目录
1、plot函数参数
plt.plot(x, y, color='r', linewidth=1.5, linestyle='-')
plt.plot(x, y, color="r", linestyle="--", marker="*", linewidth=1.0)linewidth：设置线宽。
线条风格：
| 线条风格 |
实线 |
虚线 |
破折线 |
点画线 |
无线条 |
| 代码表示 |
- |
: |
– |
-. |
None 或 , |
线条颜色：
| 线条颜色 |
红 |
洋红 |
黄 |
绿 |
青 |
蓝 |
黑 |
白 |
| 代码表示 |
r |
m |
y |
g |
c |
b |
k |
w |
线条标记：
| 标记 |
描述 |
标记 |
描述 |
标记 |
描述 |
| o |
圆圈 |
. |
点 |
* |
星号 |
| + |
加号 |
v |
朝下三角 |
^ |
朝上三角 |
| 朝左三角 |
> |
朝右三角 |
D |
大菱形 |
|
| d |
小菱形 |
s |
正方形 |
p |
五边形 |
| H |
大六边形 |
h |
小六边形 |
p |
八边形 |
| x |
✘号 |
None或, |
无标记 |
https://blog.csdn.net/eefresher/article/details/90022648
2、添加图例
plt.plot(x, y, 'm--', label="y=sin(x)")
plt.legend(loc='best')plt.legend( )中有handles、labels和loc三个参数，其中：
handles需要传入你所画线条的实例对象，这个我也解释不清楚......
labels是图例的名称（能够覆盖在plt.plot( )中label参数值）
loc代表了图例在整个坐标轴平面中的位置（一般选取'best'这个参数值）
注：loc这个参数的能传入的值和方式方法较多，最后进行总结
等价于：
line1, = plt.plot(x, y, 'm--') # 注意返回值为元组
plt.legend(handles=[line1], labels=["y=sin(x)"], loc='best')参数loc：
best：自动适配
''xxx":9个坐标位置。
loc = (x, y)。（x, y）表示图例左下角的位置，这是最灵活的一种放置图例的方法，慢慢调整，总会找到你想要的放置图例的位置。
当使用loc = (x, y)时，x, y并不是轴域中实际的x, y的值，而是将x轴, y轴分别看成1, 即：
( x/(x_max-x_min) , y/(y_max-y_min) )（即进行归一化处理）;
那么，在绘制图表时，若用到坐标轴的范围限制，如xlim=(0, 16), ylim=(0, 9)。在此基础上，如果要将图例放置到点(2, 2)上，loc实际传入的参数应该为：
loc = ( 2/(16-0) , 2/(9-0) )即 loc = (2/16, 2/9)。
参考：https://zhuanlan.zhihu.com/p/111108841
https://zhuanlan.zhihu.com/p/99531531
#the ',' is very important in here l1, = plt...and l2, = plt...for this step
"""legend( handles=(line1, line2, line3),
labels=('label1', 'label2', 'label3'),
'upper right')
shadow = True 设置图例是否有阴影
The *loc* location codes are::
'best' : 0,
'upper right' : 1,
'upper left' : 2,
'lower left' : 3,
'lower right' : 4,
'right' : 5,
'center left' : 6,
'center right' : 7,
'lower center' : 8,
'upper center' : 9,
'center' : 10,"""其实我们plt.plot的时候返回的是一个线的对象，如果我们想在handle中使用这个对象，就必须在返回的名字的后面加一个","号；
legend = plt.legend(handles = [l1,l2],labels = ['hu','tang'],loc = 'upper center',shadow = True)
frame = legend.get_frame()
frame.set_facecolor('r')#或者0.9...3、zorder绘图顺序控制
zorder控制绘图顺序，默认后面的覆盖前面的。
def zorder_test():
x = np.linspace(-3, 3, 50)
y1 = 0.1 * x
y2 = x ** 2
plt.figure()
# zorder控制绘图顺序
plt.plot(x, y1, linewidth=10, zorder=1, label=r'$y_1\ =\ 0.1*x$')
plt.plot(x, y2, linewidth=10, zorder=2, label=r'$y_2\ =\ x^{2}$')
plt.legend(loc='lower right')
plt.show()更改顺序。
def zorder_test():
x = np.linspace(-3, 3, 50)
y1 = 0.1 * x
y2 = x ** 2
plt.figure()
# zorder控制绘图顺序
plt.plot(x, y1, linewidth=10, zorder=2, label=r'$y_1\ =\ 0.1*x$')
plt.plot(x, y2, linewidth=10, zorder=1, label=r'$y_2\ =\ x^{2}$')
plt.legend(loc='lower right')
plt.show()高级应用，解决坐标轴被覆盖问题，看一下这个图：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3,3,50)
y1 = 0.1*x
y2 = x**2
plt.figure()
#zorder控制绘图顺序
plt.plot(x,y1,linewidth = 10,zorder = 1,label = r'$y_1\ =\ 0.1*x$')
plt.plot(x,y2,linewidth = 10,zorder = 2,label = r'$y_2\ =\ x^{2}$')
plt.ylim(-2,2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.show()从上面看，我们可以看见我们轴上的坐标被掩盖住了，那么我们怎么去修改他呢：
print(ax.get_xticklabels())
print(ax.get_yticklabels())
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(facecolor = 'white',edgecolor='none',alpha = 0.8,zorder = 2))完整代码：
def zorder_test():
x = np.linspace(-3, 3, 50)
