小編寫這篇文章的主要目的，主要是來給大家對Python的一些相關的知識，其內容主要有Matplotlib庫圖繪制方法的一些介紹。關于其具體的內容，下面就給大家詳細的做出一個解答。

　　中文字體設置：

　　#字體設置
　　plt.rcParams['font.sans-serif']=["SimHei"]
　　plt.rcParams["axes.unicode_minus"]=False

　　1、基本使用

　　Matplotlib:是一個Python的2D繪圖庫，通過Matplotlib，開發者可以僅需要幾行代碼，便可以生成折線圖，直方圖，條形圖，餅狀圖，散點圖等。

　　plot是一個畫圖的函數，他的參數:plot([x],y,[fmt],data=None,**kwargs)

　　1.1、線條樣式&顏色

　　（1）點線形式

　　（2）線條顏色

　　import matplotlib.pyplot as plt
　　import numpy as np
　　#原始線圖
　　plt.plot(range(10),[np.random.randint(0,10)for x in range(10)])
　　#點線圖
　　plt.plot(range(10),[np.random.randint(0,10)for x in range(10)],"*")
　　#線條顏色
　　plt.plot([1,2,3,4,5],[1,2,3,4,5],'r')#將顏色線條設置成紅色

　　運行結果：

　　1.2、軸&標題

　　1、設置圖標題:plt.title

　　2、設置軸標題:plt.xlabel&plt.ylabel-標題名稱

　　3、設置軸刻度:plt.xticks&plt.yticks-刻度長度,刻度標題

　　范例：

　　x=range(10)
　　y=[np.random.randint(0,10)for x in range(10)]
　　plt.plot(x,y,linewidth=10,color='red')
　　#設置圖標題
　　plt.title("sin函數")
　　#設置軸標題
　　plt.xlabel("x軸")
　　plt.ylabel("y軸")
　　#設置軸刻度
　　plt.xticks(range(10),["第%d天"%x for x in range(1,10)])
　　plt.yticks(range(10),["第%d天"%x for x in range(1,10)])
　　#加載字體
　　plt.rcParams['font.sans-serif']=["SimHei"]
　　plt.rcParams["axes.unicode_minus"]=False

　　運行結果：

　　1.3、marker設置

　　marker:關鍵點重點標記

　　范例：

　　x=range(10)
　　y=[np.random.randint(0,10)for x in range(10)]
　　plt.plot(x,y,linewidth=10,color='red')
　　#重點標記
　　plt.plot(x,y,marker="o",markerfacecolor='k',markersize=10)

　　1.4、注釋文本

　　annotate:注釋文本

　　范例：

　　x=range(10)
　　y=[np.random.randint(0,10)for x in range(10)]
　　plt.plot(x,y,linewidth=10,color='red')
　　#重點標記
　　plt.plot(x,y,marker="o",markerfacecolor='k',markersize=10)
　　#注釋文本設置
　　plt.annotate('local max',xy=(5,5),xytext=(10,15),
　　arrowprops=dict(facecolor='black',shrink=0.05),
　　)

　　運行結果：

　　1.5、設置圖形樣式

　　plt.figure:調整圖片的大小和像素

　　`num`:圖的編號，

　　`figsize`:單位是英寸，

　　`dpi`:每英寸的像素點，

　　`facecolor`:圖片背景顏色，

　　`edgecolor`:邊框顏色，

　　`frameon`:是否繪制畫板。

　　范例：

　　x=range(10)
　　y=[np.random.randint(0,10)for x in range(10)]
　　#設置圖形樣式
　　plt.figure(figsize=(20,10),dpi=80)
　　plt.plot(x,y,linewidth=10,color='red')

　　運行結果：

　　2、條形圖

　　應用場景：

　　1.數量統計。

　　2.頻率統計。

　　相關參數：

　　barh:條形圖

　　1.`x`:一個數組或者列表，代表需要繪制的條形圖的x軸的坐標點。

　　2.`height`:一個數組或者列表，代表需要繪制的條形圖y軸的坐標點。

　　3.`width`:每一個條形圖的寬度，默認是0.8的寬度。

　　4.`bottom`:`y`軸的基線，默認是0，也就是距離底部為0.

