本文将介绍一些常用的 Matplotlib 的绘图方法。
导入与基本设置
%matplotlib inline # 设置图像内嵌显示于 Jupyter Notebook 中
%config InlineBackend.figure_format = 'svg' # 设置图片为 svg 矢量图格式
from matplotlib import pyplot as plt # 提供常用二维图绘制的 sublibrary图片设置
图例设置
plt.legend(loc=0) # 设置图例的位置，loc=0 代表自动选择最佳位置| loc 编号 | loc 字符串 |
|---|---|
| 0 | best |
| 1 | upper right |
| 2 | upper left |
| 3 | lower left |
| 4 | lower right |
| 5 | right |
| 6 | center left |
| 7 | center right |
| 8 | lower center |
| 9 | upper center |
| 10 | center |
也可以用一个数组 (x0, y0) 来确定位置，图片的左下角为 (0, 0)，右上角为 (1, 1)。
plt.legend(bbox_to_anchor=(x0, y0, width=0, height=0), loc=9)对于 (x0, y0)，图片的左下角为 (0, 0)，右上角为 (1, 1)，当 width=0， height=0 （缺省）时，将图例中和 loc 参数相对应的那一部分与 (x0, y0) 重合，例如 x0=1, y0=1, loc=2 时代表图例的左上角和图的右上角重合。
当 width 和 height 不等于 0 时，以 x0, y0, width, height 这四个参数创建一个矩形，将图例放在该矩形中与 loc 参数相对应的部分。
最常用的还是只设置 x0, y0 的情况。
批量自定义配置
Matplotlib 可通过自定义参数来实现批量配置，相关函数为 plt.rcParams，其全称为「runtime configuration Parameters」，其是一个字典形式，其中常用的设置如下
plt.rcParams['font.sans-serif'] = 'SimSun' # 设置字体为宋体
plt.rcParams["axes.unicode_minus"] = False # 设置不使用 unicode 的负号，解决负号乱码
plt.rcParams['figure.figsize'] = (5.0, 4.0) # 设置图像最大范围
plt.rcParams['lines.linestyle'] = '-.' # 设置线条样式
plt.rcParams['lines.linewidth'] = 3 # 设置线条宽度可以将该函数理解为设置默认值，防止对图像进行多次重复的设置。
设置绘图风格
Matplotlib 可使用函数 plt.style() 来改变绘图风格，其常用命令如下
plt.style.available # 查看可用风格
plt.style.use('seaborn') # 使用指定风格，此处为 'seaborn' 风格主次刻度线
一个图中可以存在两个刻度线，即主刻度线和次刻度线。使用命令 plt.minorticks_on() 和 plt.minorticks_off() 两个函数即可进行开启与关闭。对于主次刻度线的设置可使用 plt.tick_params(axis='both', **kwargs) 函数。其中部分常用参数如下
axis: {'x', 'y', 'both'}：设置的轴，默认为'both'；reset: bool：默认为False，确定在设置前是否恢复默认设置；which: {'major', 'minor', 'both'}：设置的尺度，默认为'major'，'major'表示显示主刻度线，'minor'表示显示次刻度线；direction: {'in', 'out', 'inout'}：设置刻度线的位置在坐标轴内、外或者两边；length, width: float：设置刻度线的长与宽；color: color：设置刻度线的颜色；bottom, top, left, right: bool：在各方向上设置是否显示刻度线；labelbottom, labeltop, labelleft, labelright: bool：在各方向上设置是否显示刻度值；
网格线
如果想要在图片中显示网格，可以使用 grid() 函数，其命令参数为
grid(b=Ture, which, axis, color, linestyle, linewidth, **kwargs)其中参数作用如下
b：是否显示网格线，默认为None。若设置**kwargs参数则值为True；which：网格线显示的尺度，取值范围{'major', 'minor', 'both'}，默认为'major'，'major'表示显示主刻度线，'minor'表示显示次刻度线；axis：网格线显示的轴，取值范围为{'x', 'y', 'both'}，默认为'both'；**kwargs：Line2D线条对象属性，即plt.plot()中的color等参数。
可通过如下代码实现实线主刻度线网格，点线次刻度线网格：
plt.minorticks_on()
plt.grid(which='major', linestyle='-')
