Python--matplotlib（持续更新）_python matplotlib

---

前言

    Matplotlib，全称“Matlab plotting library”，是Python中的一个库，它是数字的-NumPy库的数学扩展，是Python中绘制二维和三维图表的数据可视化工具
    Matplotlib的绘画接口分为三种：pyplot，面向当前图；axes，面向对象；Pylab，沿用 matlab 风格。
    Matplotlib中的所有内容都按层次结构组织，层次结构的顶部是由matplotlib提供的matplotlb“状态机环境”——pyplot模块，仅用于图形创建等少数功能，用户显式创建并跟踪图形和轴对象。
    层次结构的下一层是面向对象界面的第一层，在此级别，使用pyplot创建图形，通过这些图形可以创建一个或多个轴对象，使用基础函数将绘图元素（线条、图像、文本等）添加到当前图形中的当前轴。

---

 

准备

格式调整 & 自定义设置

# 导入matplotlib库中的pyplot
import matplotlib as mpl
import matplotlib.pyplot as plt

# 解决中文乱码，可自行修改期望字体
plt.rcParams['font.sans-serif']='SimHei'
mpl.rcParams['font.family']=[Heiti SC]

# 解决负号无法显示的问题
plt.rcParams['axes.unicode_minus']=False

# 将图表以矢量图格式显示，提高清晰度
%config InlineBackend.figure_format = 'svg'

# 提高dpi，以提高图片清晰度（dpi到三百以上，效果会明显变化）
# 也可在设置figure时设置dpi
mpl.rcParams['figure.dpi']=300

# 获取figure尺寸，默认6.4 inch，4.8 inch
plt.rcParams.get('figure.figsize')
# 全局设置输出图片大小的宽m和高n
plt.rcParams['figure.figsize']=(m,n)

# 获取字体大小，默认10.0 & 设置字体大小为k
plt.rcParams.get('font.size')
plt.rcParams['font.size']=k

# 图画面板调整为白色
rc={'axes.facecolor':'white','savefig.facecolor':'white'}
mpl.rcParams.update(rc) #一次更新多个值

# 允许输出数学公式
mpl.rcParams['text.usetex']=True

# Figure自动调整格式
plt.rcParams['figure.constrained_layout.use']=True

# 隐藏坐标系，二维三维均可
plt.axis('off')

# 三维坐标轴比例伸缩
ax.get_proj = lambda: np.dot(Axes3D.get_proj(ax), np.diag([1, 1, 2, 2]))

# 去除白边
# bbox_inches = 'tight' 可去除部分白边
# pad_inches 可正可负，减小时会放大图片在画布上的占比，以达到减少白边的效果
savefig(bbox_inches = 'tight',pad_inches = -1.7)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

---

 

一.pyplot基础函数

（一）后端资源管理

1.内存或显示处理

1.1 matplotlib.pyplot.show()

显示当前figure对象

jupyter notebook中，不使用show()函数也可以正常运行，会显示图片的格式和图片；使用show()函数会只显示图片

可以认为大部分matplotlib函数都是在“暂存”的图片上进行处理，show()函数会把“暂存”的图片显示出去，然后就没有“暂存”图片了，故大部分操作应在show函数之前完成

 

1.2 matplotlib.pyplot.close()

关闭figure window对象，如果没有指定，则指当前figure window对象

关闭所有 figure windows
plt.close('all')
1
2

 

1.3 matplotlib.pyplot.get_fignums()

查询当前的所有图像编号
 

2.clear，get和set

2.1 matplotlib.pyplot.clf()

clf --> clean current figure --> 清除当前figure对象
清除当前 figure 中的活动的axes，但其他axes保持不变
 

2.2 matplotlib.pyplot.cla()

cla --> clean current axes --> 清除当前Axes对象
清除当前figure的所有axes，但是不关闭这个window，所以能继续复用于其他的plot。

创建太多的 figure 对象会引起警告
故推荐只创建一个 figure 对象，在画下一个图之前，使用 plt.clf() 清理掉 axes，这样可以复用 figure

