1 绘制简单折线图
1.1 绘制简单的折线图1.2 修改图表1.3 校正图形1.4 使用内置样式 2 绘制散点图
2.1 使用scatter()绘制散点图并设置样式2.2 使用scatter()绘制一系列点2.3 自动计算数据2.4 使用颜色映射2.5 自动保存图表 持续更新中
1 绘制简单折线图 1.1 绘制简单的折线图下面使用Matplotlib绘制一个简单的折线图，再对其进行定制，以实现信息更丰富的数据可视化效果。我们将使用平方数序列1、4、9、16和25来绘制这个图表。
import matplotlib.pyplot as plt squares=[1,4,9,16,25] fig,ax=plt.subplots() ax.plot(squares) plt.show()
创建了一个名为squares 的列表，在其中存储要用来制作图表的数据。然后，采取了另一种常见的Matplotlib做法——调用函数subplots() 。这个函数可在一张图片中绘制一个或多个图表。变量fig 表示整张图片。变量ax 表示图片中的各个图表，大多数情况下要使用它。
运行截图：
参数linewidth决定了plot() 绘制的线条粗细。
方法set_title()给图表指定标题。
fontsize 指定图表中各种文字的大小。
方法set_xlabel() 和set_ylabel() 让你能够为每条轴设置标题。方法tick_params() 设置刻度的样式，其中指定的实参将影响X轴和 Y轴上的刻度（axes=‘both’ ），并将刻度标记的字号设置为14（labelsize=14）。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
squares=[1,4,9,16,25]
fig,ax=plt.subplots()
ax.plot(squares,linewidth=3) #linewidth决定了绘制的线条粗细
#设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
#设置刻度标记的大小
ax.tick_params(axis='both',labelsize=14)
plt.show()
运行截图:
如果报错显示没有中文字体的话，加入下面这两句话：
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号1.3 校正图形
图形更容易看清后，我们发现没有正确地绘制数据：折线图的终点指出4.0的平方为25！下面来修复这个问题。
向plot() 提供一系列数时，它假设第一个数据点对应的坐标值为0，但这里第一个点对应的值为1。为改变这种默认行为，可向plot() 同时提供输入值和输出值：
... input_values=[1,2,3,4,5] ax.plot(input_values,squares,linewidth=3) #linewidth决定了绘制的线条粗细 ...
运行截图：
Matplotlib提供了很多已经定义好的样式，它们使用的背景色、网格线、线条粗细、字体、字号等设置很不错，让你无须做太多定制就可生成引人瞩目的可视化效果。要获悉在你的系统中可使用哪些样式，可在终端会话中执行如下命令：
import matplotlib.pyplot as plt print(plt.style.available)
会出现:
要使用这些样式，可在生成图表的代码前添加如下代码行：
...
plt.style.use('bmh')
...
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
input_values=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.style.use('bmh')
fig,ax=plt.subplots()
ax.plot(input_values,squares,linewidth=3) #linewidth决定了绘制的线条粗细
#设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
#设置刻度标记的大小
ax.tick_params(axis='both',labelsize=14)
plt.show()
运行截图：
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
plt.style.use('bmh')
fig,ax=plt.subplots()
ax.scatter(2,4,s=200)#这个点在指定位置，(x,y)=(2,4)使用参数s绘制图形时使用的点的尺寸
#设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
#设置刻度标记的大小
ax.tick_params(axis='both',which='major',labelsize=14)
plt.show()
运行截图：
要绘制一系列的点，可向scatter() 传递两个分别包含x值和y值的列表，如下所示：
... x_values=[1,2,3,4,5] y_values=[1,4,9,16,25] ax.scatter(x_values,y_values,s=100) ...
列表x_values 包含要计算平方值的数，列表y_values 包含前述数的平方值。将这些列表传递给scatter() 时，Matplotlib依次从每个列表中读取一个值来绘制一个点。要绘制的点的坐标分别为 (1, 1)、(2, 4)、(3, 9)、(4, 16)和(5, 25)
运行截图：
看下面一个例子，将点与线结合
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
squares=[1,4,9,16,25]
x_values=[1,2,3,4,5]
y_values=[1,4,9,16,25]
input_values=[1,2,3,4,5]
plt.style.use('bmh')
fig,ax=plt.subplots()
ax.scatter(x_values,y_values,s=100)
ax.plot(input_values,squares,linewidth=3) #linewidth决定了绘制的线条粗细
#设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
#设置刻度标记的大小
ax.tick_params(axis='both',which='major',labelsize=14)
plt.show()
运行截图：
下面是绘制1000个点的代码
x_values=range(1,1001) y_values=[x**2 for x in x_values] ax.axis([0,1100,0,1100000])#设置每个坐标轴的取值范围
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
x_values=range(1,1001)
y_values=[x**2 for x in x_values]
plt.style.use('bmh')
fig,ax=plt.subplots()
ax.scatter(x_values,y_values,s=10)
#设置图表标题并给坐标轴加上标签
ax.set_title("平方数",fontsize=24)
ax.set_xlabel("值",fontsize=14)
ax.set_ylabel("值的平方",fontsize=14)
#设置刻度标记的大小
ax.tick_params(axis='both',which='major',labelsize=14)
ax.axis([0,1100,0,1100000])#设置每个坐标轴的取值范围
plt.show()
运行截图：
颜色映射 （colormap）是一系列颜色，从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律。例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值。模块pyplot 内置了一组颜色映射。要使用这些颜色映射，需要告诉pyplot 该如何设置数据集中每个点的颜色。
ax.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,s=10)
将参数c 设置成了一个值列表，并使用参数cmap 告诉pyplot使用哪个颜色映射。这些代码将值较小的点显示为浅蓝色，并将值较大的点显示为深蓝色。
运行截图：
让程序自动将图表保存到文件中，可调用plot.show()替换为调用plt.savefig()
plt.savefig('squares_plot.png',bbox_inches='tight')
第一个实参指定要以什么文件名保存图表，这个文件将存储到scatter_squares.py所在的目录。第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空白区域，只需省略这个实参即可。