plt.grid(which='minor', linestyle=':')二维绘图
折线/点图
plt.plot(x, y) # 以数组 x 和 y 绘制点图
plt.xlim([1, 10]) # 设置 x 轴的范围
plt.ylim([1, 10]) # 设置 y 轴的范围
plt.xticks(np.arange(0, 11, 1)) # 设置 x 轴显示的坐标
plt.yticks(np.arange(0, 11, 1)) # 设置 y 轴显示的坐标
plt.xlabel('x') # 设置 x 轴的标签为 x
plt.ylabel('y') # 设置 y 轴的标签为 y
plt.title('x-y 图') # 设置图片标题
plt.show() # 显示图形，在这条代码前的所有绘图都是在同一张图上的对于函数 plt.plot(x, y)，其常用参数为 plt.plot(x, y, [fmt], label, linestyle, linewidth, marker, markersize)，其中 [fmt] 是一个字符串，由三部分组成，fmt = '[color][marker][line]'，比如蓝色圆点实线就表示为 bo-，其中 b 为 blue 的缩写，o 为圆点的象形，- 为实线的象形。也对这三个属性进行单独赋值：color='blue', marker='o', linestyle='-'。以下是 Color 常见参数
| Color 参数 | 代表颜色 |
|---|---|
| ‘b’ | ‘blue’ |
| ‘r’ | ‘red’ |
| ‘g’ | ‘green’ |
| ‘c’ | ‘cyan’ |
| ‘m’ | ‘megenta’ |
| ‘y’ | ‘yellow’ |
| ‘k’ | ‘black’ |
| ‘w’ | ‘white’ |
以下是 Marker 常见参数
| marker 参数 | 代表 Marker |
|---|---|
| ‘.’ | ‘point’ |
| ‘,’ | ‘pixel’ |
| ‘o’ | ‘circle’ |
| ‘v’ | ‘triangle_down’ |
| ‘^’ | ‘triangle_up’ |
| ‘<’ | ‘triangle_left’ |
| ‘>’ | ‘triangle_right’ |
| ‘1’ | ‘tri_down’ |
| ‘2’ | ‘tri_up’ |
| ‘3’ | ‘tri_left’ |
| ‘4’ | ‘tri_right’ |
| ‘s’ | ‘square’ |
| ‘p’ | ‘pentagon’ |
| ‘*’ | ‘star’ |
| ‘h’ | ‘hexagon1’ |
| ‘H’ | ‘hexagon2’ |
| ‘+’ | ‘plus’ |
| ‘x’ | ‘x’ |
| ‘D’ | ‘diamond’ |
| ‘d’ | ‘thin_diamond’ |
| ‘|’ | ‘vline’ |
| ‘_’ | ‘hline’ |
以下是 Line 常见参数
| Line 参数 | 代表Line |
|---|---|
| ‘-‘ | ‘solid’ |
| ‘–’ | ‘dashed’ |
| ‘-.’ | ‘dashdot’ |
| ‘:’ | ‘dotted’ |
在一个 plot 中，可以绘制多个点图，通过设置 label 标签以及 plt.legend() 命令来进行区分。
plt.minorticks_on()
plt.grid(which='major', linestyle='-')
plt.grid(which='minor', linestyle=':')散点图
Matpltlib 使用 plt.scatter() 函数来实现散点图的绘制，其具体参数如下
plt.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)x, y: ArrayLike：绘图坐标数据；s: float, ArrayLike：点的大小，默认20，为float时为所有点设置相同大小，为ArrayLike类型时为每个点对应设置大小；c: str, ArrayLike：点的颜色，默认为'b'，同s可为ArrayLike类型。cmap, norm：一般忽略，高级颜色设置；vmin, vmax：一般忽略，亮度设置；alpha: float：透明度设置，0-1 之间，默认为 None，即不透明；linewidths: float, ArrayLike：标记点的长度（半径）设置；edgecolor: {'face', 'none', None}：边缘颜色设置，一般忽略；plotnonfinite: bool：设置是否使用非有限的c(inf, -inf, nan) 进行图像的绘制。
统计分析图
柱状图
竖直柱状图
Matplotlib 使用如下函数实现竖直柱状图的绘制，其常用参数如下
matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)x, hight: ArrayLike：x 轴的位置序列与 y 轴的数值（高度）序列；width: float, ArrayLike：柱形的宽度，为float类型时为所有柱形设置，为ArrayLike时对应设置；bottom: float, ArrayLike：柱形的底部所在高度，为float类型时为所有柱形设置，为ArrayLike时对应设置；aligh: {'center', 'edge'}：柱形的对齐方式，默认为'center'，即将柱形中心与x坐标对齐，若为'edge'则将偏左侧与x坐标对齐，如果想做到偏右侧则设置width为负值即可；alpha: float：同散点图；color, edgecolor：同散点图；label: ArrayLike：柱形的标签，同plt.plot()；lw: float：边缘或线的宽度。
如果想要绘制重合对比图，可以在同一图上同时绘制两柱状图，但是要注意遮挡问题，因此可将上层图像设置为部分透明，例如
x = np.linspace(0, 2 * np.pi, 10)
y = np.sin(x)
z = np.cos(x)
plt.bar(x, z, width=0.7)
plt.bar(x, y, width=0.7, alpha=0.7) # 上层图形
plt.show()但是如果想要两柱形并列显示，就需要进行如下设置
x = np.linspace(0, 2 * np.pi, 10)
y = np.sin(x)
z = np.cos(x)
bar_width = 0.5
plt.bar(np.arange(len(x)), z, width=bar_width)
plt.bar(np.arange(len(x)) + bar_width, y, width=bar_width, alpha=0.7)
plt.show()将两个图的横坐标错开一个柱形的宽度。或者使用
x = np.linspace(0, 2 * np.pi, 10)
y = np.sin(x)
z = np.cos(x)
bar_width = 0.3
plt.bar(x, z, width=bar_width, align='edge')
plt.bar(x, y, width=-bar_width, align='edge', alpha=0.7)
plt.show()利用 aligh 参数来进行设置
水平柱状图
水平柱状图使用以下函数调用
matplotlib.pyplot.barh(y, width, height=0.8, left=None, *, align='center', **kwargs)其余与竖直类似。
直方图
Matplotlib 中使用如下函数实现绘制直方图
plt.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)x: ArrayLike：需要绘制的原数据，可以是一个ArrayLike组成的ArrayLike，形成不同的数据集，不同的数据集不需要长度相同；bins: int, str, ArrayLike：如果为int类型，则指定箱子（即柱形）个数，默认为 10；str类型不常见，请查看文档；如果为长度为l的ArrayLike类型，则将其中的数值作为分隔点形成 `l-2 个左闭右开的区间以及一个（最后一个）闭区间；range: ArrayLike：含有两个数值，分别对应上下界，若x中提供的数值在上下界之外则认为为异常值不进行考虑。在bins是一个ArrayLike时不起作用；density: bool：是否显示占比，默认为False；weight: ArrayLike：x的权重，如果density为True，则此参数为归一化；cumulative: bool, -1：是否累加，如果与density同为True则累加结果会归一化；如果该参数为-1则累加会取负；bottom: float, ArrayLike：同柱状图；histtype: {'bar', 'barstacked', 'step', 'stepfilled'}：直方图的样式，'bar'为最基本的直方图，如果x输入了多个数据集，则将并列显示；barstacked在多个数据集时会将它们进行堆叠；step以线图进行显示；stepfilled则将线图进行填充；align: {'left', 'mid', 'right'}：类似柱状图；orientation: {'vertical', 'horizontal'}：设置显示方向，类似plt.bar()与plt.barh()；rwidth: float, None：柱形的宽度参数，以width为标准，默认为None，若histtype为step或stepfilled则忽略此参数；log: bool：设置对数刻度，默认为False；color: color, ArrayLike：同柱状图；label: str, None：直方图的标签；stacked: bool：是否堆叠。
饼图
Matplotlib 中使用如下函数实现绘制饼图
plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, *, normalize=True, data=None)x: ArrayLike：同直方图；explode: ArrayLike：离心距离；labels: ArrayLike：每一部分的标签；color: ArrayLike：每一部分的颜色，默认为None时使用现在设置的颜色环；autopct: str, callable：自动显示每部分所占百分比，默认为None时不显示，为str格式且非格式化字符串时则显示其中的文字，若为格式化字符串则显示对应格式的百分比；为callable时输出对应百分比的函数值；pctdistance: float：autopct文字离心距离，以一个半径为参考，默认为0.6；shadow: bool：是否显示阴影；normalize: bool：是否将x归一化，默认为True，若为False时sum(x) < 1则绘制部分饼图，sum(x) > 1则会抛出异常；labeldistance: float：label文字的离心距离，类似pctdistance；startangle: float：开始绘制角度，默认为0，即 x 轴正半轴；radius:float：饼图的半径；counterclock: bool：绘制方向，默认为True时为逆时针；wedgeprops: dict：饼图楔形具体参数，如wedgeprops={'linewidth': 3}设置楔形线宽为3；textprops: dict：饼图文字具体参数，类似wedgeprops；center: ArrayLike：饼图的圆心坐标；frame: bool：是否绘制坐标轴；rotatelabels: bool：是否旋转标签，默认为False；data: indexable：不清楚，但是没什么用。
箱线图
Matplotlib 中使用如下函数实现绘制箱线图
plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_ticks=True, autorange=False, zorder=None, *, data=None)x: ArrayLike：数据；notch: bool：是否以凹口形式展现箱线图；sym: str：异常点的参数，类似plt.plot()中的[fmt]；vert: bool：是否需要将箱线图垂直摆放，默认为True；whis: float, ArrayLike, str：指定上下须与上下四分位的距离，如果为float类型，则设置离群值为范围外whis * IQR范围的数值，默认为1.5，一般地可设置为3以寻找极端离群值；若为ArrayLike类型，则设置离群值为固定分位点，如[5, 95]设置离群值为 5 百分分位数与 95 百分分位数之外；若为str类型，则可设置其为range来强制不出现离群点；positions: ArrayLike：设置箱线图的位置；widths: ArrayLike：设置箱线图的宽度；patch_artist: bool：设置箱体是否显示颜色，默认为False；meanline: bool：是否显示均值线，默认为False；showmeans: bool：是否显示均值，默认为False；showcaps: bool：是否显示箱线图顶端和末端的两条线，默认为True；showbox: bool：是否显示箱线图的箱体，默认为True；showfliers: bool：是否显示异常值，默认为True；boxprops: dict：设置箱线图的属性，如boxprops = {'color':'orangered','facecolor':'pink'}设置线颜色为橙色，填充颜色为粉色；labels: ArrayLike：为箱线图添加标签；filerprops: dict：设置异常值的属性；medianprops: dict：设置中位数的属性；meanprops: dict：设置均值的属性；capprops: dict：设置箱线图顶端和末端线条的属性；whiskerprops: dict：设置须的属性。
茎叶图
Matplotlib 中使用如下函数实现绘制茎叶图
stem(*args, linefmt=None, markerfmt=None, basefmt=None, bottom=0, label=None, use_line_collection=True, orientation='vertical', data=None)locs: ArrayLike：类似箱线图的positions参数；heads: ArrayLike：对于垂直茎叶图，该参数即茎头的 y 值，对于水平茎叶图，该参数即茎头的 x 值；linefmt: str：线的参数，类似plt.plot()中的[fmt]；markerfmt: str：点的参数，类似plt.plot()中的[fmt]；basefmt: str：基线的参数，类似plt.plot()中的[fmt]；orientation: {'vertical', 'horizontal'}：茎叶图的方向，默认为'vertical'，bottom: float：基线的位置，默认为0；label: str：图例中使用的标签；use_line_collection: bool：未来可能被废弃；data: indexable：不清楚，但是没什么用。
小提琴图
Matplotlib 中使用如下函数实现绘制茎叶图小提琴图
plt.violinplot(dataset, positions=None, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, points=100, bw_method=None, *, data=None)dataset: ArrayLike：数据；positions, vert, widths, showmeans：类似箱线图；showextrema: bool：是否显示最值，默认为Ture；showmedians: bool：是否显示中位数，默认为False；points: int：估计高斯核密度的点数，默认为100；bw_method: str, scalar, callable：估算带宽的方法。
