Matplotlib 是一个Python的2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。
通过学习Matplotlib，可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。 Matplotlib是Python的库，又是开发中常用的库。
是专门用于开发2D图表(包括3D图表)以渐进、交互式方式实现数据可视化开发环境搭建如果使用的是Anaconda Python开发环境，那么Matplotlib已经被集成进Anaconda，并不需要单独安装。
安装 Anaconda 请参考 Tensorflow 2.0 最新版(2.4.1) 安装教程
如果使用的是标准的Python开发环境，可以使用下面的命令安装Matplotlib：
windows 系统安装 Matplotlib，执行如下命令：pip install matplotlib如果要了解Matplotlib更详细的情况，请访问官方网站。网址如下：https://matplotlib.org
安装完Matplotlib后，可以测试一下Matplotlib是否安装成功。进入Python的环境使用下面的语句导入matplotlib.pyplot 模块。如果不出错，就说明Matplotlib已经安装成功了。
import matplotlib.pyplot as plt虽然上述的安装方式比较简单，但是有时候不能确保安装成功或者并不能保证安装的Matplotlib版本适合当今Python环境。在这个时候，建议读者登录Python官方网站https://www.python.org/，点击菜单PyPI输入Matplotlib到下载页如下图所示，在这个页面中查找与你使用的Python版本匹配的wheel文件（扩展名为“.whl”的文件）。
例如：使用的是64位的python3.6，则需要下载matplotlib-3.1.0-cp36-cp36m-win_amd64.whl。
matplotlib-3.1.0-cp36-cp36m-win_amd64.whl，将这个文件保存在” E:/matp”目录下。接下来，需要打开一个命令窗口，并切换到“e:/matp”目录下。执行如下命令安装Matplotlib。pip install matplotlib-3.1.0-cp36-cp36m-win_amd64.whl可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。
能将数据进行可视化,更直观的呈现使数据更加客观、更具说服力例如：下面两个图为数字展示和图形展示：
绘制基础在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。pyplot基本方法的使用如下表。
import matplotlib.pyplot as pltplt.figure()绘制图像 –plt.figure(figsize=(), dpi=)
figsize:指定图的长宽
dpi:图像的清晰度
返回fig对象
plt.plot(x, y)显示图像 – plt.show()认识Matplotlib图像结构实现基础绘图功能import matplotlib.pyplot as pltimport randomfrom pylab import mpl# 设置显示中文字体mpl.rcParams["Font.sans-serif"] = ['SimHei']# 设置正常显示符号mpl.rcParams["axes.unicode_minus"] = False# 0.准备数据x = range(60)y = [random.uniform(15, 18) for i in x] # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a'''DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。'''# 1.创建画布plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度# 2.绘制图像plt.plot(x, y)# 3.图像显示plt.show()在上面的实例直线结果不够完美，开发者可以绘制的线条样式进行灵活设置。例如：可以设置线条的粗细、设置文字等。
绘制折线图并设置样式
import matplotlib.pyplot as pltdatas=[1,2,3,4,5]squares=[1,4,9,16,25]plt.plot(datas,squares,linewidth=5) #设置线条宽度#设置图标标题，并在坐标轴上添加标签plt.Title('Numbers',Fontsize=24)plt.xlabel('datas',Fontsize=14)plt.ylabel('squares',Fontsize=14)plt.show()Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：
plt.rcParams['Font.sans-serif']=['SimHei'] #用来正常显示中文标签中文乱码和符号不正常显示：
from pylab import mpl# 设置显示中文字体mpl.rcParams["Font.sans-serif"] = ['SimHei']# 设置正常显示符号mpl.rcParams["axes.unicode_minus"] = False解决标签、标题中的中文问题
import matplotlib.pyplot as pltdatas=[1,2,3,4,5]squares=[1,4,9,16,25]plt.plot(datas,squares,linewidth=5) #设置线条宽度#设置中文乱码问题plt.rcParams['Font.sans-serif'] = ['SimHei']#设置图标标题，并在坐标轴上添加标签plt.Title('标题设置',Fontsize=24)plt.xlabel('x轴',Fontsize=14)plt.ylabel('y轴',Fontsize=14)plt.show()在使用Matplotlib绘制线性图时，其中最简单的是绘制线图。在下面的实例代码中，使用Matplotlib绘制了一个简单的直线。具体实现过程如下：
（1）导入模块pyplot，并给它指定别名plt，以免反复输入pyplot。在模块pyplot中包含很多用于生产图表的函数。
（2）将绘制的直线坐标传递给函数plot()。
