Matplotlib是一个基于python的2D画图库，能够用python脚本方便的画出折线图，直方图，功率谱图，散点图等常用图表，而且语法简单。
Python中通过matplotlib模块的pyplot子库来完成绘图。Matplotlib可用于创建高质量的图表和图形，也可以用于绘制和可视化结果。matplotlib是Python优秀的数据可视化第三方库，matplotlb.pyplot是绘制种类可视化图形的命令子库，相当于快捷方式 import matplotlib.pyplot as plt.
线形图：
线性图是最基本的图表类型，常用于绘制连续的数据。通过绘制线形图，可以表现出数据的一种趋势变化。
Matplotlib的plot（X,Y）用来绘制线形图，在参数中传入X和Y的坐标即可。其中，X和Y轴坐标的数据格式可以是列表、数组和Series.
例1：坐标数据格式为series
import numpy as npimport matplotlib.pyplot as pltimport pandas as pddata={'name':['Tom','Peter','Lucy','Max'],'sex':['female','female','male','male'],'math':[78,79,83,92],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data)print(df)#DataFrame数据的行索引作为X轴，math列索引作为Y轴plt.plot(df.index,df['math'],color='red',linestyle='-',linewidth=3,marker='D')#通过plot函数的color参数可以指定线条的颜色，
linestyle参数可以指定线条的形状，
linewidth参数可指定线条的宽度，
marker参数可对坐标点进行标记（默认情况下，坐标点是没有标记的），
结果：name sex math city #创建一个DataFrame数据0 Tom female 78 北京1 Peter female 79 上海2 Lucy male 83 广州3 Max male 92 北京
绘制的线性图：
!]( http://upload-images.jianshu.io/upload_images/4809664-7ca76b8569cdce1b?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 )
注意：颜色设置要放在线条和点的样式的前面，颜色、线条和点的样式可以放置于格式字符串。
如:plt.plot(df.index,df['math'],'co-')
运行结果如下：
image
2. 柱状图
2.1 绘制柱状图主要是使用matplotlib的bar函数:
bar函数的color参数可以设置柱状图的填充颜色，
alpha参数可以设置透明度，
例如：
import matplotlib.pyplot as pltdata=[23,85,72,43,52]plt.bar([1,2,3,4,5],data,color='royalblue',alpha=0.7)
运行结果：
image
bottom参数用于设置柱状图的高度，以此绘制堆积柱状图；
width参数 用于设置柱状图的宽度，以此可以绘制并列柱状图。
grid函数用于绘制格网，通过对参数的个性化设置，可以绘制出个性的格网
例如：
import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]data2=[42,35,21,16,9]width=0.3plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7,width=width)plt.bar(np.arange(len(data2))+width,data2,color='green',alpha=0.7,width=width)plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)
运行结果：
image
Bar函数的通过barh函数可以绘制水平柱状图
import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]plt.barh(np.arange(len(data1)),data1,color='green',alpha=0.5)
如图所示：
image
2.2 刻度与标签：
现实中的柱状图的X轴是有刻度标签的，上述实例中未设置。在matplotlib中，
通过 xticks函数设置图标的X轴的刻度和刻度标签，yticks函数 设置y轴的刻度和标签。
通过xlabel 和 ylabel 方法给X轴和Y轴添加标签，
通过title方法为图表添加标题
例如：
import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]labels=['A','B','C','D','E']plt.xticks(range(len(data1)),labels) #设置刻度和标签plt.xlabel('Class') #plt.xlabel、ylabel、title方法分别给X轴和Y轴，图标题添加标签。plt.ylabel('Amounts')plt.title('Example')#plt.bar(range(len(data1)),data)plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7)plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)
运行结果：
2.3 图例：
image
图例是标识图表元素的重要工具， 在bar函数中传入label参数表示图例名称，通过legend函数即可绘制出图例。