 

2.3 matplotlib.pyplot.gcf()

gcf --> get current figure --> 获取当前figure对象
 

2.4 matplotlib.pyplot.gca()

gca --> get current axes --> 获取当前Axes对象
 

2.5 matplotlib.pyplot.scf(fig=fig)

scf --> set current figure --> 设置当前figure对象
 

2.6 matplotlib.pyplot.sca(ax=ax1)

sca --> set current axes --> 设置当前Axes对象
 

（二）matplotlib.pyplot提供的基本画图函数

1.plt.title(str, fontsize, fontweight, fontstyle, verticalalignment, horizontalalignment, rotation, alpha, backgroundcolor, bbox)

添加图形内容的标题
 
参数：
（1）fontsize：设置字体大小

• 可选参数：[‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’,‘x-large’, ‘xx-large’]
• 也可以是数字，缺省为12

（2）fontweight：设置字体粗细

• 可选参数：[‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’]

semibold：半粗体；bold：粗体

（3）fontstyle：设置字体类型

• 可选参数：[ ‘normal’, ‘italic’, ‘oblique’ ]

italic：斜体；oblique：倾斜

（4）verticalalignment：设置水平对齐方式

• 可选参数：[‘center’, ‘top’, ‘bottom’, ‘baseline’]

（5）horizontalalignment：设置垂直对齐方式

• 可选参数：[‘left’, ‘right’, ‘center’]

（6）rotation：旋转角度

• 可选参数为：[‘vertical’, ‘horizontal’]
• 也可以是数字

（7）alpha：透明度，参数值0至1之间
（8）backgroundcolor：标题背景颜色
（9）bbox：给标题增加外框，包含参数：

• boxstyle：方框外形
• facecolor：简写fc背景颜色
• edgecolor：简写ec，边框线条颜色
• edgewidth：边框线条大小
   

2.plt.xlim(xmin, xmax)，plt.ylim()

设置 x，y 轴的数值显示范围
 
参数：
xmin，xmax：x轴上的最小值和最大值
 

3.plt.xlabel(str, fontsize, fontweight, fontstyle, verticalalignment, horizontalalignment, rotation, alpha, backgroundcolor, bbox)，plt.ylabel()

设置x，y轴的标签文本
 
参数：
（1）fontsize：同上
（2）fontweight：同上
（3）fontstyle：同上
（4）verticalalignment：距离坐标轴的位置

• 可选参数：[‘center’, ‘top’, ‘bottom’, ‘baseline’]

（5）horizontalalignment：同上
（6）rotation：同上
（7）alpha：同上
（8）backgroundcolor：同上
（9）bbox：同上
 

4.plt.grid(ls, color)

绘制刻度线的辅助网格线
 
参数：
（1）ls：linestyle，线型
（2）color：颜色
 

5.plt.axhline(y, xmin, xmax, c, ls, lw, label)，plt.axhline(x, ymin, ymax, c, ls, lw, label)

绘制平行于x轴额度水平参考线 / 绘制垂直于x轴额度竖直参考线
 
参数：
（1）y：水平参考线的出发点，缺省为0
（2）xmin：参考线的起始位置，缺省为0
（2）xmax：参考线的终止位置，缺省为1
（2）c：color，颜色
（3）ls：linestyle，线型
（4）lw：linewidth，线宽
（5）label：标签
 

6.plt.axhspan(ymin, ymax ,facecolor, alpha)，plt.axvspan(xmin, xmax ,facecolor, alpha)

绘制平行于x轴的参考区域 / 绘制垂直于x轴的参考区域
 
参数：
（1）ymin：参考区域的起始位置
（2）ymax：参考区域的终止位置
（3）facecolor：参考区域的填充颜色
（4）alpha：参考区域填充颜色的透明度，[0~1]
 

7.plt.xticks()，plt.yticks()

