快速上手Matplotlib常用API

Matplotlib是快速一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的上手交互式环境生成出版物质量的图形。它可以生成图表、常用直方图、快速功率谱、上手条形图、常用误差图、快速散点图等。上手本文重点介绍线形图相关api的常用使用方法!

生成常用图型的API

线形图

方法plot

散点图

方法scatter()

饼图

方法pie()

条形图

方法bar()

更多图形展示请参考官网：

http://www.matplotlib.org.cn/tutorials/introductory/sample_plots.html#line-plot

线性plot api详解

基础api

实例代码 from matplotlib import pyplot as plt y = [0.21, 0.01, 0.0, 0.9]#纵轴坐标数据 x = [1, 2,3,4] #横轴坐标数据，如果不写，服务器托管快速默认数据就是上手自增1 plt.title("cpu Test")#图片标题 plt.xlabel("time(s)") #横轴文字 plt.ylabel("cpu(%)")#纵轴文字 plt.yscale(linear) #设置线性轴，包括: linear、常用log、快速symlog、上手logit  plt.plot(y,常用color="blue",linewidth=2,marker="o",markersize=5,markerfacecolor="yellow",markeredgewidth=1,markeredgecolor="red") plt.show() #图片展示 plt.savefig(d:\\testblueline.jpg) #保存图片到d盘 

 生成图形展示如下：

plt.plot参数解释如下

y是纵轴数据 color="blue" 线条显示蓝色 linewidth=2 线条宽度是2 marker="o" 节点图形是O markersize=5 节点大小是5 markerfacecolor="yellow" 节点颜色是黄色 markeredgewidth=1 节点边缘线条宽度是1 markeredgecolor="red" 节点边缘线条颜色是红色 plt.show() 图片展示 plt.savefig(d:\\testblueline.jpg) 保存图片到d盘 

 同一张图显示多组数据并设置节点形状

实例代码 from matplotlib import pyplot as plt import numpy as np # 数据范围是0-5,间隔是云服务器0.5 t = np.arange(0, 5,0.5) # 红色 --, 蓝色方块  绿色三角 plt.plot(t, t, r--, t, t**2, bs, t, t**3, g^) plt.show() 

 生成图形展示如下：

设置坐标轴取值范围

实例代码 from matplotlib import pyplot as plt y=[1,2,3,4,5,6,7,8,9] plt.plot(y) plt.ylabel(test data) plt.ylim(1,5) 设置y轴显示的数据范围是1-5，方法xlim设置x轴显示范围 plt.show() 

设置坐标轴显示刻度

实例代码 import numpy as np from matplotlib import pyplot as plt y=[1,2,3,4,5,6,7,8,9] plt.plot(y) plt.ylabel(test data) plt.xticks(np.arange(0, 10, step=2)) #x轴刻度显示范围是0-10，刻度是2,y轴刻度使用plt.yticks() plt.show() 

subplot创建多个子图

在matplotlib下，一个Figure对象可以包含多个子图(Axes)，可以使用subplot()快速绘制

实例代码 from matplotlib import pyplot as plt names = [group_a, group_b, group_c] values = [1, 10, 100] plt.figure(figsize=(9, 3)) #设置主图长款大小 plt.subplot(131) #131表示一行、三列，第一个 plt.bar(names, values) plt.subplot(132) #132表示一行、三列，第二个 plt.scatter(names, values) plt.subplot(133) #133表示一行、三列，云服务器提供商第三个 plt.plot(names, values) plt.suptitle(Categorical Plotting) plt.show() 

很赞哦!（4）