　　5.`align`:對齊方式，默認是`center`，也就是跟指定的`x`坐標居中對齊，還有為`edge`，靠邊對齊，具體靠右邊還是靠左邊，看`width`的正負。

　　6.`color`:條形圖的顏色。

　　2.1、橫向條形圖范例

　　movies={
　　"流浪地球":40.78,
　　"飛馳人生":15.77,
　　"瘋狂的外星人":20.83,
　　"新喜劇之王":6.10,
　　"廉政風云":1.10,
　　"神探蒲松齡":1.49,
　　"小豬佩奇過大年":1.22,
　　"熊出沒·原始時代":6.71
　　}
　　plt.barh(np.arange(len(movies)),list(movies.values()))
　　plt.yticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)
　　plt.grid()

　　運行結果：

　　2.2、分組條形圖

　　范例：

　　movies={
　　"流浪地球":[2.01,4.59,7.99,11.83,16],
　　"飛馳人生":[3.19,5.08,6.73,8.10,9.35],
　　"瘋狂的外星人":[4.07,6.92,9.30,11.29,13.03],
　　"新喜劇之王":[2.72,3.79,4.45,4.83,5.11],
　　"廉政風云":[0.56,0.74,0.83,0.88,0.92],
　　"神探蒲松齡":[0.66,0.95,1.10,1.17,1.23],
　　"小豬佩奇過大年":[0.58,0.81,0.94,1.01,1.07],
　　"熊出沒·原始時代":[1.13,1.96,2.73,3.42,4.05]
　　}
　　plt.figure(figsize=(20,8))
　　width=0.75
　　bin_width=width/5
　　movie_pd=pd.DataFrame(movies)
　　ind=np.arange(0,len(movies))
　　#第一種方案
　　for index in movie_pd.index:
　　day_tickets=movie_pd.iloc[index]
　　xs=ind-(bin_width*(2-index))
　　plt.bar(xs,day_tickets,width=bin_width,label="第%d天"%(index+1))
　　for ticket,x in zip(day_tickets,xs):
　　plt.annotate(ticket,xy=(x,ticket),xytext=(x-0.1,ticket+0.1))
　　#設置圖例
　　plt.ylabel("單位:億")
　　plt.title("春節前5天電影票房記錄")
　　#設置x軸的坐標
　　plt.xticks(ind,movie_pd.columns)
　　plt.xlim
　　plt.grid(True)
　　plt.show()

　　運行結果：

　　2.3、堆疊條形圖

　　范例：

　　menMeans=(20,35,30,35,27)
　　womenMeans=(25,32,34,20,25)
　　groupNames=('G1','G2','G3','G4','G5')
　　xs=np.arange(len(menMeans))
　　plt.bar(xs,menMeans)
　　plt.bar(xs,womenMeans,bottom=menMeans)
　　plt.xticks(xs,groupNames)
　　plt.show()

　　運行結果：

　　3、直方圖

　　plt.hist:直方圖

　　1.x:數組或者可以循環的序列;

　　2.bins:數字或者序列（數組/列表等）;

　　3.range:元組或者None，如果為元組，那么指定`x`劃分區間的最大值和最小值;

　　4.density:默認是`False`，如果等于`True`，那么將會使用頻率分布直方圖;