data1=[23,85,72,43,52]data2=[42,35,21,16,9]width=0.3plt.bar(np.arange(len(data1)),data1,width=width,label='one')plt.bar(np.arange(len(data2))+width,data2,width=width,label='two')plt.legend()
结果图：
image
2.4 文本注解：
例如：在柱状图中加入文本数字，可以很清楚的知道每个类别的数量。通过text函数可以在指定的坐标（x,y）上加入文本注释
data=[23,85,72,43,52]labels=['A','B','C','D','E']plt.xticks(range(len(data)),labels) #设置刻度和标签plt.xlabel('Class') plt.ylabel('Amounts')plt.title('Example')plt.bar(range(len(data)),data)for x,y in zip(range(len(data)),data):plt.text(x,y,y,ha='center',va='bottom') #文本注解 # 第一个参数是x轴坐标# 第二个参数是y轴坐标# 第三个参数是要显式的内容
image
3.散点图：
Matpltlib中 scatter函数可以用来绘制散点图，传入X和Y轴坐标。Scatter(X,Y)
利用Numpy创建一组随机数
import numpy as npimport matplotlib.pyplot as pltX=np.random.randn(100)Y=np.random.randn(100)plt.scatter(X,Y,color='red',marker='D')
散点图：
image
4. 直方图
matplotlib的hist(）函数用来绘制直方图。
直方图与条形图的区别：
直方图是用面积表示各频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其宽度与高度均有意义；
条形图（柱状图）是用条形的长度表示各类频数的多少，其宽度是固定的。
由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图是分开排列；条形图主要是用于展示分类数据，而直方图则主要用于展示数据型数据。
x=np.random.normal(size=100)plt.hist(x,bins=30)
image
5. 自定义设置
Matplotlib的图像位于Figure对象中，实际上就是创建了一个空的图像窗口。可通过figure函数可以创建一个新的Figure，用于绘制图表
fig=plt.figure(figsize=(10,6)) #figsize参数可以设置图表（整个图）的长宽比
ax1=fig.add_subplot(2,2,1) #不能通过空figure绘图，必须用add_subplot()创建一个或者多个子subplot绘图区才能绘图
意思是：绘制2*2两行两列共4个子subplot图像
ax2=fig.add_subplot(2,2,2) # 在创建Figure对象过程中，通过add_subplot函数创建子图，用于绘制图形
ax3=fig.add_subplot(2,2,3)
years=[1950,1960,1970,1980,1990,2000,]
gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]
ax1.scatter(years,gdp) #选用不同的ax变量，则可以在对应的subplot子图中绘图（散点图、线形图、柱状图）
ax2.plot(years,gdp)
ax3.bar(years,gdp)
image
plt.subplots可以轻松的创建子图，而axes的索引类型类似于二维数组，这样就可以对指定的子图进行绘制。Subplot函数中有3个参数：垂直绘图的数量、水平绘图的数量以及表示绘图位置的索引（基于行进行计算）
fig,axes=plt.subplots(2,2,figsize=(10,6)) axes[1,0].plot(years,gdp)axes[0,0].scatter(years,gdp)axes[0,1].bar(years,gdp)axes[1,1].hist(years,gdp)
image
注意：当没有设置figsize时，创建多子图会显得拥挤。通过 plt..subplot_adjust方法可以设置子图的间距修改子图之间的间距（增加额外的空间以调整两个子图之间的距离）
subplots__adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None) ，其中前4个参数用于设置subplot子图的外围边距，wspace和hapace参数设置用于设置subplot子图间的边距。
fig,axes=plt.subplots(2,2) #未设置figsize时，默认情况下，各sudplot子图间都会留有一定的间距。
image
years=[1950,1960,1970,1980,1990,2000,]gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]fig,axes=plt.subplots(2,2)plt.subplots_adjust(wspace=0.3,hspace=0.3)axes[1,0].plot(years,gdp)axes[0,0].scatter(years,gdp)axes[0,1].bar(years,gdp)axes[1,1].hist(years,gdp)
image
6. 样式与字体：
Matplotlib自带了一些样式供用户使用，如常用的ggplot样式，通过 plt.style.use('ggplot') 函数即可调用该样式绘图。**
Matplotlib默认为英文字体，如果绘制中出现汉字就会乱码，因此需要指定matplotlib的默认字体，这样就可以解决乱码的问题，
plt.rcParams['font.sans-serif']=['simhei'] #指定默认字体
plt.rcParams['axes.unicode_minus']=False #解决保存图像时负号‘-’显示为方块的问题
