大家好，我是景天，大家都知道，Matplotlib包含三层结构：容器层，辅助层，图像层。上一章，我们大概了解到Matplotlib，以及粗略地绘制了简单的图像层图形。要想绘制出美观实用的图形，
还得是辅助层。今天我们就重点讲解一下
1、基础绘图功能 — 以折线图为例
1.完善原始折线图 — 给图形添加辅助功能
为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用
需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度
效果：
1.1 准备数据并画出初始折线图
import matplotlib.pyplot as plt import random # 画出温度变化图 # 0.准备x, y坐标的数据 x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] # 1.创建画布 plt.figure(figsize=(20, 8), dpi=80) # 2.绘制折线图 plt.plot(x, y_shanghai) # 3.显示图像 plt.show()
1.2 添加自定义x,y刻度
* plt.xticks(x, **kwargs) x:要显示的刻度值 * plt.yticks(y, **kwargs) y:要显示的刻度值 #设置x，y轴刻度标签 # 增加以下两行代码 # 构造x轴刻度标签 x_ticks_label = ["11点{}分".format(i) for i in x] # 构造y轴刻度 y_ticks = range(40) # 修改x,y轴坐标的刻度显示 plt.xticks(x[::5], x_ticks_label[::5]) #注意，纯数字的可以直接显示，对于有字符串的，需要进行下转化，将数字与字符串一一对应才行 plt.yticks(y_ticks[::5])
现在运行由于缺少字体，报错
1.3 中文显示问题解决
解决方案一：
下载中文字体（黑体，看准系统版本）
- 步骤一：下载 SimHei 字体（或者其他的支持中文显示的字体也行）
- 步骤二：安装字体
- linux下：拷贝字体到 usr/share/fonts 下：
sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf - windows和mac下：双击安装
- 步骤三：删除~/.matplotlib中的缓存文件
cd ~/.matplotlib
rm -r * - 步骤四：修改配置文件matplotlibrc
vi ~/.matplotlib/matplotlibrc
将文件内容修改为：
font.family : sans-serif
font.sans-serif : SimHei
axes.unicode_minus : False
解决方案二：
在Python脚本中动态设置matplotlibrc,这样也可以避免由于更改配置文件而造成的麻烦，具体代码如下：
# 设置显示中文字体 plt.rcParams["font.sans-serif"] = ["SimHei"] 有时候，字体更改后，会导致坐标轴中的部分字符无法正常显示，此时需要更改axes.unicode_minus参数： # 设置正常显示符号 plt.rcParams["axes.unicode_minus"] = False
此时，不再报错，并且中文能正常显示
1.4 添加网格显示
为了更加清楚地观察图形对应的值 alpha表示透明度，1表示最深，0表示最浅
plt.grid(True, linestyle=‘–’, alpha=0.5)
注意：设置网格线，一定要放在图形画好之后，如果在上面设置，网格线单独存在
设置在图形画好之后，就能正常显示在图形里面
1.5 添加描述信息
添加x轴、y轴描述信息及标题
通过fontsize参数可以修改图像中字体的大小
plt.xlabel(“时间”)
plt.ylabel(“温度”)
plt.title(“中午11点0分到12点之间的温度变化图示”, fontsize=20)
1.6 图像保存
#保存图片到指定路径，不指定路径就默认保存在当前目录
plt.savefig(“test.png”)
注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。
保存到当前目录
也可以保存pdf格式文件
2、在一个坐标系中绘制多个图像
2.1 多次plot
需求：再添加一个城市的温度变化 收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，**其实很简单只需要再次plot即可**，但是需要区分线条，如下显示 # 增加北京的温度数据 y_beijing = [random.uniform(1, 3) for i in x] # 绘制折线图 plt.plot(x, y_shanghai) # 使用多次plot可以画多个折线 plt.plot(x, y_beijing, color='r', linestyle='--')
我们仔细观察，用到了两个新的地方，一个是对于不同的折线展示效果，一个是添加图例。
2.2 设置图形风格
color指定颜色，linestyle指定线条风格
2.3 显示图例
- 注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。
图例显示位置设置参数loc
# 绘制折线图 plt.plot(x, y_shanghai, label="上海") # 使用多次plot可以画多个折线 plt.plot(x, y_beijing, color='r', linestyle='--', label="北京") # 显示图例 plt.legend(loc="best") #best是程序会自动选择一个最好的位置显示
图例已显示
完整代码：
import matplotlib.pyplot as plt import random #设置中文字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字符集 plt.rcParams['axes.unicode_minus'] = False # 设置负号正常显示 # 画出温度变化图 # 0.准备x, y坐标的数据 x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] # 1.创建画布 plt.figure(figsize=(20, 8), dpi=100) #设置x，y轴刻度标签 # 增加以下两行代码 # 构造x轴刻度标签 x_ticks_label = ["11点{}分".format(i) for i in x] # 构造y轴刻度 y_ticks = range(40) #增加北京天气 # 增加北京的温度数据 y_beijing = [random.uniform(1, 3) for i in x] # 数据增加好后，多次绘制折线图 plt.plot(x, y_shanghai, label="上海") # 使用多次plot可以画多个折线 plt.plot(x, y_beijing, color='r', linestyle='--',label="北京") #显示图例 plt.legend(loc="best") # 修改x,y轴坐标的刻度显示 plt.xticks(x[::5], x_ticks_label[::5]) plt.yticks(y_ticks[::5]) #设置网格线 plt.grid(True, linestyle='--', alpha=1) #添加描述信息 plt.xlabel("时间",fontsize=15) plt.ylabel("温度",fontsize=15) plt.title("中午11点0分到12点之间的温度变化图示", fontsize=20) #保存图片 plt.savefig("test.png") # 3.显示图像 plt.show()
3、多个坐标系显示— plt.subplots(面向对象的画图方法)
如果我们想要将上海和北京的天气图显示在同一个图的不同坐标系当中，效果如下：
可以通过subplots函数实现(旧的版本中有subplot，使用起来不方便)，推荐subplots函数
matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw)
创建一个带有多个axes(坐标系/绘图区)的图
参数解读：
Parameters:
nrows, ncols : 设置有几行几列坐标系 1，2 返回两个坐标系 2，2返回4个坐标系，上面两个，下面两个
int, optional, default: 1, Number of rows/columns of the subplot grid.
