Matplotlib 是一個 Python 的 2D繪相簿，它以各種硬拷貝格式和跨平臺的互動式環境生成出版質量級別的圖形 。
通過 Matplotlib，開發者可以僅需要幾行程式碼，便可以生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點圖等。但是還有pylab也很好用。
網上大部分的部落格文章對這二者的解釋基本千篇一律，也就是:
對Pyplot的解說：“方便快速繪圖matplotlib通過pyplot模組提供了一套和MATLAB類似的繪圖API，將眾多繪圖物件所構成的複雜結構隱藏在這套API內部。”
對pylab的解說：“matplotlib還提供了一個名為pylab的模組，其中包括了許多NumPy和pyplot模組中常用的函式，方便使用者快速進行計算和繪圖，十分適合在IPython互動式環境中使用。”
我們在這裡首先來介紹一下plt的使用：
一：線條風格
linestyle或ls 描述
‘-‘ 實線
‘:’ 虛線
‘–’ 破折線
‘-.’ 點劃線
二：線條標記
標記maker 描述 ‘o’ 圓圈 ‘.’ 點 ‘D’ 菱形 ‘s’ 正方形 ‘h’ 六邊形1 ‘*’ 星號 ‘H’ 六邊形2 ‘d’ 小菱形 ‘_’ 水平線 ‘v’ 一角朝下的三角形 ‘8’ 八邊形 ‘<’ 一角朝左的三角形 ‘p’ 五邊形 ‘>’ 一角朝右的三角形 ‘,’ 畫素 ‘^’ 一角朝上的三角形 ‘+’ 加號 ‘\ ‘ 豎線 ‘None’,’’,’ ‘ 無 ‘x’ X
三：每次使用都需要引入的庫
import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib.ticker import MultipleLocator
只需要引入這些即可，plt和np的用法。
四：plot時可以設定的屬性
屬性 值型別 alpha 浮點值 animated [True / False] antialiased or aa [True / False] clip_box matplotlib.transform.Bbox 例項 clip_on [True / False] clip_path Path 例項， Transform，以及Patch例項 color or c 任何 matplotlib 顏色 contains 命中測試函式 dash_capstyle ['butt' / 'round' / 'projecting'] dash_joinstyle ['miter' / 'round' / 'bevel'] dashes 以點為單位的連線/斷開墨水序列 data (np.array xdata, np.array ydata) figure matplotlib.figure.Figure 例項 label 任何字串 linestyle or ls [ '-' / '--' / '-.' / ':' / 'steps' / ...] linewidth or lw 以點為單位的浮點值 lod [True / False] marker [ '+' / ',' / '.' / '1' / '2' / '3' / '4' ] markeredgecolor or mec 任何 matplotlib 顏色 markeredgewidth or mew 以點為單位的浮點值 markerfacecolor or mfc 任何 matplotlib 顏色 markersize or ms 浮點值 markevery [ None / 整數值 / (startind, stride) ] picker 用於互動式線條選擇 pickradius 線條的拾取選擇半徑 solid_capstyle ['butt' / 'round' / 'projecting'] solid_joinstyle ['miter' / 'round' / 'bevel'] transform matplotlib.transforms.Transform 例項 visible [True / False] xdata np.array ydata np.array zorder 任何數值
五：點線圖大全
1 #使用numpy產生資料 2 x=np.arange(-5,5,0.1) 3 y=x*3 4 5 #建立視窗、子圖 6 #方法1：先建立視窗，再建立子圖。（一定繪製） 7 fig = plt.figure(num=1, figsize=(15, 8),dpi=80) #開啟一個視窗，同時設定大小，解析度 8 ax1 = fig.add_subplot(2,1,1) #通過fig新增子圖，引數：行數，列數，第幾個。 9 ax2 = fig.add_subplot(2,1,2) #通過fig新增子圖，引數：行數，列數，第幾個。 10 print(fig,ax1,ax2) 11 #方法2：一次性建立視窗和多個子圖。（空白不繪製） 12 fig,axarr = plt.subplots(4,1) #開一個新視窗，並新增4個子圖，返回子圖陣列 13 ax1 = axarr[0] #通過子圖陣列獲取一個子圖 14 print(fig,ax1) 15 #方法3：一次性建立視窗和一個子圖。（空白不繪製） 16 ax1 = plt.subplot(1,1,1,facecolor='white') #開一個新視窗，建立1個子圖。facecolor設定背景顏色 17 print(ax1) 18 #獲取對視窗的引用，適用於上面三種方法 19 # fig = plt.gcf() #獲得當前figure 20 # fig=ax1.figure #獲得指定子圖所屬視窗 21 22 # fig.subplots_adjust(left=0) #設定視窗左內邊距為0，即左邊留白為0。 23 24 #設定子圖的基本元素 25 ax1.set_title('python-drawing') #設定圖體，plt.title 26 ax1.set_xlabel('x-name') #設定x軸名稱,plt.xlabel 27 ax1.set_ylabel('y-name') #設定y軸名稱,plt.ylabel 28 plt.axis([-6,6,-10,10]) #設定橫縱座標軸範圍，這個在子圖中被分解為下面兩個函式 29 ax1.set_xlim(-5,5) #設定橫軸範圍，會覆蓋上面的橫座標,plt.xlim 30 ax1.set_ylim(-10,10) #設定縱軸範圍，會覆蓋上面的縱座標,plt.ylim 31 32 xmajorLocator = MultipleLocator(2) #定義橫向主刻度標籤的刻度差為2的倍數。就是隔幾個刻度才顯示一個標籤文字 33 ymajorLocator = MultipleLocator(3) #定義縱向主刻度標籤的刻度差為3的倍數。就是隔幾個刻度才顯示一個標籤文字 34 35 ax1.xaxis.set_major_locator(xmajorLocator) #x軸 應用定義的橫向主刻度格式。如果不應用將採用預設刻度格式 36 ax1.yaxis.set_major_locator(ymajorLocator) #y軸 應用定義的縱向主刻度格式。