在很多时候，我们需要使用python来绘制一些统计图或者其他图（这样的需求在数据分析方面很常见，所以python数据可视化是数据分析必须掌握的），这时候我们就需要一些第三方库来让自己的绘图工作更加轻松，有这么一个库在这个方面是非常出名的，那就是matplotlib库。那么怎么使用python的matplotlib库绘图呢？接下来的这篇文章告诉你。
一、前言
python的matplotlib库很强大可以绘制各种类型的图像。首先要装一些基础的库，如numpy,matplotlib或是pandas。
二、基础命令
首先介绍绘图时常用的基础命令：
1.plt.plot(x,y)即为绘图命令。①基础画图：
plt.plot(x, y)②设置颜色：
color属性如果没有特别要求的话可以不手动设置颜色，如果要在一张图上画不同的线时，会自动分配颜色。也可以使用ax.plot效果相同。
plt.plot(x, y, color = 'red')③设置线型：
lineStyle属性可以选择'-', ‘–', ‘-.', ‘:', ‘None', ' ', ‘', ‘solid', ‘dashed', ‘dashdot', 'dotted'这些类型的。
plt.plot(x, y, lineStyle = 'dashdot')④设置标注类型：
marker属性有不同的marker可以选择，比如'o','*',‘x'。
⑤设置图例：
label属性。
plt.plot(x, y ,marker='o',label='语文成绩')
plt.plot(x, y ,marker='*',label='数学成绩')
plt.plot(x, y ,marker='x',label='英语成绩')只是这样图例是不会显示的，还需要加上loc是位置设置，具体见后面讲解。
plt.legend(loc='upper left')三、正常显示中文：
①windows系统：
plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']mac系统：这里是这样设置的，也可以设置为其他中文字体。
plt.rcParams["font.family"] = 'Arial Unicode MS'②正常显示符号：
plt.rcParams['axes.unicode_minus'] = False四、设置图样或子图
①如果只画一张图的话可以，figsize设置的是x轴和y轴方向图片大小的比例。这里要设置好否则可能会出现图片显示不完全的情况，如果通过savefig命令保存的话，也是按照这个比例来保存的图片。
f = plt.figure(figsize=(8,6))或是，虽然是通过subplots命令，可是不指定nrows和ncols默认只有一个子图。
f, ax = plt.subplots(figsize=(8,6))ax表示的是当前坐标轴。
ax = plt.gca()如果有多个子图的话：nrows为行，ncols为列，figsize为图片的尺寸。
f, ax = plt.subplots(nrows=2,ncols=1,figsize=(8,6),facecolor='white')或是
fig = plt.figure()
ax1 = fig.add_subplot(2,1,1)
ax2 = fig.add_subplot(2,1,2)
ax1.plot(x,y)
ax2.plot(x,z)或是
ax1 = plt.subplot(2,1,1)
ax2 = plt.subplot(2,1,2)
ax1.plot(x,y)
ax2.plot(x,z)其他属性：第一个属性标记的是窗口的名称，dpi设置的分辨率。
f = plt.figure('成绩窗口',figsize=(8,6),facecolor='white',dpi=100)
②设置图片背景色：
f = plt.figure(figsize=(8,6),facecolor='blue')
如果要设置图片前景色，要用
ax.set(facecolor='white')
五、设置x轴或y轴相关属性：
①设置x轴的刻度：需要指定标注的位置，标注的具体值，可以通过fontsize指定大小。
x = [0,2,4,6,8]
x_label = ['第一学期','第二学期','第三学期','第四学期','第五学期']
plt.xticks(x, x_label,fontsize=13)这里的xticks支持latex，
x_label = [r'$e^x,r'$x_1^2,r'$lambda,r'$frac{1}{2},r'$pi]
有时候可能标注的值很多，我们想把x轴的刻度竖着显示：只需要在x_label中要换行的地方加上' ‘换行符即可。
x = [0,2,4,6,8]
