©2020-2024 ioDraw All rights reserved
最近才肝完的matplotlib入门教程，学习笔记顺便写上。欢迎大家在评论区补充、提问……
print('--------------------------------------------matplotlib.pyplot API
入门学习--------------------------------------------') MyNote = """ *a:
>>>默认参数都是我随便设置的 *b: >>>部分参数是可以缩写的 plt.figure(figsize=(9, 9), dpi=1000)->创建画布
figsize-> 画布大小 dpi-> 像素密度 plt.plot(x, y, linestyle='-', color='green',
linewidth=3, label='cos(x)', fillstyle='full', markersize=20)-> 折线图 linestyle->
图像类型(缩写是ls) color-> 图像颜色(缩写是c，当然了，颜色也可以缩写; example: c='r'->c='red',
参数也可以是0到1浮点数形式的字符串，越大颜色越深, c='1'->c='black') linewidth-> 图像线粗(缩写是lw) label->
图像标题(需要plt.legend()来进行显示) fillstyle-> 点的填充方式，有left/right/full/bottom/top/none可选
markersize-> 点的大小 *a: >>>plot函数可以在同一个画布上创建多个图线，比如：plot(x1, y1, 'r--',…… x2, y2,
'g--', ……)表示了两个图线的不同参数配置，返回值为两个图线实例 plt.scatter(x, y, color='red',
label='scatter image', s=5)-> 散点图 s-> 点的大小 plt.xlim(a, b)->限制x坐标范围 plt.ylim(a,
b)->限制y坐标范围 a-> 最小值 b-> 最大值 plt.xlabel('X Point', color='r')-> x轴标签
plt.ylabel('Y Point', color='y')-> y轴标签 plt.grid(color='red', lw=3, ls=':',
alpha=0.5, axis='y')->网格化画布 alpha->透明度 axis-> 网格线选取（这里是只显示y轴，默认是全部）
plt.axhline(y=0, lw=5, ls='--', c='r')-> 绘制平行于x轴的水平参考线 plt.axvline(x=0, lw=5,
ls='--', c='y')-> 绘制平行于y轴的水平参考线 plt.axvspan(xmin=-7, xmax=7, fc='r',
alpha=0.5)-> 绘制垂直于x轴的参考区域 xmin->可以认为是起点 xmax->可以认为是终点 fc(全称是facecolor)->区域颜色
alpha->透明度 plt.axhspan用法同上 plt.annotate( text='It is the point by two funcs:
(0, 0)', xy=(0, 0), xytext=(2.5, -1), fontsize=64, color='b',
arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color='b' ))-> 箭头注释
text->注释内容 xy->指向坐标 xytext->起点坐标 fontsize-> 字体大小 color-> 颜色 arrowprops-> 箭头的属性
plt.text(x, y, s='y=f(x)', fontdict=dict(weight='bold', size=64), c='r')->
无指向文本 x-> 文本x坐标 y-> 文本y坐标 s-> 文本内容 plt.title(label='Using so fluently!!!',
fontdict=dict(weight='bold', size=64, loc='left'))->标题(一个画布外面可以使用多个标题) loc->
标题位置 plt.legend(line=[line1, line2, ……], name=['name1', 'name2', ……], loc=1,
bbox_to_anchor=(0.91, 0, 0.3, 1), title='This is the name of box.',
shadow=True, mode='expand', fancybox=True, nloc=3, fontsize=48,
borderaxespad=0.3， frameon=True, framealpha=1.0)-> 图列 *a:
>>>这里的line和name只是随便起的参数名字（并不存在） line-> 根据实例匹配对应的图线 name-> 实例匹配对应的图线的新命名 loc->
位置，这里的1相当于'upper right' bbox_to_anchor-> 盒子的定位坐标在画布占位的百分比(左边，右边，顶边，底边) title->
盒子的标题 shadow-> 盒子边框阴影效果 nloc-> 图例的列的数量，一般为1 fancybox-> 是否将图例框的边角设为圆形 fontsize->
字体大小 borderaxespad-> 轴与图例边框之间的距离 frameon-> 是否显示边框 framealpha-> 边框透明度（0~1）
mode-> 盒子边框形状（这里的expand是让盒子直接拓展到画布两侧） plt.bar(x, height, width=0.5,
