简介：

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。在数据分析中尤为重要

安装方式：

这里我使用清华大学的镜像进行安装（当然你也可以选择其他镜像）：
pip install matplotlib --index https://pypi.mirrors.ustc.edu.cn/simple/

基础函数及用法：

函数 描述
plt.title() 为产生的图像设置主标题
plt.xlabel() 为x轴设置标题
plt.ylabel() 为y轴设置标题
plt.plot() 根据参数生成图像
plt.show() 显示所生成的图像
plt.xlim(l,r) 设置x轴的左右区间，None表示无限制
plt.ylim(l,r) 设置y轴的左右区间，None表示无限制

折线图的绘制：

plt.plot(x,y)用来生成折线图：x表示x轴的坐标，y表示对应y轴的坐标

描述：画出y = 3x+2的图像

from matplotlib import pyplot as plt
import numpy as np
x = np.arange(1,10)
y = 3*x + 2             #函数y = 3x+2
plt.title("Demo")       #设置主标题
plt.xlabel("This is x") #设置x轴标题
plt.ylabel("This is y") #设置y轴标题
plt.plot(x,y)       #按照上述函数生成
plt.show()

生成图像：

散点图的绘制：

plt.scatter(x,y,s,c,marker)：x，y表示数据，要求长度相等且必须为向量，s表示散点大小，c表示散点颜色，marker表示散点形式

import matplotlib.pyplot as plt
import numpy as np

x = np.random.normal(0,1,150) #随机生成两组数据
y = np.random.normal(0,1,150)
plt.scatter(x,y)    #生成散点图
plt.show()

生成图像：

高级散点绘制：

import matplotlib.pyplot as plt
import numpy as np

fig,ax = plt.subplots()#后文有详细讲解

for color in ['purple','green','yellow']:
    x = np.random.normal(0,1,150)
    y = np.random.normal(0,1,150)
    ax.scatter(x,y,c = color,label = color)    #c表示散点颜色，label表示图例颜色

plt.legend() #生成图例
plt.show()

图像生成：

相关样式：

条形图的绘制：

Pyplot子模块提供bar()函数来生成条形图。以下实例生成两组 x 和 y 数组的条形图。

from matplotlib import pyplot as plt 
x =  [5,8,10] 
y =  [12,16,6] 
x2 =  [6,9,11] 
y2 =  [6,15,7] 
plt.bar(x, y, align =  'center') 
plt.bar(x2, y2, color =  'g', align =  'center') #条形图颜色为绿色并居中
plt.title('Bar graph') 
plt.ylabel('Y axis') 
plt.xlabel('X axis') 
plt.show()

生成图像：

直方图的绘制：

plt.hist() 函数是数据的频率分布的图形表示。 水平尺寸相等的矩形对应于类间隔，称为 bin，变量 height 对应于频率。plt.histogram()函数将输入数组和 bin 作为两个参数。 bin 数组中的连续元素用作每个 bin 的边界。

from matplotlib import pyplot as plt 
import numpy as np  

a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27]) 
plt.hist(a, bins =  [0,20,40,60,80,100]) 
plt.title("Histogram") 
plt.show()

生成图像：

直方图高级用法：

histtype参数说明:
bar是传统的条形直方图。如果给定多个数据，则条并排排列。
barstacked是一种条形直方图，其中多个数据相互叠加。
step生成默认为未填充的线条图。
stepfilled生成默认填充的线条图。

import matplotlib.pyplot as plt
import numpy as np

fig,ax = plt.subplots(2,2)
x = np.random.randn(1000, 3)

colors = ['red','blue','yellow']

ax[0][0].hist(x,10,density = True,histtype = 'bar',color = colors,label = colors)
ax[0][0].set_title("Bars with legend")
plt.legend(prop={'size': 8})

ax[0][1].hist(x,10,density = True,histtype = 'bar',stacked = True)
ax[0][1].set_title('Stacked Bar')

ax[1][0].hist(x, 10, histtype='step', stacked=True)
ax[1][0].set_title('Stack Step (unfilled)')

x_multi = [np.random.randn(n) for n in [10000, 5000, 2000]]
ax[1][1].hist(x_multi, 10, histtype='bar')
ax[1][1].set_title('Different Sample Sizes')

plt.tight_layout() #会自动调整子图参数，使它填充整个图像区域，避免文字重合
plt.show()
#代码参考:https://blog.csdn.net/qq_38251616/article/details/103802310

图像生成：

subplot()和subplots()：

subplots():

将多组数据放到一张图显示的操作

fig, ax = plt.subplots()

subplots返回两个参数，fig：matplotlib.figure.Figure 对象，ax：子图对象（ matplotlib.axes.Axes）

subplots(2,3)表示生成2*3的网格，可以调用ax[i,j]进行调用，在网格的不同位置生成图像

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0,10)
fig,ax = plt.subplots()
for i in range(10):
    ax.plot(x+i)
plt.show()

生成图像：

subplot:

subplot(n,m,k)在生成的n*m个网格的第k（从第一行第一列开始依次计数）个位置绘图

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0,10)
for i in range(1,7):
    plt.subplot(2,3,i) #2*3的网格，第i个位置
    plt.plot(x+i)
plt.show()

生成图像：

实例1：

描述：在一张图中画出正弦余弦函数

from matplotlib import pyplot as plt
import numpy as np
x = np.arange(1,10)
siny = np.sin(x)
cosy = np.cos(x)
plt.subplot(2,1,1)#生成一个2*1的网络，激活第一张图
plt.title("Sin x")
plt.xlabel("x")
plt.ylabel("y")
plt.plot(x,siny)
plt.subplot(2,1,2)#激活第二张图
plt.title("Cos x")
plt.xlabel("x")
plt.ylabel("y")
plt.plot(x,cosy)
plt.show()

生成图像：

英文参考文档：

https://matplotlib.org/api/_as_gen/matplotlib.pyplot.hist.html?highlight=hist#matplotlib.pyplot.hist