系列文章目录

pyplot简介

matplotlib.pyplot是使matplotlib像MATLAB一样工作的命令样式函数的集合。每个pyplot功能都会对图形进行一些更改：例如，创建图形，在图形中创建绘图区域，在绘图区域中绘制一些线条，用标签装饰绘图等。

在matplotlib.pyplot各种状态下，函数调用之间会保留在一起，以便跟踪当前图形和绘图区域之类的内容，并且绘图功能指向当前轴（请注意，此处和文档中大多数地方的“轴”均指到轴 的图形的部分 和不超过一个轴线的严格的数学术语）。

1、使用列表数据绘图

使用pyplot我们可以非常便捷地生成可视化效果：

import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.grid() # 显示网格
plt.ylabel(some numbers) # 显示y轴标签
plt.show()

您可能想知道为什么x轴的范围是0-3，而y轴的范围是1-4。如果为plot()命令提供单个列表或数组 ，则matplotlib假定它是y值的序列，并自动为您生成x值。由于python范围从0开始，因此默认x向量的长度与y相同，但从0开始。因此x数据为 ：[0, 1, 2, 3]

我们也可以通过以下命令来绘制指定点：

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

2、使用numpy数组绘图

不只于列表，我们还可以使用numpy数组作为输入

import numpy as np

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, r--, t, t**2, bs, t, t**3, g^)
plt.show()

3、用关键字字符串绘图

在某些情况下，您拥有某种格式的数据，该格式允许您使用字符串访问特定变量。例如，使用 numpy.recarray或pandas.DataFrame。

Matplotlib允许您为此类对象提供data关键字参数。如果提供的话，您可以使用与这些变量相对应的字符串生成图。

import matplotlib.pyplot as plt
import numpy as np

plt.grid()
data = {
          
   a: np.arange(50),
        c: np.random.randint(0, 50, 50),
        d: np.random.randn(50)}
data[b] = data[a] + 10 * np.random.randn(50)
data[d] = np.abs(data[d]) * 100

plt.scatter(a, b, c=c, s=d, data=data)
plt.xlabel(entry a)
plt.ylabel(entry b)
plt.show()

4、用分类变量绘图

可以使用分类变量创建图。Matplotlib允许您将类别变量直接传递给许多绘图函数。例如：

import matplotlib.pyplot as plt
import numpy as np

names = [group_a, group_b, group_c]
values = [1, 10, 100]

plt.figure(figsize=(9, 3))

plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle(Categorical Plotting)
plt.show()