获取或设置当前x轴或y轴刻度位置和标签。可以理解为设置xilim和ylim一样的效果，但可以指定范围和距离
 

8.plt.annotate()

添加图形内容细节的指向型注释文本

9.plt.bbox()

给标题增加外框

10.plt.text() / axes.text()

添加图形内容细节的无指向型注释文本(水印）

11.plt.legend()

标示不同图形的文本标签图例

12.plt.table()

向子图中添加表格

---

 

二.Figure，Axes与Axis

图解

---

1. 一个Figure（图形）对象可以有任何数量的Axes（轴域，一套坐标轴）对象，但为了有用，至少应该有一个
2. 一个Axes对象包含两个Axis（轴）对象（如果是三维就是三个）

---

Figure是最大的一个Aritist，它包括整幅图像的所有元素，一个Figure中的各个部分的artists元素如下图所示：
figure中所有的元素类型的artist的属性都可以用ax.set_XXX()和ax.get_XXX()来设置和获取。

 

（一）

1.元素Artist

有的绘图元素的基类，包含所有在figure中可以被看到的都是一个个artist。当一个figure被渲染的时候，所有的artists都被画在画布canvas上。

2.matplotlib.pyplot.figure(num, figsize, dpi, facecolor, edgecolor, linewidth, frameon)

创建一个图像，实例化Figure对象，是所有绘图元素的顶层容器，相当于给图提供了一个画布
 
参数：
（1）num：图像编号或名称

• 若为数字且存在对应id的 figure 对象，则激活对于id的figure对象
• 若为数字且对应id的figure对象不存在，则创建它并返回它
• 若为字符串，则将窗口标题设置为此字符串
• 缺省，一个新的 figure 对象将被创建，同时增加 figure 的计数数值，此数值被保存在 figure 对象的一个数字属性当中，从1开始

（2）figsize：元组，指定figure的宽和高，单位为英寸，缺省为rc figure.figsize，初始(6.4,4.8)
（3）dpi：指定绘图对象的分辨率，即每英寸多少个像素，缺省值为rc figure.dpi，初始72

1英寸等于2.54cm，A4纸是 21x30cm的纸张

（4）facecolor：背景颜色，缺省为’w’
（5）edgecolor：边框颜色，缺省为’w’
（6）linewidth：边缘的线宽
（7）frameon：是否显示边框，缺省为True

figure函数的图像有“颜色”参数，后面如savefig函数也有“颜色参数”，但存储图片时只按照savefig函数的颜色参数，缺省为默认黑白

#创建一个长为10，宽为6的画布
import matplotlib.pyplot as plt
fig=plt.figure(num='pic2-1.png',figsize = (10,6),dpi=90,facecolor = 'r',edgecolor = 'y')
#没有子图的空图形
1
2
3
4

 

（二）向figure中添加axes

1.函数matplotlib.pyplot.subplot(*args, **kwargs) / matplotlib.pyplot.subplot(nrows, ncols, index, **kwargs)

此方法属于API绘图

先隐式的创建一个画布，然后再在画布上添加一个子图（如果需要多个子图，应反复调用，也可用for循环），该子图是通过均分画布得到的

子图：一个Axes对象，矩形区域，这个矩形是基于figure坐标系统定义的。

返回值：一个Axes对象，按照子图索引，按以行主顺序递增。

1. 使用subplot() 方法创建子图将删除任何与其重叠的预先存在的子图，而不是共享边界。
2. 当绘制的子图之间出现遮挡，subplot方法会绘制代码位置靠后的图形

 
参数：
（1）*args（位置参数）：三个整数或一个三位数（自动解析成三个整数），用于分别对应 nrows，ncols，index
（1.1）nrows：在画布纵轴上分隔成几个子图，缺省为1
（1.2）ncols：在画布横轴上分隔成几个子图，缺省为1
（1.3）index：子图索引

• 若为整数，则表示从左往右，从上到下排列的第几个图像
• 若为元组(m,n)，m，n均为整数，则表示开始位置和结束位置，形成一个包含若干子图的矩形区域，m，n在矩形的对角位置
• 缺省为1

