 'ro--')  # 该行为上一句的简写
plt.show()

3. 坐标轴的属性

（1）x、y坐标名称设置

plt.xlabel('x')
plt.ylabel('y')

（2）设置x、y范围
主要参考博客
plt.axis([a, b, c, d]) 设置x轴的范围为[a, b]，y轴的范围为[c, d]
plt.axis('equal') x,y轴刻度等长
plt.axis('square') 作图为正方形，并且x,y轴范围相同
（3）坐标间隔设定
参考博客
plt.xticks(参数一，参数二，参数三) 用来实现对x轴和y轴坐标间隔（也就是轴记号）的设定。

• 参数一：x或者y的参数
• 参数二：新的标签
• 参数三：旋转角度

import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [1, 4, 9, 6]
labels = ['Frogs', 'Hogs', 'Bogs', 'Slogs']
plt.plot(x, y)
# You can specify a rotation for the tick labels in degrees or with keywords.
plt.xticks(x, labels, rotation='vertical')
plt.show()

4. 坐标轴移动

参考博客
ax = plt.gca() 获取当前坐标轴，总共有四个轴top、bottom、left和right
ax.spines[‘bottom’] 获取底部的轴，获取哪个轴，则参数中写哪个
ax.spines['right'].set_color('none') 隐藏了右侧的坐标轴
ax.spines['top'].set_color('none') 隐藏了左侧的坐标轴

ax.xaxis.set_ticks_position('bottom') 要挪动底部的X轴，所以先目光锁定底部。
ax.spines['bottom'].set_position(('data',0)) 在这里，position位置参数有三种，这里用到了“按Y轴刻度位置挪动”，'data’表示按数值挪动，其后数字代表挪动到Y轴的刻度值

则移动坐标轴位置的代码变为：

import matplotlib.pyplot as plt
plt.figure(1)
plt.plot()
ax = plt.gca()
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
ax.spines['top'].set_color('none')  # 设置顶部支柱的颜色为空
ax.spines['right'].set_color('none')  # 设置右边支柱的颜色为空
plt.show()

5. 图片上添加文本和网格

（1）plt.title('标题') 添加标题，可以参考博客
（2）plt.annotate() 添加注释，可以参考博客

import matplotlib.pyplot as plt
x=[1, 2, 3, 4]
y=[1, 4, 9, 16]
plt.plot(x, y)
plt.xlabel('x坐标轴')
#y轴文本
plt.ylabel('y坐标轴')
#标题
plt.title('Title')
#添加注释 参数名xy：箭头注释中箭头所在位置，参数名xytext：注释文本所在位置，
#arrowprops在xy和xytext之间绘制箭头, shrink表示注释点与注释文本之间的图标距离
plt.annotate('I am zhushi', xy=(2,5), xytext=(2, 10),
            arrowprops=dict(facecolor='black', shrink=0.01),
            )
#第3步：显示图形
plt.show()

（3） plt.legend() 右上角显示各个曲线代表什么意思。

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
n = np.linspace(-5, 4, 30)
m1 = 3 * n + 2
m2 = n ** 2
plt.xlabel('时间')
plt.ylabel('心情')
plt.plot(n, m1, color='r', linewidth=1.5, linestyle='-', label='女生购物欲望')
plt.plot(n, m2, 'b', label='男生购物欲望')
plt.legend()  # 右上角显示各个曲线代表什么意思
plt.show()

（4）是否显示网格

import matplotlib as mpl
import matplotlib.pyplot as plt
plt.grid() # 显示网格线 1=True=默认显示；0=False=不显示
plt.grid(1) # 显示网格线
plt.grid(True) # 显示网格线
plt.grid(b=True) # 显示网格线
plt.grid(b=1) # 显示网格线
plt.grid(b=True, axis='x') #只显示x轴网格线
plt.grid(b=True, axis='y') #只显示y轴网格线

