---

Matplotlib 系列文章：

• Python 数据分析三剑客之 Matplotlib（一）：初识 Matplotlib 与其 matplotibrc 配置文件
• Python 数据分析三剑客之 Matplotlib（二）：文本描述 / 中文支持 / 画布 / 网格等基本图像属性
• Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图 / 补丁等基本图像属性
• Python 数据分析三剑客之 Matplotlib（四）：线性图的绘制
• Python 数据分析三剑客之 Matplotlib（五）：散点图的绘制
• Python 数据分析三剑客之 Matplotlib（六）：直方图 / 柱状图 / 条形图的绘制
• Python 数据分析三剑客之 Matplotlib（七）：饼状图的绘制
• Python 数据分析三剑客之 Matplotlib（八）：等高线 / 等值线图的绘制
• Python 数据分析三剑客之 Matplotlib（九）：极区图 / 极坐标图 / 雷达图的绘制
• Python 数据分析三剑客之 Matplotlib（十）：3D 图的绘制
• Python 数据分析三剑客之 Matplotlib（十一）：最热门最常用的 50 个图表【译文】

---

另有 NumPy、Pandas 系列文章已更新完毕，欢迎关注：

• NumPy 系列文章：https://itrhx.blog.csdn.net/category_9780393.html
• Pandas 系列文章：https://itrhx.blog.csdn.net/category_9780397.html

---

推荐学习资料与网站（博主参与部分文档翻译）：

• NumPy 官方中文网：https://www.numpy.org.cn/
• Pandas 官方中文网：https://www.pypandas.cn/
• Matplotlib 官方中文网：https://www.matplotlib.org.cn/
• NumPy、Matplotlib、Pandas 速查表：https://github.com/TRHX/Python-quick-reference-table

---

---

这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/105839855
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！

---

【1x00】方法描述

matplotlib.pyplot.plot() 函数可以用于绘制线性图。

本文用到的其他图像属性可参考前面的两篇文章：

《Python 数据分析三剑客之 Matplotlib（二）：文本描述 / 中文支持 / 画布 / 网格等基本图像属性》
《Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图等基本图像属性》

基本语法：matplotlib.pyplot.plot(x, y[, fmt, \*\*kwargs])

参数	描述
x	x 轴数据，数组类型或者标量，x 值是可选的，默认为 range(len(y))，通常为一维数组
y	y 轴数据，数组类型或者标量，通常为一维数组
fmt	str 类型，格式字符串，由标记、线条和颜色部分组成 fmt = '[marker][line][color]'，例如 ro 表示红色圆圈，三个参数的取值见后表
**kwargs	可选项，其他 Line2D 属性，常用属性见下表

部分常见 Line2D 属性如下表，完整属性参见官方文档。

属性	描述
alpha	线条透明度，float 类型，取值范围：[0, 1]，默认为 1.0，即不透明
antialiased / aa	是否使用抗锯齿渲染，默认为 True
color / c	线条颜色，支持英文颜色名称及其简写、十六进制颜色码等，更多颜色示例参见官网 Color Demo
linestyle / ls	线条样式：'-' or 'solid', '--' or 'dashed', '-.' or 'dashdot' ':' or 'dotted', 'none' or ' ' or ''
linewidth / lw	线条宽度，float 类型，默认 0.8
markeredgecolor / mec	marker 标记的边缘颜色
markeredgewidth / mew	marker 标记的边缘宽度
markerfacecolor / mfc	marker 标记的颜色
markerfacecoloralt / mfcalt	marker 标记的备用颜色
markersize / ms	marker 标记的大小

fmt 中 marker、line、color 三个参数的取值：

marker：线条标记样式（线条上每个数据点的样式）

字符	描述
'.'	点标记（point marker）
','	像素点标记（pixel marker）
'o'	圆圈标记（circle marker）
'v'	下三角标记（triangle_down marker）
'^'	上三角标记（triangle_up marker）
'<'	左三角标记（triangle_left marker）
'>'	右三角标记（triangle_right marker）
'1'	下三叉星标记（tri_down marker）
'2'	上三叉星标记（tri_up marker）
'3'	左三叉星标记（tri_left marker）
'4'	右三叉星标记（tri_right marker）
's'	正方形标记（square marker）
'p'	五角形标记（pentagon marker）
'*'	星号标记（star marker）
'h'	六边形标记（hexagon1 marker）
'H'	六边形标记（hexagon2 marker）
'+'	加号标记（plus marker）
'x'	X 号标记（x marker）
'D'	菱形标记（diamond marker）
'd'	细菱形标记（thin_diamond marker）
'|'	垂直线标记（vline marker）
'_'	水平线标记（hline marker）