如果不應用將採用預設刻度格式 37 38 ax1.xaxis.grid(True, which='major') #x座標軸的網格使用定義的主刻度格式 39 ax1.yaxis.grid(True, which='major') #x座標軸的網格使用定義的主刻度格式 40 41 ax1.set_xticks([]) #去除座標軸刻度 42 ax1.set_xticks((-5,-3,-1,1,3,5)) #設定座標軸刻度 43 ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small') #設定刻度的顯示文字，rotation旋轉角度，fontsize字型大小 44 45 plot1=ax1.plot(x,y,marker='o',color='g',label='legend1') #點圖：marker圖示 46 plot2=ax1.plot(x,y,linestyle='--',alpha=0.5,color='r',label='legend2') #線圖：linestyle線性，alpha透明度，color顏色，label圖例文字 47 48 ax1.legend(loc='upper left') #顯示圖例,plt.legend() 49 ax1.text(2.8, 7, r'y=3*x') #指定位置顯示文字,plt.text() 50 ax1.annotate('important point', xy=(2, 6), xytext=(3, 1.5), #新增標註，引數：註釋文字、指向點、文字位置、箭頭屬性 51 arrowprops=dict(facecolor='black', shrink=0.05), 52 ) 53 #顯示網格。which引數的值為major(只繪製大刻度)、minor(只繪製小刻度)、both，預設值為major。axis為'x','y','both' 54 ax1.grid(b=True,which='major',axis='both',alpha= 0.5,color='skyblue',linestyle='--',linewidth=2) 55 56 57 axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #在當前視窗新增一個子圖，rect=[左, 下, 寬, 高]，是使用的絕對佈局，不和以存在視窗擠佔空間 58 axes1.plot(x,y) #在子圖上畫圖 59 plt.savefig('aa.jpg',dpi=400,bbox_inches='tight') #savefig儲存圖片，dpi解析度，bbox_inches子圖周邊白色空間的大小 60 plt.show() #開啟視窗，對於方法1建立在視窗一定繪製，對於方法2方法3建立的視窗，若座標系全部空白，則不繪製
六：柱狀圖
import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib.ticker import MultipleLocator plt.figure(3) x_index = np.arange(5) #柱的索引 x_data = ('A', 'B', 'C', 'D', 'E') y1_data = (20, 35, 30, 35, 27) y2_data = (25, 32, 34, 20, 25) bar_width = 0.35 #定義一個數字代表每個獨立柱的寬度 rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1') #引數：左偏移、高度、柱寬、透明度、顏色、圖例 rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2') #引數：左偏移、高度、柱寬、透明度、顏色、圖例 #關於左偏移，不用關心每根柱的中心不中心，因為只要把刻度線設定在柱的中間就可以了 plt.xticks(x_index + bar_width/2, x_data) #x軸刻度線 plt.legend() #顯示圖例 plt.tight_layout() #自動控制影象外部邊緣，此方法不能夠很好的控制影象間的間隔 plt.show()
七：直方圖
import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib.ticker import MultipleLocator fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6)) #在視窗上新增2個子圖 sigma = 1 #標準差 mean = 0 #均值 x=mean+sigma*np.random.randn(10000) #正態分佈隨機數 ax0.hist(x,bins=40,normed=False,histtype='bar',facecolor='yellowgreen',alpha=0.75) #normed是否歸一化，histtype直方圖型別，facecolor顏色，alpha透明度 ax1.hist(x,bins=20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) #bins柱子的個數,cumulative是否計算累加分佈，rwidth柱子寬度 plt.show() #所有視窗執行
八：散點圖
1 import numpy as np 2 import pandas as pd 3 import matplotlib.pyplot as plt 4 from matplotlib.ticker import MultipleLocator 5 fig = plt.figure(4) #新增一個視窗 6 ax =fig.add_subplot(1,1,1) #在視窗上新增一個子圖 7 x=np.random.random(100) #產生隨機陣列 8 y=np.random.random(100) #產生隨機陣列 9 ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none') #x橫座標，y縱座標，s影象大小，c顏色，marker圖片，lw影象邊框寬度 10 plt.show() #所有視窗執行
九：3D圖
這個庫引入的最全，以後就用這個啦！
1 import numpy as np 2 import pandas as pd 3 import matplotlib.pyplot as plt 4 from matplotlib.ticker import MultipleLocator 5 from mpl_toolkits.mplot3d import Axes3D 6 from pylab import * 7 fig = plt.figure(5) 8 ax=fig.add_subplot(1,1,1,projection='3d') #繪製三維圖 9 x,y=np.mgrid[-2:2:20j,-2:2:20j] #獲取x軸資料，y軸資料 10 z=x*np.exp(-x**2-y**2) #獲取z軸資料 11 ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8) #繪製三維圖表面 12 ax.set_xlabel('x-name') #x軸名稱 13 ax.set_ylabel('y-name') #y軸名稱 14 ax.set_zlabel('z-name') #z軸名稱 15 plt.show()