matplotlib教程（一）—

前言

Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式；它可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等

在使用它之前，应导入：import matplotlib.pyplot as plt

1. 画布与子图

matplotlib所绘制的图位于画布（Figure）对象中，我们可以通过去设置一张画布，进而在画布上画出按我们希望的格式排版的多个子图

1.1 画布与子图的创建

1.1.1 生成画布

语法：plt.figure（） #生成新的画布

常用参数说明：

num：画布编号或名称，数字为编号，字符串为名称

figsize：指定figure的宽和高，单位为英寸，输入格式为（宽，高）

dpi：分辨率（一般笔记本200，若要比较清楚可设置400、500左右）

facecolo：背景颜色

edgecolor：边框颜色

frameon：是否显示边框（默认显示）

1.1.2 创建单个子图

语法：画布.add_subplot（nrows,ncols,index）

常用参数说明：

nrows,ncols：行数，列数（即创建几乘几的图片）

index：创建子图的序号位置（从1开始）

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
data = pd.read_excel(r"E:\python 资料\孙兴华 数据分析教程\matplotlib课件和笔记\课件\09.折线与柱状组合图.xlsx")
print(data)fig = plt.figure(num = "示例图") # 创建画布
first = fig.add_subplot(2,2,1) # 创建第一个子图
plt.plot(data['班级'],data['毛利率'],label = "毛利率",color="red",marker="*") #在第一个子图位置画一个折线图
second = fig.add_subplot(2,2,2) # 创建第二个子图
third = fig.add_subplot(2,2,3) # 创建第三个子图
fourth = fig.add_subplot(2,2,4) # 创建第四个子图 
plt.bar(data["班级"],data["销售量"],color="yellow")#在第四个子图位置画一个柱状图
plt.show() #显示输出图像

1.1.3 创建多个子图

语法：fig，axes = plt.subplots（nrows，ncols）

参数：

sharex / sharey：所有子图是否使用相同的x轴 / y轴刻度

注：这里需要用两个变量来接收，fig指生成的画布，axes是包含n×n子图的数组

axes可以直接像二维数组那样索引，可以用 axes[ i，j ].plot / bar( )... 在指定位置作图

# 上述代码等价
fig,axes = plt.subplots(2,2)
axes[0,0].plot(data['班级'],data['毛利率'],label = "毛利率",color="red",marker="*")#第一个子图
axes[1,1].bar(data["班级"],data["销售量"],color="yellow")#第四个子图
plt.show()

1.2 新增子区域

所谓新增子区域可以理解为在一个图中，我们想再添加 / 叠加另外一个图

操作原理是通过设定图的大小和位置来进行子区域的插入

语法：fig.add_axes（[ left，bottom，width，height ]）

参数说明：

left、bottom：距离边框左侧、底部的距离

width、height：自身的宽和高度

#导入数据
import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
data = pd.read_excel(r"E:\python 资料\孙兴华 数据分析教程\matplotlib课件和笔记\课件\09.折线与柱状组合图.xlsx")fig = plt.figure() #创建画布
axes1 = fig.add_axes([0.1,0.1,0.8,0.8])#设定图1的大小和位置
axes1.bar(data.班级,data.销售量) #在图1上作图
axes1.set_title("销售量") #设定图1的标题axes2 = fig.add_axes([0.65,0.6,0.25,0.25])#设定图2的大小和位置
axes2.plot(data.班级,data.毛利率)
axes2.set_title("毛利率")
plt.show()

1.3 调整边框与子图的间距

1.3.1 自动调整

语法：fig.tight_layout（） # 不会让图片之间有重叠

1.3.2 手动调整

语法：fig.subplots_adjust（）

常用参数：
left / right / top / bottom：子图与边框左侧 / 右侧 / 顶部 /底部距离百分比

wspace / hspace：子图之间的宽度 / 高度百分比

1.4 案例：图形组合

要求：利用子区域方法，作出柱形图和折线图的组合图形（需掌握折线图和柱状图知识）

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
# 导入数据
data = pd.read_excel(r"E:\python 资料\孙兴华 数据分析教程\matplotlib课件和笔记\课件\09.折线与柱状组合图.xlsx")
# 创建画布
fig = plt.figure()# 创建图1————柱状图
picture1 = fig.add_subplot(1,1,1)
picture1.bar(data["班级"],data["销售量"],label = "销售量")
picture1.legend(loc = "best") # 打开图例，best指自动选择最佳位置
picture1.set_xlabel("班级") #设置x轴名称
picture1.set_ylabel("销售量") #设置y轴名称# 创建图2————折线图
picture2 = picture1.twinx() # 设置x轴为共享轴,图1使用左侧y轴，图2使用右侧y轴
picture2.plot(data["班级"],data["毛利率"],marker = "o",color = "red",label = "毛利率")
picture2.legend(bbox_to_anchor=(1,0.93)) # 打开图例
picture2.set_ylabel("毛利率") #设置y轴名称plt.show()

2. 图的样式

matplotlib的主函数plot接收带有x和y轴的数组，以及一些可选的参数来指明颜色和线的类型

语法：plot（x，y，[ fmt ]，color = ，linestyle = ，marker = ）

2.1 样式字符串

matplotlib的格式字符串 fmt 由 “ [ color ] [ marker ] [ linestyle ] ”组成，即线条的颜色、标记、线的形状三部分