（3）通过函数plt.show()打开Matplotlib查看器，显示绘制的图形。
根据两点绘制一条线
import matplotlib.pyplot as plt#将(0,1)点和(2,4)连起来plt.plot([0,2],[1,4])plt.show()折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
API：plt.plot(x, y)
在上述的实例代码中，使用两个坐标绘制一条直线，接下来使用平方数序列1、4、9、16和25来绘制一个折线图。
import matplotlib.pyplot as pltx=[1,2,3,4,5]squares=[1,4,9,16,25]plt.plot(x,squares)plt.show()举例：展现上海一周的天气,比如从星期一到星期日的天气温度如下:
import matplotlib.pyplot as plt # 1.创建画布 plt.figure(figsize=(10, 10), dpi=100) # 2.绘制折线图 plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13]) # 3.显示图像 plt.show()举例：正弦曲线
import numpy as np# 0. 准备数据x = np.linspace(-10, 10, 1000) # 等差数列y = np.sin(x) # sin()# 1. 创建画布plt.plot(x, y)# 2.1 添加网格显示plt.grID(True, linestyle='--', Alpha=0.5)# 2.2 设置标题plt.Title('折线图')# 3. 显示图像plt.show()@H_400_419@
折线图案例折线图的应用场景
呈现公司产品(不同区域)每天活跃用户数呈现app每天下载数量呈现产品新功能上线后,用户点击次数随时间的变化拓展：画各种数学函数图像 注意：plt.plot()除了可以画折线图，也可以用于画各种数学函数图像 为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用 需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度。
准备数据并画出初始折线图import matplotlib.pyplot as pltimport randomfrom pylab import mpl# 设置显示中文字体mpl.rcParams["Font.sans-serif"] = ['SimHei']# 设置正常显示符号mpl.rcParams["axes.unicode_minus"] = False# 0.准备数据x = range(60)y = [random.uniform(15, 18) for i in x] # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a'''DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。'''# 1.创建画布plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度# 2.绘制图像plt.plot(x, y)# 3.图像显示plt.show()# 增加以下两行代码 # 构造x轴刻度标签 x_ticks_label = ["11点{}分".format(i) for i in x] # 构造y轴刻度 y_ticks = range(40) # 修改x,y轴坐标的刻度显示 plt.xticks(x[::5], x_ticks_label[::5]) plt.yticks(y_ticks[::5])为了更加清楚地观察图形对应的值
plt.grID(True, linestyle='--', Alpha=0.5)添加x轴、y轴描述信息及标题
通过Fontsize参数可以修改图像中字体的大小
plt.xlabel("时间") plt.ylabel("温度") plt.Title("中午11点0分到12点之间的温度变化图示", Fontsize=20)# 保存图片到指定路径 plt.savefig("test.png")注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。
import matplotlib.pyplot as pltimport randomfrom pylab import mpl# 设置显示中文字体mpl.rcParams["Font.sans-serif"] = ['SimHei']# 设置正常显示符号mpl.rcParams["axes.unicode_minus"] = False# 0.准备数据x = range(60)y = [random.uniform(15, 18) for i in x] # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a'''DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。'''# 1.创建画布plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度# 2.绘制图像（折线图）plt.plot(x, y)# 2.1 添加x，y轴刻度x_ticks_label = ['11点{}分'.format(i) for i in x]y_ticks = range(40)# 修改x，y轴刻度显示# plt.xticks(x_ticks_label[::5]) 坐标刻度不可以直接通过字符串进行修改# tick：对号; 钩号; 记号plt.xticks(x[::5], x_ticks_label[::5]) # 先修改为数字刻度，之后替换中文刻度plt.yticks(y_ticks[::5])# 2.2 添加网格显示plt.grID(True, linestyle='--', Alpha=0.5)# 2.3 添加描述信息plt.xlabel('时间')plt.ylabel('温度')plt.Title('中午11点-12点某城市温度变化图', Fontsize=20)# 2.4 图像保存（放在show前面，show()会释放figure资源，如果显示图像之后保存图片只能保存空图片）plt.savefig('./test.png')# 3.图像显示plt.show()多次plot即可