举例：
plt.subplot(nrows=2, ncols=3, index=5)
=plt.subplot(2, 3, 5)
=plt.subplot(235)

（2）**kwargs（可选）：一些涉及子图属性的关键字参数，此方法还接受返回AXIS基类的关键字参数

这个关键字参数和坐标系axes子类的关键词差不多

（2.1）title
（2.2）xlabel，ylabel
（2.3）xlim，ylim
（2.4）frame_on
（2.5）xticks，yticks
（2.6）facecolor
（2.7）projection（关键词参数）：坐标系的投影类型

• 可能的值有：
  {None, ‘aitoff’, ‘hammer’, ‘lambert’, ‘mollweide’, ‘polar’, ‘rectilinear’, ‘3d’, str}
• polar：绘制极线图
• 3d：绘制3D图
• 缺省为None，表示笛卡尔直角坐标投影

1. str 是自定义投影的名称。
2. 不仅可以使用系统已设计好的投影，还可以自定义一个投影变换并使用，注册并调用自定义的投影名称即可。str即自定义投影的名称。

（2.8）polar（关键词参数）：布尔值，表示是否启用’polar‘的投影类型*

• polar=True <–> projection=‘polar’
• 缺省为False

import numpy as np
import matplotlib.pyplot as plt

# 设置数据
x = np.arange(0, 3, 0.1)
y1 = np.sin(np.pi*x)
y2 = np.cos(np.pi*x)

#创建图像
plt.figure(num='pic2-1.png',figsize = (10,6), dpi=90,facecolor = 'lightgrey', edgecolor = 'azure',linewidth=10)
# 绘制第一个子图
ax1=plt.subplot(211)  
plt.plot(x, y1)  
# 绘制第二个子图
ax2=plt.subplot(212)  
plt.plot(x, y2)

#绘制
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

似乎subplot函数与show函数生成图片，第一次运行只有格式，第二次运行才出图片；有subplot函数无show函数，第一次运行没有输出，第二次运行才出图片

 

2.函数matplotlib.pyplot.subplots(nrows, ncols, sharex, sharey, squeeze, subplot_kw, gridspec_kw=None, **fig_kw)

此方法为面向对象绘图

创建一张画布和一组子图
 
返回值：一个figure和axes对象的元组，axes对象是由若干个子图ax构成的数组
 
参数：
（1）nrows：在画布纵轴上分隔成几个子图，缺省为1
（2）ncols：在画布横轴上分隔成几个子图，缺省为1
（3）sharex / sharey：是否共x或y轴，缺省为False

• all / True：所有子图共享轴
• none / False：各自享有自己的轴
• row / col：按子图行或列共享x,y轴

（4）squeeze：在返回多个子图时，axes是否要压缩为1维数组，缺省为True
（5）subplot_kw：传入add_subplot函数中的参数，缺省为None
（）gridspec_kw：传入网格参数，缺省为None
（6）**fig_kw：创建figure时的其他关键字，具体解释参考上面
（6.1）num
（6.2）figsize
（6.3）dpi
（6.4）facecolor
（6.5）edgecolor
（6.6）linewidth
（6.7）frameon

figure的参数加入subplots函数中，无顺序要求，不需要括号，正常逗号即可

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
    
#创建图形，并创建一个子图
#面向对象语法
fig, ax = plt.subplots()
ax.plot(x, y)
plt.show()
1
2
3
4
5
6
7
8
9
10
11

import numpy as np
import matplotlib.pyplot as pl
# 设置数据
x = np.arange(0, 3, 0.1)
y1 = np.sin(np.pi*x)
y2 = np.cos(np.pi*x)
y3 = np.sin(2*np.pi*x)
y4 = np.cos(2*np.pi*x)
#创建figure
plt.figure(figsize = (10,6), facecolor = 'r', edgecolor = 'y')
#划分子图
fig,axes=plt.subplots(2,2)
ax1=axes[0,0]
ax2=axes[0,1]
ax3=axes[1,0]
ax4=axes[1,1]
# 绘制4个子图
ax1.plot(x, y1)
ax2.plot(x, y2)
ax3.plot(x, y3)
ax4.plot(x, y4)
plt.show() 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

