Python数据分析 Anaconda发行版 Jupyter notebook 安装和文档启动运行机制主界面新建文档工作界面文档结构编辑和命令模式快捷键执行和输出 Markdown单元图片和视频幻灯片导出格式魔法命令 Numpy 基础知识数据类型创建数组数组运算通用函数索引切片迭代添加删除去重形状变换堆积数组分割数组视图和复制广播机制花式索引布尔索引统计方法随机数 Pandas Series DataFrame Index 重建索引轴向上删除条目索引和切片算术和广播函数和映射排序和排名统计和汇总文件读取分块读取写出数据 JSON和Pickle HDF5 EXCEL文件 Web交互数据库交互删除缺失值补全缺失值删除重复值替换重命名轴索引离散化和分箱检测和过滤随机和抽样字符串操作分层索引分层索引进阶合并连接粘合与堆叠重塑 Matplotlib 配置环境使用常识保存图形两种图画接口使用中文线型图颜色线型和标记坐标轴上下限坐标轴刻度图题、轴标签和图例配置图题配置图例颜色条文本、箭头和注释散点图直方图条形图饼图误差线等高线多子图 patch 自定义坐标轴刻度风格样式展示下一步

线型图

阅读: 5284 评论：0

Matplotlib为我们提供了大量的绘图种类，我们不可能一一介绍，学习量太大，也没必要。正确的方式是以典型绘图为例，掌握基本绘制技巧，然后在需要的时候，查阅官方文档，模仿操作。

官方展示链接：https://matplotlib.org/gallery/index.html。有一句话可以形容它的丰富程度：没有做不到的，只有你想不到的。

线型图是学习matplotlib绘图的最基础案例。我们来看看具体过程：

%matplotlib notebook   
import numpy as np
import matplotlib as mpl   
import matplotlib.pyplot as plt

下面我们将两条曲线绘制到一个图形里：

x = np.linspace(-10,10,200)
plt.plot(x, x**2)
plt.plot(x, x**3)

可以看到这种方式下，两个线条共用一个坐标轴，并且自动区分颜色。

plot方法的核心是plot(x,y)，x表示横坐标值的序列，y表示x某个坐标对应的y值，实际上就是y=f(x)函数。当只提供y的时候，x默认使用0-n的整数序列。这里的序列必然是个有限的点集，而不是我们想象中的无穷个点组成一条线。如果你的点很稀疏，那么图形看起来就像折线，如果点很多，看起来就比较圆滑，形似曲线。

题外话：matplotlib其实是一个相当底层的工具，你可以从其基本组件中组装一个图标、显示格式、图例、标题、注释等等。Pandas在此基础上对绘图功能进行了一定的封装，每个Series和DataFrame都有一个plot方法，一定要区分pandas的plot和matplotlib的plot方法。比如：

import pandas as pd
df = pd.DataFrame(np.random.randn(10, 4).cumsum(0),
                  columns=['A', 'B', 'C', 'D'],
                  index=np.arange(0, 100, 10))
df.plot()

pandas和matplotlib的plot方法你愿意用哪个都行，但要注意参数格式和使用场景。

使用中文颜色线型和标记

评论总数： 0

点击登录后方可评论