python使用matplotlib绘图

文章目录

• 一、模块介绍
• 二、模块安装
• 三、主要API介绍
  *
• 设置绘图风格plt.style.use()
• 新建画布plt.figure()
• 绘制折线图plt.plot()
• 绘制垂直柱状图plt.bar()
• 绘制水平柱状图plt.barh()
• 绘制饼状图plt.pie()
• 绘制散点图plt.scatter()
• 设置横纵坐标的标签plt.xlabel(), plt.ylabel()
• 添加文字及属性设置 plt.text()
• 设置标题plt.title()
• 添加图例 plt.legend()
• 绘制多个子图plt.subplot()
• 多个子图中添加大标题
• 修改默认的属性设置
• 设置坐标轴的刻度
• 保存图片
• 四、示例代码
  *
• 拼接多张图片
• 绘制对比折线图
• 绘制对比柱状图
• 绘制对比柱状图并在柱子上显示值
• 绘制堆积柱状图
• 五、遇到的问题及解决办法
  *
• 中文显示乱码

一、模块介绍

matplotlib是基建立在python之上，适用于创建静态，动画和交互式可视化，通常与数据分析模块pandas搭配使用，用于数据的分析和展示，适用于主流的操作系统，如Linux，Win，Mac。

拼接多张图片

折线图

; 二、模块安装

如果是anaconda中内置的python，这个包是默认自带的；
当用pip安装时，可以使用清华源加速安装;

pip install matplotlib -i  https://pypi.tuna.tsinghua.edu.cn/simple

三、主要API介绍

首先导入matplotlib，按照惯例简写为plt

import matplotlib.pyplot as plt

设置绘图风格plt.style.use()

plt.style.use(style) #设置图像风格样式

• style: 样式的名字或路径或URL 。

plt.style.use(‘dark_background’)

plt.style.use(‘fivethirtyeight’)

plt.style.use(‘seaborn-colorblind’)

plt.style.use(‘grayscale’)

print(plt.style.available) # 查看所有可选的风格

更多参考：https://blog.csdn.net/qq_42505705/article/details/84962815

新建画布plt.figure()

在绘图之前，需要新建一个画布，它的作用就类似于一张纸，可以在上面画，当绘制的图像过大，超过了界限，就可以预先设置一个合适的大小，当然，这步也可以根据实际情况进行省略；

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class 'matplotlib.figure.figure'>, clear=False, **kwargs)
</class>

• num：int or str or Figure, optional 一个唯一的标识符
• figsize: 画布的宽度和高度，单位为英寸，默认为(6.4, 4.8)
• dpi: 每英寸的像素个数，默认为100
• facecolor：背景颜色, default: rcParams[“figure.facecolor”] (default: ‘white’)
• edgecolor:：边框颜色 default: rcParams[“figure.edgecolor”] (default: ‘white’)

绘制折线图plt.plot()

matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)[source]

• x: 横坐标，可选的， 默认为 range(len(y))
• y: 纵坐标，即数据项，可以是一维或多维的列表或数组
• markersize: 标记大小
• color: 线条颜色
• marker: 数据标记的形状，默认是没有标记
• linestyle: 线条样式，默认为实线
• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html
  后面三个属性可以用一个字符串统表示：

x = [1, 2, 3]
y = [1, 2, 3]
以下两种写法等价，
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=2, markersize=12)
plt.flot(x, y, 'go--'，linewidth=2, markersize=12)
可以在一个画布上绘制多张图片，
y1 = [4, 5, 6]
plt.plot(x, y1, color='red', marker='*', linestyle='solid', linewidth=2, markersize=12)
plt.show()

显示如下：

绘制垂直柱状图plt.bar()

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

• x: float or array-like 柱子的横坐标
  The x coordinates of the bars. See also align for the alignment of the bars to the coordinates.

• height：float or array-like 柱子的高度
  The height(s) of the bars.

