Matplotlib数据图形绘制大全
Matplotlib是一个用于绘制图形的Python库。它可以在各种平台上生成静态图、动态图、交互式图形和幻灯片。它可以用于绘制线图、散点图、柱状图、饼图、直方图等各种图形。它还可以与其他Python库，如NumPy、Pandas等一起使用。
安装
pip install matplotlib seaborn创建图表
创建一个新的图形（figure）时，如下代码示例：
import matplotlib.pyplot as plt
# 创建一个新的图形
fig = plt.figure()
# 现在可以在这个图形上绘制内容
plt.plot([1, 2, 3, 4])
plt.show()plt.figure() 是 Matplotlib 库中的一个函数，用于创建一个新的图形（figure）。当你想要绘制多个图表，或者需要对图表的属性进行更细致控制时，这个函数非常有用。
通常，在进行一个图表的绘制时，不需要plt.figure()，例如：
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
# 创建折线图
plt.plot(x, y)
# 显示图表
plt.show()现在介绍plt.figure()的用法
不带任何参数调用 plt.figure() 会创建一个新的空白图形，并且返回一个 Figure 对象。默认情况下，Matplotlib 会自动管理这个图形的编号和尺寸。
import matplotlib.pyplot as plt
# 创建一个新的图形
fig = plt.figure()
# 现在可以在这个图形上绘制内容
plt.plot([1, 2, 3, 4])
plt.show()你可以通过向 plt.figure() 传递参数来自定义新图形的属性，例如尺寸、分辨率、背景色等。
# 创建一个宽度为10英寸，高度为5英寸的图形
fig = plt.figure(figsize=(10, 5))
# 绘制内容...创建子图
plt.figure() 也常与 add_subplot() 或 subplots() 结合使用来创建具有多个子图的复杂布局。
# 创建一个包含2行1列的子图布局，并激活第一个子图
fig = plt.figure()
ax1 = fig.add_subplot(2, 1, 1)
# 在第一个子图上绘制内容
ax1.plot([1, 2, 3, 4])
# 激活第二个子图
ax2 = fig.add_subplot(2, 1, 2)
# 在第二个子图上绘制内容
ax2.bar([1, 2, 3], [4, 5, 6])
plt.show()当你调用 fig.add_subplot(2, 1, 1) 时，你是在一个2行1列的网格布局中添加第一个子图。这个函数的三个参数分别代表：
总行数（row）
总列数（column）
当前激活的子图索引（从1开始计数）
如果你想要调整这个布局或者添加更多子图，你可以修改这些参数。例如：
要创建一个2行2列的网格布局，并且添加左上角的第一个子图，可以使用
fig.add_subplot(2, 2, 1)。若要在上述2x2网格中紧接着添加右上角的第二个子图，可以使用
fig.add_subplot(2, 2, 2)。如果你想在新的一行开始，比如添加一个占据两列的子图在下一行，可以先增加总行数，然后使用
fig.add_subplot(3, 1, 3)或者对于跨越列的情况使用fig.add_subplot(1, 2, 1)并调整其宽度比。
或者使用 subplots() 函数更简洁地创建并访问子图：
fig, axs = plt.subplots(2, 1)
axs[0].plot([1, 2, 3, 4])
axs[1].bar([1, 2, 3], [4, 5, 6])
plt.show()当你使用 fig, axs = plt.subplots(2, 1) 这样的代码时，你在一步操作中创建了一个带有2行1列网格布局的Figure对象，并且同时获取了这个布局中所有子图的轴（axes）对象列表。这意味着axs会是一个包含两个子图轴对象的数组（list），其中axs[0]对应第一行的第一个子图，axs[1]对应第二行的第一个子图。
这种语法简化了单独调用fig.add_subplot()的过程，特别是当需要处理多个子图时。接下来，你可以直接对axs中的各个元素进行操作，来分别设置每个子图的属性、绘制数据等
matplotlib图表绘制
基本绘制
折线图
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# x = [1, 2, 3, 4, 5]
# x = pd.Series([1, 2, 3, 4, 5])
x = np.array([1, 2, 3, 4, 5])
# y = [2, 4, 6, 8, 10]
# y = pd.Series([2, 4, 6, 8, 10])
y = np.array([2, 4, 6, 8, 10])
plt.plot(x, y) # x和y可以是列表、numpy的列表或者pandas的序列
plt.show()
可以在同一张图里面画多个图表
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [3, 6, 9, 12, 15]
plt.plot(x, y1)
plt.plot(x, y2)
plt.show()
散点图
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# x = [1, 2, 3, 4, 5]
# x = pd.Series([1, 2, 3, 4, 5])
x = np.array([1, 2, 3, 4, 5])
# y = [2, 4, 6, 8, 10]
# y = pd.Series([2, 4, 6, 8, 10])
y = np.array([2, 4, 6, 8, 10])
plt.scatter(x, y) # x和y可以是列表、numpy的列表或者pandas的序列
plt.show()
直方图
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# x = [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
# x = pd.Series([2, 4, 6, 8, 10, 12, 14, 16, 18, 20])
x = np.array([2, 4, 6, 8, 10, 12, 14, 16, 18, 20])
plt.hist(x) # x可以是列表、numpy的列表或者pandas的序列
plt.show()
条形图
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# x = [1, 2, 3, 4, 5]
# x = pd.Series([1, 2, 3, 4, 5])
x = np.array([1, 2, 3, 4, 5])
# y = [2, 4, 6, 8, 10]
# y = pd.Series([2, 4, 6, 8, 10])
y = np.array([2, 4, 6, 8, 10])
plt.bar(x, y) # x和y可以是列表、numpy的列表或者pandas的序列
