一篇文章学会Matplotlib

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]

plt.plot(x, y)  # 在坐标轴上绘制线条
plt.xlabel('X Label')  # 添加x轴标签
plt.ylabel('Y Label')  # 添加y轴标签
plt.title('Line Chart Example')  # 添加标题
plt.show()  # 显示图形

import matplotlib.pyplot as plt  #导入Matplotlib模块

x = ['A', 'B', 'C', 'D', 'E']  #定义横轴刻度标签
y = [10, 8, 6, 4, 2]  #定义纵轴数据值

plt.bar(x, y, width=0.5, align='center', color=['red', 'blue', 'green', 'purple', 'orange'])  #调用bar()函数创建柱状图，并指定参数
# 参数width为柱宽，默认为0.8；参数align为柱在标记上的对齐方式，默认为'edge'
# 在本例中，设置了柱的宽为0.5并居中对齐，同时也指定了每个条形的颜色。

plt.xlabel('Categories')  #添加x轴标题
plt.ylabel('Values')  #添加y轴标题
plt.title('Bar Chart Example')  #设置图表标题
plt.show()  #显示图表

import matplotlib.pyplot as plt  #导入Matplotlib模块

x = [1, 2, 3, 4, 5]  #定义x轴数据
y = [10, 8, 6, 4, 2]  #定义y轴数据
colors = ['red', 'green', 'yellow', 'blue', 'purple']  #定义散点的颜色列表

plt.scatter(x, y, s=100, c=colors, marker='o', alpha=0.5)  
#调用scatter()函数创建散点图，并指定参数
# 参数s为散点的大小，默认为20；参数c为每个点的颜色；参数marker指定每个点形状（在此为圆）；alpha参数设置点的透明度。

plt.xlabel('X Label')  #添加x轴标签
plt.ylabel('Y Label')  #添加y轴标签
plt.title('Scatter Plot Example')  #添加标题

plt.show()  #显示图表

import matplotlib.pyplot as plt  #导入Matplotlib模块

labels = ['A', 'B', 'C', 'D']  #定义标签labels
data = [30, 20, 10, 40]  #定义数据
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']  #定义饼图显示区域颜色

plt.pie(data, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90)  
#调用pie()函数创建饼图，并指定参数
# 参数labels为饼图中各部分的标签；参数colors给出了用于稳定饼图底色的四种颜色.
# 自动百分比句型说明每个区域占用的百分比；startangle指定旋转图表的起始角度。

plt.title('Pie Chart Example')  #设置图表标题
plt.show()  #显示图表

import numpy as np
import matplotlib.pyplot as plt

data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])  #用numpy模块创建一个3x3的矩阵并赋值

heatmap = plt.pcolor(data, cmap=plt.cm.Blues)  #调用pcolor()方法为数据生成颜色热图，并传入自定义配色和颜色比例尺。
plt.colorbar()   #调用colorbar()方法给图表添加颜色条。

plt.xticks(np.arange(0.5, len(['A', 'B', 'C']) + 0.5), ['A', 'B', 'C'])  #设定x轴刻度、标签和范围
plt.yticks(np.arange(0.5, len(['D', 'E', 'F']) + 0.5), ['D', 'E', 'F'])  #设定y轴刻度、标签和范围

plt.title('Heatmap Example')  #设置图表标题
plt.show()  #显示图表

import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

# 定义一个新的3D坐标系
fig = plt.figure()  #生成一张新的图片
ax = fig.add_subplot(111, projection='3d')  #在其中增加一个子图，projection='3d'参数告诉Matplotlib要创建3D图像

# 生成X、Y的等间隔数字，并根据它们的组合生成Z
x = np.linspace(-1, 1, 100)  # 生成等间隔数字-1到1，共100个数值
y = np.linspace(-1, 1, 100)  # 同理
X, Y = np.meshgrid(x, y)  # 根据输入的两个分别一维的函数向量创建相应的二维矩阵用于3D图像的表面绘制
Z = np.sin(np.sqrt(X**2 + Y**2))  # 根据X和Y数组生成Z数组

# 在3D坐标系中绘制3D曲面
ax.plot_surface(X, Y, Z, cmap=plt.cm.Blues)  #调用plot_surface()方法和传入自定义配色，生成曲面图效果。
ax.set_xlabel('X Label')  #设置x轴标签
ax.set_ylabel('Y Label')  #设置y轴标签
ax.set_zlabel('Z Label')  #设置z轴标签
plt.title('3D Plot Example')  #设置图表标题
plt.show()  #显示图表

import matplotlib.pyplot as plt  #导入Matplotlib模块

x = [1, 2, 3, 4, 5]  #定义x轴数据
y = [10, 8, 6, 4, 2]  #定义y轴数据

plt.plot(x, y)  #用plot()函数绘制折线图
plt.xlabel('X Label')  #设置x轴标签
plt.ylabel('Y Label')  #设置y轴标签
plt.title('Line Chart with Annotations')  #设置标题

# 打开交互模式并添加文本注释
plt.ion()   #打开交互模式
plt.annotate('Low point', xy=(4, 2), xytext=(3.5, 8),
             arrowprops=dict(facecolor='black', shrink=0.05)) 
# 在指定点(4, 2)处增加一条注释线，并给该行添加一个说明小箭头。
plt.annotate('Interesting Point', xy=(3, 6), xytext=(1.5, 9),
             arrowprops=dict(facecolor='red', shrink=0.05))
# 让注释点稍微偏离目标点坐标(3, 6)，同时以红色为基调。

plt.show()  #展示图表结果

import numpy as np
import matplotlib.pyplot as plt

# 生成一些示例数据
x = np.linspace(0, 10, 100)  #创建线性空间数组，并精准地定义起始点、结束点和数量。
y1 = np.sin(x)  #根据 x 数组生成 y1 数据
y2 = np.cos(x)  #根据 x 数组生成 y2 数据

# 创建网格并放置两个子图
fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True)  
# 调用subplots()方法，创建两行一列的子图网格。sharex=True表示共享横坐标。

# 在第一个子图中绘制sin函数
ax1.plot(x, y1, 'r-', linewidth=2)  #调用plot()函数，在第一个子图中绘制sin函数，使用以红色为基调的单匹配线条。
ax1.set_ylabel('Sin')  #设置y轴标签

# 在第二个子图中绘制cos函数
ax2.plot(x, y2, 'g-', linewidth=2)  #调用plot()函数，在第二个子图中绘制cos函数，用以绿色为基调的单匹配线条。
ax2.set_xlabel('Time (s)')  #设置x轴标签
ax2.set_ylabel('Cos')  #设置y轴标签

# 添加标题
plt.suptitle('Example of Multiple Subplots')  #用suptitle()函数为整个图表添加一个标题

plt.show()  #显示图表

import numpy as np
import matplotlib.pyplot as plt

# 生成一些示例数据
x = np.linspace(0, 10, 100)  #使用numpy模块中的np.linspace()函数生成一系列等间隔样本点
y = np.sin(x)

# 创建新的图形并绘制sin函数
fig = plt.figure()  #创建一个新的图形
plt.plot(x, y, 'r-', linewidth=2)  #用plot()函数在该图形上绘制以红色为基调的折线状图表
plt.xlabel('Time (s)')  #设置x轴标签
plt.ylabel('Amplitude')  #设置y轴标签
plt.title('Example of a Matplotlib Figure')  #设置标题

# 将图表保存成PDF文件
plt.savefig('example.pdf')  #使用savefig()函数将该图形以pdf格式保存

plt.show()  #展示图表结果