使用color参数可以指定线条的颜色，有多种提供方式：

plt.plot(x, np.cos(x - 0), color='blue')        # 英文字符串
plt.plot(x, np.cos(x - 1), color='g')           # 颜色代码(rgbcmyk)
plt.plot(x, np.cos(x - 2), color='0.75')        # 0~1之间的灰度
plt.plot(x, np.cos(x - 3), color='#FFDD44')     # 十六进制形式
plt.plot(x, np.cos(x - 4), color=(1.0,0.2,0.3)) # RGB元组
plt.plot(x, np.cos(x - 5), color='chartreuse'); # HTML颜色

下面是常用的颜色：

• 蓝色： 'b' (blue)
• 绿色： 'g' (green)
• 红色： 'r' (red)
• 黄色： 'y' (yellow)
• 黑色： 'k' (black)
• 白色： 'w' (white)

可以使用linestyle参数指定线型。线型有两种表示方式：一是英文单词，二是形象符号。

常用的线型和符号对应：

• 实线：solid(- )
• 虚线：dashed(--)
• 点划线：dashdot(-.)
• 实点线：dotted(:)

plt.plot(x, x + 0, linestyle='solid')
plt.plot(x, x + 1, linestyle='dashed')
plt.plot(x, x + 2, linestyle='dashdot')
plt.plot(x, x + 3, linestyle='dotted')

plt.plot(x, x + 4, linestyle='-')  
plt.plot(x, x + 5, linestyle='--') 
plt.plot(x, x + 6, linestyle='-.')
plt.plot(x, x + 7, linestyle=':')

可以通过marker参数来设置标记的类型：

x = np.linspace(0,10,10)
plt.plot(x, x + 0, marker='.')
plt.plot(x, x + 1, marker=',')
plt.plot(x, x + 2, marker='o')
plt.plot(x, x + 3, marker='+')

更多标记类型：

• '.' 实点标记
• ',' 像素标记
• 'o' 圆形标记
• 'v' 向下三角符号
• '^' 向上三角符号
• '<' 向左三角符号
• '>' 向右三角符号
• '1' 三叉星符号
• '2' 三叉星符号
• '3' 三叉星符号
• '4' 三叉星符号
• 's' 方形
• 'p' 五边形
• '*' 星型
• 'h' 六边形1
• 'H' 六边形2
• '+' 加号
• 'x' 叉叉
• 'D' 钻石形状
• 'd' 菱形
• '|' 竖条
• '_' 横条

此外，还有一种更便捷的做法，那就是组合颜色、线型和标记的设置。三者顺序有时可以随意，但最好使用‘颜色+标记+线型’的顺序。

plt.plot(x, x + 0, 'go-')  # 绿色实线圆点标记
plt.plot(x, x + 1, 'c--') # 青色虚线
plt.plot(x, x + 2, '-.k*') # 黑色点划线星型标记
plt.plot(x, x + 3, ':r');  # 红色实点线

对于plot()方法，大部分可配置的参数如下：

参数	取值范围	说明
alpha	0-1	透明度
color或c	颜色格式	设置线条颜色
label	字符串	为图形设置标签
linestyle或ls	可用线型	设置线条风格
linewidth或lw	数值	线宽
marker	可用标记	标记
markeredgecolor或mec	颜色	标记的边缘颜色
markeredgewidth或mew	数值	标记的边缘宽度
markerfacecolor或mfc	颜色	标记的颜色
markersize或ms	数值	标记的大小
solid_capstyle	butt、round、projecting	实线的线端风格
solid_joinstyle	miter、round、bevel	实线的连接风格
drawstyle	default、steps、steps-pre、steps-mid、steps-post	连线的规则
visible	True、False	显示或隐藏
xdata	np.array	主参数x的输入
ydata	np.array	主参数y的输入

实际上，上面大多数的参数都可以用在matplotlib中的大部分图形绘制中！