import matplotlib.pyplot as plt

# 创建绘图对象figure,设置画布大小figsize,分辨率dpi，背景颜色facecolor可以用十六进制颜色代码

fig=plt.figure(figsize=(6,6),dpi=100,facecolor='#dfd7d7')

#划分子图ax

ax=fig.add_subplot(1,1,1)

import numpy as np

x = np.linspace(-3,3,100)

y = np.random.randn(100)

#设置中文显示

plt.rcParams['font.sans-serif'] = 'SimHei'

plt.rcParams['axes.unicode_minus'] = False

#生成散点图

plt.grid(linestyle = ':',color = 'r',alpha = 0.5)

plt.scatter(x,y,c='k',alpha = 0.3,marker = '*',label = 'satter',lw = 1)

#使用marker改变点形状

plt.xlim(0,4)

plt.ylim(-3,3)

#表格设计

plt.xlabel('x轴')

plt.ylabel('y轴')

plt.axhline(y = 0,color = 'r',ls = '-.',alpha = 0.8)

plt.axvline(x = 2.0,color = 'r',ls = '-.',alpha = 0.8)

plt.legend(loc = 'upper right')

plt.title('Structure of matplotlib')

#生成sin图

x = np.linspace(1,3.5,100)

y = np.sin(x)

plt.plot(x,y,c ='y',alpha = 0.5,ls = '--',label = 'sin(x)',lw = 2)

plt.legend()

#设置平行于x/y轴的参考区域

plt.axvspan(xmin=1.5,xmax=2.5,color='blue',alpha=0.1)

plt.axhspan(ymin=-1,ymax=1,color='yellow',alpha=0.1)

plt.annotate('maxium',xy = (1.5,1),xytext = (1.3,1.3),arrowprops = {'arrowstyle':'->','connectionstyle':'arc3'})

#connectionstyle描绘箭头的样式的，例如箭头的一个弧度之类的

# 创建绘图对象figure,设置画布大小figsize,分辨率dpi，背景颜色facecolor可以用十六进制颜色代码

fig=plt.figure(figsize=(6,6),dpi=100,facecolor='#dfd7d7')

#子图ax1

ax1 =fig.add_subplot(2,2,1)

x = np.linspace(1,3.5,100)

y = np.sin(x)

plt.plot(x,y,c ='y',alpha = 0.5,ls = '--',label = 'sin(x)',lw = 2)

plt.legend()

plt.title('正弦图')

#子图ax2

ax2 = plt.subplot(2,2,2)

x = np.linspace(-3,3,100)

y = np.random.randn(100)

plt.scatter(x,y,c='k',alpha = 0.5,label = 'scatter',marker = '*',lw =1)

plt.legend(loc = 'upper right')

plt.title('散点图')

#子图3

ax3 = plt.subplot(2,2,3)

plt.pie([1,1,1])

plt.title('扇形图')

#子图4

ax4 = plt.subplot(2,2,4)

data = np.random.randn(10000)

"""

绘制直方图

data:必选参数，绘图数据

bins:直方图的长条形数目，可选项，默认为10

normed: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。normed=1，表示归一化，显示频率。

facecolor:长条形的颜色

edgecolor:长条形边框的颜色

"""

plt.hist(data, bins=40, normed=0, facecolor="blue", edgecolor="black", alpha=0.5,label = 'x')# 显示横轴标签

plt.legend()

plt.xlabel("区间")# 显示纵轴标签

plt.ylabel("频数/频率")# 显示图标题

plt.title("频数/频率分布直方图")

总结

1.通过这次绘图过程，对matplotlib图表绘制所使用的函数和方法印象加深

(1). plot()函数包含了很多基础的绘图功能，用它来绘制线图；

(2)scatter()函数用以绘制散点图；

(3)xlim() / ylim()用于设置坐标轴的数值显示范围；

(4)xlabel() / ylabel()用于设置坐标轴的标签；

(5)grid()函数用于设置图形中的网格线；

(6)axhline() / axvline()：用于设置水平参考线和垂直参考线;

(7)axhspan() / axvspan()用于设置平行于x轴/y轴的参考区域；

(8)annotate():添加指向性注释文本，灵活调整注释的位置以及指示箭头的样式;

(9) text():图形中的注释，但它跟annotate()的区别是它用于添加不带指向性箭头的文本注释；

(10)title():形的标题；

2.明确了结构关系

(1)理解了figure与asex之间的关系，先建画板再建子图，再赋值给对象

fig=plt.figure(figsize=(6,6),dpi=100,facecolor='#dfd7d7')

#划分子图ax

ax=fig.add_subplot(1,1,1)

(2)学习了子图之间并列关系，若无先赋值给对象，那么就要按代码顺序绘图

3．明确了画图的流程

4.额外学习了直方图的绘制

使用plt.hist()

plt.hist(data, bins=40, normed=0, facecolor="blue", edgecolor="black", alpha=0.5,label = 'x')# 显示横轴标签

plt.legend()

plt.xlabel("区间")# 显示纵轴标签

plt.ylabel("频数/频率")# 显示图标题

plt.title("频数/频率分布直方图")

原文链接:https://blog.csdn.net/qq_42760920/article/details/108765671