大家好，我是小雨！

今天给大家介绍数据可视化领域的知识~

matplotlib是python中的绘图工具库，也是平面数据可视化领域应用最广泛的绘图工具之一，接下来我们就从常用函数的角度向大家介绍matplotlib的用法！

一、plot()函数

1. 函数功能

展现变量的趋势变化，通常用于绘制线图。

2. 实例代码

import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(0.01, 12, 100)  # 生成100个从0.01到12的均匀数值
y = np.cos(x)   # 余弦函数

plt.plot(x,y,ls='-',color='r',lw=2,label='plot figure') # 设置绘图属性
plt.legend()    # 让代码产生效果，如图例的名称
plt.show()  # 显示图像

参数说明：

• x：x轴上的数字
• y：y轴上的数字
• ls：折线的风格
• color：线条的颜色
• lw: 折线线条的宽度
• label：标记图形内容的标签文本

常用的颜色简写：

3. 效果

二、scatter()函数

1. 函数功能

寻找变量之间的关系，用于绘制散点图。

2.实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(2, 9, 500)  # 从2到9均匀取500个数
y = np.random.randn(500)    # 在标准正态分布中随机取500个数
plt.scatter(x,y,s=10,c='g',label='scatter figure') # x,y的数据规模必须要相同
plt.legend()
plt.show()

参数说明：

• s：散点的大小，默认为50
• c：散点的颜色，默认为蓝色，这里设为g表示green绿色。
• label：标记图形内容的标签文本

3.效果

三、xlim()函数

1. 函数功能

设置x轴的显示范围

2.实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(2,9,500)
y = np.random.randn(500)
plt.scatter(x, y,c='g',s=10,label="scatter figure")
plt.legend()
plt.xlim(0,10)
plt.ylim(0,1)
plt.show()

参数说明：

对x轴操作plt.xlim(xmin,xmax)，同理对y轴操作plt.ylim(ymin,ymax)

• xmin：x轴上的刻度最小值
• xmax：x轴上的刻度最大值

3.效果

生成同样的散点分布图，如果把x轴刻度调成与生成范围一致(2~9)，我们就会发现散点均匀地分布满了x轴范围。

x = np.linspace(2,9,500)
y = np.random.randn(500)
plt.scatter(x, y,c='g',s=10,label="scatter figure")
plt.legend()
plt.xlim(2,9)
plt.ylim(0,1)
plt.show()

四、xlabel()函数

1. 函数功能

设置x轴标签文本

2.实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-.',lw=2,c='g',label='xlable')
plt.legend()
plt.xlabel('x-label')  # 设置x轴文本标签
plt.ylabel('y-label')  # 设置y轴文本标签
plt.show()

参数说明：

设置坐标轴x轴文本标签xlabel(string) 设置y轴文本标签ylabel(string)

3.效果

五、grid()函数

1. 函数功能

绘制刻度线的网格线

2.实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-',lw=2,c='r',label='grid figure')
plt.legend()
plt.grid(linestyle=":",color='g')
plt.show()

参数说明：

• linestyle: 网格线线条风格，：表示虚线,-表示实线

3.效果

六、axhline()函数

1.函数功能

绘制平行于x轴的水平参考线

2. 实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 10, 500)
y = np.cos(x)
plt.plot(x,y,ls='-',c='c',lw=2,label='axhline figure')
plt.legend()
plt.axhline(y=0.0,c='r',ls='--',lw=1)
plt.axvline(x=2.0,c='g',ls='--',lw=1)
plt.show()

参数说明：

绘制水平参考线axhline(y=0.0,c='r',ls='--',lw='1')

绘制垂直参考线axvline(x=2.0,c='g',ls='--',lw='1')

• y：水平参考线的y轴位置
• x:：垂直参考线的x轴位置

3. 效果

七、axvspan函数

1.函数功能

绘制垂直与x轴的参考区域

2. 实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 17, 500)
y = np.sin(x)
plt.plot(x,y,ls='--',lw=2,c='c',label='axvspan figure')
plt.legend()
plt.axvspan(5, 10, facecolor='b', alpha=0.2)
plt.axhspan(0.0, 0.5, facecolor='g', alpha=0.2)
plt.show()

参数说明：

绘制垂直与x轴的参考区域：plt.axvspan(xmin=5,xmax=10,facecolor='b',alpha=0.2)

