1、实现基础绘图

#导入包
import matplotlib.pyplot as plt
import random

#准备数据
x=range(60)
y=[random.uniform(15,18) for i in x]

#创建画布
plt.figure(figsize=(20,8),dpi=100)

#绘图
plt.plot(x,y)

#展示
plt.show()

2、添加x、y刻度、网格显示、描述信息，图像保存

import matplotlib.pyplot as plt
import random


plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] #1、 Mac 通用中文
plt.rcParams['axes.unicode_minus'] = False   # 解决负号显示问题

#准备数据
x=range(60)
y=[random.uniform(15,18) for i in x]

#创建画布
plt.figure(figsize=(20,8),dpi=100)

#x和y的刻度
x_ticks_label=["11点{}分".format(i) for i in x]
y_ticks=range(40)

#修改x和y的坐标刻度显示
plt.xticks(x[::5],x_ticks_label[::5])
plt.yticks(y_ticks[::5])
# 2. 【关键一步】强制设置 Y 轴显示的最小值和最大值，因为 Matplotlib 的“自动缩放”功能和你的刻度设置打架了
plt.ylim(0, 40)

#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午温度变化",fontsize=20)

#绘图
plt.grid(True,linestyle='--',alpha=0.5) #设置网格
plt.plot(x,y)

#保存图像，在plt.show()之前
plt.savefig("./Desktop/1.pdf")

#展示
plt.show()

3、重置绘图环境

import importlib
importlib.reload(plt) # 重新加载模块，有时语法出错了会无法继续运行代码，需要重置，找回那个被你弄丢的“工人”

4、在一个坐标系中绘制多个图像

多个plot即可，注意区分线条

import matplotlib.pyplot as plt
import random


plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] 
plt.rcParams['axes.unicode_minus'] = False   

x=range(60)
y=[random.uniform(15,18) for i in x]
y_1=[random.uniform(0,5) for i in x]

plt.figure(figsize=(20,8),dpi=100)

x_ticks_label=["11点{}分".format(i) for i in x]
y_ticks=range(40)

plt.xticks(x[::5],x_ticks_label[::5])
plt.yticks(y_ticks[::5])

plt.ylim(0, 40)

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午温度变化",fontsize=20)


plt.grid(True,linestyle='--',alpha=0.5) 

#绘图
plt.plot(x,y,label="北京")
plt.plot(x,y_1,color='r',linestyle='--',label="上海")

#添加图例
plt.legend(loc="best",fontsize=20)

plt.savefig("./Desktop/1.pdf")

plt.show()

5、在多个坐标系显示图像

用到了plt.subplots()

import matplotlib.pyplot as plt
import random

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] 
plt.rcParams['axes.unicode_minus'] = False  

x=range(60)
y=[random.uniform(15,18) for i in x]
y_1=[random.uniform(0,5) for i in x]

#创建画布，把这张纸切成1行2列，“面向对象”的写法
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=100) 

#绘制画布
axes[0].plot(x,y,label="北京")
axes[1].plot(x,y_1,color='r',linestyle='--',label="上海") 

x_ticks_label=["11点{}分".format(i) for i in x] 
y_ticks=range(40)

axes[0].set_xticks(x[::5]) #子图设置要加 .set_
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])

axes[0].grid(True,linestyle='--',alpha=0.5)
axes[1].grid(True,linestyle='--',alpha=0.5)

axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("中午温度变化",fontsize=20)
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("中午温度变化",fontsize=20)

axes[0].legend(loc=0)
axes[1].legend(loc=0)

#plt.savefig("./Desktop/1.pdf")
fig.savefig("./Desktop/1.pdf") #两种方法都可以

plt.show()

6、绘制其他函数图像

import matplotlib.pyplot as plt
import numpy as np  #plot也可以画各种数学函数的图

x=np.linspace(-10,10,1000)
y=np.sin(x)

plt.figure(figsize=(20,8),dpi=100)

plt.plot(x,y)

plt.show()

其他图形：

折线图：显示数据变化趋势

散点图：判断变量之间是否有数量关联趋势 plt.scatter(x,y)

柱状图：一眼看出各个数据的大小

直方图：展示一组或多组的数据分布状况

饼图：分类数据的占比情况