• width：float or array-like, 柱子的宽度，default: 0.8

• bottom：float or array-like, y轴的起始值，default: 0
• align：柱子与x轴坐标的对齐方式，{‘center’, ‘edge’}, default: ‘center’
• lable：list[str] 将相应的横坐标替换成标签，见代码
• https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif':['simhei','Arial']})
name_list = ['China', 'USA', 'India', 'Russia']
num_list = [14, 3.3, 7.8, 1.46]
plt.bar(range(len(num_list)), num_list, color='rgb',tick_label=name_list,bottom=1)
plt.bar(range(len(num_list)), num_list, color=['r', 'g', 'b'], tick_label=name_list,bottom=1)

plt.ylabel("人口(亿)")
plt.show()

显示如下：

绘制水平柱状图plt.barh()

matplotlib.pyplot.barh(y, width, height=0.8, left=None, *, align='center', **kwargs)[source]

• y：float or array-like 柱子在y轴上的坐标
• width：float or array-like 柱子的宽度，即水平长度
• height：float or array-like, 柱子的高度，与垂直柱状图中的宽度相对应 default: 0.8
• left：float or array-like,每个柱子在x方向的起始坐标 default: 0
• align：柱子同y轴坐标的对齐方式， {‘center’, ‘edge’}, default: ‘center’
• tick_lable：list[str] 将相应的纵坐标替换成标签，见代码
• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.barh.html

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif':['simhei','Arial']})
name_list = ['China', 'USA', 'India', 'Russia']
num_list = [14, 3.3, 7.8, 1.46]
plt.barh([1, 2, 3, 4], num_list, color='rgb', left=[1, 2, 1, 2], tick_label = name_list)
plt.ylabel("人口(亿)")
plt.savefig('test2.png', bbox_inches='tight')
plt.show()

显示如下：

绘制饼状图plt.pie()

参考：Python中使用matplotlib画饼图详解

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)

• x：float or array-like，如果s u m ( x ) > 1 sum(x)>1 s u m (x )>1，每部分区域的大小为x i / s u m ( x ) x_i / sum(x)x i ​/s u m (x )，如果。s u m ( x ) < 1 sum(x) < 1 s u m (x )<1，则直接使用其中的数值作为每个区域的占比，且将会有一部分空白的区域。
• explode：float or array-like，默认为None，如果不为空，表示每个部分距离两边区域的距离，单位为圆半径的长度。
• labels：list, default: None 每个区域对应的字符串序列。
• colors：array-like, default: None 每个区域对应的颜色。
• autopct：None or str or callable, default: None 如果非None，表示每个区域对应的数值，可以是格式化的形式(如”%3.2f%%”，后两个百分号会转义成一个百分号)或者可以调用函数。
• pctdistance：float, default: 0.6 表示每个区域中的文字距离圆心的距离，单位为圆半径。
• shadow: bool, default: False 是否添加阴影。
• labeldistane：图例距离圆心的距离，单位为半径长度。
• startangle：float, default: 0 degrees 饼图的起点从x轴逆时针旋转的角度。
• radius：float, default: 1 饼图半径长度。
• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.pie.html

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif':['simhei','Arial']})
labels = ['大型','中型','小型', '微型'] #定义标签
sizes = [46, 253, 321, 66] #每块值
colors = ['red','yellowgreen','lightskyblue','yellow'] #每块颜色定义
explode = (0, 0, 0.02, 0) #将某一块分割出来，值越大分割出的间隙越大
patches,text1,text2 = plt.pie(sizes,
                      explode=explode,
                      labels=labels,
                      colors=colors,
                      labeldistance = 1.2,#图例距圆心半径倍距离
                      autopct = '%3.2f%%', #数值保留固定小数位
                      shadow = False, #无阴影设置
                      startangle =90, #逆时针起始角度设置
                      pctdistance = 0.6) #数值距圆心半径倍数距离
x，y轴刻度设置一致，保证饼图为圆形
plt.axis('equal')
plt.legend()
plt.savefig('test2.png', bbox_inches='tight')
plt.show()

显示如下：

绘制散点图plt.scatter()

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

• x，y: float, arrary-like, shape[n, ] 数据点的位置

• s：点的大小 Default is rcParams[‘lines.markersize’] ** 2.