plt.show()
饼图
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# labels = ['Apple', 'Banana', 'Orange', 'Strawberry']
# labels = pd.Series(['Apple', 'Banana', 'Orange', 'Strawberry'])
labels = np.array(['Apple', 'Banana', 'Orange', 'Strawberry'])
# sizes = [20, 30, 40, 10]
# sizes = pd.Series([20, 30, 40, 10])
sizes = np.array([20, 30, 40, 10])
plt.pie(sizes, labels=labels) # sizes和labels可以是列表、numpy的列表或者pandas的序列
plt.show()
图表样式调整
中文显示
由于默认情况下matplotlib对中文显示支持不太友好，需要指定一个支持中文的字体文件
确保系统上有一个支持中文的字体，比如SimHei.ttf（黑体），你可以从操作系统中选择一个已有的中文字体，或者在网上下载一个。
首先获取系统上的字体库列表
from matplotlib import pyplot as plt
import matplotlib
a=sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])
for i in a:
print(i)然后，在代码中加入以下设置，以便matplotlib能够正确显示中文字符：
import matplotlib.pyplot as plt
# 设置中文字体
plt.rcParams['font.sans-serif']='SimHei' # 用黑体显示中文
plt.rcParams['axes.unicode_minus']=False # 解决保存图像是负号'-'显示为方块的问题设置标题和坐标轴标签
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.title('My Plot') # 设置图表标题
plt.xlabel('X-axis') # 设置图表的x标签
plt.ylabel('Y-axis') # 设置图表的y标签
plt.show()设置坐标轴范围
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.xlim(0, 6) # 设置图表的x范围
plt.ylim(0, 12) # 设置图表的y范围
plt.show()修改标签
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, label='Line 1') # 标记这条线的标签为Line 1
plt.show()修改颜色和线条样式
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, color='green', linestyle='dashed') # 标记这条线的颜色为绿色，线条样式为虚线
plt.show()颜色（color）可以指定为颜色名、RGB/A元组或十六进制颜色代码。以下是一些常用的颜色名：
blue：蓝色green：绿色red：红色cyan：青色magenta：洋红yellow：黄色black：黑色white：白色
也可以使用如#RRGGBB形式的六位十六进制颜色代码，或者#RRGGBBAA八位代码来指定带透明度的颜色。
此外，还可以直接用RGB或RGBA元组，例如(0.2, 0.3, 0.4)或(0.2, 0.3, 0.4, 0.5)，其中最后一个值（如果存在）代表透明度。
线型（linestyle）用来控制线条的样式，包括但不限于：
-或solid：实线（默认）--或dashed：虚线-.或dashdot：点划线:或dotted：点线none或 ：无线型
设置图例
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [3, 6, 9, 12, 15]
plt.plot(x, y1, label='Line 1')
plt.plot(x, y2, label='Line 2')
plt.legend() # 设置图例，会在图标上标名是哪条线
plt.show()修改坐标轴刻度
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.xticks([1, 2, 3, 4, 5], ['a', 'b', 'c', 'd', 'e']) # 设置x坐标轴刻度
plt.yticks([2, 4, 6, 8, 10], ['low', 'medium', 'high', 'very high', 'extremely high']) # 设置y坐标轴刻度
plt.show()保存图表
在我们需要保存图表时，我们可以调用plt.savefig() 去保存我们绘制的图表
下面是一些关于如何使用 plt.savefig() 的基本信息和常用参数
plt.savefig(filename, dpi=None, format=None, metadata=None, bbox_inches=None, pad_inches=0.1, facecolor='auto', edgecolor='auto', backend=None, **kwargs)filename：字符串类型，指定保存图像的文件名。你可以包括文件扩展名来指定保存格式，例如.png,.pdf,.svg等。如果不指定，Matplotlib 将根据提供的格式参数或默认格式进行推断。dpi：每英寸点数 (dots per inch)，用于设置图像的分辨率。默认值取决于 rcParams 设置，通常为100。增加 dpi 可以得到更清晰但更大的文件。format：字符串类型，指定保存图像的格式，如png,pdf,svg等。如果不提供，Matplotlib 将尝试从文件名中推断。bbox_inches：控制保存时要考虑的边界框。设置为tight会自动调整边界以紧密包围所有绘图元素，去除多余的空白区域。pad_inches：当bbox_inches设置为tight时，可以设置此参数来控制边界周围保留的空白边缘大小（以英寸为单位）。facecolor和edgecolor：分别设置保存图像的背景色和边框颜色。metadata：字典类型，允许你添加元数据到保存的图像中，这依赖于所选的输出格式。backend：可选的，指定用于保存图像的后端。通常不需要设置，除非你遇到了特定后端相关的保存问题。
例如，保存一个简单的图表为PNG文件，同时设置高DPI和自动调整边界：
import matplotlib.pyplot as plt
# 创建一个简单的图表
plt.plot([0, 1, 2, 3, 4], [0, 1, 4, 9, 16])
# 保存图表
plt.savefig('my_figure_highres.png', dpi=300, bbox_inches='tight')
# 显示图表（如果需要）
plt.show()
# 清理资源
plt.close()