1、处理中文显示问题
#处理中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
plt.rcParams['axes.unicode_minus'] = False # 步骤二（解决坐标轴负数的负号显示问题）
%matplotlib inline #显示图表
plt.style.use('ggplot') #使用'ggplot'风格美化显示的图表
2、画板
figure：面板(图)，matplotlib中的所有图像都是位于figure对象中，一个图像只能有一个figure对象。
subplot：子图，figure对象下创建一个或多个subplot对象(即axes)用于绘制图像。
subplot(211)#表示位置为两行一列的第一个位置
subplot(121)#表示位置为一行两列的第一个位置
3、配置参数
axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
font: 字体集（font family）、字体大小和样式设置
grid: 设置网格颜色和线性
legend: 设置图例和其中的文本的显示
line: 设置线条（颜色、线型、宽度等）和标记
patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。
xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
4、一般步骤
#使用numpy产生数据
x=np.arange(-5,5,0.1)
y=x*3
#创建窗口、子图
#方法1：先创建窗口，再创建子图。（一定绘制）
fig = plt.figure(num=1, figsize=(15, 8),dpi=80) #开启一个窗口，同时设置大小，分辨率
ax1 = fig.add_subplot(2,1,1) #通过fig添加子图，参数：行数，列数，第几个。
ax2 = fig.add_subplot(2,1,2) #通过fig添加子图，参数：行数，列数，第几个。
#方法2：一次性创建窗口和多个子图。（空白不绘制）
fig,axarr = plt.subplots(4,1) #开一个新窗口，并添加4个子图，返回子图数组
ax1 = axarr[0] #通过子图数组获取一个子图
#方法3：一次性创建窗口和一个子图。（空白不绘制）
ax1 = plt.subplot(1,1,1,facecolor='white') #开一个新窗口，创建1个子图。facecolor设置背景颜色
#获取对窗口的引用，适用于上面三种方法
fig = plt.gcf() #获得当前figure
fig=ax1.figure #获得指定子图所属窗口
fig.subplots_adjust(left=0) #设置窗口左内边距为0，即左边留白为0。
#设置子图的基本元素
ax1.set_title('python-drawing') #设置图体，plt.title
ax1.set_xlabel('x-name') #设置x轴名称,plt.xlabel
ax1.set_ylabel('y-name') #设置y轴名称,plt.ylabel
plt.axis([-6,6,-10,10]) #设置横纵坐标轴范围，这个在子图中被分解为下面两个函数
ax1.set_xlim(-5,5) #设置横轴范围，会覆盖上面的横坐标,plt.xlim
ax1.set_ylim(-10,10) #设置纵轴范围，会覆盖上面的纵坐标,plt.ylim
xmajorLocator = MultipleLocator(2) #定义横向主刻度标签的刻度差为2的倍数。就是隔几个刻度才显示一个标签文本
ymajorLocator = MultipleLocator(3) #定义纵向主刻度标签的刻度差为3的倍数。就是隔几个刻度才显示一个标签文本
ax1.xaxis.set_major_locator(xmajorLocator) #x轴 应用定义的横向主刻度格式。如果不应用将采用默认刻度格式
ax1.yaxis.set_major_locator(ymajorLocator) #y轴 应用定义的纵向主刻度格式。如果不应用将采用默认刻度格式
ax1.xaxis.grid(True, which='major') #x坐标轴的网格使用定义的主刻度格式
ax1.yaxis.grid(True, which='major') #y坐标轴的网格使用定义的主刻度格式
ax1.set_xticks([]) #去除坐标轴刻度
ax1.set_xticks((-5,-3,-1,1,3,5)) #设置坐标轴刻度
ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small') #设置刻度的显示文本，rotation旋转角度，fontsize字体大小
plot1=ax1.plot(x,y,marker='o',color='g',label='legend1') #点图：marker图标
plot2=ax1.plot(x,y,linestyle='--',alpha=0.5,color='r',label='legend2') #线图：linestyle线性，alpha透明度，color颜色，label图例文本
ax1.legend(loc='upper left') #显示图例,并位于图像左上角，plt.legend()
ax1.text(2.8, 7, r'y=3*x') #指定位置显示文字,plt.text()
ax1.annotate('important point', xy=(2, 6), xytext=(3, 1.5), #添加标注，参数：注释文本、指向点、文字位置、箭头属性 arrowprops=dict(facecolor='black', shrink=0.05), )
#显示网格。which参数的值为major(只绘制大刻度)、minor(只绘制小刻度)、both，默认值为major。axis为'x','y','both'
ax1.grid(b=True,which='major',axis='both',alpha= 0.5,color='skyblue',linestyle='--',linewidth=2)
axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #在当前窗口添加一个子图，rect=[左, 下, 宽, 高]，是使用的绝对布局，不和以存在窗口挤占空间
axes1.plot(x,y) #在子图上画图
plt.savefig('aa.jpg',dpi=400,bbox_inches='tight') #savefig保存图片，dpi分辨率，bbox_inches子图周边白色空间的大小
plt.show() #打开窗口，对于方法1创建在窗口一定绘制，对于方法2方法3创建的窗口，若坐标系全部空白，则不绘制
5、简单应用：
当遇到简单数据时，可使用plt.plot或plt.scatter直接进行画图
例如：
for j in df1['销售月份'].unique():
df2 = df1[df1['销售月份']==j]
#对x、y进行最小二乘多项式拟合
x = df2['尺码']
y = df2['累计销量占比']
z1 = np.polyfit(x, y, 3) # 用3次多项式拟合
p1 = np.poly1d(z1)
#print(p1) # 在屏幕上打印拟合多项式
yvals = p1(x) # 也可以使用yvals=np.polyval(z1,x)、
# 将所有的款色号都画到一张图中
plt.figure(figsize=(8,8))
for g in df2['款色号'].unique():
df3 = df2[df2['款色号']==g]
total_sales = df3['总销量'].unique()[0]
plt.plot(df3['尺码'],df3['累计销量占比'],label='%s_%d'%(g,total_sales))
plt.xticks(df3['尺码'])
plt.grid(alpha=0.6,linestyle=':')
plt.plot(df2['尺码'].unique(), yvals[:size_len], 'r', lw=3, label='$polyfit values$')
plt.legend(loc = 'upper right')
plt.title('%s_%s'%(i,j))
plt.savefig('.\picture\%s_%s.jpg'%(i,j))
结果：
结果.PNG
网友评论