• c: 点的颜色

• marker: 点的形状 default: rcParams[“scatter.marker”] (default: ‘o’)
• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.scatter.html#matplotlib.pyplot.scatter

import numpy as np
import matplotlib
from matplotlib import pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
matplotlib.rcParams['axes.unicode_minus'] = False # 显示负号
font = {'family': 'Times New Roman',
        'weight': 'normal',
        'size': 15,
        }
data = np.random.randn(30)
plt.subplot(121)
实现散点图的功能
plt.plot(data1, marker="*", linestyle="", c='red')
plt.title("plt.plot()")
plt.subplot(122)
plt.scatter(range(30), data1, marker="*")
plt.title("plt.scatter()")
plt.savefig('compare.png', bbox_inches='tight')
plt.show()

显示如下：

设置横纵坐标的标签plt.xlabel(), plt.ylabel()

先在开头添加如下代码，防止中文乱码

import seaborn as sns
sns.set_style({'font.sans-serif':['simhei','Arial']})

matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)
matplotlib.pyplot.ylabel(ylabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)

• xlabel / ylabel: 字符串，横坐标标签，
• fontdict: 将字体的属性存储在字典，传递给函数
• c or color: 字体颜色
• labelpad: 标签距离轴的长度,默认为4.0
• fontfamily or family: 字体种类
• fontsize or size：字体的大小， float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
• fontweight or weigh: 字体的加粗程度 ，可选的值为{0-1000之间的数, ‘ultralight’, ‘light’, ‘normal’, ‘regular’, ‘book’, ‘medium’, ‘roman’, ‘semibold’, ‘demibold’, ‘demi’, ‘bold’, ‘heavy’, ‘extra bold’, ‘black’}

以下两种写法对label的属性设置等价
font = {'family' : 'Times New Roman',
'weight': 'heavy',
'size': 10,
'c':'red'}
plt.xlabel("XLabel",family='Times New Roman', weight='heavy', size=10, color='red')
plt.ylabel("YLabel", fontdict=font)

添加本段代码在plt.show()之前，显示如下：

NOTE：当label为中文时，设置某些属性时，显示有问题

添加文字及属性设置 plt.text()

matplotlib.pyplot.text(x, y, s, fontdict=None, **kwargs)

• x: float，横坐标
• y: float，纵坐标
• s: str 要写的文字
• fontdict: 将字体的属性存储在字典，传递给函数
• fontfamily or family: {FONTNAME, ‘serif’, ‘sans-serif’, ‘cursive’, ‘fantasy’, ‘monospace’}
• fontsize or size: float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
• fontstyle or style: {‘normal’, ‘italic’, ‘oblique’}
• fontvariant or variant: {‘normal’, ‘small-caps’}
• fontweight or weight: {a numeric value in range 0-1000, ‘ultralight’, ‘light’, ‘normal’, ‘regular’, ‘book’, ‘medium’, ‘roman’, ‘semibold’, ‘demibold’, ‘demi’, ‘bold’, ‘heavy’, ‘extra bold’, ‘black’}
• rotation: 文字的选择角度float or {‘vertical’, ‘horizontal’}
• horizontalalignment or ha: 坐标值(x, y)相对于文字的水平方位 {‘center’, ‘right’, ‘left’}
• verticalalignment or va: 坐标值(x, y)相对于文字的垂直方位{‘center’, ‘top’, ‘bottom’, ‘baseline’, ‘center_baseline’}
• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.text.html

"""
import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('seaborn-colorblind')
sns.set_style({'font.sans-serif':['simhei','Arial']})
fig = plt.figure(figsize=(8, 8), dpi=None)
plt.plot([1], [1])
plt.plot([2], [2], '*',  markersize=40)
plt.plot([3], [3], '*',  markersize=40)
plt.plot([4], [4],  markersize=40)
plt.text(x=2, y=2, fontsize=20, s="设置在坐标的左下", ha='right', va='top')
plt.text(x=3, y=3, fontsize=20, s="文字默认在坐标的右上")
plt.show()

