matplotlib是受MATLAB的啟發構建的。MATLAB是數據繪圖領域廣泛使用的語言和工具。MATLAB語言是面向過程的。利用函數的調用，MATLAB中可以輕松的利用一行命令來繪制直線，然后再用一系列的函數調整結果。

matplotlib有一套完全仿照MATLAB的函數形式的繪圖接口，在matplotlib.pyplot模塊中。這套函數接口方便MATLAB用戶過度到matplotlib包

官網：http://matplotlib.org/

學習方式：從官網examples入門學習

• http://matplotlib.org/examples/index.html
• http://matplotlib.org/gallery.html

import matplotlib.pyplot as plt

在繪圖結構中，figure創建窗口，subplot創建子圖。所有的繪畫只能在子圖上進行。plt表示當前子圖，若沒有就創建一個子圖。所有你會看到一些教程中使用plt進行設置，一些教程使用子圖屬性進行設置。他們往往存在對應功能函數。

Figure：面板(圖)，matplotlib中的所有圖像都是位于figure對象中，一個圖像只能有一個figure對象。

Subplot：子圖，figure對象下創建一個或多個subplot對象(即axes)用于繪制圖像。

配置參數：

axex: 設置坐標軸邊界和表面的顏色、坐標刻度值大小和網格的顯示
figure: 控制dpi、邊界顏色、圖形大小、和子區( subplot)設置
font: 字體集（font family）、字體大小和樣式設置
grid: 設置網格顏色和線性
legend: 設置圖例和其中的文本的顯示
line: 設置線條（顏色、線型、寬度等）和標記
patch: 是填充2D空間的圖形對象，如多邊形和圓。控制線寬、顏色和抗鋸齒設置等。
savefig: 可以對保存的圖形進行單獨設置。例如，設置渲染的文件的背景為白色。
verbose: 設置matplotlib在執行期間信息輸出，如silent、helpful、debug和debug-annoying。
xticks和yticks: 為x,y軸的主刻度和次刻度設置顏色、大小、方向，以及標簽大小。

線條相關屬性標記設置

線條風格linestyle或ls描述

‘-‘	實線
‘:’	虛線
‘–’	破折線
‘None’,’ ‘,’’	什么都不畫
‘-.’	點劃線

線條標記

標記maker 描述‘o’ 圓圈 ‘.’ 點 ‘D’ 菱形 ‘s’ 正方形 ‘h’ 六邊形1 ‘*’ 星號 ‘H’ 六邊形2 ‘d’ 小菱形 ‘_’ 水平線 ‘v’ 一角朝下的三角形 ‘8’ 八邊形 ‘<’ 一角朝左的三角形 ‘p’ 五邊形 ‘>’ 一角朝右的三角形 ‘,’ 像素 ‘^’ 一角朝上的三角形 ‘+’ 加號 ‘\ ‘ 豎線 ‘None’,’’,’ ‘ 無 ‘x’ X

顏色

別名 顏色 b 藍色 g 綠色 r 紅色 y 黃色 c 青色 k 黑色 m 洋紅色 w 白色

如果這兩種顏色不夠用，還可以通過兩種其他方式來定義顏色值：

1、使用HTML十六進制字符串 color=’#123456’ 使用合法的HTML顏色名字（’red’,’chartreuse’等）。
2、也可以傳入一個歸一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)

背景色

通過向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()這樣的方法提供一個axisbg參數，可以指定坐標這的背景色。

subplot(111,axisbg=(0.1843,0.3098,0.3098)）

以下示例需要引入的庫包括

import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib.ticker import MultipleLocator

