Python 官方文档：入门教程 => 点击学习
目录1.matplotlib简介2.图形组成元素的函数用法2.1. figure()：背景颜色2.2 xlim()和 ylim()：设置 x，y 轴的数值显示范围2.3 xlabel
matplotlib 库是 python 中绘制二维和三维图表的数据可视化工具
特点：
使用简单绘图语句实现复杂绘图效果
以交互式操作实现渐趋精细的图形效果
使用嵌入式 LaTex 输出具有印刷级别的图表、科学表达式和符号文本
对图表的组成元素实现精细化控制
三种绘图接口
本篇文章使用plot绘图（展示变量的趋势变化 ）展示绘图的基本参数，使用numpy库获得绘图数据（随机），最后出来的图形并非经过仔细思考，一切以展示图形参数为主！！！
使用的库：
import matplotlib.pyplot as plt
import numpy as npplot()：展示变量的趋势变化
使用方法：plt.plot(x, y, c，ls, lw, label, alpha, **kwargs)
使 用 方 法 ：figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=Figure, clear=False, **kwargs)
num ：
如果此参数没有提供，则一个新的 figure 对象将被创建，同时增加 figure 的计数数值，此数值被保存在 figure 对象的一个数字属性当中。如果有此参数，且存在对应 id 的 figure 对象，则激活对于 id 的 figure 对象。如果对应 id 的 figur 对象不存在，则创建它并返回它。如果 num 的值是字符串，则将窗口标题设置为此字符串
figsize：以英寸为单位的宽高，缺省值为 rc figure.figsize (1 英寸等于 2.54 厘米)
dpi：图形分辨率，缺省值为 rc figure.dpi
facecolor：背景色
plt.figure(figsize=(10, 10))
x = np.linspace(0.05, 10, 1000) # 在0.05到10的区间中，等差选取1000个，端点不属于
y = np.sin(x)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot(x, y,
color='red',
ls='-',
label='sinx')
plt.show()
使用方法：plt.xlim(xmin,xmax)
使用方法：plt.xlabel(fontsize, verticalalignment, horizontalalignment, rotation, bbox)
使用方法：plt.grid(linestyle, color)
使用方法：plt.axhline(y, c, ls, lw, label)
y：水平参考线的出发点
plt.figure(figsize=(10, 10))
x = np.linspace(0.05, 10, 1000) # 在0.05到10的区间中，等差选取1000个，端点不属于
y = np.sin(x)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot(x, y,
color='red',
ls='-',
label='sinx')
plt.xlim(1, 10)
plt.ylim(-1, 1)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.grid(ls=':',
color='blue') # 设置网格，颜色为蓝色
plt.axhline(0.5, color='green', lw=2, label="分割线") # 绘制平行于x轴的水平参考线，绿色，名称
plt.show()
（上图中绿色的线即为axjline（）添加的参考线）
使用方法：plt.axvspan( xmin, xmax ,facecolor, alpha)
注：其使用方法也可以用在 axhspan（）上
在上一段代码添加
plt.axvspan(xmin=2,
xmax=5,
facecolor='r',
alpha=0.2) # 绘制垂直于x轴的参考区域即得到（注意：此段是区域）
获取或设置当前 x 轴或 y 轴刻度位置和标签（即设置 x 或 y 轴的标 签）
可以理解为设置xilim和ylim一样的效果，但可以指定范围和距离
plt.xticks(list(range(0, 12, 1))) # 调整刻度范围和刻度标签
注意看x轴，从原来的0~10到现在的0~11，可以通过设置第三个参数设置步长，这里设置为1
函数方法：plt.annotate()
xycoords= 参数如下
以用这些：
plt.annotate('local',
xy=(2, 1),
xytext=(0.5, 0.5),
weight='bold',
color='red',
xycoords="data",
arrowprops=
dict(arrowstyle="->", connectionstyle='arc3', color='b'),
bbox=
dict(boxstyle="rarrow",
pad=0.6,
fc="yellow",
ec='k',
lw=1,
alpha=0.5)
)
这里的黄色箭头和蓝色细长线即为参数方法添加的参数，实际使用过程中根据自己的实际所需使用，可以认为添加对图像的一些解释
（boxstyle：方框外形；circle：椭圆；darrow：双向箭头；larrow：箭头向左；rarrow：箭
头向右；round：圆角矩形；round4：椭长方形；roundtooth：波浪形边框 1；sawtooth：
波浪形边框 2；square：长方形）
函数方法：plt.text()
x,y：表示坐标轴上的值
weight：
xycoodrds：
data：使用被注释对象的坐标系统
arrowprops：箭头参数，参数类型为字典 dict
width：箭头的宽度
headwidth：箭头底部以点为单位的宽度
headlength：箭头的长度
shrink：总长度的一部分，从两端“收缩”
facecolor：箭头颜色
bbox：给标题增加外框