三、多图绘制

如何使用Python创建多个画板和画纸来绘制多幅图，如果事先不声明画板画板，默认是创建一个画板一个画纸

• 使用figure()方法创建画板1
• 使用subplot()方法创建画纸，并选择当前画纸并绘图
• 最后显示图形

figure()函数可以帮助我们同时处理生成多个图，而subplot()函数则用来实现，在一个大图中，出现多个小的子图。

处理哪个figure，则选择哪个figure，再进行画图。

参考博客

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(-1, 1, 0.1)

plt.figure(1) # 生成第一个图，且当前要处理的图为fig.1

plt.subplot(1, 2, 1) # fig.1是一个一行两列布局的图，且现在画的是左图
y1 = np.exp(x)
plt.plot(x, y1, color="r", linestyle="-", marker="^", linewidth=1) # 画图
plt.xlabel("x")
plt.ylabel("y1")

plt.figure(2) # 生成第二个图，且当前要处理的图为fig.2
y2 = np.exp(2 * x)
plt.plot(x, y2, color="k", linestyle="-", marker="s", linewidth=1) # 画图，fig.2是一张整图，没有子图，默认subplot(1, 1, 1)
plt.xlabel("x")
plt.ylabel("y2")

plt.figure(1)  # 当前要处理的图为fig.1，而且当前图是fig.1的左图
plt.subplot(1, 2, 2) # 当前图变为fig.1的右图
y3 = np.exp(1.5 * x)
plt.plot(x, y3, color="b", linestyle="-", marker="v", linewidth=1)
plt.xlabel("x")
plt.ylabel("y3")

plt.show()

其他属性则与上一节二一样设置。

也可以将subplot子图设置为ax，然后对ax进行画图，则常用设置即为：

ax.set_xlabel('x')	    #设置x轴名称
ax.set_ylabel('y')	    #设置y轴名称
ax.set_title('title')	#设置标题
ax.legend()	            #设置图例：
#方法1：
# ax.plot(x1,y1,label='label1',x2,y2,label='label1') ax.legend()
#方法2：
# ax.plot(x1,y1,,x2,y2) ax.legend(('label1', 'label2'))
#可设置图例位置属性:ax.legend(loc='best'),其他位置包括:'upper right','upper left', 'lower right','lower left','center'等
ax.set_xlim(0，5)       #设置x轴范围
ax.set_ylim(0，5)       #设置y轴范围
ax.set_xticks((0, 2, 4, 6))  #设置x轴刻度
ax.set_xticks((0, 2, 4, 6))  #设置y轴刻度
ax.set_xticklabels(labels=['x1','x2','x3','x4'],rotation=30,fontsize='small')  #设置x刻度的显示文本
ax.set_yticklabels()    #设置y刻度的显示文本，同上
ax.text()               #指定位置显示文本
ax.annotate()           #添加标注，参数：注释文本、指向点、文字位置、箭头属性
ax.grid()               #显示网格

修改上述代码则为：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(-1, 1, 0.1)

plt.figure(1) # 生成第一个图，且当前要处理的图为fig.1

ax1 = plt.subplot(1, 2, 1) # fig.1是一个一行两列布局的图，且现在画的是左图
y1 = np.exp(x)
plt.plot(x, y1, color="r", linestyle="-", marker="^", linewidth=1) # 画图
ax1.set_xlabel("x")
ax1.set_ylabel("y1")

plt.figure(2) # 生成第二个图，且当前要处理的图为fig.2
y2 = np.exp(2 * x)
plt.plot(x, y2, color="k", linestyle="-", marker="s", linewidth=1) # 画图，fig.2是一张整图，没有子图，默认subplot(1, 1, 1)
plt.xlabel("x")
plt.ylabel("y2")

plt.figure(1)  # 当前要处理的图为fig.1，而且当前图是fig.1的左图
ax2 = plt.subplot(1, 2, 2) # 当前图变为fig.1的右图
y3 = np.exp(1.5 * x)
plt.plot(x, y3, color="b", linestyle="-", marker="v", linewidth=1)
ax2.set_xlabel("x")
ax2.set_ylabel("y3")

plt.show()

四. 数组绘图

就是根据数组和函数进行绘图，和上面没什么区别。

#多图绘制
import matplotlib.pyplot as plt
#导入包numpy
import numpy as np
#定义一维数组
t = np.arange(0, 5, 0.2)


#使用数组同时绘制多个线性

#线条1
x1=y1=t
#线条2
x2=x1
y2=t**2
#线条3
x3=x1
y3=t**3
#使用plot绘制线条
linesList=plt.plot(x1, y1,
         x2, y2,
         x3, y3 )
#用setp方法可以同时设置多个线条的属性
plt.setp(linesList, color='r')
plt.show()
print('返回的数据类型',type(linesList))
print('数据大小：',len(linesList))