显示如下：

设置标题plt.title()

matplotlib.pyplot.title(label, fontdict=None, loc='center', pad=None, **kwargs)

• label: str 标题内容
• fontdict: dict 将文字属性存储在字典中
• loc: 标题的水平位置，{‘center’, ‘left’, ‘right’}，默认为center
• pad: 标题离上轴的距离，默认的值参考rcParams[‘axes.titlepad’]
• y: 标题的垂直位置，为负数时，会在图的下方 参考绘制子图的代码

添加图例 plt.legend()

当在一个图中绘制多种数据时，通过添加图例能更直观的表达每种图形的含义。

matplotlib.pyplot.legend(*args, **kwargs)

• labels: 字符串列表，图列的名称
• loc: 图例的位置，用多种可选的位置，默认自适应调整，具体参考下面的链接
• fontsize: 文字大小 int or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}，通过该参数可以调整图例的大小。
• labelcolor: str or list， 图例的颜色
• markerscale：float, 相对于图中数据标记的大小，default: rcParams[“legend.markerscale”] (default: 1.0)
• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.legend.html

用法：

1. 为每一个线条添加图例

ax.plot([1, 2, 3], label='Inline label')
ax.legend()
等价的写法
line, = ax.plot([1, 2, 3])
line.set_label('Label via method')
ax.legend()

1. 为存在的(多个)线条添加图例

plt.plot([1, 2, 3])
plt.plot([4, 5, 6])
plt.legend(['first line', 'second line'])

绘制多个子图plt.subplot()

增加一个新的坐标轴或选取存在的轴，这里的轴可以认为是一个子图。

matplotlib.pyplot.subplot(*args, **kwargs)

• *args：int, (int, int, index), or SubplotSpec, default: (1, 1, 1) ，该参数可以是如下的三种类型之一：
• (nrows, ncols, index) ，前两个为int，整个画布会被分成n r o w s 行 × n c o l s 列 nrows行 \times ncols列n ro w s 行×n co l s 列，index为整型时，值从一开始取，位置编号从左上到右下，也可以是一个二元组，表明该字符跨过的区域。
• 三个数位的整型 ，等价于(int, int, int)
• 一个存在的子图
• label： 子图的标题
• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.subplot.html

有三种调用方法：

subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)

import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
matplotlib.rcParams['lines.linewidth'] = 4
matplotlib.rcParams['axes.titlesize'] = 'xx-large'
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})

fig = plt.figure(figsize=(10, 10), dpi=100)
ax1 = plt.subplot(221)  #该行可以换成 ax1 = fig.add_subplot(2,2,1)
#设置X轴、Y轴的刻度范围
#ax1.set_ylim(0, 1)
#ax1.set_xlim(0, 1)
#设置每个刻度对应的标签
#plt.xticks([1, 2, 3, 4], labels=["a", "b", "c", "d"])

plt.plot([1, 2, 3, 4], [4, 5, 7, 8], color="r", linestyle="--")
#在ax1中添加一条线
plt.plot([1, 2, 3, 4], [6, 7, 8, 9], color='#17becf', linestyle="-")
plt.title(label='first')  # 设置字体大小与格式

ax2 = plt.subplot(2, 2, 2)
plt.plot([1, 2, 3, 5], [4, 5, 7, 8], color="y", linestyle="-")
plt.title('tow')

ax3 = plt.subplot(223)
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], marker='*', color="g", linestyle="-.")
plt.title('three', y=-0.15)
ax4 = plt.subplot(224)
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], color="b", linestyle=":")
plt.title('four', y=-0.15)
fig.suptitle("四种样式的线条", y=0.05)  # 设置大标题及位置
plt.show()

显示如下：

多个子图中添加大标题

当在一个画布中存在多个子图，为所有的子图添加一个总的标题。

matplotlib.pyplot.suptitle(t, **kwargs)[source]

• t：str 标题名称
• x：float，default: 0.5 基本单位为宽度，左下角为(0，0)
• y：float，default: 0.98 基本单位为高度

• horizontalalignment, ha{‘center’, ‘left’, ‘right’}, default: center
  The horizontal alignment of the text relative to (x, y).

