目录

2D绘图

折线图 

条形图

直方图

散点图

饼图

堆积条形图

​编辑

对称条形图

3D绘图

3D散点图

3D条形图 

附录：

颜色表color=' '

图标marker=" "

固定代码模版

---

2D绘图

折线图 

import matplotlib.pyplot as plt
#上一行代码也可替换为 import pylab as plt
x = [1,2,3]                                #各个点的横纵坐标
y = [5,7,4]
x2 = [1,2,3]
y2 = [10,14,12]
plt.plot(x, y, label='First Line')         #对应的哪几个参数是一条直线
plt.plot(x2, y2, label='Second Line')      #label=' '对应的直线名为什么
plt.xlabel('Plot Number')                  #xlabel 横坐标的含义，ylabel同理
plt.ylabel('Important var')
plt.grid(linestyle = "--")                 #设置背景网格线为虚线
plt.title('Interesting Graph\nCheck it out')    #表格标题
plt.legend()                                #生成默认图例
plt.show()                                  #生成图像

运行代码即可生成图片 

条形图

import pylab as plt
plt.bar([1,3,5,7,9],[5,2,7,8,2], label="Example one",color='navy')  #生成的数据，标签名，颜色  plt.bar([2,4,6,8,10],[8,6,2,5,6], label="Example two", color='g')
plt.legend()    #生成图例plt.xlabel('bar number')    #生成坐标标签plt.ylabel('bar height')
plt.title('Epic Graph\nAnother Line! Whoa')    #生成表格标题plt.show()

 你可以在任何类型的绘图中使用颜色，例如g为绿色，b为蓝色，r为红色，等等。具体颜色代码请见附录

直方图

import matplotlib.pyplot as plt
plt.rc('font', family='Simhei')    #涉及到中文图示，需要加上此句
population_ages = [22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]    
#每个点的数值
bins = [0,10,20,30,40,50,60,70,80,90,100,110,120,130]    #对应的横坐标间距
plt.hist(population_ages, bins, histtype='bar', rwidth=0.8)    #直方图矩形宽度设置
plt.xlabel('x')
plt.ylabel('y')
plt.title('图像标题名')    
plt.legend()    #生成图示
plt.show()

对于plt.hist函数，你首先需要放入所有的值，然后指定放入哪个桶或容器。                               在我们的例子中，我们绘制了一堆年龄，并希望以 10 年的增量来显示它们。 我们将条形的宽度设为 0.8，但是如果你想让条形变宽，或者变窄，你可以选择其他的宽度。

散点图

import pylab as plt
x = [1,2,3,4,5,6,7,8]
y = [5,2,4,2,1,4,5,2]    #x和y对应多个点的坐标
plt.scatter(x,y, label='skitscat', color='b', s=25, marker="o")    #label标签名，color散点颜色，s表示点的大小（数值越大，点越大）
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\nCheck it out')
plt.legend()
plt.show()

饼图

import matplotlib.pyplot as plt
plt.rc('font', family='Simhei')
slices = [7,2,2,13]       #各个图形占总体的比重,例如 7/(7+2+2+13)=29.2%
activities = ['sleeping','eating','working','playing']    #各个扇形标签
cols = ['c','m','r','b']    #图像颜色plt.pie(slices,labels=activities,colors=cols,startangle=90,shadow= True,explode=(0,0.1,0,0),autopct='%1.1f%%')plt.title('图像标题')
plt.show()

在plt.pie中：

1. 首先我们需要指定『切片』，这是每个部分的相对大小。
2. 然后，我们指定相应切片的颜色列表。
3. 接下来，我们可以选择指定图形的『起始角度』。 这使你可以在任何地方开始绘图。 在我们的例子中，我们为饼图选择了 90 度角，这意味着第一个部分是一个竖直线条。
4. 接下来，我们可以选择给绘图添加一个字符大小的阴影，然后我们甚至可以使用explode拉出一个切片。

我们总共有四个切片，所以对于explode，如果我们不想拉出任何切片，我们传入0,0,0,0。 如果我们想要拉出第一个切片，我们传入0.1,0,0,0。数值越大，这个切片被拉出的距离就越大。

explode=(0,0.1,0,0),

 

explode=(0,0.9,0,0),

 