收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，其实很简单只需要再次plot即可，但是需要区分线条，如下：
# 0.准备数据x = range(60)# random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= ay_sh = [random.uniform(15, 18) for i in x]y_bj = [random.uniform(1, 3) for i in x]'''DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。'''# 1.创建画布plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度# 2.绘制图像（折线图）plt.plot(x, y_sh, label='上海')# 设置线的风格，颜色，添加图例plt.plot(x, y_bj, color='r', linestyle='--', label='北京')# 2.1 添加x，y轴刻度x_ticks_label = ['11点{}分'.format(i) for i in x]y_ticks = range(40)# 修改x，y轴刻度显示# plt.xticks(x_ticks_label[::5]) 坐标刻度不可以直接通过字符串进行修改# tick：对号; 钩号; 记号plt.xticks(x[::5], x_ticks_label[::5]) # 先修改为数字刻度，之后替换中文刻度plt.yticks(y_ticks[::5])# 2.2 添加网格显示plt.grID(True, linestyle='--', Alpha=0.5)# 2.3 添加描述信息plt.xlabel('时间')plt.ylabel('温度')plt.Title('中午11点-12点某城市温度变化图', Fontsize=20)# 2.4 图像保存（放在show前面，show()会释放figure资源，如果显示图像之后保存图片只能保存空图片）# plt.savefig('./test.png')# 2.5 显示图例plt.legend(loc="best") # 0# 3.图像显示plt.show()我们仔细观察，用到了两个新的地方，一个是对于不同的折线展示效果，一个是添加图例。显示图例
注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。
# 绘制折线图 plt.plot(x, y_shanghai, label="上海") # 使用多次plot可以画多个折线 plt.plot(x, y_beijing, color='r', linestyle='--', label="北京") # 显示图例 plt.legend(loc="best")参数 loc：
多个坐标系显示—plt.subplots(面向对象的画图方法)
可以通过subplots函数实现(旧的版本中有subplot，使用起来不方便)，推荐subplots函数
matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw)创建一个带有多个axes(坐标系/绘图区)的图：
Parameters: nrows, ncols : 设置有几行几列坐标系 int, optional, default: 1, Number of rows/columns of the subplot grID. Returns: fig : 图对象 axes : 返回相应数量的坐标系 设置标题等方法不同： set_xticks set_yticks set_xlabel set_ylabel关于axes子坐标系的更多方法：请参考：
https://matplotlib.org/API/axes_API.HTML#matplotlib.axes.Axes
注意：plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法。
# 0.准备数据x = range(60)# random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= ay_sh = [random.uniform(15, 18) for i in x]y_bj = [random.uniform(1, 3) for i in x]'''DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。'''# 1.创建画布# plt.figure(figsize=(20, 8), dpi=100) # 画布大小，dpi：清晰度fig, axes = plt.subplots(nrows=1, ncols=2, figsize=( 20, 8), dpi=100) # 画布fig对象，区域axes对象（）# 2.绘制图像（折线图）# plt.plot(x, y_sh, label='上海')# # 设置线的风格，颜色，添加图例# plt.plot(x, y_bj, color='r', linestyle='--', label='北京')axes[0].plot(x, y_sh, label='上海')# 设置线的风格，颜色，添加图例axes[1].plot(x, y_bj, color='r', linestyle='--', label='北京')# 2.1 添加x，y轴刻度x_ticks_label = ['11点{}分'.format(i) for i in x]y_ticks = range(40)# 修改x，y轴刻度显示# plt.xticks(x_ticks_label[::5]) 坐标刻度不可以直接通过字符串进行修改# tick：对号; 钩号; 记号# plt.xticks(x[::5], x_ticks_label[::5]) # 先修改为数字刻度，之后替换中文刻度# plt.yticks(y_ticks[::5])axes[0].set_xticks(x[::5])axes[0].set_yticks(y[::5])axes[0].set_xticklabels(x_ticks_label[::5])axes[1].set_xticks(x[::5])axes[1].set_yticks(y[::5])axes[1].set_xticklabels(x_ticks_label[::5])# 2.2 