---

两者对比：

似乎subplots函数有无show函数，都会直接输出格式和图片

 

3.方法matplotlib.pyplot.figure().add_subplot(nrows, ncols, index, **kwargs)

此方法为面向对象绘图

参数：
（1）nrows：在画布纵轴上分隔成几个子图，同上
（2）ncols：在画布横轴上分隔成几个子图，同上
（3）index：子图索引，同上
（4）**kwargs：一些涉及子图属性的关键字参数，同上

当绘制的子图之间出现遮挡，subplot方法会绘制代码位置靠后的图形，而add_subplot则会绘制所有图形，只是出现遮挡

4,方法matplotlib.pyplot.figure().add_axes(rect, projection, polar, sharex, sharey, **kwargs)

参数：
（1）rect（位置参数）：一个4元素的浮点数列表，[left, bottom, width, height]
其定义了要添加到figure中的矩形子区域的：左下角坐标(x, y)、宽度、高度

每个元素的值是实际长度与figure对应长度的分数比值，不大于1；即将figure的宽、高作为1个单位

（2）projection（可选）（关键词参数）：坐标系的投影类型，同上
（3）polar（可选）（关键词参数）：表示是否启用’polar‘的投影类型，同上
（4）sharex, sharey（可选）（关键词参数）：是否共x或y轴，同上

5.函数matplotlib.pyplot.subplot2grid(shape, loc, rowspan, colspan, fig, **kwargs)

参数：
（1）shape：元组，网格划分的形状
（2）loc：元组，元素数和shape一致，表示子图划分的起始位置
（3）rowspan：子图占用多少行，缺省为1
（4）colspan：子图占用多少列，缺省为1
（5）fig：缺省为None
（6）**kwargs

import matplotlib.pyplot as plt
fig = plt.figure()
fig.suptitle('Figure')
axes1 = plt.subplot2grid((3,3), (0,0), colspan=3)
axes2 = plt.subplot2grid((3,3), (1,0), colspan=2)
axes3 = plt.subplot2grid((3,3), (1,2))
axes4 = plt.subplot2grid((3,3), (2,0))
axes5 = plt.subplot2grid((3,3), (2,1), colspan=2)
plt.show()
1
2
3
4
5
6
7
8
9

 

（三）函数figure的方法

1.matplotlib.pyplot.figure().suptitle()

2.matplotlib.pyplot.figure().supxlabel()

3.matplotlib.pyplot.figure().supylabel()

 

（四）AxesSubplot的方法

1.

AxesSubplot.set_title(),AxesSubplot.set_xlabel(),AxesSubplot.set_ylabel(),AxesSubplot.set_xlim(),AxesSubplot.set_ylim(),AxesSubplot.remove(),AxesSubplot.set_facecolor,AxesSubplot.patch.set_alpha(),AxesSubplot.text,AxesSubplot.legend(),AxesSubplot.grid(),AxesSubplot.lines.set_label()

---

 

三.绘画类型

（一）基础

1.折线图matplotlib.pyplot.plot(*args,**kwargs,label) / AxesSubplot.plot()

用于画图，可以绘制点和折线线
 
参数：
（1）**args：允许传入多对x，y和format_string

plot(x1, y1, ‘str1’, x2, y2, ‘str2’)

（1.1）x（可选）：X轴数据，可为(元组)，[列表]，numpy.array，pandas.Series，缺省为range(len(y))
（1.2）y：Y轴数据，可为(元组)，[列表]，numpy.array，pandas.Series

x，y可以为pd.DataFrame？

（1.3）format_string（可选）：控制曲线的格式字符串
（1.3.1）c：color，颜色，详见文底《颜色表》
（1.3.2）ls：linestyle，线型

