快速上手Matplotlib常用API，

快速上手Matplotlib常用API，

Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。它可以生成图表、直方图、功率谱、条形图、误差图、散点图等。本文重点介绍线形图相关api的使用方法!

生成常用图型的API

线形图

方法plot

散点图

方法scatter()

饼图

方法pie()

条形图

方法bar()

更多图形展示请参考官网：

http://www.matplotlib.org.cn/tutorials/introductory/sample_plots.html#line-plot

线性plot api详解

基础api

实例代码 
from matplotlib import pyplot as plt 
y = [0.21, 0.01, 0.0, 0.9]#纵轴坐标数据 
x = [1, 2,3,4] #横轴坐标数据，如果不写，默认数据就是自增1 
plt.title("cpu Test")#图片标题 
plt.xlabel("time(s)") #横轴文字 
plt.ylabel("cpu(%)")#纵轴文字 
plt.yscale('linear') #设置线性轴，包括: linear、log、symlog、logit  
plt.plot(y,color="blue",linewidth=2,marker="o",markersize=5,markerfacecolor="yellow",markeredgewidth=1,markeredgecolor="red") 
plt.show() #图片展示 
plt.savefig('d:\\testblueline.jpg') #保存图片到d盘 

生成图形展示如下：

plt.plot参数解释如下

y是纵轴数据 
 
color="blue" 线条显示蓝色 
 
linewidth=2 线条宽度是2 
 
marker="o" 节点图形是O 
 
markersize=5 节点大小是5 
 
markerfacecolor="yellow" 节点颜色是黄色 
 
markeredgewidth=1 节点边缘线条宽度是1 
 
markeredgecolor="red" 节点边缘线条颜色是红色 
 
plt.show() 图片展示 
 
plt.savefig('d:\\testblueline.jpg') 保存图片到d盘 

同一张图显示多组数据并设置节点形状

实例代码 
from matplotlib import pyplot as plt 
import numpy as np 
# 数据范围是0-5,间隔是0.5 
t = np.arange(0, 5,0.5) 
# 红色 --, 蓝色方块  绿色三角 
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') 
plt.show() 

生成图形展示如下：

设置坐标轴取值范围

实例代码 
from matplotlib import pyplot as plt 
y=[1,2,3,4,5,6,7,8,9] 
plt.plot(y) 
plt.ylabel('test data') 
plt.ylim(1,5) 设置y轴显示的数据范围是1-5，方法xlim设置x轴显示范围 
plt.show() 

设置坐标轴显示刻度

实例代码 
import numpy as np 
from matplotlib import pyplot as plt 
y=[1,2,3,4,5,6,7,8,9] 
plt.plot(y) 
plt.ylabel('test data') 
plt.xticks(np.arange(0, 10, step=2)) #x轴刻度显示范围是0-10，刻度是2,y轴刻度使用plt.yticks() 
plt.show() 

subplot创建多个子图

在matplotlib下，一个Figure对象可以包含多个子图(Axes)，可以使用subplot()快速绘制

实例代码 
from matplotlib import pyplot as plt 
names = ['group_a', 'group_b', 'group_c'] 
values = [1, 10, 100] 
plt.figure(figsize=(9, 3)) #设置主图长款大小 
plt.subplot(131) #131表示一行、三列，第一个 
plt.bar(names, values) 
plt.subplot(132) #132表示一行、三列，第二个 
plt.scatter(names, values) 
plt.subplot(133) #133表示一行、三列，第三个 
plt.plot(names, values) 
plt.suptitle('Categorical Plotting') 
plt.show()