Returns:
fig : 图对象
axes : 返回相应数量的坐标系
设置标题等方法不同：
set_xticks
set_yticks
set_xlabel
set_ylabel
注意：plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法。
import matplotlib.pyplot as plt import random #设置中文字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字符集 plt.rcParams['axes.unicode_minus'] = False # 设置负号正常显示 # 0.准备数据 x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] y_beijing = [random.uniform(1, 5) for i in x] # 1.创建画布 # plt.figure(figsize=(20, 8), dpi=100) fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100) # 2.绘制图像 # plt.plot(x, y_shanghai, label="上海") # plt.plot(x, y_beijing, color="r", linestyle="--", label="北京") axes[0].plot(x, y_shanghai, label="上海") axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京") # 2.1 添加x,y轴刻度 # 构造x,y轴刻度标签 x_ticks_label = ["11点{}分".format(i) for i in x] y_ticks = range(40) # 刻度显示 # plt.xticks(x[::5], x_ticks_label[::5]) # plt.yticks(y_ticks[::5]) axes[0].set_xticks(x[::5]) #数据展示 axes[0].set_yticks(y_ticks[::5]) axes[0].set_xticklabels(x_ticks_label[::5]) #坐标轴显示刻度 axes[1].set_xticks(x[::5]) axes[1].set_yticks(y_ticks[::5]) axes[1].set_xticklabels(x_ticks_label[::5]) # 2.2 添加网格显示 # plt.grid(True, linestyle="--", alpha=0.5) axes[0].grid(True, linestyle="--", alpha=0.5) axes[1].grid(True, linestyle="--", alpha=0.5) # 2.3 添加描述信息 # plt.xlabel("时间") # plt.ylabel("温度") # plt.title("中午11点--12点某城市温度变化图", fontsize=20) axes[0].set_xlabel("时间") axes[0].set_ylabel("温度") axes[0].set_title("中午11点--12点某城市温度变化图", fontsize=20) axes[1].set_xlabel("时间") axes[1].set_ylabel("温度") axes[1].set_title("中午11点--12点某城市温度变化图", fontsize=20) # # 2.4 图像保存 plt.savefig("./test.png") # # 2.5 添加图例 # plt.legend(loc=0) axes[0].legend(loc=0) axes[1].legend(loc=0) # 3.图像显示 plt.show()
两个坐标系绘图成功
4、折线图的应用场景
主要运用到变化的数据
呈现公司产品(不同区域)每天活跃用户数
呈现app每天下载数量
呈现产品新功能上线后,用户点击次数随时间的变化
拓展：画各种数学函数图像
注意：plt.plot()除了可以画折线图，也可以用于画各种数学函数图像
代码：
import numpy as np # 0.准备数据 x = np.linspace(-10, 10, 1000) #从-10到10之间生成1000个数 y = np.sin(x) #调用sin函数 # 1.创建画布 plt.figure(figsize=(20, 8), dpi=100) # 2.绘制函数图像 plt.plot(x, y) # 2.1 添加网格显示 plt.grid() # 3.显示图像 plt.show()
5、其他类型图形绘制
5.1 散点图
用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
api：plt.scatter(x, y)
5.2 柱状图
排列在工作表的列或行中的数据可以绘制到柱状图中。
特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
api：plt.bar(x, width, align=‘center’, **kwargs)
参数解读
Parameters:
x : 需要传递的数据
width : 柱状图的宽度
align : 每个柱状图的位置对齐方式
{‘center’, ‘edge’}, optional, default: ‘center’
**kwargs :
color:选择柱状图的颜色 
5.3 直方图
由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
api：matplotlib.pyplot.hist(x, bins=None)
参数解读
Parameters:
x : 需要传递的数据
bins : 组距
5.4 饼图
用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
特点：分类数据的占比情况(占比)
api：plt.pie(x, labels=,autopct=,colors)
参数解读
Parameters:
x:数量，自动算百分比
labels:每部分名称
autopct:占比显示指定%1.2f%%
colors:每部分颜色
