python matplot模块

先将matplot模块导入，并缩写：

import matplotlib as mpl

有时候只需要其中的一部分：

import matplotlib.pyplot as plt

二维图：

折线图plt.plot()

散点图plt.scatter()：

绘制一个y=sin(x)的图形，假设取101个点，以x为横轴，y为纵轴。

>>> x=np.linspace(start=0,stop=5,num=101)
>>> y=np.sin(x)
>>> plt.plot(x,y)
[<matplotlib.lines.Line2D object at 0x00000214D7338518>]
>>> plt.show()

plt.plot()已经得到了这个图，但是需要用plt.show()来显示。

对于得到的图像可以用：

plt.savefigure(*arg,**kwarg) 来保存图像，，也可以得到的图像中的保存按钮保存。

>>> plt.savefig("C:\\Users\\C\\Desktop\\pr\\Fig_2.png")

在一张图上显示两个函数：

坐标范围：

x轴的坐标范围： plt.xlim(a,b) # 在(a,b)范围内 plt.xlim(-3,3)

y轴的坐标范围： plt.ylim(a,b) # 在(a,b)范围内 plt.ylim(,-4,4)

plt.plot(*arg,**kwarg)

设置折线颜色，线的格式： plt.plot(x,y,color='red',linestyle='--') # 红色虚线

坐标轴命名：

x轴：plt.xlabel("x axis")

y轴 plt.ylabel("sin(y)")

可以在图片上上说明，解释折线，

plt.plot(x,y,label='说明文字')

plt.legend() # 显示说明文字

>>> plt.plot(x,y,label='sinx')
[<matplotlib.lines.Line2D object at 0x0000019EEE3F3EF0>]
>>> plt.legend()
<matplotlib.legend.Legend object at 0x0000019EEE3F32E8>
>>> plt.show()

加标题 plt.title('标题')

plt.figure("图片名字") # 给生成的图片命名

plt.figure(num=None,figsize=None,dpi=None,facecolor=None,edgecolor=None,frameon=True,clear=False,**kwargs)

实例：

# -*- coding:cp936 -*-
# from numpy import *
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
x=np.linspace(-2,2,100)
y=2*np.sin(x)
z=np.cos(x)plt.figure('C:\\Users\\C\\Desktop\\pr\\figure_1.png')  # 图表命名
plt.plot(x,y,label='sinx')  # 定义折线的颜色和格式
plt.legend()  # legend() 只管到上一个plot(),如果没有这个legend()figure_1的label就不存在，title也是同理
plt.title("title1")plt.figure("C:\\Users\\C\\Desktop\\pr\\figure_2.png")  #第二张图命名
plt.plot(x,z,label='cosx')
plt.title("title2")
plt.legend()# 画散点图,同时和第一张图的折线出现在一张图上
w=y+np.random.normal(scale=0.3,size=100) # size和x取的点数要相同plt.figure("C:\\Users\\C\\Desktop\\pr\\figure_3.png")  # 第三张图
plt.scatter(x,w,label='scatter')
plt.plot(x,y,label='sinx')
#plt.xlabel=('x')  # 设置坐标没有用
#plt.ylabel=('y')
plt.title("title3")
plt.legend()  # 显示label
plt.show()

生成：

子图：

axes 和subplot函数

fig=plt.figure()

ax1=fig.add_subplot(221)

ax2=fig.add_subplot(222)

ax3=fig.add_subplot(223)

ax4=fig.add_subplot(224)

生成（2x2)四个子图，位置分别是1，2，3，4.