align='center', color=colors, tick_label=list('ABCDEFGH'), hatch='\\o',
label='随机模拟', bottom=0)-> 柱状图(纵向柱状图) x-> 默认底部变量名称 height-> 变量数值 width-> 柱的粗细
align-> 底部变量名称的位置，默认居中，当然也可以edge->左边缘开始 color-> 柱的颜色(也可以是列表) tick_label->
替换底部变量名称 hatch-> 驻的风格 label-> 图像标题(需要plt.legend()来进行显示) bottom-> 基线 plt.bar(x,
height, width=0.5, align='center', yerr=std_, color=colors,
error_kw=dict(elinewidth=2, ecolor='yellow', capsize=3),
tick_label=['园区{}'.format(s) for s in range(1, 6)])-> 误差棒柱状图 error_kw->
误差棒的属性组成的字典 yerr-> 每一组对应的误差数据组成的列表 plt.barh(y, width, height=0.5,
align='center', color='0.5', tick_label=list('ABCDEFGH'), hatch='\\\o')->
条形图(横向柱状图) y-> 默认底部变量名称 width-> 变量数值 height-> 柱的粗细 align->
底部变量名称的位置，默认居中，当然也可以edge->左边缘开始 color-> 柱的颜色(也可以是列表) tick_label-> 替换底部变量名称
hatch-> 驻的风格 plt.barh(y, width, height=bar_width, align='center', color=colors,
xerr=std_err, tick_label=['误差{}'.format(s) for s in range(5)])->
误差棒条形图(原理类似误差棒柱状图) plt.hist(x, bins=bin_, align='mid',histtype='bar',
color='r', rwidth=0.5)-> 直方图 x-> 统计的变量 bins-> 统计的变量所在区间 align-> 变量位置 history->
直方图类型 color-> 直方图颜色 rwidth-> 直方图柱子的粗细 堆积图-> 两个bar plt.bar(x, y, align='center',
color='blue', tick_label=list('ARCADE'), label='数据1', width=0.5, hatch='\\')
plt.bar(x, y1, align='center', color='pink', bottom=y, label='数据2', width=0.5,
hatch='\\') 第二个bar堆积在第一个bar上， 原理是bottom参数，使得新的 bar坐落在于上一个bar的值 堆积条形图-> 两个barh
plt.barh(y=x, width=y, height=0.7, color='blue', tick_label=list('ABCDE'),
label='数据1', hatch='\\') plt.barh(y=x, width=y, height=0.7, color='green',
left=y, label='数据2', hatch='\\') 原理同上，只不过用left来代替bottom参数 并列堆积图-> 两个bar
plt.bar(x, y, width=0.3, tick_label=list('ABCDE'), color='r', align='center',
label='数据A', hatch='\\') plt.bar(x+width, y1, width=0.3, color='b',
align='center', label='数据A', hatch='\\') x-> 数组形式，这样可以进行计算，而列表不能 x+width->
这样会并一起，否则会有空隙 并列条形图-> 两个barh plt.barh(y, width=y, height=0.3, align='center',
color='red', tick_label=list('ABCDE'), label='数据1', hatch='\\')
plt.barh(y=x+height, width=y1, height=0.3, align='center', color='y',
label='数据2', hatch='\\o') 原理与上类似 plt.pie(x, explode=explode, labels=labels,
autopct='%3.8f%%', startangle=45, shadow=True, colors=colors, radius=2,
pctdistance=0.5, labeldistance=0.7)-> 饼状图 x-> 变量的量 explode->
分块之间的间隙，在被赋予值之后，就是分裂式饼图 labels-> 变量名字 colors-> 变量分配的饼对应的颜色 autopct-> 变量占比精确位数
startangle-> 第一个变量开始分配饼时相当于x轴的角度(逆时针为正) shadow-> 是否有重影效果 radius-> 半径
pctdistance-> 占比相对于原点的距离 labeldistance-> 变量名字相当于原点的距离 多个plt.pie(x,
autopct='%3.2f%%', radius=0.7, pctdistance=0.75, colors=outer_c,
