matplotlib-2D绘图库

安装 python -m pip install matplotlib

允许中文：

使用matplotlib的字体管理器指定字体文件

plt.rcParams['font.sans-serif']=['SimHei'] #指定默认字体 SimHei为黑体
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

常用字体：

黑体 SimHei 微软雅黑 Microsoft YaHei

微软正黑体 Microsoft JhengHei 新宋体 NSimSun

新细明体 PMingLiU 细明体 MingLiU

标楷体 DFKai-SB 仿宋 FangSong

楷体 KaiTi 仿宋_GB2312 FangSong_GB2312

楷体_GB2312 KaiTi_GB2312

散点图：

x=[160,170,180,165,175,185]
y=[60,70,80,65,75,85]
plt.scatter(x,y,s=500,c='r',marker='*',alpha=1) #散点图
#参数1 横坐标；参数2 纵坐标
#坐标点要一一对应
#s设置点的大小，默认20；s是面积的意思
#c设置颜色，默认b蓝色;r红色;g绿色;c青色;m品红色;y黄色;k黑色;w白色
#设置点的形状；o圆形默认；其它看官网 https://matplotlib.org/api/markers_api.html?highlight=markers#module-matplotlib.markers
#alpha 设置透明度. 1不透明

直线和点：

x=np.linspace(-10,10,10)
y=x**2
plt.plot(x,y,linestyle=':',color='red',marker='o') #画直线

# "ob" 设置画出坐标点，但是不连线

color 设置颜色看 https://www.cnblogs.com/darkknightzh/p/6117528.html

marker 设置点的形状 看官网 https://matplotlib.org/api/markers_api.html?highlight=markers#module-matplotlib.markers

marker= 要是省略，只画点不划线；要是不省略，即画点也连线

linestyle设置线的形状:

字符	描述
`'-'`	实线样式
`'--'`	短横线样式
`'-.'`	点划线样式
`':'`	虚线样式
`'.'`	点标记
`','`	像素标记
`'o'`	圆标记
`'v'`	倒三角标记
`'^'`	正三角标记
`'<'`	左三角标记
`'>'`	右三角标记
`'1'`	下箭头标记
`'2'`	上箭头标记
`'3'`	左箭头标记
`'4'`	右箭头标记
`'s'`	正方形标记
`'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'`	X 标记
`'D'`	菱形标记
`'d'`	窄菱形标记
`'\|'`	竖直线标记
`'_'`	水平线标记

子图：

plt.subplot(2, 1, 1) #同一图中分开绘制图像
#参数1 子图的行数；参数2 子图的列数；参数3 第几个图像
x=np.linspace(-10,10,10)
y=x**2
plt.plot(x,y,linestyle=':',color='red',marker='o') #画直线
#"ob" 设置画出坐标点，但是不连线

plt.subplot(2, 1, 2)
x1=np.linspace(-10,10,10)
y1=x**2-20
plt.plot(x1,y1,linestyle='--',color='b',marker='*')

效果图：

条形图：

垂直条形图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import matplotlib.dates as mdates

#解决能显示中文
mpl.rcParams['font.sans-serif']=['SimHei'] #指定默认字体 SimHei为黑体
mpl.rcParams['axes.unicode_minus']=False #用来正常显示负号

plt.title("图标题",fontsize=24)  #图的标题
plt.xlabel("x轴标题")
plt.ylabel("y轴标题")

x=[0,1,2,3,4]
y=[10,20,40,30,50]

name=['张三','李四','李明','李雪倩','李秀艳']
s=plt.bar(x,height=y,color='r',width=0.2,label="一部门",alpha=0.8)  #垂直条形图
#参数1  横坐标位置；参数2 纵坐标高度
#color 设置颜色
#width设置条形图的宽度
#alpha设置透明度
#题注文本

plt.ylim(0, 60)     # y轴取值范围
plt.legend()     # 设置题注
plt.xticks(x, name)  #标注
#参数1 标注位置；参数2 标注文本

for rect in s:#依此返回条形图信息
    height = rect.get_height()  #返回条形图高度
    plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height), ha="center", va="bottom")
    #给条形图写备注
    #参数1 备注横坐标；参数2 备注纵坐标；参数3备注文本
    s=rect.get_x()  #返回条形图左下角的x坐标
    s=rect.get_width()  #返回条形图宽度

plt.show()  #把图形显示出来

效果图

水平条形图：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import matplotlib.dates as mdates

#解决能显示中文
mpl.rcParams['font.sans-serif']=['SimHei'] #指定默认字体 SimHei为黑体
mpl.rcParams['axes.unicode_minus']=False #用来正常显示负号

plt.title("图标题",fontsize=24)  #图的标题
plt.xlabel("x轴标题")
plt.ylabel("y轴标题")

x=[0,1,2,3,4]
y=[10,20,40,30,50]

name=['张三','李四','李明','李雪倩','李秀艳']
s=plt.barh(x, y, height=0.7, color='steelblue', alpha=0.8)  #水平条形图
#height  相当于垂直条形图的宽度
plt.yticks(range(5), name)  #设置标注
plt.xlim(5,50)  #x轴取值范围

plt.show()  #把图形显示出来

效果图

堆叠条形图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import matplotlib.dates as mdates

