一、介绍

Matplotlib 是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索 matplotlib 的常见用法。

二、安装（已安装跳过）

pip install matplotlib -i https://pypi.douban.com/simple/ 

豆瓣源安装快一点

三、教程

1.引用

引入Matplotlib ,一般会一起引入Numpy来提供数据。

import matplotlib.pyplot as plt
import numpy as np

 图像模糊，设置高DPI提高清晰度

plt.rcParams['figure.dpi'] = 160

2.绘制图形

初始化图形

plt.figure()

最后把图形显示出来

plt.show()

3.简单图形

使用np.linspace()定义一个人包含40个元素数组，且均匀分布在【-10,10】区间，数组作为x，通过x^2计算一组y

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['figure.dpi'] = 160

x = np.linspace(-10, 10, 40)  #40个元素数组
plt.figure()                  
plt.plot(x, x**2)             #绘制x^2线条
plt.show()

 4.子图

一个窗口绘制多张图，在调用plot()方法前调用subplot()方法。subplot()第一参数表子图总行数，第二个参数表子图总列数，第三个表活跃区。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['figure.dpi'] = 160

x = np.linspace(0, 2 *np.pi, 50)  
plt.subplot(2, 1, 1)  
plt.plot(x, np.sin(x), 'r')        
plt.subplot(2, 1, 2)
plt.plot(x, np.cos(x), 'g')             
plt.show()

4.直方图

hist()方法第二个参数表数值容器个数，数值容器参数越多，图形向上数据条越多。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['figure.dpi'] = 160

x = np.random.randn(500)
plt.hist(x, 40)
plt.show() 

 5.标题、标签和图例

  展现图例

plt.legend() 

添加标签

plt.xlabel('x')   #x轴
plt.ylabel('y')   #y轴

标题

plt.title()  

总代码：

from cProfile import label
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 *np.pi, 50)  
plt.plot(x, np.sin(x), color='red', linestyle='dotted', label='sin(x)')        
plt.plot(x, np.cos(x), color='green', marker='o',linestyle='dashed', label='sin(x)') 
plt.legend() 
plt.xlabel('x')  
plt.ylabel('y')  
plt.title('sin and cos image')       
plt.show()