例子：ax.plot（x，y，“ko--”）表示黑色，标记为实心圆的虚线

2.1.1 颜色（color）

单个颜色字符：取值范围为‘r’，‘g’，‘b’，‘c’，‘m’，‘y’，‘k’
也可以自定义颜色类型，例如：SeaGreen、#8FBC8F 等

2.1.2 标记（marker）

标记即数据点的图案样式，标记字符与外观对应关系如下图所示：

标记的大小与颜色：

ms：标记的大小（markersize）
mfc：标记内部的颜色（markerfacecolor）
mec：标记边框的颜色（markeredgecolor）

2.1.3 线的形状（linestyle）

线形的取值范围为：‘-’, ‘--’, ‘-.’, ‘:’
线形字符与外观对应关系如下图所示：

线的其他参数：

lw：线的宽度（linewidth）
drawstyle：点的插入方式（默认线性内插， “steps-post”：阶梯式）

2.2 刻度与标签

pyplot中有许多对象方法，可以控制刻度，标题，标签等

如果我们在调用时不传入参数，就会返回当前的参数值；如果传入参数，就会修改参数值

方法	作用	备注
fig.suptitle（）	设置画布标题
axes.set_title（）	设置图片标题
axes.set_xlabel（）	设置x轴的名称	y轴直接将x换成y即可
axes.set_xlim（）	设置x轴的范围	传入一个含min和max的列表
axes.set_xticks（）	设置x轴刻度	直接传入一个列表即可也可直接传入两个列表，另一为对应标签
axes.set_xtickslabels（）	设置x轴刻度的对应标签	传入一个与刻度数量相同的字符串列表

关于标签的一些参数：
rotation：标签逆时针旋转度数（默认0）

fontsize：标签字体大小（xx-small, x-small, small, medium, large, x-large,

xx-large, larger, smaller 或者输入数字也可）

2.3 图例

语法：axes.legend（ [ handles= ，labels =] ）

命名参数：
handles：可见对象（比如线条、形状）序列，传入一个元组

labels：各个对象的名称，传入一个字符串列表

title：图例的名称

注：前两个参数应该配合一起使用；

若在定义各个图 / 线时，使用label参数定义了名称，则可以什么都不传入，自行匹配

位置参数：

   loc：默认为 “best” 即自动选择最优位置，该参数也可传入（left、right、center、

upper、lower）或者他们的组合来表示具体位置



  bbox_to_anchor：该参数可直接传入一个坐标（x，y），x和y取值范围为0 ~ 1

样式参数：

prop：传入一个数字，调整图例大小

ncol：排列方式（默认1：并列展示，2：并排展示）

import matplotlib.pyplot as pltline1, = plt.plot([1, 1], marker='o')
line2, = plt.plot([2, 2])
plt.legend((line1, line2), ['1st', '2nd'], loc= "best",title='legends', ncol=2, # 按行排列facecolor='gray', edgecolor='r') #背景颜色 / 边框颜色
plt.show()

2.4 注释（数据标签）

所谓注释，即我们想在图上添加一些重要点的说明；或者我们想标出数据点所对应的y值

语法：plt.text（x，y，string，...）

参数说明：

x,y：坐标值一一> 指注释的位置

string：注释的内容，若要写数据标签，直接传入str（y数据）即可

fontsize：注释字体大小

ha：水平对齐方式，参数：[ ‘center’（居中对齐） | ‘right’ （右对齐）| ‘left’（左） ]

va：垂直对齐方式，参数：[ ‘center’ | ‘top’ | ‘bottom’ | ‘baseline’ ]

rotation：注释的逆时针旋转角度

alpha：文字透明度

补充：enumerate（）

在添加注释时，因为我们在填入坐标值时一次只能传入一对，所以我们不能利用dataframe的行列索引传入，我们需要分别获取对应的下标（x轴）和数据（y轴），我们就可以利用enumerate函数：for x，y in enumerate（列表名）： x，y就分别得到对应下标和数据

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
# 导入数据
data = pd.read_excel(r"E:\python 资料\孙兴华 数据分析教程\matplotlib课件和笔记\课件\09.折线与柱状组合图.xlsx")
# 创建画布
fig = plt.figure()# 创建图1————柱状图
picture1 = fig.add_subplot(1,1,1)
picture1.bar(data["班级"],data["销售量"],label = "销售量")
picture1.legend(loc = "best") # 打开图例，best指自动选择最佳位置
picture1.set_ylim([0,12000]) #设置y轴范围# 添加数据标签
for x,y in enumerate(data["销售量"]):picture1.text(x,y+200,str(y),ha = "center")plt.show()

3. 图的保存

语法：plt.savefig（路径字符串，dpi = ，format = ）

参数说明：
dpi：图片分辨率，默认为100（一般用200）

facecoler / edgecolor：多余背景 / 边框颜色（默认白色）

format：格式（‘png’，‘pdf’，‘jpg’...）

bbox_inches：保存的图片范围（若传入‘tight’，则去除周围空白）