boxstyle：方框外形
circle：椭圆
darrow：双向箭头
larrow：箭头向左
rarrow：箭头向右
round：圆角矩形
round4：椭长方形
roundtooth：波浪形边框 1
sawtooth：波浪形边框 2
square：长方形
plt.text(1, 1,
"y=sinx",
weight='bold',
color ='b')这里设置在坐标（1，1）上，即文字下面y=sinx的蓝色字段
plt.title("正弦函数")
使用方法：plt.legeng()
图例在图中的地理位置：
plt.legend(loc="lower left") # 设置图例位置
plt.table(cellText=None, cellColours=None, cellloc='right' ,colWidths=None,
rowLabels=None, rowColours=None, collLabels=None, colColours=None,
collloc='center', loc='bpttpm', bbox=None, edges='closed', **kwargs)
cellText：表格单元格文本。类型为二维字符串列表
cellColours：表格单元格背景色。类型为二位颜色值列表
cellloc：表格单元格文本的对齐方式。默认值为right
left
right
center
colWidths：表格单元格宽度。类型为浮点数列表
rowLabels：表格行表头文本。类型为字符串列表
rowColours：表格行表头背景色。类型为颜色列表
colLabels：表格列表头文本。类型为字符串列表
colLoc：表格行表头文本对齐方式。默认 right
left
right
center
colColours：表格列表头背景色。类型为颜色列表
loc：单元格相对于子图的位置
bbox：绘制表格的边界框，如果此参数不为 None，将会覆盖 loc 参数
edges：单元格边线，该属性会影响各类单元格背景色
BRTL
open
closed
horizontal
vertical
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(10, 10))
x = np.linspace(0.05, 10, 1000) # 在0.05到10的区间中，等差选取1000个，端点不属于
y = np.sin(x)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot(x, y,
color='red',
ls='-',
label='sinx')
plt.xlim(1, 10)
plt.ylim(-1, 1)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.grid(ls=':',
color='blue') # 设置网格，颜色为蓝色
plt.axhline(0.5, color='green', lw=2, label="分割线") # 绘制平行于x轴的水平参考线，绿色，名称
plt.axvspan(xmin=2,
xmax=5,
facecolor='r',
alpha=0.2) # 绘制垂直于x轴的参考区域
plt.axhspan(ymin=(-3**0.5)/2,
ymax=(3**0.5)/2,
facecolor='w',
alpha=0.2)
plt.legend(loc="lower left") # 设置图例位置
plt.annotate('local',
xy=(2, 1),
xytext=(0.5, 0.5),
weight='bold',
color='red',
xycoords="data",
arrowprops=
dict(arrowstyle="->", connectionstyle='arc3', color='b'),
bbox=
dict(boxstyle="rarrow",
pad=0.6,
fc="yellow",
ec='k',
lw=1,
alpha=0.5)
)
plt.xticks(list(range(0, 12, 1))) # 调整刻度范围和刻度标签
plt.text(1, 1,
"y=sinx",
weight='bold',
color ='b')
plt.title("正弦函数")
plt.show()这串代码用于显示中文字符
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False无论画什么图，最后都得使用plt.show()用于展示图片，否则输出为空
-：实线样式
--：短横线样式
-.：点划线样式
：：虚线样式
.：点标记
O：圆标记
V：倒三角标记
^：正三角标记
<：左三角标记
>：右三角表示
1：下箭头标记13
2：上箭头标记
3：左箭头标记
4：右箭头标记
S：正方形标记
p：五边形标记
*：星形标记
H：六边形标记
+：加号标记
X：x 标记
D：菱形标记
|：竖直线标记
_：水平线标记
b 蓝色
g 绿色
r 红色
c 青色
m 品红色·
y 黄色
k 黑色
w 白色
很多参数有时候用不上，但要知道有，存在即合理，不同参数的作用功能不同，不要任何图都加太多参数，一般有图例、标题，xy轴的范围即可。
无论使用哪个，建议先试试，实践是检验真理的唯一标准！！！
到此这篇关于Python数据可视化之matplotlib.pyplot绘图的基本参数的文章就介绍到这了,更多相关Python matplotlib.pyplot绘图参数内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
--结束END--
本文标题: Python数据可视化之matplotlib.pyplot绘图的基本参数详解
本文链接: https://www.lsjlt.com/news/117521.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑，方便收藏和打印～
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
官方手机版
微信公众号
商务合作
0