• xmin：参考区域的其实位置
• xmax：参考区域的终止位置
• facecolor：参考区域的填充颜色
• alpha：参考区域填充颜色的透明度

3. 效果

八、annotate()函数

1.函数功能

设置指向性注释文本

2. 实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-.',lw=2,c='c',label='annotate figure')
plt.legend()
plt.annotate('minimum', # 图形注释的文本
xy=(np.pi,-1.0),    # 被注释的图形内容坐标
xytext=(5,-0.75),   # 注释文本位置坐标
weight='bold',  # 注释文本字体粗细
color='r',  # 注释文本字体颜色
arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color='r'))  # 箭头的属性
plt.show()

参数说明：

添加图形内容细节指向性箭头注释plt.annotate(string,xy=(np.pi,-1.0),xytext=(5,-0.75),weight='bold',color='r',arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color=''r))

• string：注释文本内容
• xy：被注释的图形位置坐标
• xytext：注释的文本坐标
• weight：注释的文本的粗细风格
• color：注释文本的颜色
• arrowprops：注释指向性箭头的属性，属性值字典里包含了箭头的类型、风格、颜色

3. 效果

九、text()函数

1.函数功能

添加无指向型注释

2. 实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 5, 100)
y = np.tan(x)
plt.plot(x,y,ls='-.',lw=1,c='g',label='text figure')
plt.legend()
plt.text(2,0.5,'y=tan(x)',weight='bold',color='r')
plt.show()

参数说明：

在图中添加注释文本plt.text(x,y,string,weight='bold',color='r')

• x：注释位置的横坐标
• y：注释位置的纵坐标
• string：注释的文本内容

3. 效果

十、title()函数

1.函数功能

添加图表标题

2. 实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1,5,100)
y = np.tan(x)
plt.plot(x,y,ls='-.',lw=1,c='c',label='title figure')
plt.legend()
plt.title('y = tan(x) figure')
plt.show()

参数说明：

添加图表标题：plt.title(string)

• string：表示标题文本内容

3. 效果

十一、legend()函数

1.函数功能

显示图表图例，并设置图例位置

2. 实例代码

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1,8,100)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y,ls='-',lw=1,c='c',label='legend figure 1')
plt.plot(x,z,ls='-.',lw=1,c='r',label='legend figure 2')
plt.legend(loc='lower left')
plt.show()

参数说明：

标识图例plt.legend(loc='lower left')

• loc：图例在图表中的位置，值可以设置方位字符串，也可以设置方位置编号。

位置字符串 含义

3. 效果

十二、本节知识点总结

十三、综合练习

1. 题目

根据我们本节所介绍的matplotlib知识点，请绘制出以下函数图像：

2. 答案

小伙伴们可以根据前面所学的内容，自己动手先敲一下代码，看能不能做出来~

# matplotlib综合案例：
import matplotlib.pyplot as plt
import numpy as np

# plot 线图
x = np.linspace(0.5,3.5,200)
y1 = np.sin(x)
plt.plot(x,y1,ls='--',lw=2,c='k',label='plot figure')
# plot 散点图
y2 = np.random.randn(200)
plt.scatter(x,y2,s=5,c='m',label='scatter figure')
# 设置横纵坐标轴范围
plt.xlim(0.0,4.0)
plt.ylim(-3,3)
# 设置高亮范围显示
plt.axvspan(xmin=1.0, xmax=2.0, facecolor='g', alpha=0.3)
# 设置网格子
plt.grid(linestyle=':',color='g')
# 设置箭头注释
plt.annotate("maximum", 
xy=(np.pi/2,1),
xytext=(2.5,1.5),
weight='bold',
color='r',
arrowprops = dict(arrowstyle='->',connectionstyle='arc3',color='r')
)
# 绘制竖线
plt.axvline(x=np.pi/2,c='c',ls='--',lw=1)
# 设置无箭头注释
plt.text(3.5, -0.5, 'y=sin(x)',color='k')
# 设置title
plt.title("Base matplotlib")
# 设置横纵坐标轴名称
plt.xlabel('x_axis')
plt.ylabel('y_axis')

plt.legend(loc='upper right')
plt.show()

最后，如果觉得有用的话，欢迎小伙伴们点赞评论转发收藏!

感谢大家的阅读~