textprops=dict(color='w'), wedgeprops=dict(width=0.3, edgecolor='w'),
shadow=True, explode=expe)-> 内嵌环形饼图(这里不推荐shadow和exeplode这两个参数，因为效果图不好看了)
textprops-> 占比文本配置 wedgeprops-> 分块的饼图配置，这里的width表示每块（扇形）的完整性 plt.polar(theta,
r, color='yellow', lw=2, marker='o', mfc='red', ms=22, ls='--)-> 极线图（极坐标）
theta-> 点的角度和对应个数 r-> 点到极点的距离 color-> 点的连线颜色 lw-> 连线的线宽 marker-> 点的样式 mfc->
点的颜色 ms-> 点的半径 ls-> 连线风格(linestyle) plt.scatter(x, y, s=numpy.power(10*a+20*b,
2), c=numpy.random.rand(100), cmap=mpl.cm.RdYlBu, marker='o')-> 气泡图（散点图） x->
x轴的值 y-> y轴的值 s-> 散点大小 c-> 散点标记的颜色 cmap-> 将浮点数映射成颜色的颜色映射表 marker-> 点的样式
plt.stem(x, y, linefmt='--', markerfmt='*', basefmt='-.', bottom=0.)->
棉棒图：表现出一堆变量相当于一个共同标准的离散形式 x-> 棉棒在x轴的位置 y-> 棉棒长度 linefmt-> 棉棒样式 markerfmt->
棉棒点的样式 basefmt-> 共同标准的所在基线的样式 bottom-> 共同标准的所在基线 plt.boxplot(x, whis=whis,
sym='o', widths=width, labels=labels, patch_artist=True, notch=True,
vert=False, showfliers=False， meanprops=dict(color='r'))-> 箱线图 x->
每组数据组成的列表（数组） whis-> 四分位间距的倍数，用来确定相须包含数据的范围大小 sym-> 离群值的样式 widths-> 箱体的宽度
labels-> 每组数据的名字 notch-> 设置为True时，会使得箱体呈现V型凹陷 patch_artist->
每组数据箱体颜色(设置为True时，可以把此函数视为一个对象bplot，并使用如下*a配色) vert-> 设置为False时，显示的是水平方向的箱线图
showfliers-> False时,不显示离群值 showmeans-> 是否以点的形式显示均值 meanprops-> 均值点的配置 *a:
>>>for patch, color in zip(bplot['boxes'], colors): >>>
patch.set_facecolor(color) plt.errorbar(x, y, fmt='ro--', yerr=0.2, xerr=0.02,
ecolor='y', elinewidth=4, ms=5, mfc='c', mec='r', capthick=1, capsize=2)-> 误差棒图
fmt-> 样式，我这里默认值意思是蓝色o形点用虚线连接 yerr-> y轴误差 xerr-> x轴误差 ecolor-> 误差棒颜色
elinewidth-> 误差棒粗细 ms-> 数据点大小 mfc-> 数据点颜色 mec-> 数据点边缘颜色 capthick-> 误差棒边界横杠厚度
capsize-> 误差棒边界横杠大小 plt.yticks(list(a1),list('ABCDE'), rotation=-90)->
y轴变量名字定位以及变量名字，变量名字相当于tick_label参数的作用,rotation是标题的旋转角度
plt.xticks(list(a2),list('ABCDE'), rotation=-90)->
x轴变量名字定位以及变量名字，变量名字相当于tick_label参数的作用，rotation是标题的旋转角度 list(a1)->
轴变量名字定位(即原来的轴上值的列表) list('ABCDE')-> 替换原来的轴上值为xxx plt.stackplot(x, y, y1, ……,
labels=['func(x)', 'func(a)', 'func(t)'], colors=['red', 'green', 'gray'])->
堆积折线图 labels-> 标签 colors-> 每个折线的颜色 plt.broken_barh(xranges=[(30, 100), (180,
50), (260, 70)], yrange=(20, 8), facecolor=['red', 'red', 'gray'])-> 间断条形图
xranges-> 由每个部分组成的列表， 比如： [(2, 50), (30, 10)]表示有两个部分， 第一个从2开始，延长50距离 yrange->
宽度， 比如： (20, 8)表示从20开始，宽8 facecolor(或者 fc 或者 facecolors)->
可以是单个颜色，也可以是颜色序列，表示每部分的颜色 plt.step(x, y, color='y', where='mid', lw=5,
ls='--')-> 阶梯图 where-> 点根据参数的选取，决定图像 plt.hist(x=[scoresT, scoresT1], bins,
color=['y', 'b'], rwidth=1, histtype='bar', hatch='\\o', stacked=True)->