添加网格显示# plt.grID(True, linestyle='--', Alpha=0.5)axes[0].grID(True, linestyle='--', Alpha=0.5)axes[1].grID(True, linestyle='--', Alpha=0.5)# 2.3 添加描述信息# plt.xlabel('时间')# plt.ylabel('温度')# plt.Title('中午11点-12点某城市温度变化图', Fontsize=20)axes[0].set_xlabel('时间')axes[0].set_ylabel('温度')axes[0].set_Title('中午11点-12点某城市温度变化图', Fontsize=20)axes[1].set_xlabel('时间')axes[1].set_ylabel('温度')axes[1].set_Title('中午11点-12点某城市温度变化图', Fontsize=20)# 2.4 图像保存（放在show前面，show()会释放figure资源，如果显示图像之后保存图片只能保存空图片）plt.savefig('./test.png')# 2.5 显示图例# plt.legend(loc="best") # 0axes[0].legend(loc=0)axes[1].legend(loc=0)# 3.图像显示plt.show()Matplotlib有很多函数用于绘制各种图形，其中plot函数用于曲线，需要将200个点的x坐标和Y坐标分别以序列的形式传入plot函数，然后调用show函数显示绘制的图形。一元二次方程的曲线
一元二次方程的曲线
import matplotlib.pyplot as plt#200个点的x坐标x=range(-100,100)#生成y点的坐标y=[i**2 for i in x ]#绘制一元二次曲线plt.plot(x,y)#调用savefig将一元二次曲线保存为result.jpgplt.savefig('result.jpg') #如果直接写成 plt.savefig('cos') 会生成cos.pngplt.show()绘制正弦曲线和余弦曲线调用savefig()将一元二次曲线保存为result.jpg
使用plt函数绘制任何曲线的第一步都是生成若干个坐标点（x,y），理论上坐标点是越多越好。本例取0到10之间100个等差数作为x的坐标，然后将这100个x坐标值一起传入Numpy的sin和cos函数，就会得到100个y坐标值，最后就可以使用plot函数绘制正弦曲线和余弦曲线。
正弦曲线和余弦曲线
import matplotlib.pyplot as pltimport numpy as np#生成x的坐标（0-10的100个等差数列）x=np.linspace(0,10,100)sin_y=np.sin(x)#绘制正弦曲线plt.plot(x,sin_y)#绘制余弦曲线cos_y=np.cos(x)plt.plot(x,cos_y)plt.show()上面的示例可以看到，调用两次
plot函数，会将sin和cos曲线绘制到同一个二维坐标系中，如果想绘制到两张画布中，可以调用subplot()函数将画布分区。将画布分为区域，将图画到画布的指定区域
import matplotlib.pyplot as pltimport numpy as np#将画布分为区域，将图画到画布的指定区域x=np.linspace(1,10,100)#将画布分为2行2列，将图画到画布的1区域plt.subplot(2,2,1)plt.plot(x,np.sin(x))plt.subplot(2,2,3)plt.plot(x,np.cos(x))plt.show()散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
API：plt.scatter(x, y)
使用scatter函数可以绘制随机点，该函数需要接收x坐标和y坐标的序列。
sin函数的散点图
import matplotlib.pyplot as pltimport numpy as np#画散点图x=np.linspace(0,10,100)#生成0到10中100个等差数plt.scatter(x,np.sin(x))plt.show()使用scatter画10种大小100种颜色的散点图
import matplotlib.pyplot as pltimport numpy as np# 画10种大小， 100种颜色的散点图np.random.seed(0)x=np.random.rand(100)y=np.random.rand(100)colors=np.random.rand(100)size=np.random.rand(10)*1000plt.scatter(x,y,c=colors,s=size,Alpha=0.7)plt.show()散点图绘制举例：
需求：探究房屋面积和房屋价格的关系
import matplotlib.pyplot as pltfrom pylab import mpl# 设置显示中文字体mpl.rcParams["Font.sans-serif"] = ['SimHei']# 设置正常显示符号mpl.rcParams["axes.unicode_minus"] = False# 0.准备数据 x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56, 120.06, 207.83, 342.75, 147.9 , 53.06, 224.72, 29.51, 21.61, 483.21, 245.25, 399.25, 343.35] y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9 , 239.34, 140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1 , 30.74, 400.02, 205.35, 330.64, 283.45]# 1. 创建画布plt.figure(figsize=(20, 8), dpi=100)# 2. 绘制图像plt.scatter(x, y)# 设置x轴刻度plt.xticks(range(500)[::50])# 添加网格plt.grID()# 3. 图像显示plt.show()作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。 可以使用以下格式化字符。
以下是颜色的缩写：
不同种类不同颜色的线
