Matplotlib是一个基于python的2D画图库，可以用python脚本方便的画出折线图，直方图，功率谱图，散点图等经常使用图表，并且语法简单。python
Python中经过matplotlib模块的pyplot子库来完成绘图。Matplotlib可用于建立高质量的图表和图形，也能够用于绘制和可视化结果。matplotlib是Python优秀的数据可视化第三方库，matplotlb.pyplot是绘制种类可视化图形的命令子库，至关于快捷方式 import matplotlib.pyplot as plt.数组
一、线形图dom
线性图是最基本的图表类型，经常使用于绘制连续的数据。经过绘制线形图，能够表现出数据的一种趋势变化。函数
Matplotlib的plot（X,Y）用来绘制线形图，在参数中传入X和Y的坐标便可。其中，X和Y轴坐标的数据格式能够是列表、数组和Series.工具
例1：坐标数据格式为series字体
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
data={'name':['Tom','Peter','Lucy','Max'],
'sex':['female','female','male','male'],
'math':[78,79,83,92],
'city':['北京','上海','广州','北京']
}
df=pd.DataFrame(data)
print(df)
#DataFrame数据的行索引做为X轴，math列索引做为Y轴
plt.plot(df.index,df['math'],color='red',linestyle='-',linewidth=3,marker='D')
#经过plot函数的color参数能够指定线条的颜色
linestyle参数能够指定线条的形状，spa
linewidth参数可指定线条的宽度，code
marker参数可对坐标点进行标记（默认状况下，坐标点是没有标记的），orm
结果： name sex math city #建立一个DataFrame数据 0 Tom female 78 北京 1 Peter female 79 上海 2 Lucy male 83 广州 3 Max male 92 北京 ，
注意： 颜色设置要放在线条和点的样式的前面 ，颜色、线条和点的样式能够放置于格式字符串。对象
如:plt.plot(df.index,df[‘math’],‘co-’)
运行结果以下：
2. 柱状图
2.1 绘制柱状图主要是使用matplotlib的 bar函数 :
bar函数的color参数能够设置柱状图的填充颜色，
alpha参数能够设置透明度，
例如：
import matplotlib.pyplot as plt data=[23,85,72,43,52] plt.bar([1,2,3,4,5],data,color='royalblue',alpha=0.7)
运行结果：
bottom参数用于设置柱状图的高度，以此绘制堆积柱状图；
width参数 用于设置柱状图的宽度， 以此能够绘制并列柱状图 。
grid函数用于绘制格网，经过对参数的个性化设置，能够绘制出个性的格网
例如：
import numpy as np import matplotlib.pyplot as plt data1=[23,85,72,43,52] data2=[42,35,21,16,9] width=0.3 plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7,width=width) plt.bar(np.arange(len(data2))+width,data2,color='green',alpha=0.7,width=width) plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)
运行结果：
Bar函数的经过barh函数能够绘制水平柱状图
import numpy as np import matplotlib.pyplot as plt data1=[23,85,72,43,52] plt.barh(np.arange(len(data1)),data1,color='green',alpha=0.5)
如图所示：
2.2 刻度与标签：
现实中的柱状图的X轴是有刻度标签的，上述实例中未设置。在matplotlib中，
经过 xticks函数 设置图标的X轴的刻度和刻度标签， yticks函数 设置y轴的刻度和标签。
经过xlabel 和 ylabel 方法给X轴和Y轴添加标签，
经过title方法为图表添加标题
例如：
import numpy as np
import matplotlib.pyplot as plt
data1=[23,85,72,43,52]
labels=['A','B','C','D','E']
plt.xticks(range(len(data1)),labels) #设置刻度和标签
plt.xlabel('Class') #plt.xlabel、ylabel、title方法分别给X轴和Y轴，图标题添加标签。
plt.ylabel('Amounts')
plt.title('Example')
#plt.bar(range(len(data1)),data)
plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7)
plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)
运行结果：
图例是标识图表元素的重要工具， 在bar函数中传入label参数表示图例名称，经过legend函数便可绘制出图例。
data1=[23,85,72,43,52] data2=[42,35,21,16,9] width=0.3 plt.bar(np.arange(len(data1)),data1,width=width,label='one') plt.bar(np.arange(len(data2))+width,data2,width=width,label='two') plt.legend()
