1. 導入庫：import matplotlib.pyplot as plt

2. 傳入數據：比如plt.plot([y1,y2...])，此時只傳入了一個數組，那么庫會假定傳入的是圖表的y值，于是將其跟一個序列的x值對應起來，x取值為0、1、2、...

又比如plt.plot([x1,x2...],[y1,y2...])，此時傳入的是兩個數組，第一個數組為x軸上各數值，第二個數組為y軸上各數值

其實，[x1,x2...]和[y1,y2...]就是NumPy數組，可以直接把NumPy數組作為輸入數據，同時數組經過pandas處理后也無需進一步處理，比如plt.plot(t,y1)

3. 繪制圖表：plt.show()

此外還可以繪制子圖，用subplot()函數先進行區域設置，其中參數由3個連續整數組成，分別表示垂直方向、水平方向被分成幾部分以及可以直接用命令控制的子圖

# 比如要分成上下兩個子圖，則先plt.subplot(211)然后繪制第一個，接著plt.subplot(212)然后繪制第二個

# 再比如要分成左右兩個子圖，則先plt.subplot(121)然后繪制第一個，接著plt.subplot(122)然后繪制第二個

4. 修飾圖表元素：

(1) 帶顏色的數據點：比如'ro'紅色圓點，'b*'藍色星星點，'g^'綠色正三角點，'ys'黃色正方形點等等，就是'顏色+形狀'做參數加到plt.plot()里頭去就行了

# 注意默認的是實線，如果用了這個參數，圖表里面就沒實線了，全是點。對于顏色，還有：'c'藍綠色、'm'洋紅、'k'黑色、'w'白色

(2) 帶顏色的其他線型：比如'b--'是藍色虛線，'r-.'紅色點線等等

(3) 改變線條粗細：增加參數linewidth，比如設置linewidth=2.0

(4) axis()：定義x軸和y軸的取值范圍，plt.axis([xmin,xmax,ymin,ymax]) # 一般提前進行的，比如不合理的軸取值可能會讓數據點在邊緣

(5) title()：為圖表增加標題，plt.plot('My first plot')

(6) xlabel()和ylabel()：添加軸標簽

# 對于(4)~(6)，還可以參加參數來修改文本屬性，比如fontsize=20、fontname='Times New Roman'、color='gray'

(7) text()：為各個數據點添加標簽，它有四個參數text(x,y,s,fontdict=None,**kwargs)，其中x,y,s表示三維坐標點，如果兩維則x,y即可，fontdict為文本要使用的字體，**kwargs為要添加的標簽

比如plt.text(1,1.5,'First')則為數據點(1,1.5)添加了字符串標簽First，fontdict參數如果沒特別要求可以不管

此外，text()中還能支持latex表達式，即**kwargs處添加r'$y=x^2$'，注意3點，一是用r開頭，二是用''引用，三是用$$界定公式范圍

(8) grid()：添加網格，用plt.grid(True)即可

(9) legend()：添加圖例，比如：plt.plot([1,2],[2,3],'ro') plt.plot([2,3],[1,2],'b*') plt.legend(['First series','Second series'])

意思就是分別給'ro'和'b*'兩個數據集添加圖例(圖例實際上就是在圖標里弄個小框標注哪些線或點表示什么意思)

legend()函數默認為1，即右上角添加，還可以添加關鍵字參數loc來指定，loc取值從0~10分別表示最佳位置、右上角、左上角、右下角、左下角、右側、左側垂直居中、右側垂直居中、下方水平居中、上方水平居中、正中間

5. 保存圖片：plt.savefig('圖片名.png') # 切記在最后一行使用

6. 處理日期值：如果讓matplotlib自動管理可讀，會在時間軸(x軸)出現不清晰，很混亂，所以要人為設置時間格式

有set_major_locator()、set_minor_locator()、set_major_formatter()等函數，需要的時候網上copy一段代碼即可，這波操作有代碼片段滴！