‘:’：点线；‘-.’：点画线；‘–’：短划线；‘-’：实线；'‘和’ '：无线条

（1.3.3）lw：linewidth，线宽
（1.3.4）marker：标记

‘.’：点标记；‘,’：点标记；‘o’：实心圈标记；‘v’：倒三角标记；‘^’：上三角标记；‘>’：右三角标记；‘<’：左三角标记；‘h’：竖六边形标记；‘H’：横六边形标记；‘+’：十字标记；‘+’：十字标记；‘1’：下花三角标记；‘2’：上花三角标记；‘3’：左花三角标记；‘4’：右花三角标记；’s’：实心方形标记；‘p’：实心五角标记；‘*’：星形标记；‘d’：瘦菱形标记；‘D’：菱形标记；‘|’：竖直线标记；‘_’：水平线标记

（1.3.5）markersize：标记大小
（1.3.6）markerfacecolor：标记填充色
（1.3.7）markeredgewidth：标记边缘宽度
（1.3.8）markeredgecolor：标记边缘色

以上可以使用命名参数（color=‘r’,linestyle=‘-’,marker=‘o’），也可以以字符串形式（‘r’+‘-’+‘o’）（‘r-o’）

（1.3.9）alpha
（2）**kwargs：允许传入多个可选的关键字参数
（3）label：标签，一个plot中只能有一个label，缺省为None

import matplotlib.pyplot as plt

#一个图片里绘制一个图像
a1=[3,4,5] # [列表]
a2=[2,3,2] # x,y元素个数N应相同

plt.plot(a1,a2)
plt.show()
1
2
3
4
5
6
7
8

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

#一个图片里绘制两个图像
x=(3,4,5) # (元组)
y1=np.array([3,4,3]) # np.array
y2=pd.Series([4,5,4]) # pd.Series

plt.plot(x,y1)
plt.plot(y2)  # x可省略,默认[0,1..,N-1]递增，N是y内的元素数
plt.show() # plt.show()前可加多个plt.plot(),画在同一张图上
1
2
3
4
5
6
7
8
9
10
11
12

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

#一个图片里绘制两个图像
plt.plot(x,y1,x,y2) # 此时x不可省略
plt.show()
1
2
3
4
5
6
7

import numpy as np
import matplotlib.pyplot as plt

#二维数组
b1=np.array([[0,1,2], 
             [3,4,5],
             [6,7,8]])
b2=np.array([[2,3,5],
             [8,3,1],
             [4,5,9]])
#b1的第一列为[0,3,6],b2的第一列为[2,8,4],从而构成三个点一段折线，以此类推

plt.plot(b1,b2)
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

import numpy as np
import matplotlib.pyplot as plt

#格式控制字符串
b1=np.array([[0,1,2],
             [3,4,5],
             [6,7,8]])
b2=np.array([[1,3,4],
             [7,1,8],
             [9,7,6]])

plt.plot(b1,b2,"ob:") #"b"为蓝色, "o"为圆点, ":"为点线
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
 
#颜色与线型
color=['b','g','r','c','m','y','k','w']
linestyle=['-','--','-.',':']

##格式控制字符串
dic1=[[0,1,2],[3,4,5]]
x=pd.DataFrame(dic1)
dic2=[[2,3,2],[3,4,3],[4,5,4],[5,6,5]]
y=pd.DataFrame(dic2)

# 循环输出所有"颜色"与"线型"
for i in range(2):
    for j in range(4):
        plt.plot(x.loc[i],y.loc[j],color[i*4+j]+linestyle[j]) 
plt.show()

#如果只控制"颜色", 格式控制字符串还可以输入英文全称, 如"red"
#也可以是十六进制RGB字符串, 如"#FF0000"
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

import matplotlib.pyplot as plt

#关键字=参数
y=[2,3,2] 
plt.plot(y,color="blue",linewidth=20,marker="o",markersize=50,
         markerfacecolor="red",markeredgewidth=6,markeredgecolor="grey")
plt.show()
1
2
3
4
5
6
7