• verticalalignment, va{‘top’, ‘center’, ‘bottom’, ‘baseline’}, default: top
  The vertical alignment of the text relative to (x, y).

• fontsize, sizedefault: rcParams[“figure.titlesize”] (default: ‘large’)

• fontweight, weightdefault: rcParams[“figure.titleweight”] (default: ‘normal’)
• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.suptitle.html
  用法见绘制子图的代码

修改默认的属性设置

上面介绍的API中，有些参数即使不设置，如线条的颜色，形状，字体的大小等，也会提供默认的值，当然我们也可以修改默认的参数设置。首先查看默认的属性有哪些

print(matplotlib.rcParams)

会输出一大串预先设定好的属性及取值，下面改变五种默认的属性

import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib
plt.style.use('seaborn-colorblind')
sns.set_style({'font.sans-serif':['simhei','Arial']})
print(matplotlib.rcParams)
fig = plt.figure(figsize=(8, 8), dpi=None)
修改默认的属性值
matplotlib.rcParams['axes.labelpad'] = 20
matplotlib.rcParams['axes.labelcolor'] = 'red'
matplotlib.rcParams['axes.labelsize'] = 15
matplotlib.rcParams['lines.marker'] = '*'
matplotlib.rcParams['lines.markersize'] = 20

x = [1, 2, 3]
y = [1, 2, 3]
plt.plot(x, y)
plt.xlabel('XLabel')
plt.ylabel('YLabel')
plt.show()

对比图如下：

默认属性时的团

修改默认之后的图案

设置图例的位置
plt.legend(loc='upper right') #设置图例的位置
https://blog.csdn.net/qq_37710333/article/details/108308155

设置坐标轴的刻度

1. 单个刻度

import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.ticker import MultipleLocator
x = [1, 3, 2, 4, 6]
y = [10, 20, 30, 40, 50]
设置x轴的刻度大小为1
x_major_locator=MultipleLocator(1)
设置y轴的刻度大小为10
y_major_locator=MultipleLocator(10)
ax=plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
ax.yaxis.set_major_locator(y_major_locator)
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
设置x,y轴的范围
plt.ylim(-1, 52)
plt.xlim(0, 7)
plt.show()

1. 多个刻度

import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.ticker import MultipleLocator
设置多个刻度范围
plt.figure(figsize=(10, 10))
ran = []
x = [1, 21, 23, 25, 60, 70]
y = [10, 20, 30, 40, 50, 60]
设置两个刻度范围
ran.extend(range(0, 30, 5))
ran.extend(range(30, 90, 10))
plt.xticks(ran, rotation=70,fontsize=10)
plt.yticks(range(0, 90, 10), fontsize=10)
plt.xlim(0, 80)
plt.ylim(0, 80)
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
plt.legend(["test"], loc="best")
plt.show()

保存图片

matplotlib.pyplot.savefig(*args, **kwargs)

调用方法：

savefig(fname, dpi=None, facecolor='w', edgecolor='w',
        orientation='portrait', papertype=None, format=None,
        transparent=False, bbox_inches=None, pad_inches=0.1,
        frameon=None, metadata=None)

• fname: str 要保存的路径以名称，建议加上保存格式
• dpi: 每英寸的像素大小
• quality：int, default: rcParams[“savefig.jpeg_quality”] (default: 95) 保存的像素质量，只对’.jpg’ ‘jpeg’有效。
• bbox_inches：为”tight”时，可以去除保留图片时的空白边缘。

• pad_inches: Amount of padding around the figure when bbox_inches is ‘tight’.