line：线条样式

字符	描述
'-'	实线样式（solid line style）
'--'	虚线样式（dashed line style）
'-.'	点划线样式（dash-dot line style）
':'	点样式（dotted line style）

color：线条颜色，支持英文颜色名称及其简写、十六进制颜色码等

字符	描述
'b'	蓝色（blue）
'g'	绿色（green）
'r'	红色（red）
'c'	青色（cyan）
'm'	品红（magenta）
'y'	黄色（yellow）
'k'	黑色（black）
'w'	白色（white）

fmt 举例：

'b'    # 默认形状的蓝色标记
'or'   # 红圈
'-g'   # 绿色实线
'--'   # 默认颜色的虚线
'^k:'  # 黑色三角形标记，由虚线连接

【2x00】基本示例

import numpy as np
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 设置显示中文x = np.arange(-2*np.pi, 2*np.pi, 0.01)
y = np.sin(3*x)/x
plt.title('线性图示例')   # 设置标题
plt.xlabel('x 轴')       # 设置 x 轴标签
plt.ylabel('y 轴')       # 设置 y 轴标签plt.plot(x, y)
plt.show()

【3x00】多条数据

绘制多条数据，设置不同数据，然后多次调用 plt.plot() 函数即可，不同数据的线条颜色会不同，系统随机，可单独指定不同颜色。

import numpy as np
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']x = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('多数据线性图示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')plt.plot(x, y1)
plt.plot(x, y2)
plt.plot(x, y3)plt.show()

【4x00】设置颜色 / 样式 / 图例

设置线条颜色样式等属性直接在 plot() 函数里面添加相应参数即可，设置图例则需要调用 legend() 方法。

import numpy as np
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']x1 = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x1)/x1
y2 = np.sin(2*x1)/x1x3 = np.arange(-2*np.pi, 2*np.pi, 2)
y3 = np.array([0, 2, 1.5, 1, 2.4, -0.2, 1.7])plt.title('线性图自定义样式示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')plt.plot(x1, y1, '--r', label='x1, y1')                               # 线条样式为 --，颜色为 r（红色）
plt.plot(x1, y2, color='green', label='x1, y2')                       # 样式默认，颜色为绿色
plt.plot(x3, y3, marker='o', mfc='r', linestyle=':', label='x3, y3')  # 标记样式为 o，颜色为 r（红色），线条样式为 :
plt.legend(edgecolor='#87A3CC', facecolor='#F5F5F5')                  # 图例plt.show()

---

这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/105839855
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！

---

【5x00】设置刻度

调用 xticks() 和 yticks() 函数可以对坐标刻度进行自定义，该函数接收两个参数，第一个参数表示要显示的刻度位置，第二个参数表示在对应刻度线上要显示的标签信息，标签信息支持 LeTeX 数学公式，使用时要用美元符号 $ 包围起来。

import numpy as np
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']x = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('线性图设置刻度示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')plt.plot(x, y1, '--r', label='sin(3*x)/x')
plt.plot(x, y2, color='green', linestyle=':', label='sin(2*x)/x')
plt.plot(x, y3, label='sin(1*x)/x')
plt.legend(edgecolor='#87A3CC', facecolor='#F5F5F5')plt.xticks((-2*np.pi, -np.pi, 0, np.pi, 2*np.pi), (r'$-2\pi$', r'$-\pi$', '$0$', r'$\pi$', r'$2\pi$'))
plt.yticks((-1, 0, 1, 2, 3))plt.show()

【6x00】隐藏画布边框

Matplotlib 所绘制的图表中的每个绘图元素，例如线条 Line2D、文字 Text、刻度等在内存中都有一个对象与之对应。

matplotlib.pyplot.gca() 函数用于获取当前的绘图区 Axes（Get Current Axes）

matplotlib.pyplot.gcf() 函数用于获取当前的画布 Figure（Get Current Figure）

例如：matplotlib.pyplot.plot() 实际上会通过 matplotlib.pyplot.gca() 获得当前的 Axes 对象 ax，然后再调用 ax.plot() 方法实现真正的绘图。我们可以通过这种方法来实现画布边框的隐藏和坐标轴的移动。

import numpy as np
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']x = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('线性图隐藏画布边框示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')plt.plot(x, y1, '--r', label='sin(3*x)/x')
plt.plot(x, y2, color='green', linestyle=':', label='sin(2*x)/x')
plt.plot(x, y3, label='sin(1*x)/x')
plt.legend(edgecolor='#87A3CC', facecolor='#F5F5F5')plt.xticks((-2*np.pi, -np.pi, 0, np.pi, 2*np.pi), (r'$-2\pi$', r'$-\pi$', '$0$', r'$\pi$', r'$2\pi$'))
plt.yticks((-1, 0, 1, 2, 3))ax = plt.gca()                          # 获取当前的画布, gca = get current axes
ax.spines['right'].set_visible(False)   # 获取绘图区的轴对象（spines），设置右边框不显示
ax.spines['top'].set_visible(False)     # 获取绘图区的轴对象（spines），设置上边框不显示
# ax.spines['right'].set_color('none')  # 设置颜色为 none，效果与上面的一致
# ax.spines['top'].set_color('none')plt.show()

