matplotlib.pyplot Python 中一个常用的绘图库 matplotlib 子模块，它提供了一个类似 MATLAB 的绘图接口，用于快速生成各种图表。通常来说是与 numpy 结合使用，现在让我们来介绍一下关于这个库,首先调用这个库。

import matplotlib.pyplot as plt
import numpy as np

一般来说我们都是以一下这个步骤进行画图的，现在是一个正弦图像的演示

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-2 * np.pi , 2 * np.pi, 1000)
y = np.sin(x)
plt.figure()
plt.plot(x, y, label='sin(x)', color='blue')
plt.title('Sine Wave')
plt.xlabel('x (radians)')
plt.ylabel('sin(x)')
plt.legend()
plt.grid(True)
plt.show()

先解释一下这个numpy库中函数的用法

x = np.linspace(a, b, c)

这个是在a， b区间分成c段， c越大则生成的图形就越平滑, 然后介绍一下这个plt库的常见函数

一、基础用法

plt.figure()
plt.figure(figsize=(宽, 高), dpi=分辨率, facecolor=背景色, edgecolor=边框色)

用于 创建一个新的图像窗口（figure对象）

参数名	类型	说明（中文）	说明（英文）
$n u m$	int 或 str	图像编号或名称（可选）	Figure number or name (optional)
$f i g s i z e$	tuple	图像大小（宽度, 高度），单位是英寸	Figure size in inches (width, height)
$d p i$	int	分辨率（每英寸多少像素），默认100	Dots per inch, default is 100
$f a c e c o l o r$	str	图像背景色，如 'white'、'#eeeeee'	Background color of the figure
$e d g e c o l o r$	str	边框颜色	Edge color of the figure
$t i g h t_{l} a y o u t$	bool	是否自动调整布局以防止内容重叠	Whether to use tight layout automatically
使用例子

import matplotlib.pyplot as plt

plt.figure(facecolor='#eeeeee')  # 设置图像背景为浅灰色
plt.plot([0, 1, 2], [0, 1, 4])
plt.title("gray")
plt.show()

补充严肃对应的十六进制

颜色名	代码	颜色效果
白色	$f f f f f f$	完全白
黑色	$000000$	完全黑
红色	$f f 0000$	纯红
绿色	$00 f f 00$	纯绿
蓝色	$0000 f f$	纯蓝
灰色	$888888$	中灰
浅灰色	$e e e e e e$	接近白
这个在ide里应该可以手动调，反正在我的ide可以调颜色的

plt.plot()
plt.plot(x, y, color='blue', linestyle='-', marker='o', label='数据名')

plt.scatter()
plt.scatter(x, y, color='red', marker='x', s=大小, label='样本')

plt.bar()
plt.bar(x, height, width=0.8, color='blue', label='标签')

plt.pie()
plt.pie(data, labels=标签列表, autopct=显示百分比, colors=颜色列表, startangle=起始角度, explode=突出效果)

plt.plot()

参数	说明
$x, y$	一组 $x$ 和 $y$ 数据
$c o l o r$	线的颜色（如 $r e d$ , $00 f f 00$ ）
$l i n e s t y l e$	线型（如 $-$ 实线， $- -$ 虚线）
$m a r k e r$	每个点的形状（如 $o$ 圆点, $x$ 叉号）
$l a b e l$	用于图例

plt.scatter()

参数	说明
$x, y$	点的位置
$c o l o r$	点的颜色
$m a r k e r$	点的形状（如 $o$ 、 $x$ 、'^' 等）
$s$	点的大小（默认是 $20$ ）
$l a b e l$	图例名称

plt.bar()

$p l t . b a r h ()$ 用于画横向柱状图

参数	含义
$x$	每个柱子的横坐标（可以是数字或分类名）
$h e i g h t$	每个柱子的高度
$w i d t h$	柱子的宽度，默认 $0.8$
$c o l o r$	柱子的颜色
$l a b e l$	用于图例说明

plt.pie()

参数名	说明（中文）	说明（英文）
$d a t a$	各部分的数值	Values for each wedge
$l a b e l s$	每一块的标签列表	Labels for each slice
$a u t o p c t$	是否显示百分比，如 %.1f%	Show percentage on the chart
$c o l o r s$	各扇区的颜色列表 (可选)	List of colors for each wedge
$s t a r t a n g l e$	起始角度（以 $x$ 轴为 $0 °$ ，逆时针旋转）	Start angle of the pie chart
$e x p l o d e$	是否突出某一块，传入列表，如 $[0, 0.1, 0, 0]$ 这是突出第二块饼状图，explode = $[0.1, 0, 0.1, 0]$ 这是突出第一和第三块善行<br>	Pull out a slice for emphasis

plt.title('Sine Wave')
plt.xlabel('x (radians)')
plt.ylabel('sin(x)')
plt.legend()
plt.grid(True)
plt.show()

前面四个都是给图片贴一个是 label 前三个都是为了打上注释，第四个是为每条线做一个图标，表明每条线所对应的信息的一般来说是位于这个图的右上角。倒数第二个是让图形画出一个灰线背景的表格图，最后一个是让图形展现出来。
至此，这是单个图形的图的常见画法已经完全讲解完成，下面则是稍微进阶一些的用法

二、多图形以及面向对象的用法

plt.subplot()
plt.subplot(nrows, ncols, index)
'''
`nrows`：行数（多少行子图）
`ncols`：列数（多少列子图）
`index`：当前子图的位置（从 1 开始，从左到右、从上到下数）
'''

在这里是多图形画图的方法，这并非是面向对象风格的。在结尾我们通常要 plt.tight_layout() 这个是避免子图重叠的函数，有了这个函数我们才能保证我们的子图变的有序。在每一个子图上面我们都需要引用一下 $p l t . s u b p l o t ()$ 这个函数，但是我们只需要变更的是这个 $i n d e x$ 这一个参数。

下面我们来介绍一下面向对象（OO风格）的用法介绍。对比面向函数式接口的库的风格，面对对象风格的写法明显更加清晰，在日常使用中我们更加推荐面向对象风格的写法使用。一般来说我们写面向对象风格的代码的时候遵循以下步骤

import matplotlib.pyplot as plt

# 创建画布和子图
fig, ax = plt.subplots()

# 用 ax 对象调用方法
ax.plot([1, 2, 3], [4, 5, 6])
ax.set_title("Title")
ax.set_xlabel("X axis")
ax.set_ylabel("Y axis")

plt.show()

$f i g, a x = p l t . s u b p l o t s ()$ 中的 $f i g$ 是创建一个全局的画布。然后 $a x$ 是坐标轴的区域，也就是你实际作画的区域。

fig, (ax1, ax2) = plt.subplots(1, 2)  # 一行两个子图

这样就完成了面向对象风格的代码的书写，那么在这种代码中我们该如何调用，下面有个表格可供参考

功能	函数式接口	面向对象接口
画图	plt.plot()	ax.plot()
设置标题	plt.title()	ax.set-title()
设置 $X / Y$ 标签	plt.xlabel()	ax.set_xlabel()
加图例 $l e g e n d$	plt.legend()	ax.legend()
设置 $x$ 坐标范围	plt.xlim()	ax.set_xlim()
设置 $y$ 坐标范围	plt.ylim()	ax.set_ylim()