 

2.散点图matplotlib.pyplot.scatter(x, y, s, c, marker, cmap, norm, vmin, vmax, alpha, linewidths, edgecolors, **kwargs) / AxesSubplot.scatter()

参数：
（1）x，y：表示的是shape大小为(n,)的数组，也就是我们即将绘制散点图的数据点，输入数据。x轴数据和y轴数据
（2）s（可选）：表示散点大小，是一个标量或者是一个shape大小为(n,)的数组，缺省为20
（3）c（可选）：color，表示的是散点色彩或颜色序列。但是c不应该是一个单一的RGB数字，也不应该是一个RGBA的序列，因为不便区分。c可以是一个RGB或RGBA二维行数组。缺省为’b’，表示蓝色
（4）marker（可选）：MarkerStyle，表示的是散点形状，标记的样式，缺省为’o’
（5）cmap（可选）：Colormap，标量或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用。如果没有申明就是image.cmap，缺省为None

cmap = plt.cm.Spectral
给label为1的点一种颜色，给label为0的点另一种颜色
cmap=plt.get_cmap(‘rainbow’))
设置颜色映射

（6）norm：Normalize，数据亮度在0-1之间，也是只有c是一个浮点数的数组的时候才使用，缺省为None
（7）vmin，vmax（可选）：标量，当norm存在的时候忽略。用来进行亮度数据的归一化，缺省为None
（8）alpha（可选）：标量，0-1之间，散点的透明度，缺省为None
（9）linewidths：标记点的长度，散点边框的宽度，缺省为None
（10）edgecolors：设置散点边框的颜色，缺省为None
 

3.柱状图matplotlib.pyplot.bar() / AxesSubplot.bar()

4.横向柱状图matplotlib.pyplot.barh() / AxesSubplot.barh()

4.茎状图（火柴图）matplotlib.pyplot.stem(x, y, linefmt, markerfmt, basefmt，bottom, label, orientation) / AxesSubplot.stem()

参数：
（1）x（可选）：数组，每根火柴的x轴位置，缺省为arange(len(y))
（2）y：数组，火柴头部的y坐标
（3）linefmt（可选）：字符串类型，定义垂直线条属性，包括线条颜色和线条类型，缺省为None
（4）markerfmt（可选）：字符串类型，定义火柴头部标记属性，包括线条颜色和线条类型

• 可选颜色：C0-C9，八种基础颜色
• 可选线性：参考上面
• 缺省为’C0o’

（5）basefmt（可选）：字符串类型，定义基线属性，缺省为‘C3-’，经典模式下为‘C2-’
（6）bottom（可选）：浮点型，基线所在的y轴位置，缺省为0
（7）label（可选）：字符串类型，标签，缺省为None
（8）orientation（可选）：如‘y’

2D图使用此参数似乎会引起警告

 

5.阶梯图（步阶图）（分段折线图）matplotlib.pyplot.step() / AxesSubplot.step()

6.填充图matplotlib.pyplot.fill_between() / AxesSubplot.fill_between()

7.堆叠图matplotlib.pyplot.stackplot() / AxesSubplot.stackplot()

8.极坐标图matplotlib.pyplot.polar() / AxesSubplot.polar()

（二）数组和字段的绘图

1.显示图像matplotlib.pyplot.imshow(X,cmap,interpolation) / AxesSubplot.imshow()

热图（heatmap）是数据分析的常用方法，通过色差、亮度来展示数据的差异、易于理解。
参数：
（1）x：图像数据

• (M, N)：带有标量数据的图像，灰度图。数据可视化使用色彩图。
• (M,N,3)：具有RGB值的图像（float或uint8）。
• (M,N,4)：具有RGBA值的图像（float或uint8），即包括透明度。
• 前两个维度（M，N）定义了行和列图片，即图片的高和宽
• RGB（A）值应该在浮点数[0,1]的范围内,或者整数[0,255]。超出范围的值将被剪切为这些界限。