• 更多参考：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.savefig.html
  *savefig()一定要在show()之前调用！！！

四、示例代码

拼接多张图片

import cv2
import seaborn as sns
from matplotlib import pyplot as plt
img = cv2.imread('picture.jpg')
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
plt.figure(figsize=(20, 10))
font = {'family': 'Times New Roman',
        'weight': 'normal',
        'size': 15,
        }
s = "label_{0:02d}"
for i in range(16):
    plt.subplot(4, 4, i + 1)
    plt.imshow(img, 'gray')
    plt.xlabel(s.format(i), font)
    plt.xticks([]), plt.yticks([])  # 取消刻度

plt.suptitle("拼接图片", fontsize=20, fontweight='bold')
plt.savefig('puzzle.png', bbox_inches='tight')
plt.show()

原图

拼接图(存在较明显的色差)

绘制对比折线图

import numpy as np
import matplotlib
from matplotlib import pyplot as plt
import seaborn as sns

sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
matplotlib.rcParams['axes.unicode_minus'] = False # 显示负号

plt.figure(figsize=(13, 13))
font = {'family': 'Times New Roman',
        'weight': 'normal',
        'size': 15,
        }
data1 = np.random.randn(30) * 100
data2 = np.random.randn(30) * 100
plt.plot(data1, label="A")
plt.plot(data2, label="B")
plt.axhline(0, linestyle='--', color='green', lw=2) #插入水平线
plt.axvline(10, linestyle='--', color='green', alpha=0.8) //插入垂直线
plt.ylabel('precision(%)', fontsize=20)
plt.xlabel("classes",labelpad=8.5, fontsize=20)
plt.legend(fontsize=20)
plt.savefig('compare.png', bbox_inches='tight')
plt.show()

显示如下：

绘制对比柱状图

from matplotlib import rcParams
rcParams['font.family'] = 'Arial Unicode MS'
import matplotlib.pyplot as plt
tick_name = ['2010', '2011', '2012', '2013', '2014', '2015', '2016', '2017', '2018', '2019', '2020']
china_gdp = [60872, 75515, 85322, 95704, 104757, 110616, 112333, 123104, 138948, 142799, 147227]
usa_gdp = [149921, 155426, 161970, 167848, 175272, 182383, 187451, 195430, 206119, 214332, 209366]
a = 3
b = 8
x1 = [(i + 1) * b for i in range(11)]
x2 = [(i + 1) * b + a for i in range(11)]
x3 = [(i + 1) * b + a/2 for i in range(11)]
fig = plt.figure(figsize=(8, 8))
ax1 = fig.add_subplot(1, 1, 1)

plt.bar(x1, china_gdp, width=a, color='yellowgreen',label="中国")
plt.bar(x2, usa_gdp, width=a, color='lightskyblue',label="美国")
ticks = ax1.set_xticks(x3) # 设置刻度
labels = ax1.set_xticklabels(tick_name, rotation=30, fontsize = 'small') # 设置刻度标签
ax1.set_title("中美GDP对比")
plt.xlabel("年份")
plt.ylabel("总GDP产值(亿美元)")
plt.legend()  # 显示图例
plt.show()

显示如下：

绘制对比柱状图并在柱子上显示值

from matplotlib import rcParams
rcParams['font.family'] = 'Arial Unicode MS'
import matplotlib.pyplot as plt
tick_name = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']

