plt.plot()函数是我们平时绘图的时候最常用的另外一个函数之一，先放一下官网上的介绍，该函数的关键字参数不多，其中**kwargs不作介绍，和其他保持一致，下面通过例子详细说一下。

matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)


#调用格式说明
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

1. 常用的调用方式

plot()方法一般是用来绘制线条的，包括直线、折线等，从上面的调用格式说明中可以看到，最简洁的调用方式是直接传入一个数组对象y，其他参数都是可选的。如下：先创建一个服从正态分布的数据，共100个点，直接传入plot()。

data = np.random.normal(5, 1, 100)
fig = plt.figure()
plt.plot(data)
plt.show()

当只传入绘制的数据列表时，默认数据作为Y轴值，而X轴的坐标则是由数据的下标组成的，共100个点对应X轴的100个坐标。plt.plot()肯定也支持自定义X轴坐标，只需要调用的时候传入两个大小相同的数组即可，X坐标在前，Y坐标在后。plt.plot()默认是将每个点通过直线连接起来，所以当点比较少的时候就呈现下左图，当点较多时就呈现下右图，看似时曲线。

x = np.linspace(-np.pi, np.pi, 10)   #x = np.linspace(-np.pi, np.pi, 100)
y = np.sin(x)
fig = plt.figure()
plt.plot(x, y)
plt.show()

2. 关键字参数

格式fmt : 字符串str, [可选optional]，定义线条的颜色和样式的操作

如“ro”就是红色的圆圈，更多组合参见官网列表，

x = np.linspace(-np.pi, np.pi, 50)   #x = np.linspace(-np.pi, np.pi, 100)
y = np.sin(x)
fig = plt.figure()
fig.suptitle('fmt: ro')
plt.plot(x, y, 'ro')     #不可写成fmt='ro'，目前不识别关键字fmt
plt.show()

注意上面这样每个点之间就不能连接起来了，plot()函数还定义了每个点之间的连接方式，如'-.'表示点画线、'-'表示实线。

x = np.linspace(-np.pi, np.pi, 50)   #x = np.linspace(-np.pi, np.pi, 100)
y = np.sin(x)
fig = plt.figure()
fig.suptitle('fmt: r-*')
plt.plot(x, y, 'r-*')     #不可写成fmt='ro'，目前不识别关键字fmt
plt.show()

详细的标记如下面三个表所示。 

各种属性**kwargs：Line2D properties

这个属性就相当之多了，借用官网一句话：kwargs are used to specify properties like a line label (for auto legends), linewidth, antialiasing, marker face color.就是说该参数主要用来指明绘线的一些属性，如标签、线宽、标记、背景颜色等。下面就介绍几个常用的properties，其他的可以去官网查。

第一个是label，表示标签，如图就是说画的线的标签，通过调用plt.legend()之后会显示出来；
fig = plt.figure()
fig.suptitle('Figure: example for label')
plt.plot([1,2,3,4], label='a')
plt.plot([4,3,2,1], label='b')
plt.legend()
plt.show()


第二个是linewidth，表示线宽，也可以调用缩写lw=1等价于lienwidth=1；
plt.plot([1,2,3,4], linewidth=1)
plt.plot([4,3,2,1], linewidth=5)


第三个是color，表示颜色，一般来说会自动分配合适的颜色，用户也可以自定义任意符合的颜色；
plt.plot([1,2,3,4], color='r')
plt.plot([4,3,2,1], color='g')


第四个是linestyle，表示线的类型，也可以调用缩写ls='-.'等价于linestyle='-.'
plt.plot([1,2,3,4], linestyle='--')
plt.plot([4,3,2,1], linestyle='-.')


第五个是alpha，表示透明度，浮点类型
plt.plot([1,2,3,4], label='a', alpha=0.8)
plt.plot([4,3,2,1], label='b', alpha=0.2)


第六个凑数的visible，表示是否显示
plt.plot([1,2,3,4], label='a', visible=True)
plt.plot([4,3,2,1], label='b', visible=False)

 

3. 返回值

plt.plot()函数的返回值是一个存放Line2D类型的元素的列表，下面是官网的一句话。上面介绍的各种属性也可以之后通过面向对象的方式进行操作，具体会在后面的Line2D详解章节里面具体说明。

OK，在这里顺便多回答一点，每次绘图的时候用不用plt.show()？

如果你是最开始和我一样使用jupyter notebook来学习matplotlib，那你肯定也会有点疑问，plt.show()有没有好像都一样，那么该函数的作用是啥呢？简单来说plt.show()的使用与你当前使用的环境有关，总的来说可以分为三种开发环境，分别是脚本，IPython shell和Notebook。

1. 在脚本中画图

如果你在一个脚本文件中使用matplotlib，那么显示图形的时候必须使用plt.show()，该函数会启动一个事件循环（event loop），并找到所有当前可用的图形对象，然后打开一个或多个交互式窗口显示图形。例如你现在有一个python的脚本文件，代码如下：

import matplotlib.pyplot as plt
import numpy as np

plt.plot([1,2,3,4])
plt.show()

简简单单的两行代码，然后从命令行工具中执行这个脚本，然后会看到一个新窗口，里面显示你的图形。看似简单的一句话，但是这行代码却在后面完成了很多事情，体现了matplotlib跨平台的特性。每个平台的绘图接口API都是不一样的，plt.show()需要与你使用的操作系统的图形显示接口进行交互。虽然具体的操作细节会因操作系统和安装过程不同而有很大的差异，但是matplotlib会为你隐藏了所有的细节，非常省心。

不过有一点需要注意，一个python会话中只能使用一个plt.show()，因此通常都会把他放在脚本的最后。多个plt.show()命令会导致难以预料的显示异常，应该尽量避免。

2. 在IPython shell中画图

在IPython shell中交互式地使用matplotlib画图非常简单，在IPython启动的matplotlib模式就可以使用它。为了启动这个模式，你需要在启动IPython后使用%matplotlib魔法命令。此后的任何plt命令都会自动打开一个图形窗口，增加新的命令，图形就会更新，有一些变化（例如改变已经画好的线条属性）不会自动及时更新；对于这些变化，可以使用plt.draw()强势更新。

在IPython shell中启动matplotlib模式之后就不需要使用plt.show()了。

3. 在IPython notebook中画图

IPython notebook进行交互式画图与使用IPython shell类似，也需要使用%matplotlib命令激活。在notebook页面有两种展现形式。

• %matplotlib notebook 会在notebook中启动交互式图形
• %matplotlib inline会在notebook中启动静态图形

运行命令之后，在每个notebook的单元中创建图形就会直接将PNG格式图形文件嵌入在单元格中。