x_label = ['第
一
学
期','第二
学期','第
三
学
期','第四
学期','第五
学期']
plt.xticks(x, x_label,fontsize=13)#这有一张图
②设置x轴的标签：这两条命令是一样的作用。
plt.xlabel(u"学期")
ax.set_xlabel(u"学期")#设置x轴的标签值
xlabel同样支持latex
plt.xlabel(u"$x^2$")
③设置x轴的范围：这两条命令也是一样的作用。一般不需要人为指定范围，程序会根据输入的最大值和最小值自动确定一个范围。
plt.xlim(0,100)
ax.set_xlim(0,100)
设置y轴的相关属性和x轴的相关属性方法是一样的，只需要把x替换成y即可。
六、设置标题：
fontsize为大小，fontweight指定加粗。下面两条命令作用相同。
plt.title('小明第一至第四学期成绩变化折线图',fontsize=18,fontweight='bold')
ax.set_title('小明第一至第四学期成绩变化折线图',fontsize=18,fontweight='bold')
这里程序会自动将标题放在一个合适的位置，当然也难免出现title不是我们想要的位置的情况，这是可以通过指定x或是y属性，来设置title的位置。正常范围是[0,1]可以设置负零点几或是一点几，需要多尝试，如果设置超出图片范围会看不到title的。比如这里我设置y=-0.1，可以看到title到下面去了。
plt.title('小明第一至第四学期成绩变化折线图',fontsize=18,fontweight='bold',y=-0.1)
七、设置图例：
法一：在画图的时候做好标注。
plt.plot(x, y[0,:],marker='o',label='语文成绩')
plt.plot(x, y[1,:],marker='*',label='数学成绩')
plt.plot(x, y[2,:],marker='x',label='英语成绩')
plt.legend(loc='upper left')法二：不写在plot中，统一写在legend中。可以指定对应曲线，这里的曲线定义后一定要加','，否则会报错。
a,=plt.plot(x, y[0,:],marker='o')
b,=plt.plot(x, y[1,:],marker='*')
c,=plt.plot(x, y[2,:],marker='x')
plt.legend((a,b,c),('语文成绩','数学成绩','英语成绩'),loc='upper left')
或是不指定对应曲线，
plt.legend(('语文成绩','数学成绩','英语成绩'),loc='upper left')不指定对应曲线的方式不推荐，有时候并不想给每个曲线都加图例，不加图例的曲线可以不写label属性。而该方式会按plot的顺序，加图例，不会跳过不想加图例的曲线，除非是最后的曲线，不写就不会加。legend的命令只能通过plt设置，如果有多个子图的话，
ax = plt.subplot(2,1,1)这样对plt操作就可以对子图操作。
八、进行标注：
标注的话需要写循环，一个个标注，不能这样写plt.text(x,y,"%s"%str(y))，不会一次标注一堆。fontsize是设置标注的字体。用ax是一样的。
for i in range(len(x)):
plt.text(x[i],y[i],"%s"%str(y[i]), fontsize=12)
#ax.text(x[i],y[i],"%s"%str(y[i]), fontsize=12)
经常出现legend把图片内容给挡住了的情况，这里也可以指定legend的位置。
可以通过bbox_to_anchor属性来调整legend的位置。
plt.legend(bbox_to_anchor=(1.05, 1), loc=2)
图例还有许多其他的属性，
九、保存图片：
plt.savefig('小明成绩变化图.png')十、显示图片：
plt.show()十一、删除边框：
这里有四个方向，可以选择删除哪一个方向的边框。
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['bottom'].set_visible(False)
ax.spines['left'].set_visible(False)
十二、显示/不显示网格：
ax.grid(True)
ax.grid(False)小结
到此这篇关于怎么使用python的matpoltlib库绘图的文章就介绍到这了,更多python相关知识和matplotlib库学习内容请搜索W3Cschool以前的文章或继续浏览下面的相关文章。