（2）cmap：将标量数据映射到色彩图，缺省为None

cmap=‘颜色’；cmap=plt.get_cmap(‘颜色’)

（3）interpolation：缺省为None

2.matplotlib.pyplot.pcolormesh() / AxesSubplot.pcolormesh()

3.轮廓线（等高线）matplotlib.pyplot.contour(X, Y, Z, levels, cmap, **kwargs) / AxesSubplot.contour()

参数：
（1）X，Y（可选）：数组，Z中值的坐标

• 均为二维，形状与Z相同
• 均为一维，此时len(X)==M是Z中的列数，len(Y)==N是Z中的行数
• 缺省为整数索引，即X = range(M), Y = range(N)

（2）Z：类似数组（N，M），绘制轮廓的高度值
（3）levels（可选）：int或数组，确定等高线/区域的数量和位置

• 若为整数n，则使用n个数据间隔，在图中展现n条轮廓线
• 若为数组[]，则在指定标高绘制轮廓线，这些值必须按递增顺序排列
• 缺省为画出若干条曲线Z=c，c为随机数字

（4）cmap：缺省为None
 

4.填充轮廓matplotlib.pyplot.contourf(X, Y, Z, levels, cmap, **kwargs) \ AxesSubplot.contourf()

基本同上

5.倒钩图matplotlib.pyplot.barbs() \ AxesSubplot.barbs()

6.箭图matplotlib.pyplot.quiver() \ AxesSubplot.quiver()

7.流线图matplotlib.pyplot.streamplot() \ AxesSubplot.streamplot()

8.绘制X与Y的相关性matplotlib.pyplot.cohere() \ AxesSubplot.cohere()

9.功率谱密度图matplotlib.pyplot.psd() \ AxesSubplot.psd()

10.谱图matplotlib.pyplot.specgram() \ AxesSubplot.specgram()

（三）统计分析绘图

1.直方图matplotlib.pyplot.hist() \ AxesSubplot.hist()

2.箱线图（箱型图）matplotlib.pyplot.boxplot() \ AxesSubplot.boxplot()

3.误差棒图matplotlib.pyplot.errorbar() \ AxesSubplot.errorbar()

4.小提琴图matplotlib.pyplot.violinplot() \ AxesSubplot.violinplot()

5.尖峰栅格图matplotlib.pyplot.eventplot() \ AxesSubplot.eventplot()

6.2D直方图matplotlib.pyplot.hist2d() \ AxesSubplot.hist2d()

7.matplotlib.pyplot.hexbin() \ AxesSubplot.hexbin()

8.饼状图matplotlib.pyplot.pie() \ AxesSubplot.pie()

（四）非结构化坐标

1.matplotlib.pyplot.tricontour() \ AxesSubplot.tricontour()

2.matplotlib.pyplot.tricontourf() \ AxesSubplot.tricontourf()

3.matplotlib.pyplot.tripcolor() \ AxesSubplot.tripcolor()

4.matplotlib.pyplot.triplot() \ AxesSubplot.triplot()

（五）3D

1. AxesSubplot.plot(x, y, z)

2. AxesSubplot.scatter(x, y, z)

3. AxesSubplot.plot_surface(x, y, z, rstride, cstride, cmap)

参数：
（1）x，y，z：
（2）rstride：row，指定行的跨度，缺省为1
（3）cstride：column，指定列的跨度，缺省为1
（4）color：表示的是散点色彩或颜色序列，同上
（5）cmap：标量或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用，同上
（6）alpha（可选）：标量，0-1之间，散点的透明度，缺省为None

4.

Triangular 3D surfaces，3D voxel / volumetric plot，3D wireframe plot

附录

1.颜色表

颜色表

2.标记marker

---

以上未完待更新，仅供个人学习，侵权联系删除，如有错误或不足之处可指出，以便改进。