Matplotlib是Python中一个非常好用的模块，使用matplotlib可以绘制各种图标。 包括折线图、条形图、饼图、雷达图等。Matplotlib是在MATLAB的基础上实现的。 要在 Python 中使用 Matplotlib，我们需要安装它。 语句如下：
pip install matplotlib
下面用Matplotlib实现一个简单的折线图：
将 numpy 导入为 np
将 matplotlib.pyplot 导入为 plt
# 准备X轴的数据
x = np.linspace(0, 10, 10)
# 准备y轴的数据
y = x**2
# 获取折线图
plt.plot(x, y)
# 显示折线图
plt.show()
在上面的代码中我们使用了 NumPy 和 matplotlib.pyplot 库。 其中，NumPy是一个数学运算的库，我们在安装Matplotlib时会安装它。 而pyplot是Matplotlib的一个子库，绘图操作主要在里面。
绘制图表时，我们需要先准备x轴和y轴的数据。 然后调用plt.plot函数绘制图表，最后调用plt.show函数显示图表。 下面是我们绘制的图表：
但是上面的图表过于单调，无法从中得到准确的信息，所以我们需要丰富图表。
图中提供了一个函数，可以添加标题、x轴和y轴信息。 让我们使用第一节中的代码进行扩展：
将 numpy 导入为 np
将 matplotlib.pyplot 导入为 plt
x = np.linspace(0, 10, 10)
y = x**2
plt.plot(x, y)
＃ 添加标题
铂。 标题（“y = x^2”）
# 添加关于x轴的信息
铂。 xlabel("x")
# 添加y轴信息
plt.ylabel("y")
＃ 保存图片
plt.savefig('1.jpg')
plt.show()
调用plt.plot函数后，我们又调用了三个函数，分别是title、xlabel、ylabel。 这与我们的标题、x 轴和 y 轴完全对应。 这样，我们的图就更容易理解了。 下面是画的图：
从图中可以看出，是y = x^2的函数图像。
有了一些提示信息，我们就可以考虑美化一下图表了。
丰富的样式
我们在之前的基础上继续修改：
import numpy as np
将 matplotlib.pyplot 导入为 plt
x = np.linspace(0, 10, 10)
y = x**2
# 使用背景
铂。 风格。 使用（'ggplot'）
# 丰富的样式
plt.plot(x, y, c='r', marker='o', ls='-', )
铂。 标题（“y = x^2”）
铂。 xlabel("x")
plt.ylabel("y")
plt.savefig('1.jpg')
plt.show()
我们修改了上面的两部分，首先我们在绘制图表之前调用了：
plt.style。 use('ggplot')
这个操作是使用Matplotlib自带的样式，我们可以通过：
plt.style.available
code >
查看可用样式。
第二部分是在绘制图表的时候添加几个参数，它们的含义如下：
c color
标记点样式
ls Line Style
最终绘制的图表如下：
可以看到样式变化很大。 当然，我们的Matplotlib也可以绘制其他图形。
绘制散点图
散点图的绘制和折线图很像，直接看代码：
import numpy 作为 np
将 matplotlib.pyplot 导入为 plt
x = np.linspace(0, 10, 10)
y = x**2
铂。 风格。 使用（'ggplot'）
# 绘制散点图
plt.scatter(x, y, c='r', 标记='o', ls='-', )
铂。 标题（“y = x^2”）
铂。 xlabel("x")
plt.ylabel("y")
plt.savefig('1.jpg')
plt.show()
可以看到我们的代码只做了很简单的修改。 我们把原来画折线图的函数plt.plot换成了plt.scatter。 剩下的代码直接copy过来，这是我们散点图的绘制，先看一下绘制出来的图：
可以看到散点图绘制正确。 我们可以尝试绘制其他样式的散点图：
import numpy as np
将 matplotlib.pyplot 导入为 plt
x = np.linspace(0, 10, 10)
y = x**2
铂。 风格。 使用（'ggplot'）
plt.scatter(x, y, c='b', marker='*')
铂。 标题（“y = x^2”）
铂。 xlabel("x")
plt.ylabel("y")
plt.savefig('1.jpg')
plt.show()
上面我调整了一个标记颜色和点样式，绘制的图表如下：
绘制饼图和条形图
h1>
除了以上两种，Matplotlib还可以绘制饼图和统计图表。 它们也很容易绘制：
import numpy as np
将 matplotlib.pyplot 导入为 plt
x = np.linspace(0, 10, 10)
y = [10, 3, 4, 7, 9, 3, 11, 23, 3, 17]
plt.rcParams['font.sans-serif'] = ['SimHei']
铂。 风格。 使用（'ggplot'）
plt.bar(x, y, color='b', tick_label=['01', '02', '03', '04', '05', '06', '07', '08', ' 09', '10'])
plt.title("一张测试图表")
plt.xlabel("年份")
plt.ylabel("y 值")
plt.savefig('1.jpg')
plt.show()
这里我们添加了一些内容，我们单独来看一下。 首先第一个是：
plt.rcParams['font.sans-serif'] = ['SimHei']
函数 这段代码的作用是让我们的图表显示汉字。 默认情况下，我们显示汉字时会出现乱码。
第二部分，我们把绘制图表的函数换成了plt.bar，参数也变了，意思如下：
color: 颜色
tick_label：x轴的标签
后面的内容和前面一样，下面是我们图表的效果图：
有中文标题 ，我们可以更方便的表示图形。
但是，有时候我们可能一张图片中包含两组数据。 这时候我们可以通过图例来区分：
import numpy as np
将 matplotlib.pyplot 导入为 plt
x = np.arange(10)
y1 = [10, 3, 4, 7, 9, 3, 11, 23, 3, 17]
y2 = [3, 4, 7, 9, 12, 16, 16, 17, 23, 17]
plt.rcParams['font.sans-serif'] = ['SimHei']
铂。 风格。 使用（'ggplot'）
bar_width = 0.35
tick_label = ['01', '02', '03', '04', '05', '06', '07', '08', '09', '10']
plt.bar(x, y1, bar_width, color='b', label='data1')
plt.bar(x bar_width, y2, bar_width, color='r', label='data2')
铂。 传奇（）
plt.xticks(x bar_width/2, tick_label)
plt.title("一张测试图表")
plt.xlabel("年份")
plt.ylabel("y 值")
plt.savefig('1.jpg')
plt.show()
这次我们绘制了两个条形图。 为了不让它们重叠，我们在x轴上加了一个bar_width。 并为每个条形图添加了一个label参数，这个参数就是图例中会显示的内容。 然后我们就可以通过调用图例函数给图片添加图例了，效果图如下：
左上角显示的是我们的图例信息。
接下来我们看一下饼图的绘制：
import matplotlib.pyplot as plt
数据 = [0.2, 0.1, 0.05, 0.25, 0.4]
颜色 = ['#ee0000', '#0000ee', '#777777', '#00ee00', '#eeee00']
种类 = ['data1', 'data2', 'data3', 'data4', 'data5']
plt.rcParams['font.sans-serif'] = ['SimHei']
铂。 风格。 使用（'ggplot'）
plt.pie（数据，标签=种类，颜色=颜色）
plt.title("一张测试图表")
plt.xlabel("年份")
plt.ylabel("y 值")
plt.savefig('1.jpg')
plt.show()
这里也需要修改plt的绘图功能，这次用到的是饼图功能。 不同的图形需要不同的参数。 这次我们需要的参数是：
x : data
labels ：每个数据的标签
colors：每条数据显示的颜色试一试，本次Chat就这些了。
作者：ZackSock链接：https://juejin.cn/post/7063084556693274661
