matplotlib是python中最常用的可視工具之一，可以非常方便地創建海量類型的2D圖表和一些基本的3D圖表。
matplotlib能夠創建多數類型的圖表，如條形圖、散點圖、餅圖、堆疊圖，3D圖和地圖圖表
一、2D圖表
最基本的模塊是pyplot
（1）、基本圖例、標題和標籤
import matplotlib as mpl
import matplotlib.pyplot as plt
#設置字體大小必須放在代碼前面 mpl.rcParams['xtick.labelsize'] = 24#通過rcParams設置全局橫縱字體大小 plt.rcParams['ytick.labelsize'] = 24 #通過plt.rcParams設置局部衡中字體的大小plt.plot([1, 2, 3], [4, 5, 6], label='First Line')plt.plot([1, 2, 3],[10, 14, 12], label='Second Line')plt.xlabel('X')plt.ylabel('Y')plt.title('matplotlib study')#創建標題plt.legend()#生成默認圖例plt.show()
顯示結果：
（2）、條形圖和直方圖
plt.figure('data')
plt.bar([1, 5, 7, 8], [2, 3, 4, 5], label='one')
plt.bar([2, 3, 6, 9], [9, 4, 3, 2], label='two')
plt.xlabel('x')#x軸
plt.ylabel('y')#y軸
plt.title('Rect Study')#創建標題
plt.legend()#生成默認圖例
plt.savefig('1.png')
plt.show('asd')
再介紹一下 plt.hist()函數
plt.figure('hist') population_ages = [20,12,8,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48] bins = [0,10,20,30,40,50,60,70,80,90,100,110,120,130] plt.hist(population_ages, bins, histtype='bar', rwidth=0.8) plt.xlabel('x') plt.ylabel('y') plt.title('hist study') plt.legend() plt.savefig('2.png') plt.show()
plt.hist();第一參數代表所要測試的不同階段分組數，bins代表每個10個單位進行查找第一參數中在該階段的個數，第三個參數代表呈現的形式是矩形，第四個參數是矩形在10個單位中所佔的比列，在0-1範圍中
（3） 散點圖
用於比較兩個變量尋找相關性或分組
#設置rcParams全局橫縱軸字體大小
mpl.rcParams['xtick.labelsize'] = 24
mpl.rcParams['ytick.labelsize'] = 24
np.random.seed(42)
# x軸的採樣點
x = np.linspace(0, 5, 100)#等差取值 在0-5之間去100個數
#通過下面曲線加上噪聲生成數據，所以模擬模型就用y了
y = 2*np.sin(x) + 0.3*x**2
y_data = y + np.random.normal(scale=0.3, size=100)
#點圖表示
plt.figure('data0')
plt.plot(x, y_data, '.')
plt.title('point study')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.savefig('3.png')
#線圖表示
plt.figure('data1')
plt.plot(x, y_data)
plt.savefig('4.png')
#點線一起表示
plt.figure('data2')
plt.plot(x, y_data, 'k', lw = 3)#’k‘線的顏色，lw表示線的寬度
# 將scatter可以更容易地生成散點圖
plt.scatter(x,y_data)
plt.savefig('5.png')
plt.show()data0圖：
data1圖：
data2圖：
（4） 堆疊圖
用於顯示【部分對整體】隨時間的關係，基本類似餅圖，只是隨時間的而變化
days = [1, 2, 3, 4]
sleep = [7, 6, 12, 9]
eat = [1, 4, 9, 3]
work = [2, 4, 3, 8]
play = [3, 5, 7, 13]
plt.plot([],[],color='m', label='sleep', linewidth=5)
plt.plot([],[],color='c', label='eat', linewidth=5)
plt.plot([],[],color='r', label='work', linewidth=5)
plt.plot([],[],color='k', label='play', linewidth=5)
plt.stackplot(days, sleep,eat,work,play, colors=['m', 'c', 'r', 'k'])
plt.xlabel('x')
plt.ylabel('y')
plt.title('dui die study')
plt.legend()
plt.savefig('6.png')
plt.show()
圖：
（5）餅圖
用於顯示部分對整體的情況，通常以%維單位，matplotlib會處理切片大小以及一切事情，我們只需要提供數值
slices = [7, 3, 10, 4]
actives = ['sleep', 'eat', 'work', 'play']
cols = ['c', 'm', 'r', 'b']
#slices每個部分的大小，lables 每個分相對的顏色，startangle起始角度，逆時針的，shadow是陰影，explode是拉出的切片，autopct是將百分比放在圖表上面plt.pie(slices, labels=actives, startangle=90, shadow=True, explode=(0,0.1,0,0), autopct='%1.1f%%')#plt.xlabel('x')#plt.ylabel('y')plt.title('bing study')plt.savefig('7.png')plt.show()
（6）柱狀圖和餅圖綜合示例
speed ={'dog':(78,'c'), 'cat':(45,'r'), 'cheetah':(100,'b')}
fig = plt.figure('rectangle')
ax = fig.add_subplot(121)#在整張圖上加入一個子圖，121是在1行2列的子圖中的第一張
ax.set_title('runing-speed')
xticks = np.arange(3)#生成x軸每個元素的位置
bar_width = 0.5#柱的寬度
anmals = speed.keys()
speeds = [x[0] for x in speed.values()]#奔跑速度
colors = [x[1] for x in speed.values()]#對應顏色
#畫主圖，橫軸是動物標籤的位置，縱軸是速度，定義柱的寬度，同時設置柱的邊緣爲透明的
bars = ax.bar(xticks,speeds,width = bar_width,edgecolor='none')
#設置y的標題
ax.set_ylabel('Speed(km/h)')
ax.set_xticklabels(xticks+bar_width/2)
ax.set_xticklabels(anmals)
ax.set_xlim([bar_width/2-0.5, 3-bar_width/2])
ax.set_ylim([0,125])
ax = fig.add_subplot(122)
ax.set_title("pie chart")
labels = ['{}\n km/h'.format(a, s) for a, s in zip(anmals, speeds)]
ax.pie(speeds, labels=labels, colors=colors)
plt.axis()
plt.savefig('8.png')