cont = [5324.566083283042, 3194.3816086491624, 2370.236763831053, 1987.694984401248, 2155.7504175614413, 1709.760237388724, 1912.9140811455848, 1615.6501012990107, 1349.456136202412, 1810.7831325301204]
treat = [6092.455656759347, 3475.5420248328555, 3049.4914031501744, 2085.9832935560858, ]
23
num_list = [0.016082643, 0.007536573, 0.004361351, 0.007964208, 0.006583216, 0.002371007, 0.00502453, 0.003455287, 0.001115849, 0.013595492]# num_list_r = [0.0067604792575306424] * 10# # 24# num_list = [0.018650344, 0.006166104, 0.005329947, -7.46E-04, 0.00210835, 0.004344219, 0.003247764, 0.003496084, 2.46E-04, 0.008642287]# num_list_r = [0.005346123524244836] * 10# # 25# num_list = [0.017649752, 0.003290102, 0.001193554, 0.005288239, -0.002659459, 0.005013964, 0.004466062, 0.005354266, 0.00111815, 0.004642821]
num_list_r = [0.004483605580702439] * 10
调节柱子的
a = 5
调节柱子间的距离
b = 13
x1 = [(i + 1) * b for i in range(10)]
x2 = [(i + 1) * b + a for i in range(10)]
x3 = [(i + 1) * b + a/2 for i in range(10)]
fig = plt.figure(figsize=(8, 8))
ax1 = fig.add_subplot(1, 1, 1)
#调节字体大小
fontsize = 8
for i in range(10):
    if(num_list[i] < 0):
        plt.text(x=x1[i], y=num_list[i], fontsize=fontsize, s=format(num_list[i], '.4f'), ha='center', va='top')
    else:plt.text(x=x1[i], y=num_list[i], fontsize=fontsize, s=format(num_list[i], '.4f'), ha='center', va='bottom')
    if (num_list_r[i] < 0):
        plt.text(x=x2[i], y=num_list_r[i], fontsize=fontsize, s=format(num_list_r[i], '.4f'), ha='center', va='top')
    else:
        plt.text(x=x2[i], y=num_list_r[i], fontsize=fontsize, s=format(num_list_r[i], '.4f'), ha='center', va='bottom')

plt.bar(x1, num_list, width=a, color='yellowgreen',label="T=1")
plt.bar(x2, num_list_r, width=a, color='lightskyblue',label="T=0")
ticks = ax1.set_xticks(x3)
&#x8BBE;&#x7F6E;&#x523B;&#x5EA6;
labels = ax1.set_xticklabels(tick_name, rotation=0, fontsize = 'small')
&#x8BBE;&#x7F6E;&#x523B;&#x5EA6;&#x6807;&#x7B7E;
ax1.set_title("uv_rpm &#x5341;&#x5206;&#x4F4D;&#x56FE;")
plt.ylabel("delta uv_cxr")
plt.xlabel("uplift&#x5341;&#x5206;&#x4F4D;&#x70B9;")
plt.legend()
plt.show()

显示如下：

绘制堆积柱状图

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
fig, ax1 = plt.subplots(1, 1, figsize=(8, 8))

total = np.asarray([10000, 10000])
base = np.asarray([0, 0])
x_tick_name = ["甲", "乙"]
data = {
    'A类': [1000, 2000],
    'B类': [3000, 1500],
    'C类': [2000, 3000],
    'D类': [4000, 3500]
}

for v in sorted(list(data.keys())):
    item = data[v]
    item = np.asarray(item)

    item1 = item / total
    plt.bar([0, 0.5], item1, width=0.2, bottom=base, label=v)
    plt.text(0, base[0] + item1[0] - item1[0] / 2, item1[0], ha="center", va="center")
    plt.text(0.5, base[1] + item1[1] - item1[1] / 2, item1[1], ha="center", va="center")

    base = base + item1

plt.xticks([0, 0.5], x_tick_name)
plt.legend()

plt.tight_layout()
plt.savefig('test.png', dpi=300, bbox_inches='tight', pad_inches=0)
plt.show()

显示如下：

五、遇到的问题及解决办法

中文显示乱码

1. 首先下载SimHei字体，网上搜一下，到处都是。
2. 下载完之后，看下matplotlib库字体的存放路径

import matplotlib as plt
print(plt.get_data_path())

本人mac系统，输出路径如下：
/Users/lw/.virtualenvs/transformer/lib/python3.6/site-packages/matplotlib/mpl-data
进入到路径所示的文件夹，应该如下所示：

1. 将下载好的字体复制到fonts/ttf文件夹下;
2. 修改matplotlibrc文件
共有三处需要修改，修改完之后的截图如下：



3. 刷新下配置

from matplotlib.font_manager import _rebuild
_rebuild() #reload一下

完成上面三步，应该就能正常显示中文了，如果还是不行，建议仔细检查下，重启IDE试试。

Original: https://blog.csdn.net/weixin_41558411/article/details/115582012
Author: longwilll
Title: python使用matplotlib绘图