#不同种类不同颜色的线x=np.linspace(0,10,100)plt.plot(x,x+0,'-g') #实线 绿色plt.plot(x,x+1,'--c') #虚线 浅蓝色plt.plot(x,x+2,'-.k') #点划线 黑色plt.plot(x,x+3,'-r') #实线 红色plt.plot(x,x+4,'o') #点 默认是蓝色plt.plot(x,x+5,'x') #叉叉 默认是蓝色plt.plot(x,x+6,'d') #砖石 红色不同种类不同颜色的线并添加图例
#不同种类不同颜色的线并添加图例x=np.linspace(0,10,100)plt.plot(x,x+0,'-g',label='-g') #实线 绿色plt.plot(x,x+1,'--c',label='--c') #虚线 浅蓝色plt.plot(x,x+2,'-.k',label='-.k') #点划线 黑色plt.plot(x,x+3,'-r',label='-r') #实线 红色plt.plot(x,x+4,'o',label='o') #点 默认是蓝色plt.plot(x,x+5,'x',label='x') #叉叉 默认是蓝色plt.plot(x,x+6,'dr',label='dr') #砖石 红色#添加图例右下角lower right 左上角upper left 边框 透明度 阴影 边框宽度plt.legend(loc='lower right',fancybox=True,frameAlpha=1,shadow=True,borderpad=1)plt.show()柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。
特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
API：plt.bar(x, wIDth, align='center', **kwargs)
Parameters: x : 需要传递的数据wIDth : 柱状图的宽度 align : 每个柱状图的位置对齐方式 {‘center’, ‘edge’}, optional, default: ‘center’ **kwargs : color:选择柱状图的颜色使用bar函数可以绘制柱状图。柱状图需要水平的x坐标值，以及每一个x坐标值对应的y坐标值，从而形成柱状的图。柱状图主要用来纵向对比和横向对比的。例如，根据年份对销售收据进行纵向对比，x坐标值就表示年份，y坐标值表示销售数据。
使用bar绘制柱状图，并设置柱的宽度
import matplotlib.pyplot as pltimport numpy as npx=[1980,1985,1990,1995]x_labels=['1980年','1985年','1990年','1995年']y=[1000,3000,4000,5000]plt.bar(x,y,wIDth=3)plt.rcParams['Font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.xticks(x,x_labels)plt.xlabel('年份')plt.ylabel('销量')plt.Title('根据年份销量对比图')plt.show()需要注意的是
bar函数的宽度并不是像素宽度。bar函数会根据二维坐标系的尺寸，以及x坐标值的多少，自动确定每一个柱的宽度，而wIDth指定的宽度就是这个标准柱宽度的倍数。该参数值可以是浮点数，如0.5，表示柱的宽度是标准宽度的0.5倍。使用bar和barh绘制柱状图
import matplotlib.pyplot as pltimport numpy as npnp.random.seed(0)x=np.arange(5)y=np.random.randint(-5,5,5)print(x,y)# 将画布分隔成一行两列plt.subplot(1,2,1)#在第一列中画图v_bar=plt.bar(x,y)#在第一列的画布中 0位置画一条蓝线plt.axhline(0,color='blue',linewidth=2)plt.subplot(1,2,2)#barh将y和x轴对换 竖着方向为x轴h_bar=plt.barh(x,y,color='red')#在第二列的画布中0位置处画红色的线plt.axvline(0,color='red',linewidth=2)plt.show()对部分柱状图，使用颜色区分
import matplotlib.pyplot as pltimport numpy as npnp.random.seed(0)x=np.arange(5)y=np.random.randint(-5,5,5)v_bar=plt.bar(x,y,color='lightblue')for bar,height in zip(v_bar,y): if height<0: bar.set(edgecolor='darkred',color='lightgreen',linewidth='3')plt.show()柱状图使用实例
电影票房柱状图绘制1：
import matplotlib.pyplot as pltimport numpy as np#三天中三部电影的票房变化real_names=['千与千寻','玩具总动员4','黑衣人：全球追缉']real_num1=[5453,7548,6543]real_num2=[1840,4013,3421]real_num3=[1080,1673,2342]#生成x 第1天 第2天 第3天x=np.arange(len(real_names))x_label=['第{}天'.format(i+1) for i in range(len(real_names))]#绘制柱状图#设置柱的宽度wIDth=0.3plt.bar(x,real_num1,color='g',wIDth=wIDth,label=real_names[0])plt.bar([i+wIDth for i in x],real_num2,color='b',wIDth=wIDth,label=real_names[1])plt.bar([i+2*wIDth for i in x],real_num3,color='r',wIDth=wIDth,label=real_names[2])plt.rcParams['Font.sans-serif']=['SimHei'] #用来正常显示中文标签#修改x坐标plt.xticks([i+wIDth for i in x],x_label)#添加图例plt.legend()#添加标题plt.Title('3天的票房数')plt.show()电影票房柱状图绘制2：
需求：对比每部电影的票房收入.