7. 畫線形圖：

(1) 繪制由數學函數生成的數據點：比如x=np.arange(-2*np.pi,2*np.pi,0.01) y=np.sin(3*x)/x，還是得先單獨指定x范圍

# 注意上面這個例子，x的范圍是-2pi~2pi，但刻度標簽默認使用數值形式，如果要用pi的倍數代替數值，則以下代碼操作一波

# plt.xticks([-2*np.pi,-np.pi,0,np.pi,2*np.pi],[r'$-2\pi$',r'$-np.pi$',r'$0$',r'$+\pi$',r'$+2\pi$'])，格式就是兩個列表，后面那個用latex表達式，且套上獨有的界定符

# 如果要修改縱軸，使用yticks()函數即可

(2) 繪制一系列數據點：需要創建兩個NumPy數組，一個包含x值，另一個包含每個x值所對應的y值

(3) 讓x,y軸穿過(0,0)的方法：(下面實際是一大段代碼，沒咋看懂...)

ax=plt.gca() ax=spines['right'].set_color('none') ax=spines['top'].set_color('none') 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))

(4) 注釋+箭頭標明曲線上某一數據點：

plt.annotate(r'&Latex表達式&'或'字符串',xy=[注釋數據點的x坐標,注釋數據點的y坐標],xycoords='data',xytext=[30,30],fontsize=16,textcoords='offset points',arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=.2"))

# 參數比較繁瑣，最后的效果就是這個表達式或字符串伸個箭頭指向要曲線上要注釋的這個數據點的位置

(5) 為DataFrame繪制線形圖：直接一個plot()，就按每個索引同時呈現多條曲線的，再來個legend()函數，則會以索引名為圖例名添加相應個圖例

8. 畫直方圖：hist()函數，比如：n,bins,patches=plt.hist(pop,bins=20)

# 其中pop是數據，pop=np.random.randint(0,100,100)，bins參數指定了將樣本個體分到多少個面元中，如果未指定，則默認為10個面元

# hist()函數除了以圖表形式表示外，還能以元組形式返回，也就是上面的n,bins,patches，返回成(n,bins,patches)

9. 畫條狀圖：

(1) 一般條狀圖：

(a) 垂直：bar()函數，如plt.bar(index,values)，其中index和values是指定的兩個列表，分別作為圖表中的x軸和y軸的值，各x值顯示在每個條形塊的左下角

plt.xticks(index+0.4,['A','B','C','D','E'])，讓x值顯示從左下角到居中，并將x顯示值換成A到E，即標簽

增加誤差線元素：plt.bar(index,values,yerr=std1,error_kw={'ecolor':'0.1','capsize':6},alpha=0.7,label='First')

其中ecolor指定誤差線的顏色，capsize指定誤差線兩頭橫線的寬度，alpha取值為0~1，0表示對象完全透明

(b) 水平：barh()函數，其用法和bar()類似，但需要注意的是，水平條狀圖中，類別分布在y軸，數值顯示在x軸

(2) 多序列條狀圖：

(a) 需要多少個序列共用一個類別，則把每個類別占據的空間分為多少個部分即可

比如默認每個類別空間寬度為1：bw=0.3 plt.bar(index,values1,bw,color='b') plt.bar(index+bw,values2,bw,color='g') plt.bar(index+2*bw,values3,bw,color='r')就ok了

接著上述例子，同樣可以plt.xticks(index+1.5*bw,['A','B','C','D','E'])，index后面加上的增量要講究以下

如果要生成水平方向的，用barh()即可，參數用法等一樣噠

(b) 為DataFrame繪制多序列條狀圖：可以快速完成，實現自動化，df.plot(kind='bar')就ok了，其中df=pd.DataFrame(data)，做好的圖自動添加圖例