【7x00】移动坐标轴

import numpy as np
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']x = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('线性图移动坐标轴示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')plt.plot(x, y1, '--r', label='sin(3*x)/x')
plt.plot(x, y2, color='green', linestyle=':', label='sin(2*x)/x')
plt.plot(x, y3, label='sin(1*x)/x')
plt.legend(edgecolor='#87A3CC', facecolor='#F5F5F5')plt.xticks((-2*np.pi, -np.pi, 0, np.pi, 2*np.pi), (r'$-2\pi$', r'$-\pi$', '$0$', r'$\pi$', r'$2\pi$'))
plt.yticks((-1, 0, 1, 2, 3))ax = plt.gca()                          # 获取当前的画布, gca = get current axes
ax.spines['right'].set_visible(False)   # 获取绘图区的轴对象（spines），设置右边框不显示
ax.spines['top'].set_visible(False)     # 获取绘图区的轴对象（spines），设置上边框不显示
# ax.spines['right'].set_color('none')  # 设置颜色为 none，效果与上面的一致
# ax.spines['top'].set_color('none')ax.spines['left'].set_position(('data', 0))    # 设置两个坐标轴在（0, 0）位置相交
ax.spines['bottom'].set_position(('data', 0))
ax.xaxis.set_ticks_position('bottom')          # 设置 x 坐标轴标签的位置
ax.yaxis.set_ticks_position('left')            # 设置 y 坐标轴标签的位置plt.show()

【8x00】指定位置显示文本

matplotlib.pyplot.annotate() 方法可以在指定坐标点添加文本或 LaTeX 描述，也可以在其他位置添加描述后，使用箭头指向某个坐标点。

基本语法：matplotlib.pyplot.annotate(text, xy, xytext, xycoords, textcoords, ha, va, arrowprops, \*\*kwargs)

参数	描述
text	str 类型，注释的文本
xy	被注释的坐标点，格式：(x, y)
xytext	注释文本的坐标点，格式：(x, y)，默认与 xy 相同
xycoords	被注释的坐标点的参考系，取值参见表一，默认为 ‘data’
textcoords	注释文本的坐标点的参考系，取值参见表二，默认为 xycoords 的值
ha	注释点在注释文本的左边、右边或中间（left、right、center）
va	注释点在注释文本的上边、下边、中间或基线 （top、bottom、center、baseline）
arrowprops	dict 字典类型，箭头的样式 如果 arrowprops 不包含键 arrowstyle，则允许的键参见表三 如果 arrowprops 包含键 arrowstyle，则允许的键参见表四

表一：xycoords 取值类型

取值	描述
‘figure points’	以画布左下角为参考，单位为点数
‘figure pixels’	以画布左下角为参考，单位为像素
‘figure fraction’	以画布左下角为参考，单位为百分比
‘axes points’	以绘图区左下角为参考，单位为点数
‘axes pixels’	以绘图区左下角为参考，单位为像素
‘axes fraction’	以绘图区左下角为参考，单位为百分比
‘data’	使用被注释对象的坐标系，即数据的 x, y 轴（默认）
‘polar’	使用（θ，r）形式的极坐标系

表二：textcoords 取值类型

取值	描述
‘figure points’	以画布左下角为参考，单位为点数
‘figure pixels’	以画布左下角为参考，单位为像素
‘figure fraction’	以画布左下角为参考，单位为百分比
‘axes points’	以绘图区左下角为参考，单位为点数
‘axes pixels’	以绘图区左下角为参考，单位为像素
‘axes fraction’	以绘图区左下角为参考，单位为百分比
‘data’	使用被注释对象的坐标系，即数据的 x, y 轴
‘polar’	使用（θ，r）形式的极坐标系
‘offset points’	相对于被注释点的坐标 xy 的偏移量，单位是点
‘offset pixels’	相对于被注释点的坐标 xy 的偏移量，单位是像素

表三：arrowprops 不包含键 arrowstyle 时的取值

键	描述
width	箭头的宽度，以点为单位
headwidth	箭头底部的宽度，以点为单位
headlength	箭头的长度，以点为单位
shrink	箭头两端收缩占总长的百分比
?	其他 matplotlib.patches.FancyArrowPatch 中的关键字，部分常用关键字参见表五