堆积（并列）直方图 x-> 堆积数据列表 bins-> 分类区间 colors-> 每个部分的颜色 stacked-> 是否堆积：
True表示堆积图，False表示并列图 histtype->直方图类型，当值为stepfilled时，是阶梯型直方图
plt.table(cellText=[['班级{}'.format(ti) for ti in range(1, 6)], stu],
cellLoc='center', colWidths=[0.3] * 5, colLabels=labels, colColours=colors,
rowLabels=['班级', '学生人数'], rowLoc='left', loc='bottom')-> 表格 cellText->
由每一行标签对应的的值组成的列表的列表 cellLoc-> 列标签的文字在单元格中的位置 colWidth-> 单元格宽度 colLabel-> 列标签
colColour-> 列标签单元格颜色 rowLabel-> 行标签组成的列表 rowLoc-> 行标签文字在单元格的位置 loc-> 表格整体的定位
plt.subplot(nrows, ncols, index, polar=True)-> 子区函数（相当于在一个画布上分出多个子画布） *a:
>>>subplot参数：nrows, ncols, index只是代号，输入时还需用数字代替,写成nrows=5这样的形式会报错 nrows->
分出画布的行数 ncols-> 分出画布的列数 index-> ,从上往下，左数第index个子画布（index索引从一开始） polar->
把该子画布当成极坐标图 *b: >>>子区函数也可以写成plt.subplot(RCN,
……)形式，其中RCN是三个整数，分别代表分出画布的行数、分出画布的列数、左数第index个子画布（index索引从一开始） *c:
>>>你可以直接对子区函数的画布进行操作，比如：
plt.plot(……)；可以将子区函数返回一个对象实例，你也可以对该对象实例进行操作，比如：object_.plot(……) *d:
>>>当然，fig=plt.figure(……)返回一个fig实例，对这个实例使用add_subplot(……)/add_axes(……)等等等方法，同样也可以进行子画布创建
*e:
>>>在fig实例的参数polar设置为True，会将画布变成极坐标，此时fig实例·下使用add_subplot创建子画布，子画布可以使用bar函数创建极区图
plt.suptitle(t='all titles', size=32, color='red')-> 针对subplot图像的共同标题 t-> 标题名字
plt.margins(x=0.5, y=0.5)-> 设置数据范围的空白区域(x和y表示额外扩张倍数)
多个plt.subplot2grid将画布分为多个大小不同的子画布(subplot也提供了支持，但是这里不细讲) 例子：
plt.subplot2grid((3, 4), (0, 0), colspan=1) plt.subplot2grid((3, 4), (0, 1),
colspan=2) plt.subplot2grid((3, 4), (1, 0), colspan=3) plt.subplot2grid((3, 4),
(2, 0), colspan=2) plt.subplot2grid((3, 4), (2, 2), colspan=1)
plt.subplot2grid((3, 4), (0, 3), rowspan=3) plt.subplot2grid(shape=(3, 4),
loc=(0, 0), rowspan=2, colspan=3) shape-> 画布形状（可以看作画布由x*y个一样的子画布） loc->
当前想要划分的起点 rowspan-> 从起点横坐标开始，划分rowspan长度 colspan-> 从起点纵坐标开始，划分colspan长度
plt.subplots(nrows=1, ncols=2, figsize=(8, 4), sharey='all', sharex='all')->
同时创建画布，同时将画布分成nrows*cols个子画布 nrows-> 分出画布的行数 ncols-> 分出画布的列数 figsize-> 画布大小
sharex-> 子画布共享x轴刻度标准的模式 sharey-> 子画布共享y轴刻度标准的模式 *a:
>>>subplots函数返回两个值，第一个是原画布fig，第二个是被平分的子画布实例组成的数组ax，ax[1][2](或者a[1,
2])表示第二行左数第三个子画布 *b: >>>针对画布实例fig, 可以使用fig.subplots_adjust(wspace=0,
hspace=0)-> 设置子画布之间的空白区域大小 >>> hspace-> 纵向空白大小，设置0的时候，无空白 >>> wsapce->
横向空白大小，设置0的时候，无空白 *c:
>>>想要使得一个子画布和另一个子画布具有相同的某一坐标轴刻度，可以使用subplot获得此画布，在参数选择时使用sharex或者sharey，将值设定为另一个子画布的实例就可以了，比如：
ax2 = plt.subplot(345, sharex=ax1) plt.tick_params(axis='both', width=5,
colors='y', length=12, labelsize=16, labelbottom=True, labeltop=True,
labelleft=True, labelright=True, left=True, right=True, bottom=True,
top=True)-> 坐标轴刻度的相关操作 axis-> 选取操作的坐标轴 width-> 刻度线宽 colors-> 刻度线和刻度数字颜色
