一、函数
1、plot() —— 展示变量的趋势与变化
用法：
plt.plot(x,y,ls="-",lw=2,label="plot figure")参数说明：
x:x轴上的数值
y:y轴上的数值
ls:折线图的线条风格
lw:折线图的线条宽度
label:标记图形内容的标签文本代码实例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.cos(x) #定义生成图像所需要的数据
plt.plot(x,y,ls="-",lw=2,label="plot figure") #生成图像
plt.legend() #生成文本标签
plt.show() #显示图像生成的图像：
2、散点图scatter() —— 寻找变量间的关系
plt.scatter(x,y,c="b",label="scatter figure")参数说明：
x:x轴上的数值
y:y轴上的数值
c:散点图中标记的颜色
label:标记图形内容的标签文本代码实例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.random.rand(1000) #定义生成图像所需要的数据
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.show()生成图像：
3、xlim() —— 设置想轴的数值显示范围
plt.xlim(xmin,xmax)参数说明:
xmin：x轴上的最小值
xmax：x轴上的最大值
注：ylim()与xlim()的用法相同代码示例:
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.random.rand(1000) #定义生成图像所需要的数据
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.xlim(0.05,10)
plt.ylim(0,1)
plt.show()生成的图像：
4、xlabel() —— 设置x轴的标签文本
plt.xlabel(string)参数说明：
string:标签文本内容
注：xlabel()与ylabel()用法相同代码实例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.random.rand(1000) #定义生成图像所需要的数据
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.show()输出图像：
5、grid() —— 绘制刻度线的网格线
plt.grid(linestyle=":",color="r")参数说明：
linestyle：网格线的线条风格
color：网格线的线条颜色代码实例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x) #定义生成图像所需要的数据
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.grid(linestyle=":",color="r")
plt.show()输出图像：
6、函数axhline() —— 绘制平行于x轴的水平参考线
plt.axhline(y=0.0,c="r",ls="--",lw=2)参数说明：
y：水平参考线的出发点
c：参考线的线条颜色
ls：参考线的线条风格
lw：参考线的线条宽度代码示例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x) #定义生成图像所需要的数据
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.axhline(y=0.0,c="r",ls="--",lw=2)
plt.axvline(x=4.0,c="r",ls="--",lw=2)
plt.show()输出图像：
7、函数axvspqn()绘制垂直于x轴的参考区域
plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=0.3)参数说明：
xmin：参考区域的起始位置
xmax：参考区域的终止位置
facecolor：参考区域的填充颜色
alpha：参考区域的填充颜色的透明度
注：上面的功能同样可用在axhspan()代码示例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x) #定义生成图像所需要的数据
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.axvspan(xmin=4.0,xmax=6.0,facecolor="y",alpha=0.3)
plt.axhspan(ymin=0.0,ymax=0.5,facecolor="y",alpha=0.3)
plt.show()输出图像：
8、函数annotate() —— 添加图形内容细节的指向型注释文本
plt.annotate(string,xy=(np.pi/2,1.0),xytext=((np.pi/2)+0.15,1.5),weight="bold",color="b",
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))参数说明：
string：图形内容注释文本
xy：被注释图形内容的位置坐标
xytext：注释文本的位置坐标
weight：注释文本的字体粗细风格
color：注释文本的字体颜色
arrowprops：指示被注释内容的箭头的属性字典代码实例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x) #定义生成图像所需要的数据
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.annotate("maximum",xy=(np.pi/2,1.0),xytext=((np.pi/2)+1.0,0.8),weight="bold",color="b",
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
plt.show()输出图像：
9、函数text() —— 添加图形内容细节的无指向型注释文本
plt.text(x,y,string,weight="bold",color="b")参数说明：
x：注释文本内容所在的位置的横坐标
y：注释文本内容所在的位置的纵坐标
string：注释文本内容
weight：注释文本内容的粗细的风格
color：注释文本内容的字体颜色代码实例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x) #定义生成图像所需要的数据
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.text(3.10,0.09,"y = sin(x)",weight="bold",color="b")
plt.show()图像输出：
10、函数title() —— 添加图形内容的标题
plt.title(string)代码实例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x) #定义生成图像所需要的数据
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend()
plt.title("y = sin(x)")
plt.show()图像输出：
11、函数legend() —— 标识不同图形的文本标签图例
plt.legend(loc="lower left")代码实现：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05,10,1000)
y = np.sin(x) #定义生成图像所需要的数据
plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure")
plt.legend(loc="lower left")
plt.show()输出图像：
组合应用，代码示例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.5,3.5,100)
y = np.sin(x)
y1 = np.random.rand(100) #定义生成图像所需要的数据
#生成散点图
plt.scatter(x,y1,c="0.25",label = "scatter figure")
#生成函数图像
plt.plot(x,y,ls="--",lw=2,c="c",label="plot figure")
#设置图像上边框和右边框的颜色为无
for spine in plt.gca().spines.keys():
if spine == "top" or spine == "right":
plt.gca().spines[spine].set_color("none")
#调整刻度位置
plt.gca().xaxis.set_ticks_position("bottom")
plt.gca().yaxis.set_ticks_position("left")
#设置坐标范围
plt.xlim(0.0,4.0)
plt.ylim(-3.0,3.0)
#设置坐标轴名称
plt.xlabel("x-axis")
plt.ylabel("y-axis")
#显示网格图
plt.grid(True,ls=":",color="r")
#绘制平行于x轴的水平参考线
plt.axhline(y=0.0,c="r",ls="--",lw=2)
#绘制垂直于x轴的参考区域
plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=0.3)
#添加指向型注释文本
plt.annotate("maximum",xy=(np.pi/2,1.0),xytext=((np.pi/2)+0.15,1.5),weight="bold",color="r",
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="r"))
plt.annotate("spines",xy=(0.75,-3),xytext=(0.35,-2.25),weight="bold",color="b",
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
plt.annotate("",xy=(0,-2.78),xytext=(0.4,-2.32),
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
plt.annotate("",xy=(3.5,-2.98),xytext=(3.0,-2.80),weight="bold",color="r",
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
#设置文本注释框
plt.text(2.5,-2.50,"'|' is tickline",weight="bold",color="b")
plt.text(2.5,-2.70,"3.5 is tickline1",weight="bold",color="b")
#设置图像标题
plt.title("Structure of Matplotlib")
#显示图例
plt.legend(loc="upper right")
#显示图像
plt.show()图像输出：