表四：arrowprops 包含键 arrowstyle 时的取值

取值	描述
'-'	None
'->'	head_length=0.4,head_width=0.2
'-['	widthB=1.0,lengthB=0.2,angleB=None
']-'	widthA=1.0, lengthA=0.2, angleA=None
]-[	widthA=1.0, lengthA=0.2, angleA=None, widthB=1.0, lengthB=0.2, angleB=None
'|-|'	widthA=1.0,widthB=1.0
'-|>'	head_length=0.4,head_width=0.2
'<-'	head_length=0.4,head_width=0.2
'<->'	head_length=0.4,head_width=0.2
'<|-'	head_length=0.4,head_width=0.2
'<|-|>'	head_length=0.4,head_width=0.2
'fancy'	head_length=0.4,head_width=0.4,tail_width=0.4
'simple'	head_length=0.5,head_width=0.5,tail_width=0.2
'wedge'	tail_width=0.3,shrink_factor=0.5

表五：matplotlib.patches.FancyArrowPatch 常用的键

键	描述
arrowstyle	箭头样式，取值参见表四
connectionstyle	连接方式，默认为 arc3，有以下五种取值： angle：angleA=90, angleB=0, rad=0.0 angle3：angleA=90, angleB=0 arc：angleA=0, angleB=0, armA=None, armB=None, rad=0.0 arc3：rad=0.0 bar：armA=0.0, armB=0.0, fraction=0.3, angle=None angle 为箭头旋转的角度，rad 为弧度
relpos	箭头起始点相对注释文本的位置，默认为 (0.5, 0.5)，即文本的中心 （0，0）表示左下角，（1，1）表示右上角
patchA	箭头起点处的图形，默认为文本的边框
patchB	箭头终点处的图形，默认为空
shrinkA	箭头起点的缩进点数，默认为2
shrinkB	箭头终点的缩进点数，默认为2
？	其他键值，参见官方文档 matplotlib.patches.PathPatch

connectionstyle 样式举例

应用举例：

import numpy as np
import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']x = np.arange(-2*np.pi, 2*np.pi, 0.01)
y1 = np.sin(3*x)/x
y2 = np.sin(2*x)/x
y3 = np.sin(1*x)/x
plt.title('线性图显示文本注释示例')
plt.xlabel('x 轴')
plt.ylabel('y 轴')plt.plot(x, y1, '--r', label='sin(3*x)/x')
plt.plot(x, y2, color='green', linestyle=':', label='sin(2*x)/x')
plt.plot(x, y3, label='sin(1*x)/x')
plt.legend(edgecolor='#87A3CC', facecolor='#F5F5F5')plt.xticks((-2*np.pi, -np.pi, 0, np.pi, 2*np.pi), (r'$-2\pi$', r'$-\pi$', '$0$', r'$\pi$', r'$2\pi$'))
plt.yticks((-1, 0, 1, 2, 3))ax = plt.gca()                          # 获取当前的画布, gca = get current axes
ax.spines['right'].set_visible(False)   # 获取绘图区的轴对象（spines），设置右边框不显示
ax.spines['top'].set_visible(False)     # 获取绘图区的轴对象（spines），设置上边框不显示
# ax.spines['right'].set_color('none')  # 设置颜色为 none，效果与上面的一致
# ax.spines['top'].set_color('none')ax.spines['left'].set_position(('data', 0))    # 设置两个坐标轴在（0, 0）位置相交
ax.spines['bottom'].set_position(('data', 0))
ax.xaxis.set_ticks_position('bottom')          # 设置 x 坐标轴标签的位置
ax.yaxis.set_ticks_position('left')            # 设置 y 坐标轴标签的位置plt.annotate(r'$\lim_{x\to 0}\frac{\sin(x)}{x}=1$',  # 插入 LaTeX 表达式xy=[0, 1],                              # 被标记的坐标xycoords='data',                        # 被标记的坐标的参考系xytext=[30, 30],                        # 注释文本的坐标textcoords='offset points',             # 注释文本的坐标的参考系fontsize=16,                            # 字体大小arrowprops=dict(arrowstyle="->", connectionstyle="arc3, rad=.2"))  # 箭头样式plt.show()

---

这里是一段防爬虫文本，请读者忽略。
本文原创首发于 CSDN，作者 TRHX。
博客首页：https://itrhx.blog.csdn.net/
本文链接：https://itrhx.blog.csdn.net/article/details/105839855
未经授权，禁止转载！恶意转载，后果自负！尊重原创，远离剽窃！

---