#解决能显示中文
mpl.rcParams['font.sans-serif']=['SimHei'] #指定默认字体 SimHei为黑体
mpl.rcParams['axes.unicode_minus']=False #用来正常显示负号

plt.title("图标题",fontsize=24)  #图的标题
plt.xlabel("x轴标题")
plt.ylabel("y轴标题")

#x=[0.0,1.0,2.0,3.0,4.0]
x=np.array([0,1,2,3,4])
y=[10,20,40,30,50]
s=plt.bar(x,height=y,color='r',width=0.2,alpha=0.8)
#参数1  横坐标位置；参数2 纵坐标高度
#color 设置颜色
#width设置条形图的宽度
#alpha设置透明度
#题注文本
plt.ylim(0, 60)     # y轴取值范围

s1=plt.bar(x,height=y,color='b',width=0.2,alpha=0.8,bottom=y)  #堆叠条形图
#bottom=y  在y条形柱的底部开始画
plt.show()  #把图形显示出来

效果图

直方图：

与条形图显示，直方图的x轴数据是连续的。直方图一般用来描述等距数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

#解决能显示中文
mpl.rcParams['font.sans-serif']=['SimHei'] #指定默认字体 SimHei为黑体
mpl.rcParams['axes.unicode_minus']=False #用来正常显示负号

plt.title("图标题",fontsize=24)  #图的标题
plt.xlabel("x轴标题")
plt.ylabel("y轴标题")

x=[1,2,3,4,5,6,7,8,9,0,1,1,1,1,1,6,6,6,6,6]
y=[1,2,3,4,5,6,7,8,9,0,1,1,7,1,1,6,2,6,7,6]
print(x)
plt.hist(x,bins=10,color='b',density=0,edgecolor='r')  #单变量直方图
#参数1  x轴分布数据
#bins:直方图的长条形数目，可选项，默认为10
#density:是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，显示频数-出现的次数。normed=1，表示归一化，显示频率-出现的次数/总次数
#edgecolor:长条形边框的颜色
#facecolor:长条形的颜色
#alpha:透明度

#plt.hist2d(x,y,bins=10)  #双变量直方图
#用颜色的深浅来表达

plt.show()

效果图

饼状图:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

#解决能显示中文
plt.rcParams['font.sans-serif']=['SimHei'] #指定默认字体 SimHei为黑体
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

plt.title("图标题",fontsize=24)  #图的标题
plt.xlabel("x轴标题")
plt.ylabel("y轴标题")

label = '超载', '船员责任心不强', '船员驾驶技术太差', '通航环境差', '海事、港航监管不到位', '船舶过于老旧', '冒险航行'  # 各类别标签
color = 'red', 'orange', 'yellow', 'green', 'blue', 'gray', 'goldenrod'  # 各类别颜色
size = [34, 5, 6, 14, 1, 10, 23]  # 各类别占比
plt.axes(aspect=1)  #设置x轴与y轴的比例1:1     ????
ex=[0,0.2,0,0,0,0,0]  #设置突出的数据，数据表示离开中心点的距离

pie=plt.pie(x=size,labels=label,autopct='%1.1f%%',explode=ex,shadow=True, colors=color,pctdistance = 0.5)  #画饼状图
#x 就是数据，饼状图就是根据这些数据来计算百分比的
#labels   标签
#autopct  在饼状图中显示出百分比
#pctdistance  百分比离中心点的距离
#explode   设置各部分离开中心点的距离
#shadow=True   加上阴影
#colors  设置各部分显示的颜色

for font in pie[1]:
    font.set_size(8)  #设置标签字体大小

for digit in pie[2]:
    digit.set_size(20)  #设置 百分比字体的大小

plt.legend(loc='upper right',bbox_to_anchor=(1.2, 1))  #显示图例

# loc: 表示位置，包括'upper right','upper left','lower right','lower left'等
# bbox_to_anchor: 表示legend距离图形之间的距离，当出现图形与legend重叠时，可使用bbox_to_anchor进行调整legend的位置
# 由两个参数决定，第一个参数为legend距离左边的距离，第二个参数为距离下面的距离
#'upper right'=1;'upper left'=2;'lower left'=3;'lower right'=4; 0 自适应找位置
#ncol 图例的列数




plt.show()

效果图

颜色：

八中内建颜色：

b:blue 蓝色

g:green 绿色

r:red 红色

c:cyan 青色

m:magenta 品红

y:yellow 黄色

k:black 黑色

w:white 白色

例子：

data=np.arange(1,5)
plt.plot(data,color='r')

其它三种表示方法：

plt.plot(data,color='0.2') 灰度表示法

#在color直接写数字，数字表示灰度的深浅【在0-1之间，1好像就完全透明了，0最深】

plt.plot(data,color='#FF0000') 十六进制表示法

plt.plot(data,color=(0.2,0.3,0)) #RGB元组表示法

【参数好像是个百分比】

样式字符串：

可以同时表达颜色、点型、线型

例如 plt.plot(data,'rX:')

r 表示红色 X表示点的形状：表示虚线

天子骄龙：生命诚可贵、时光价更高