matplotlib函数总结

导入matplotlib

import matplotlib.pyplot as plt import matplotlib Figures对象包含一个或多个Asex对象

方法：

matplotlib.rc(‘figure’, figsize = (14, 7)) 全局设置大小

matplotlib.rc(‘font’, size = 14) 全局设置字体

matplotlib.rc(‘axes.spines’, top = False, right = False) 不显示顶部和右侧的坐标线

matplotlib.rc(‘axes’, grid = False) 不显示网格

matplotlib.rc(‘axes’, facecolor = ‘white’) 设置背景颜色是白色

fig, axes = plt.subplots() 返回figure和axes对象 创建总画布

plt.xlim(x.min()*1.1, x.max()*1.1) 设置x刻度范围

plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r’$-\pi$’, r’$-\pi /2$’, r’$0$’, r’$\pi /2$’, r’$\pi$’]) #latex 设置x下标对应的值

plt.legend(frameon=False) 设置图例，控制是否应在图例周围绘制框架

plt.title(“Cosine and Sine”) 设置标签名

plt.scatter([t, ], [np.cos(t), ], 50, color=‘blue’) 画一个散点在x,y位置大小50颜色蓝色

plt.boxplot([data.loc[data.sex == ‘Male’, ‘tip’], data.loc[data.sex == ‘Female’, ‘tip’]], labels=[‘Male’, ‘Female’]) 绘制箱式图

plt.axes([0.025,0.025,0.95,0.95]) 设置x最小值最大值，y最小值最大值的范围

plt.contourf(X, Y, f(X,Y), 8, alpha=.75, cmap=plt.cm.hot) 绘制等高线并对颜色进行填充

C = plt.contour(X, Y, f(X,Y), 8, colors=‘black’, linewidth=.5) 绘制黑色等高线

plt.clabel(C, inline=1, fontsize=10) 标出等高线的label

plt.grid(True) 显示网格线

plt.imshow(Z,interpolation=‘bicubic’, cmap=‘bone’, origin=‘lower’) 画热力图

cmap参数设置当前色图的函数： hot 从黑平滑过度到红、橙色和黄色的背景色，然后到白色。cool 包含青绿色和品红色的阴影色。从青绿色平滑变化到品红色。gray 返回线性灰度色图。bone 具有较高的蓝色成分的灰度色图。该色图用于对灰度图添加电子的视图。white 全白的单色色图。spring 包含品红和黄的阴影颜色。summer 包含绿和黄的阴影颜色。autumn 从红色平滑变化到橙色，然后到黄色。winter 包含蓝和绿的阴影色。

plt.colorbar(shrink=.92) 增加颜色类标

plt.quiver(X,Y,U,V,R, alpha=.5) 画箭头场

plt.quiver(X,Y,U,V, edgecolor=‘k’, facecolor=‘None’, linewidth=.5) 描黑箭头场 GridSpec

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3) ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2) ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2) ax4 = plt.subplot2grid((3, 3), (2, 0)) ax5 = plt.subplot2grid((3, 3), (2, 1)) 调整grid的排版 gs1 = gridspec.GridSpec(3, 3) gs1.update(left=0.05, right=0.48, wspace=0.05) ax1 = plt.subplot(gs1[:-1, :]) ax2 = plt.subplot(gs1[-1, :-1]) ax3 = plt.subplot(gs1[-1, -1]) gs2 = gridspec.GridSpec(3, 3) gs2.update(left=0.55, right=0.98, hspace=0.05) ax4 = plt.subplot(gs2[:, :-1]) ax5 = plt.subplot(gs2[:-1, -1]) ax6 = plt.subplot(gs2[-1, -1])

plt.text(0.8, 0.9, r’$x\in [0.0,10.0]$’, color=‘k’, fontsize=15) 设置文字描述

plt.annotate()

s 为注释文本内容xy 为被注释的坐标点xytext 为注释文字的坐标位置xycoords 参数如下: figure points points from the lower left of the figure 点在图左下figure pixels pixels from the lower left of the figure 图左下角的像素figure fraction fraction of figure from lower left 左下角数字部分axes points points from lower left corner of axes 从左下角点的坐标axes pixels pixels from lower left corner of axes 从左下角的像素坐标axes fraction fraction of axes from lower left 左下角部分 data use the coordinate system of the object being arrowprops #箭头参数,参数类型为字典dictwidth the width of the arrow in points 点箭头的宽度headwidth the width of the base of the arrow head in points 在点的箭头底座的宽度headlength the length of the arrow head in points 点箭头的长度shrink fraction of total length to ‘shrink’ from both ends 总长度为分数“缩水”从两端facecolor 箭头颜色

annotated(default) 使用的坐标系统被注释的对象（默认） polar(theta,r) if not native ‘data’ coordinates t extcoords 设置注释文字偏移量

| 参数 | 坐标系 | | 'figure points' | 距离图形左下角的点数量 | | 'figure pixels' | 距离图形左下角的像素数量 | | 'figure fraction' | 0,0 是图形左下角，1,1 是右上角 | | 'axes points' | 距离轴域左下角的点数量 | | 'axes pixels' | 距离轴域左下角的像素数量 | | 'axes fraction' | 0,0 是轴域左下角，1,1 是右上角 | | 'data' | 使用轴域数据坐标系 |

matplotlib.rc(“figure”, figsize=(8,6)) 全局设置图像大小

matplotlib.rc(“font”, size=10) 全局设置字体大小

ax = plt.subplot(111) 画子图 几行几列第几个图

ax.spines[“right”].set_color(“none”) 将右边框设置为无色 可以设置四个方位right/top/bottom/left

ax2.spines[‘right’].set_visible(True) 设置右侧坐标轴可见

ax1.set_ylabel(“Adj Close”, color = “blue”) 设置y坐标说明

ax1.set_xlabel(“Date”) 设置x坐标说明

ax.plot(x, c, color=‘blue’, linewidth=2.5, linestyle=’-’, label=‘cosine’)

x,c 为x与ycolor 设置图像颜色linewidth 设置线条宽度linestyle 设置线条样式label 设置线条标签bins=20 默认10,等分成20个桶然后把多少个数字给画出来，能反映出一个桶有多少个数，可以看出3个列服从正态分布 plt.annotate(r'$\cos(\frac{2\pi}{3})$', xy=(t, np.cos(t)), xycoords="data", xytext=(-90, -50), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

导入seaborn

import seaborn as sns

方法：

sns.heatmap(df.corr()) 热力图