结果以下：
2.4 文本注解：
例如：在柱状图中加入文本数字，能够很清楚的知道每一个类别的数量。经过text函数能够在指定的坐标（x,y）上加入文本注释
data=[23,85,72,43,52]
labels=['A','B','C','D','E']
plt.xticks(range(len(data)),labels) #设置刻度和标签
plt.xlabel('Class')
plt.ylabel('Amounts')
plt.title('Example')
plt.bar(range(len(data)),data)
for x,y in zip(range(len(data)),data):
plt.text(x,y,y,ha='center',va='bottom') #文本注解 # 第一个参数是x轴坐标
# 第二个参数是y轴坐标
# 第三个参数是要显式的内容
3.散点图：
Matpltlib中 scatter函数能够用来绘制散点图，传入X和Y轴坐标。Scatter(X,Y)
利用Numpy建立一组随机数
import numpy as np import matplotlib.pyplot as plt X=np.random.randn(100) Y=np.random.randn(100) plt.scatter(X,Y,color='red',marker='D')
散点图：
4. 直方图
matplotlib的 hist(）函数 用来绘制直方图。
直方图与条形图的区别：
直方图是用面积表示各频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，所以其宽度与高度均有意义；
条形图（柱状图）是用条形的长度表示各种频数的多少，其宽度是固定的。
因为分组数据具备连续性，直方图的各矩形一般是连续排列，而条形图是分开排列；条形图主要是用于展现分类数据，而直方图则主要用于展现数据型数据。
x=np.random.normal(size=100) plt.hist(x,bins=30)
5. 自定义设置
Matplotlib的图像位于Figure对象中，实际上就是建立了一个空的图像窗口。可经过figure函数能够建立一个新的Figure，用于绘制图表
fig=plt.figure(figsize=(10,6)) #figsize参数能够设置图表（整个图）的长宽比
ax1=fig.add_subplot(2,2,1) #不能经过空figure绘图，必须用add_subplot()建立一个或者多个子subplot绘图区才能绘图
意思是：绘制2*2两行两列共4个子subplot图像
ax2=fig.add_subplot(2,2,2) # 在建立Figure对象过程当中，经过add_subplot函数建立子图，用于绘制图形
ax3=fig.add_subplot(2,2,3)
years=[1950,1960,1970,1980,1990,2000,2010]
gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]
ax1.scatter(years,gdp) #选用不一样的ax变量，则能够在对应的subplot子图中绘图（散点图、线形图、柱状图）
ax2.plot(years,gdp)
ax3.bar(years,gdp)
plt.subplots能够轻松的建立子图，而axes的索引类型相似于二维数组，这样就能够对指定的子图进行绘制。Subplot函数中有3个参数：垂直绘图的数量、水平绘图的数量以及表示绘图位置的索引（基于行进行计算）
fig,axes=plt.subplots(2,2,figsize=(10,6)) axes[1,0].plot(years,gdp) axes[0,0].scatter(years,gdp) axes[0,1].bar(years,gdp) axes[1,1].hist(years,gdp)
注意：当没有设置figsize时，建立多子图会显得拥挤。经过 plt…subplot_adjust方法能够设置子图的间距修改子图之间的间距（增长额外的空间以调整两个子图之间的距离）
subplots__adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None) ，其中前4个参数用于设置subplot子图的外围边距，wspace和hapace参数设置用于设置subplot子图间的边距。
fig,axes=plt.subplots(2,2) #未设置figsize时，默认状况下，各sudplot子图间都会留有必定的间距。
years=[1950,1960,1970,1980,1990,2000,2010] gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3] fig,axes=plt.subplots(2,2) plt.subplots_adjust(wspace=0.3,hspace=0.3) axes[1,0].plot(years,gdp) axes[0,0].scatter(years,gdp) axes[0,1].bar(years,gdp) axes[1,1].hist(years,gdp)
6. 样式与字体：
Matplotlib自带了一些样式供用户使用，如 经常使用的ggplot样式，经过 plt.style.use(‘ggplot’) 函数便可调用该样式绘图。 **
Matplotlib默认为英文字体，若是绘制中出现汉字就会乱码，所以须要指定matplotlib的默认字体，这样就能够解决乱码的问题，
plt.rcParams[‘font.sans-serif’]=[‘simhei’] #指定默认字体
plt.rcParams[‘axes.unicode_minus’]=False #解决保存图像时负号‘-’显示为方块的问题