　　5.cumulative:如果這個和`density`都等于`True`，那么返回值的第一個參數會不斷的累加，最終等于`1`。

　　應用場景：

　　1.顯示各組數據數量分布的情況。

　　2.用于觀察異常或孤立數據。

　　3.抽取的樣本數量過小，將會產生較大誤差，可信度低，也就失去了統計的意義。因此，樣本數不應少于50個。

　　3.1、直方圖

　　范例：

　　durations=[131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,110,116,117,110,128,128,115,99,136,126,134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,137,123,128,125,104,109,134,125,127,105,120,107,129,116,108,132,103,136,118,102,120,114,105,115,132,145,119,121,112,139,125,138,109,132,134,156,106,117,127,144,139,139,119,140,83,110,102,123,107,143,115,136,118,139,123,112,118,125,109,119,133,112,114,122,109,106,123,116,131,127,115,118,112,135,115,146,137,116,103,144,83,123,111,110,111,100,154,136,100,118,119,133,134,106,129,126,110,111,109,141,120,117,106,149,122,122,110,118,127,121,114,125,126,114,140,103,130,141,117,106,114,121,114,133,137,92,121,112,146,97,137,105,98,117,112,81,97,139,113,134,106,144,110,137,137,111,104,117,100,111,101,110,105,129,137,112,120,113,133,112,83,94,146,133,101,131,116,111,84,137,115,122,106,144,109,123,116,111,111,133,150]
　　plt.figure(figsize=(15,5))
　　nums,bins,patches=plt.hist(durations,bins=20,edgecolor='k')
　　plt.xticks(bins,bins)
　　for num,bin in zip(nums,bins):
　　plt.annotate(num,xy=(bin,num),xytext=(bin+1.5,num+0.5))
　　plt.show()

　　運行結果：

　　3.2、頻率直方圖

　　density:頻率直方分布圖

　　范例：

　　nums,bins,patches=plt.hist(durations,bins=20,edgecolor='k',density=True,cumulative=True)
　　plt.xticks(bins,bins)
　　for num,bin in zip(nums,bins):
　　plt.annotate("%.4f"%num,xy=(bin,num),xytext=(bin+0.2,num+0.0005))

　　運行結果：

　　3.3、直方圖

　　cumulative參數:nums的總和為1

　　范例：

　　plt.figure(figsize=(15,5))
　　nums,bins,patches=plt.hist(durations,bins=20,edgecolor='k',density=True,cumulative=True)
　　plt.xticks(bins,bins)
　　for num,bin in zip(nums,bins):
　　plt.annotate("%.4f"%num,xy=(bin,num),xytext=(bin+0.2,num+0.0005))

　　運行結果：

　　4、散點圖

　　plt.scatter:散點圖繪制：

　　1.x,y:分別是x軸和y軸的數據集。兩者的數據長度必須一致。

　　2.s:點的尺寸。

　　3.c:點的顏色。

　　4.marker:標記點，默認是圓點，也可以換成其他的。

　　范例：

　　plt.scatter(x=data_month_sum["sumprice"]#傳入X變量數據
　　,y=data_month_sum["Quantity"]#傳入Y變量數據
　　,marker='*'#點的形狀
　　,s=10#點的大小
　　,c='r'#點的顏色
　　)
　　plt.show()

　　運行結果：

　　5、餅圖

　　餅圖:一個劃分為幾個扇形的圓形統計圖表，用于描述量、頻率或百分比之間的相對關系的。

　　在matplotlib中，可以通過plt.pie來實現，其中的參數如下：

　　x：餅圖的比例序列。labels：餅圖上每個分塊的名稱文字。explode：設置某幾個分塊是否要分離餅圖。autopct：設置比例文字的展示方式。比如保留幾個小數等。shadow：是否顯示陰影。textprops：文本的屬性（顏色，大小等）。范例

　　plt.figure(figsize=(8,8),dpi=100,facecolor='white')
　　plt.pie(x=StockCode.values,#數據傳入
　　radius=1.5,#半徑
　　autopct='%.2f%%'#百分比顯示
　　,pctdistance=0.6,#百分比距離圓心比例
　　labels=StockCode.index,#標簽
　　labeldistance=1.1,#標簽距離圓心比例
　　wedgeprops={'linewidth':1.5,'edgecolor':'green'},#邊框的線寬和顏色
　　textprops={'fontsize':10,'color':'blue'})#文本字體大小和顏色
　　plt.title('商品銷量占比',pad=100)#設置標題及距離坐標軸的位置
　　plt.show()