length-> 刻度线长 labelsize-> 刻度数字大小 labelbottom/labeltop/labelleft/;abelright->
是否显示底部/上方/左侧/右侧的刻度数字 left/right/top/bottom-> 是否显示左侧/右侧/上方/底部的刻度
plt.subplots_adjust(wspace=0, hspace=0)-> 设置不同子画布之间的空白区域大小 hspace->
纵向空白大小，设置0的时候，无空白 wsapce-> 横向空白大小，设置0的时候，无空白 plt.axes(arg=[0.5, 0., 0.3, 0.3],
frameon=True, facecolor='w', aspect='equal')-> 坐标轴操作 arg-> 坐标轴所在画布的[left,
bottom, width, height] frameon-> 设置为True则显示坐标轴外框，反之 facecolor-> 坐标轴背景颜色
aspect-> 控制轴的纵横比。该参数可能使图像失真，即像素不是方形的 plt.axis([xmin. xmax, ymin, ymax)->
重新定位坐标轴坐标范围 plt.setp(obj, visible=True)-> 设置 obj->
设置的对象(可以是子画布，可以是子画布的标签，可以是子画布的标题，普通画布线宽等等等) visible-> 刻度的显示或者隐藏 plt.gca()->
获取当前画布(它返回的是一个Axes实例) *a:
>>>Axes实例可以使用object.spines['direction'].set_color('color') >>> direction->
指定轴，有left/top/bottom/right四个值可以选择 >>> color-> 指定轴的颜色，设置为none时候，该方向坐标轴隐藏 *b:
>>>Axes实例可以使用object.spines['direction'].set_positionr(('data', 0))改变坐标轴位置
plt.pcolor([x, y], edgecolors='k', linewidths=5)->
有助于创建带有非规则矩形网格的pseudo-color图(二维图) [x, y]-> 二维数组 plt.colorbar(mappable=cs)->
颜色标尺 mappable-> 标注对象 plt.contour(*args, cmap=mpl.cm.hot)-> 等高线 可变参数arg-> cmap->
使用颜色映射表 plt.clabel(CS, fmt='%3.2f', colors='r', fontsize=16)-> 等值线标注 CS->
要标注的线条轮廓的对象，即plt.contour(*args, cmap=mpl.cm.hot)返回的实例 fmt-> 标准数据精确值
plt.imshow(X, cmap=mpl.cm.hot)-> 展示图片 X-> 构成图片的BGR数组 cmap->
使用颜色映射表,这里成为了图片显示的颜色 plt.savefig(road)-> 保存图片 road(这里只是代号)->
存储的路径加图片名字.格式（支持的格式请通过查看print(help(plt.savefig))） 部分函数支持的统一关键字参数：
line(line只是代号，下同)-> 我们熟知的lw/ls/color/marker………… font->
我们熟知的lfamily/size/color/weight…………
如果不希望在函数里面指定某些属性的值，比如字体大小，背景颜色，又或者统一线粗细/颜色等等等，你可以通过以下方案： plt.rcParams[key] =
value mpl.rcParams[key] = value mpl.rc(……) 颜色的三种模式： Hex模式-> #RRGGBB字符串
HTML/CSS模式-> 颜色英文名（部分可以缩写） Decimal模式-> (R,G,B)元组，元组的每个值都属于0~1范围 子画布实例支持的方法：
plot/scatter/polar等等绘图函数 set_title-> 子画布标题 set_xlabel/set_ylabel-> 子画布坐标轴标签
set_ylim/set_xlim-> 子画布坐标轴限定范围 tick_params-> 相当于plt.tick_params的用法
set_x(y)ticks(被代替的x(y)轴刻度值组成的序列)+set_x(y)ticklabels(由代替的x(Y)轴刻度值的标签组成的序列)
>>>更多见在下面的关于<<< ………………………………………………………………………………
***************************************************************************************************************
* >>>关于<<< *关于Line2D： **a: * >>>from matplotlib.lines import Line2D *
>>>print(dir(Line2D)) * >>>查看实例支持的方法/属性 *关于Axes: **a: * >>>from matplotlib.axes
import Axes * >>>print(dir(Axes)) * >>>查看实例支持的方法/属性 *关于Figure:画布对象 **a: *
>>>from atplotlib.figure import Figure * >>>print(dir(Figure))
***************************************************************************************************************
""" print(MyNote)