 被拉出的距离0.9和0.1的差距很明显，当数值到1时，该扇形就被完全拉出圆。

      5.最后，我们使用autopct，选择将百分比放置到图表上面。

堆积条形图

通过使用 plt.bar() 函数中的可选参数，可以绘制堆积条形图，plt.bar() 函数的可选参数 bottom 允许指定条形图的起始值。

import matplotlib.pyplot as plt
y_1 = [3., 25., 45., 22.]
y_2 = [6., 25., 50., 25.]
x = range(4)
plt.bar(x, y_1, color = 'b')
plt.bar(x, y_2, color = 'r', bottom = y_1)
plt.show()

 可以结合 for 循环，利用延迟呈现机制可以堆叠更多的条形：

import numpy as np
import matplotlib.pyplot as plt
data = np.array([[5., 30., 45., 22.], [5., 25., 50., 20.], [1., 2., 1., 1.]])
x = np.arange(data.shape[1])
for i in range(data.shape[0]):plt.bar(x, data[i], bottom = np.sum(data[:i], axis = 0))
plt.show() 

对称条形图

例如，当我们想要绘制不同年龄段的男性与女性数量的对比时，一个简单且有用的技巧是对称绘制两个条形图：

import numpy as np
import matplotlib.pyplot as plt
w_pop = np.array([5., 30., 45., 22.])
m_pop = np.array( [5., 25., 50., 20.])
x = np.arange(4)
plt.barh(x, w_pop)
plt.barh(x, -m_pop)
plt.show()

 图中女性人口的条形图照常绘制。然而，男性人口的条形图的条形图的条形图向左延伸，而不是向右延伸。可以使用数据的负值来快速实现对称条形图的绘制。

3D绘图

通用语句

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt

 3D 图形可以进行交互。 可以使用鼠标左键单击并拖动来移动图形。 您还可以使用鼠标右键单击并拖动来放大或缩小。

3D散点图

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
from matplotlib import stylestyle.use('ggplot')fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')x = [1,2,3,4,5,6,7,8,9,10]
y = [5,6,7,8,2,5,6,3,7,2]
z = [1,2,6,3,2,7,3,3,7,2]x2 = [-1,-2,-3,-4,-5,-6,-7,-8,-9,-10]
y2 = [-5,-6,-7,-8,-2,-5,-6,-3,-7,-2]
z2 = [1,2,6,3,2,7,3,3,7,2]ax1.scatter(x, y, z, c='g', marker='o')
ax1.scatter(x2, y2, z2, c ='r', marker='o')ax1.set_xlabel('x axis')
ax1.set_ylabel('y axis')
ax1.set_zlabel('z axis')plt.show()

3D条形图 

 对于条形图，你需要拥有条形的起点，条形的高度和宽度。 但对于 3D 条形图，你还有另一个选项，就是条形的深度。 大多数情况下，条形图从轴上的条形平面开始，但是你也可以通过打破此约束来添加另一个维度。 

from mpl_toolkits.mplot3d import axes3d
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import style
style.use('ggplot')fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')x3 = [1,2,3,4,5,6,7,8,9,10]
y3 = [5,6,7,8,2,5,6,3,7,2]
z3 = np.zeros(10)dx = np.ones(10)
dy = np.ones(10)
dz = [1,2,3,4,5,6,7,8,9,10]ax1.bar3d(x3, y3, z3, dx, dy, dz)ax1.set_xlabel('x axis')
ax1.set_ylabel('y axis')
ax1.set_zlabel('z axis')plt.show()

 注意这里，我们必须定义x、y和z，然后是 3 个维度的宽度、高度和深度。

 

附录：

颜色表color=' '

图标marker=" "

 

固定代码模版

绘图时加上：

import pandas as pd
import pylab as plt
import numpy as np

更改图片字体大小时加上：

plt.rc('font',size=16)

图片注释出现汉字时，需要加上:

plt.rc('font',family='Simhei')

生成等长标注的图表：

plt.axis("equal")

为横纵坐标生成标签：

plt.xlabel('横坐标标签名')
plt.ylabel('纵坐标标签名')

X轴范围

plt.xlim((2000,2010))  # X轴的起点和终点

Y轴范围

plt.ylim(6e9,7e9) # Y轴的起点和终点

为生成的图表添加表头：

plt.title(“标题名”)

显示已绘制的图片：

plt.show()

 图例

plt.legend()
plt.legend(labels=['人口'])

网格线

plt.grid(axis='y')  # axis: 'both','x','y'

设置三维图像模型

ax=plt.axes(projection='3d')

生成三维图像（空白画板）

import pylab as plt
axes=plt.axes(projection='3d')
plt.show()