python数据科学，数据可视化是非常重要的一个环节，但是很多朋友在学习matplotlib可视化模块时，总是学的不得意，感觉学来学去不怎么会，所以小编将matplotlib模块常用的绘图知识总结整理在一起，便于读者朋友记忆和掌握核心的绘图知识。
Matplotlib总结分为两次推送，今天推送上篇，下面直接上干货.....
绘图步骤：
1、准备数据(核心) 2、创建图形 3、自定义绘图(核心) 4、保存图形 5、显示图形
''' 知识点0：创建画布、子图 '''
1、创建画布 fig = plt.figure(figsize=(10,4)) # 第一种 fig, ax = plt.subplots() # 第二种 2、增加子图 ax1 = fig.add_subplot(row,col,num) ax2 = fig.add_subplot(221) 等效于 add_subplot(2, 2, 1) 代表添加第 2 行第 2 列的第 1 个子图
''' 知识点1：plt 与 ax 绘图的异同 '''
1、相同： 绘图函数的参数用法一样，比如：plt.plot(x, y, color='r') 与 ax.plot(x, y, color='r') 其他描述性函数的参数用法一样，比如：plt.legend(loc='best') 与 ax.legend(loc='best') 2、不同之处 ax 使用 ax 绘图： 比如：ax.plot/bar/scatter/hist等() 比如：ax.legend/test/annotate/margins/axis/tick_params() 比如：ax.set_xlim/ylim/title/xlabel/ylabel/xticks/yticks/xticklabel/yticklabel plt 使用 plt 绘图： 比如：plt.plot/bar/scatter/hist等() 比如：plt.legend/test/annotate/margins/axis/tick_params() 比如：plt.xlim/ylim/title/xlabel/ylabel/xticks/yticks/xticklabel/yticklabel
''' 知识点2：条形图 '''
1、语法 bar(x, height, width, color, align='center') 纵向 ax.barh() 横向 2、参数分析 x: 条形图在x轴位置, 某种情况下巧用"整型"索引值：df.index.tolist() height: 条形图高度 width: 条形图的宽度 align: 向哪里对齐，center中心对齐，edge边缘对齐
''' 知识点3：散点图 '''
1、语法 ax.scatter(x, y, color='red', marker=".") 2、参数分析 marker="." 是一个标记，ax.plot(x, y, color='', marker="o")
''' 知识点4：直方图 '''
语法参数： ax.hist(x, range(1, 5), bins=20, color) x：必选参数 range(1, 5)：可选/可不选参数，代表限定 x 轴的区域(X 轴从 1 开始到 5 结束) bins = 20: 可选/可不选参数,直方图的宽度 作用：用于探索某类数据的集中分布，发现某类数据的核心点在哪个值的范围
''' 知识点5：箱形图 '''
# 一个画布一个箱型图 ax.boxplot(x) # 一个画布多个箱型图 ax.boxplot([x1, x2, x3,...]) 它由五个数值点组成：从下到上 0%最小值(min)，25%下四分位数(Q1)，50%中位数(median)， 75%上四分位数(Q3)，100%最大值(max) 作用： 1、直观地识别数据集中的异常值(查看离群点),离群点单独析出 2、判断数据离散程度和偏向(观察盒子的长度，上下隔间的形状，以及胡须的长度) 3、用于探索某类数据的集中分布
''' 知识点6：饼图 '''
1、语法： ax.pie(x, explode=None, labels=None, colors=None, shadow=False, autopct=None, radius=None, startangle=None) 2、参数分析 x: 一般是分类型、占比型数据，数组形式如: x=[1, 2, 4] 或 [[1], [2], [4]] explode: 各个饼图之间的距离，列表形式如: explode=[0.12, 0.1, 0.04] labels: 标签, 列表形式如: labels=['pie1', 'pie2', 'pie3'], 一般结合图例 ax.legend(loc='best') colors: 颜色，数组形式(一维二维都行) shadow: 布尔值，设置饼图边缘下面呈现一层阴影, 就会显得厚一点 autopct: 控制饼图内百分比设置,可以使用format字符串或者format function '%1.1f'指小数点前后位数(没有用空格补齐)如： autopct='%.2f'(单纯显示值); autopct='%.2f%%'(显示值和百分号) radius: 饼的半径，即饼的大小,如：radius=1.2 startangle: 起始绘制角度,默认图是从x轴正方向逆时针画起, 如：startangle=90 则从y轴正方向画起
''' 知识点7：设置中文字体、字体大小 '''
(注意: 这里只能用 plt 不能用 ax) 1、正常显示中文字体 plt.rcParams['font.family'] = 'SimHei' 2、字体大小 plt.rcParams['xtick.labelsize'] = 24 plt.rcParams['ytick.labelsize'] = 20
''' 知识点8：基本信息设置 '''
第一种方法：单一 tick_positions = range(1,6) ax.set_xticks(tick_positions) ax.set_xticklabels(cols, rotation=45) # rotation 代表旋转的角度 ax.set_xlabel('Rating Source') ax.set_ylabel('Average Rating') ax.set_title('2015') ax.set_xlim(0, 6) ax.set_ylim(0, 6) 第二种方法：统一性 ax.set(title='2015', # 标题 xlabel='Rating Source', # X 轴标签 ylabel='Average Rating', # Y 轴标签 xticks=tick_positions, # X、Y 轴刻度 xlim=[0, 6], ylim=[0, 6], # X、Y 轴范围限制 ) ax.set_xticklabels(['要设置的标签值', ''], rotation=45) X 轴刻度的标签值
End-----------
欢迎读者朋友留言评论、转发.......
喜欢的读者朋友可以点赞和关注小编，更多精彩内容等着你.........
推荐往期文章如下：
数据分析必备知识(1)，Numpy基础篇
python必备知识(1)，打包为exe文件封装成可导入模块
数据挖掘项目实训：窃漏电用户自动识别
python爬虫基础入门教程，人性化的python requests最全总结
python数据分析库之pandas知识大总结
python面向对象大总结，让你快速掌握面向对象常用的用法
封面图片来源于网络