y1 = 0.1 * x
y2 = x ** 2
plt.figure()
# zorder控制绘图顺序
plt.plot(x, y1, linewidth=10, zorder=1, label=r'$y_1\ =\ 0.1*x$')
plt.plot(x, y2, linewidth=10, zorder=1, label=r'$y_2\ =\ x^{2}$')
plt.ylim(-2, 2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
print(ax.get_xticklabels())
print(ax.get_yticklabels())
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(facecolor='white', edgecolor='none', alpha=0.8, zorder=2))
plt.show()这里需要注意：
1）ax.get_xticklabels()获取得到就是坐标轴上的数字；
2）set_bbox()这个bbox就是那坐标轴上的数字的那一小块区域，从结果我们可以很明显的看出来；
3）facecolor = 'white',edgecolor='none，第一个参数表示的这个box的前面的背景，边上的颜色。
4、xticks高级设置
把坐标轴换成不同的单位：
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks)
#在对应坐标处更换名称
plt.yticks([-2,-1,0,1,2],['really bad','b','c','d','good'])那么如果我想把坐标轴上的字体更改成数学的那种形式：
#在对应坐标处更换名称
plt.yticks([-2,-1,0,1,2],[r'$really\ bad$',r'$b$',r'$c\ \alpha$','d','good'])注意：
1）我们如果要使用空格的话需要进行对空格的转义"\ "这种转义才能输出空格；
2）我们可以在里面加一些数学的公式，如"\alpha"来表示；
3）如何去更换坐标原点，坐标轴呢？我们在plt.show()之前：
#gca = 'get current axis'
#获取当前的这四个轴
ax = plt.gca()
#设置脊梁(也就是包围在图标四周的默认黑线)
#所以设置脊梁的时候，一共有四个方位
ax.spines['right'].set_color('r')
ax.spines['top'].set_color('none')
#将底部脊梁作为x轴
ax.xaxis.set_ticks_position('bottom')
#ACCEPTS:['top' | 'bottom' | 'both'|'default'|'none']
#设置x轴的位置(设置底的时候依据的是y轴)
ax.spines['bottom'].set_position(('data',0))
#the 1st is in 'outward' |'axes' | 'data'
#axes : precentage of y axis
#data : depend on y data
ax.yaxis.set_ticks_position('left')
# #ACCEPTS:['top' | 'bottom' | 'both'|'default'|'none']
#设置左脊梁(y轴)依据的是x轴的0位置
ax.spines['left'].set_position(('data',0))5、网格，背景色以及文字注释
5.1、绘制网格
用函数grid()添加网格，函数中我们可以定义网格的样式，比如线条颜色，类型，粗细等等。需要注意的是，如果你只想在对x轴，或者y轴添加网格，只需要设定参数axis="x"或axis="y"即可。axis参数一般默认为"both"表示，两个维度上都建立网格。
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-1, 1, 0.1)
y = [2 * i for i in x]
plt.plot(x, y, color="r", linestyle="-", marker="^", linewidth=1)
plt.grid(color="k", linestyle=":")
plt.show()结果：
5.2、背景色
通过向plt.subplot()函数传递参数facecolor设置图像的背景色。需要注意的是背景色的设置代码应该在绘制曲线之前，否则相当于给整张图上色，覆盖了要展示的曲线。比如下图，我设置背景色为绿色。其实这个功能在我看来实在是没什么大用，大多情况下，我们要用到的背景色都是白色，也就是默认的背景色。
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-1, 1, 0.1)
y1 = np.exp(x)
y2 = np.exp(2 * x)
plt.subplot(facecolor="g")
plt.plot(x, y1, color="r", linestyle="-", marker="^")
plt.plot(x, y2, color="b", linestyle="-", marker="s")
plt.grid(color="k", linestyle=":")
plt.show()5.3、文字注释
plt.text(), plt.annotate()是两种向图像添加文本注释的方法。plt.text()可以在图像任意位置添加文字，plt.annotate()则可以帮助我们形象地为曲线中的某一个点添加注释。
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-1, 1, 0.1)
y1 = np.exp(x)
y2 = np.exp(2 * x)
plt.plot(x, y1, color="r", linestyle="-", marker="^", linewidth=1)
plt.plot(x, y2, color="b", linestyle="-", marker="s", linewidth=1)
plt.text(-0.5, 3, "exp functions", fontsize=10)
plt.show()plt.text()中前两个参数表示添加文字的坐标位置，最后一个参数是要添加的文本。
plt.annotate()与plt.text()类似，代码表示如下：
plt.annotate('A', xy=(0, 1), xytext=(-0.5, 2.5), arrowprops=dict(facecolor='k', headwidth=10, width=2))分别解释一下，第一个参数’A’是注释文本，xy表示要注释的点的坐标，xytext表示注释文本的起始坐标，arrowprops表示箭头，我们可以通过一个字典形的变量，设置其样式，包括颜色，宽度等等（headwidth表示箭头宽度，width表示箭身的宽度）。画出来的图如下所示：
参考：
https://zhuanlan.zhihu.com/p/33270402
学习方式：从官网examples入门学习
- http://matplotlib.org/examples/index.html
- http://matplotlib.org/gallery.html