繪圖操作步驟（以點圖、線圖為例）

#使用numpy產生數據 x=np.arange(-5,5,0.1) y=x*3#創建窗口、子圖 #方法1：先創建窗口，再創建子圖。（一定繪制） fig = plt.figure(num=1, figsize=(15, 8),dpi=80) #開啟一個窗口，同時設置大小，分辨率 ax1 = fig.add_subplot(2,1,1) #通過fig添加子圖，參數：行數，列數，第幾個。 ax2 = fig.add_subplot(2,1,2) #通過fig添加子圖，參數：行數，列數，第幾個。 print(fig,ax1,ax2) #方法2：一次性創建窗口和多個子圖。（空白不繪制） fig,axarr = plt.subplots(4,1) #開一個新窗口，并添加4個子圖，返回子圖數組 ax1 = axarr[0] #通過子圖數組獲取一個子圖 print(fig,ax1) #方法3：一次性創建窗口和一個子圖。（空白不繪制） ax1 = plt.subplot(1,1,1,facecolor='white') #開一個新窗口，創建1個子圖。facecolor設置背景顏色 print(ax1) #獲取對窗口的引用，適用于上面三種方法 # fig = plt.gcf() #獲得當前figure # fig=ax1.figure #獲得指定子圖所屬窗口# fig.subplots_adjust(left=0) #設置窗口左內邊距為0，即左邊留白為0。#設置子圖的基本元素 ax1.set_title('python-drawing') #設置圖體，plt.title ax1.set_xlabel('x-name') #設置x軸名稱,plt.xlabel ax1.set_ylabel('y-name') #設置y軸名稱,plt.ylabel plt.axis([-6,6,-10,10]) #設置橫縱坐標軸范圍，這個在子圖中被分解為下面兩個函數 ax1.set_xlim(-5,5) #設置橫軸范圍，會覆蓋上面的橫坐標,plt.xlim ax1.set_ylim(-10,10) #設置縱軸范圍，會覆蓋上面的縱坐標,plt.ylimxmajorLocator = MultipleLocator(2) #定義橫向主刻度標簽的刻度差為2的倍數。就是隔幾個刻度才顯示一個標簽文本 ymajorLocator = MultipleLocator(3) #定義縱向主刻度標簽的刻度差為3的倍數。就是隔幾個刻度才顯示一個標簽文本ax1.xaxis.set_major_locator(xmajorLocator) #x軸 應用定義的橫向主刻度格式。如果不應用將采用默認刻度格式 ax1.yaxis.set_major_locator(ymajorLocator) #y軸 應用定義的縱向主刻度格式。如果不應用將采用默認刻度格式ax1.xaxis.grid(True, which='major') #x坐標軸的網格使用定義的主刻度格式 ax1.yaxis.grid(True, which='major') #x坐標軸的網格使用定義的主刻度格式ax1.set_xticks([]) #去除坐標軸刻度 ax1.set_xticks((-5,-3,-1,1,3,5)) #設置坐標軸刻度 ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small') #設置刻度的顯示文本，rotation旋轉角度，fontsize字體大小plot1=ax1.plot(x,y,marker='o',color='g',label='legend1') #點圖：marker圖標 plot2=ax1.plot(x,y,linestyle='--',alpha=0.5,color='r',label='legend2') #線圖：linestyle線性，alpha透明度，color顏色，label圖例文本ax1.legend(loc='upper left') #顯示圖例,plt.legend() ax1.text(2.8, 7, r'y=3*x') #指定位置顯示文字,plt.text() ax1.annotate('important point', xy=(2, 6), xytext=(3, 1.5), #添加標注，參數：注釋文本、指向點、文字位置、箭頭屬性arrowprops=dict(facecolor='black', shrink=0.05),) #顯示網格。which參數的值為major(只繪制大刻度)、minor(只繪制小刻度)、both，默認值為major。axis為'x','y','both' ax1.grid(b=True,which='major',axis='both',alpha= 0.5,color='skyblue',linestyle='--',linewidth=2)axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #在當前窗口添加一個子圖，rect=[左, 下, 寬, 高]，是使用的絕對布局，不和以存在窗口擠占空間 axes1.plot(x,y) #在子圖上畫圖 plt.savefig('aa.jpg',dpi=400,bbox_inches='tight') #savefig保存圖片，dpi分辨率，bbox_inches子圖周邊白色空間的大小 plt.show() #打開窗口，對于方法1創建在窗口一定繪制，對于方法2方法3創建的窗口，若坐標系全部空白，則不繪制

plot時可以設置的屬性包括如下：

屬性 值類型 alpha 浮點值 animated [True / False] antialiased or aa [True / False] clip_box matplotlib.transform.Bbox 實例 clip_on [True / False] clip_path Path 實例， Transform，以及Patch實例 color or c 任何 matplotlib 顏色 contains 命中測試函數 dash_capstyle ['butt' / 'round' / 'projecting'] dash_joinstyle ['miter' / 'round' / 'bevel'] dashes 以點為單位的連接/斷開墨水序列 data (np.array xdata, np.array ydata) figure matplotlib.figure.Figure 實例 label 任何字符串 linestyle or ls [ '-' / '--' / '-.' / ':' / 'steps' / ...] linewidth or lw 以點為單位的浮點值 lod [True / False] marker [ '+' / ',' / '.' / '1' / '2' / '3' / '4' ] markeredgecolor or mec 任何 matplotlib 顏色 markeredgewidth or mew 以點為單位的浮點值 markerfacecolor or mfc 任何 matplotlib 顏色 markersize or ms 浮點值 markevery [ None / 整數值 / (startind, stride) ] picker 用于交互式線條選擇 pickradius 線條的拾取選擇半徑 solid_capstyle ['butt' / 'round' / 'projecting'] solid_joinstyle ['miter' / 'round' / 'bevel'] transform matplotlib.transforms.Transform 實例 visible [True / False] xdata np.array ydata np.array zorder 任何數值

一個窗口多個圖

#一個窗口，多個圖，多條數據 sub1=plt.subplot(211,facecolor=(0.1843,0.3098,0.3098)) #將窗口分成2行1列，在第1個作圖，并設置背景色 sub2=plt.subplot(212) #將窗口分成2行1列，在第2個作圖 sub1.plot(x,y) #繪制子圖 sub2.plot(x,y) #繪制子圖axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #添加一個子坐標系，rect=[左, 下, 寬, 高] plt.plot(x,y) #繪制子坐標系， axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y') #添加一個子坐標系，rect=[左, 下, 寬, 高] plt.plot(x,y) plt.show()