同樣，水平則kind='barh'即可，美滋滋！

(3) 多序列堆積條狀圖： # 比如想表示總和是由幾個條狀圖相加得到的，就用它啦！

(a) s1,s2,s3是三個numpy序列，則plt.bar(index,s1,color='r') plt.bar(index,s2,color='b',bottom=s1) plt.bar(index,s3,color='g',bottom=(s2+s1)) 就OK了，關鍵就是在bottom參數

水平的殊途同歸，bar()換成barh()就OK了 # 同時應當注意，水平的“x軸”相應變到了y上，所以原本的xticks()也要換成yticks()

(b) 為DataFrame繪制堆積條狀圖：df.plot(kind='bar',stacked=True)即可，df是DataFrame對象

(4) 其他條狀圖：

(a) 前面都是用顏色填充，實際上還可以用不同陰影填充，先把條狀圖顏色設置成白色，然后用hatch關鍵字參數指定影線的類型

不同影線用不同的字符(|、/、-、\、*)表示，且同一符號出現的次數越多，則形成的陰影的線條越密集，比如///就比//密集

(b) 兩列有著共同類別的數據，其條狀圖分列于x軸兩側，分別向+y和-y生長，比如以下這段代碼：

plt.ylim(-7,7)

plt.bar(x0,y1,0.9,facecolor='r',edgecolor='w')

plt.bar(x0,-y2,0.9,facecolor='b',edgecolor='w')

plt.xticks(())

plt.grid(True)

for x,y in zip(x0,y1):plt.text(x+0.4,y+0.05,'%d'%y,ha='center',va='bottom')

for x,y in zip(x0,y2):plt.text(x+0.4,-y-0.05,'%d'%y,ha='center',va='top')

# 其中 x0,y1,y2分別是np數組。這段code先記下，來日方長

10. 畫餅圖：

(1) labels=['A','B','C'] values=[1.2.3] colors=['yellow','green','red']

plt.pie(values,labels=labels,colors=colors)

plt.axis('equal') # 為了繪制標準的圓形圖餅，還需要在代碼最后調用axis()函數

同時還可以添加很多參數，explode表示某塊是否突出，其取值為0~1,0表示沒有抽取；startangle用來調整餅圖的旋轉角度，取值為0~360；

autopct在每一塊的中間位置添加文本標簽來顯示百分比；shadow用來添加陰影效果，設置為True即可

這樣一來：plt.pie(values,labels=labels,colors=colors,explode=explode,shadow=True,autopct='%1.1f%%',startangle=180)，其中explode=[0.3,0,0]

(2) 為DataFrame繪制餅圖：df['s1'].plot(kind='pie',figsize=(6,6))，其中為了繪制一個標準的圓形餅圖就有必要添加figsize關鍵字，df['s1']則只講DataFrame對象中的s1序列做成圖

11. 畫等值線圖：

X,Y=np.meshgrid(x,y)

def f(x,y):return (1-y**5+x**5)*np.exp(-x**2-y**2)

C=plt.contour(X,Y,f(X,Y),8,colors='black') # 用contour()函數生成三維結構表面的等值線圖

plt.contourf(X,Y,F(X,Y),8)

plt.clabel(C,inline=1,fontsize=10)

plt.colorbar() # 增加圖例作為對圖表中所有顏色的說明

12. 畫極區圖： # 可以將其視作兼有餅圖和條狀圖特點的圖表

theta=np.arange(0.,2*np.pi,2*np.pi/N) # 這里是平均分配的，實際上可以按照它們所占比例來分配角度，就和餅圖一樣，所以說它兼顧了餅圖的特征

radii=np.array([4,7,5,3,1,5,6,7]) # 這里體現了極區圖兼顧條狀圖的特點

plt.axes([0.025,0.025,0.95,0.95],polar=True)

colors=np.array(懶得敲代碼了)

bars=plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors) # 使用bar函數，然后注意各個參數

總結

以上是生活随笔為你收集整理的python cookbook 中文第四版_Python Cookbook (4)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。