　　運行結果：

　　6、箱線圖

　　箱圖的繪制方法是:

　　:1、先找出一組數據的上限值、下限值、中位數（Q2）和下四分位數（Q1）以及上四分位數（Q3）

　　:2、然后連接兩個四分位數畫出箱子

　　:3、再將最大值和最小值與箱子相連接，中位數在箱子中間。

　　中位數:把數據按照從小到大的順序排序，然后最中間的那個值為中位數，如果數據的個數為偶數，那么就是最中間的兩個數的平均數為中位數。

　　上下四分位數:同樣把數據排好序后，把數據等分為4份。出現在`25%`位置的叫做下四分位數，出現在`75%`位置上的數叫做上四分位數。但是四分位數位置的確定方法不是固定的，有幾種算法，每種方法得到的結果會有一定差異，但差異不會很大。

　　上下限的計算規則是：

　　IQR=Q3-Q1

　　上限=Q3+1.5IQR

　　下限=Q1-1.5IQR

　　在matplotlib中有plt.boxplot來繪制箱線圖，這個方法的相關參數如下：

　　x：需要繪制的箱線圖的數據。notch：是否展示置信區間，默認是False。如果設置為True，那么就會在盒子上展示一個缺口。sym：代表異常點的符號表示，默認是小圓點。vert：是否是垂直的，默認是True，如果設置為False那么將水平方向展示。whis：上下限的系數，默認是1.5，也就是上限是Q3+1.5IQR，可以改成其他的。也可以為一個序列，如果是序列，那么序列中的兩個值分別代表的就是下限和上限的值，而不是再需要通過IQR來計算。positions：設置每個盒子的位置。widths：設置每個盒子的寬度。labels：每個盒子的label。meanline和showmeans：如果這兩個都為True，那么將會繪制平均值的的線條。

　　范例：

　　#箱線圖-主要觀察數據是否有異常（離群點）
　　#箱須-75%和25%的分位數+/-1.5倍分位差
　　plt.figure(figsize=(6.4,4.8),dpi=100)
　　#是否填充箱體顏色，是否展示均值，是否展示異常值，箱體設置，異常值設置，均值設置，中位數設置
　　plt.boxplot(x=UnitPrice#傳入數據
　　,patch_artist=True#是否填充箱體顏色
　　,showmeans=True#是否展示均值
　　,showfliers=True#是否展示異常值
　　,boxprops={'color':'black','facecolor':'white'}#箱體設置
　　,flierprops={'marker':'o','markersize':4,'markerfacecolor':'red'}#異常值設置
　　,meanprops={'marker':'o','markersize':6,'markerfacecolor':'indianred'}#均值設置
　　,medianprops={'linestyle':'--','color':'blue'}#中位數設置
　　)
　　plt.show()

　　運行結果：

　　7、雷達圖

　　雷達圖:又被叫做蜘蛛網圖，適用于顯示三個或更多的維度的變量的強弱情況

　　plt.polar來繪制雷達圖，x軸的坐標點應該為弧度（2*PI=360°）

　　范例：

　　import numpy as np
　　properties=['輸出','KDA','發育','團戰','生存']
　　values=[40,91,44,90,95,40]
　　theta=np.linspace(0,np.pi*2,6)
　　plt.polar(theta,values)
　　plt.xticks(theta,properties)
　　plt.fill(theta,values)

　　注意事項：

　　因為polar并不會完成線條的閉合繪制，所以我們在繪制的時候需要在theta中和values中在最后多重復添加第0個位置的值，然后在繪制的時候就可以和第1個點進行閉合了。

　　polar只是繪制線條，所以如果想要把里面進行顏色填充，那么需要調用fill函數來實現。

　　polar默認的圓圈的坐標是角度，如果我們想要改成文字顯示，那么可以通過xticks來設置。

　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家帶來幫助。