極坐標

屬性設置同點圖、線圖中。

fig = plt.figure(2) #新開一個窗口 ax1 = fig.add_subplot(1,2,1,polar=True) #啟動一個極坐標子圖 theta=np.arange(0,2*np.pi,0.02) #角度數列值 ax1.plot(theta,2*np.ones_like(theta),lw=2) #畫圖，參數：角度，半徑，lw線寬 ax1.plot(theta,theta/6,linestyle='--',lw=2) #畫圖，參數：角度，半徑，linestyle樣式，lw線寬ax2 = fig.add_subplot(1,2,2,polar=True) #啟動一個極坐標子圖 ax2.plot(theta,np.cos(5*theta),linestyle='--',lw=2) ax2.plot(theta,2*np.cos(4*theta),lw=2)ax2.set_rgrids(np.arange(0.2,2,0.2),angle=45) #距離網格軸，軸線刻度和顯示位置 ax2.set_thetagrids([0,45,90]) #角度網格軸，范圍0-360度plt.show()

柱形圖

屬性設置同點圖、線圖中。

plt.figure(3) x_index = np.arange(5) #柱的索引 x_data = ('A', 'B', 'C', 'D', 'E') y1_data = (20, 35, 30, 35, 27) y2_data = (25, 32, 34, 20, 25) bar_width = 0.35 #定義一個數字代表每個獨立柱的寬度rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1') #參數：左偏移、高度、柱寬、透明度、顏色、圖例 rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2') #參數：左偏移、高度、柱寬、透明度、顏色、圖例 #關于左偏移，不用關心每根柱的中心不中心，因為只要把刻度線設置在柱的中間就可以了 plt.xticks(x_index + bar_width/2, x_data) #x軸刻度線 plt.legend() #顯示圖例 plt.tight_layout() #自動控制圖像外部邊緣，此方法不能夠很好的控制圖像間的間隔 plt.show()

直方圖

fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6)) #在窗口上添加2個子圖 sigma = 1 #標準差 mean = 0 #均值 x=mean+sigma*np.random.randn(10000) #正態分布隨機數 ax0.hist(x,bins=40,normed=False,histtype='bar',facecolor='yellowgreen',alpha=0.75) #normed是否歸一化，histtype直方圖類型，facecolor顏色，alpha透明度 ax1.hist(x,bins=20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) #bins柱子的個數,cumulative是否計算累加分布，rwidth柱子寬度 plt.show() #所有窗口運行

散點圖

fig = plt.figure(4) #添加一個窗口 ax =fig.add_subplot(1,1,1) #在窗口上添加一個子圖 x=np.random.random(100) #產生隨機數組 y=np.random.random(100) #產生隨機數組 ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none') #x橫坐標，y縱坐標，s圖像大小，c顏色，marker圖片，lw圖像邊框寬度 plt.show() #所有窗口運行

三維圖

fig = plt.figure(5) ax=fig.add_subplot(1,1,1,projection='3d') #繪制三維圖x,y=np.mgrid[-2:2:20j,-2:2:20j] #獲取x軸數據，y軸數據 z=x*np.exp(-x**2-y**2) #獲取z軸數據ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8) #繪制三維圖表面 ax.set_xlabel('x-name') #x軸名稱 ax.set_ylabel('y-name') #y軸名稱 ax.set_zlabel('z-name') #z軸名稱plt.show()

畫矩形、多邊形、圓形和橢圓

fig = plt.figure(6) #創建一個窗口 ax=fig.add_subplot(1,1,1) #添加一個子圖 rect1 = plt.Rectangle((0.1,0.2),0.2,0.3,color='r') #創建一個矩形，參數：(x,y),width,height circ1 = plt.Circle((0.7,0.2),0.15,color='r',alpha=0.3) #創建一個橢圓，參數：中心點，半徑，默認這個圓形會跟隨窗口大小進行長寬壓縮 pgon1 = plt.Polygon([[0.45,0.45],[0.65,0.6],[0.2,0.6]]) #創建一個多邊形，參數：每個頂點坐標ax.add_patch(rect1) #將形狀添加到子圖上 ax.add_patch(circ1) #將形狀添加到子圖上 ax.add_patch(pgon1) #將形狀添加到子圖上fig.canvas.draw() #子圖繪制 plt.show()

原文：
https://blog.csdn.net/luanpeng825485697/article/details/78508819

文章有不當之處，歡迎指正，如果喜歡微信閱讀，你也可以關注我的微信公眾號：cplus人工智能算法后端技術，獲取優質學習資源。

總結

以上是生活随笔為你收集整理的matplotlib绘图入门详解的全部內容，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。