电影数据如下图所示：
# 0.准备数据 # 电影名字 movIE_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']# 横坐标 x = range(len(movIE_name)) # 票房数据 y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]# 1. 创建画布plt.figure(figsize=(20, 8), dpi=100)# 2. 绘制柱状图plt.bar(x, y, wIDth=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])# 2.1 修改x轴刻度显示plt.xticks(x, movIE_name)# 2.2 添加网格plt.grID(linestyle='--', Alpha=0.8)# 2.3 添加标题plt.Title('电影票房收入对比', Fontsize=20)# 3.图像显示plt.show()饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
特点：分类数据的占比情况(占比)
API：plt.pIE(x, labels=,autopct=,colors)
Parameters: x:数量，自动算百分比 labels:每部分名称 autopct:占比显示指定%1.2f%% colors:每部分颜色pIE函数可以绘制饼状图，饼图主要是用来呈现比例的。只要传入比例数据即可。
绘制饼状图
#导入模块import matplotlib.pyplot as pltimport numpy as np#准备男、女的人数及比例man=71351woman=68187man_perc=man/(woman+man)woman_perc=woman/(woman+man)#添加名称labels=['男','女']#添加颜色colors=['blue','red']#绘制饼状图 pIEplt.rcParams['Font.sans-serif']=['SimHei'] #用来正常显示中文标签# labels 名称 colors：颜色，explode=分裂 autopct显示百分比paches,texts,autotexts=plt.pIE([man_perc,woman_perc],labels=labels,colors=colors,explode=(0,0.05),autopct='%0.1f%%')#设置饼状图中的字体颜色for text in autotexts: text.set_color('white')#设置字体大小for text in texts+autotexts: text.set_Fontsize(20)plt.show()直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
API：matplotlib.pyplot.hist(x, bins=None)
Parameters: x : 需要传递的数据 bins : 组距直方图与柱状图的风格类似，都是由若干个柱组成，但直方图和柱状图的含义却有很大的差异。直方图是用来观察分布状态的，而柱状图是用来看每一个X坐标对应的Y的值的。也就是说，直方图关注的是分布，并不关心具体的某个值，而柱状图关心的是具体的某个值。使用hist函数绘制直方图。
使用randn函数生成1000个正太分布的随机数，使用hist函数绘制这1000个随机数的分布状态
import numpy as npimport matplotlib.pyplot as plt#频次直方图，均匀分布#正太分布x=np.random.randn(1000)#画正太分布图# plt.hist(x)plt.hist(x,bins=100) #装箱的 *** 作，将10个柱装到一起及修改柱的宽度使用normal函数生成1000个正太分布的随机数，使用hist函数绘制这100个随机数的分布状态
import numpy as npimport matplotlib.pyplot as plt#几个直方图画到一个画布中,第一个参数期望 第二个均值x1=np.random.normal(0,0.8,1000)x2=np.random.normal(-2,1,1000)x3=np.random.normal(3,2,1000)#参数分别是bins：装箱，Alpha：透明度kwargs=dict(bins=100,Alpha=0.4) # 字典，作为传参使用plt.hist(x1,**kwargs)plt.hist(x2,**kwargs)plt.hist(x3,**kwargs)plt.show()使用pyplot绘制等高线图
#导入模块import matplotlib.pyplot as pltimport numpy as npaax=np.linspace(-10,10,100)y=np.linspace(-10,10,100)#计算x和y的相交点aX,Y=np.meshgrID(x,y)# 计算Z的坐标Z=np.sqrt(X**2+Y**2)plt.contourf(X,Y,Z)plt.contour(X,Y,Z)# 颜色越深表示值越小，中间的黑色表示z=0.plt.show()使用pyplot包和Matplotlib绘制三维图。
import matplotlib.pyplot as plt#导入3D包from mpl_toolkits.mplot3d import Axes3D#创建X、Y、Z坐标X=[1,1,2,2]Y=[3,4,4,3]Z=[1,100,1,1]# 创建画布fig = plt.figure()# 创建了一个Axes3D的子图放到figure画布里面ax = Axes3D(fig)ax.plot_trisurf(X, Y, Z)plt.show()参考链接：https://matplotlib.org/index.HTML
感谢！
努力！
加油！
总结以上是内存溢出为你收集整理的Python可视化库matplotlib(超详细)全部内容，希望文章能够帮你解决Python可视化库matplotlib(超详细)所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）