使用pylab或pyplot绘图的一般过程：

1. 生成或读入数据
2. 根据实际需要绘制相应的图形
3. 设置坐标轴标签、坐标轴刻度、图例、标题等属性
4. 显示或保存绘图结果

一、属性设置

1. 设置轴标签

• 使用matplotlib.pyplot模块的xlabel()、ylabel()函数
• 轴域的set_xlabel()、set_ylabel()方法

2. 坐标轴刻度

• 使用matplotlib.pyplot模块的xticks()、yticks()函数
• 轴域的set_xticks()、set_yticks()方法

3. 图例

• 使用matplotlib.pyplot模块的legend()函数

4. 标题

• 使用matplotlib.pyplot模块的title()函数

二、折线图

折线图适合描述和比较多组数据随时间变化的趋势，或者一组数据对另外一组数据的依赖程度

matplotlib.pyplot的plot()用于绘制折线图

语法格式：
plot(*args, **kwargs)

例1：

某件商品进价49元，售价75元，现在商场新品上架搞促销活动，顾客每多买一件就给优惠1%，但是每人最多可购买30件。
对于商场而言，活动越火爆商品单价越低，但总收入和盈利越多。
对于顾客来说，虽然买得越多单价越低，但是消费总金额却越来越多的，并且购买太多也会因为用不完而导致过期不得不丢弃造成浪费。
现要求计算并使用折线图可视化购买数量num与商家收益、顾客总消费以及顾客省钱情况的关系，并标记商场收益最大的批发数量和商场收益。

import matplotlib.pyplot as plt # 导入绘图库

purchase_price = 49 # 进价
selling_price = 75 # 售价

# 顾客总消费
def SumConsume(num):
    return  round(num * selling_price * (1 - 0.01 * num),2)
# 商家利益
def SumProfit(num):
    return  round(num * selling_price * (1 - 0.01 * num) - num * purchase_price,2)
# 顾客省钱情况
def Saving(num):
    return round(num * selling_price * 0.01 * num,2)

# 生成数量列表
nums  = list(range(1,31))
# 创建商家收益、顾客总消费以及顾客省钱情况空列表
consumes = []
profits = []
savings = []

# 根据数量生成商家收益、顾客总消费以及顾客省钱情况的列表
for num in nums:
    consumes.append(SumConsume(num))
    profits.append(SumProfit(num))
    savings.append(Saving(num))
    
# 找到收益最大的批发数量和商场收益
maxprofit = max(profits)
maxnum = nums[profits.index(maxprofit)] # profits.index(maxprofit)获取最大值的索引

# 绘制商家收益折线图
plt.plot(nums,profits,'r-',label = '商家盈利')
# 绘制顾客总消费折线图
plt.plot(nums,consumes,'g-',label = '顾客总消费')
# 绘制顾客省钱情况折线图
plt.plot(nums,savings,'b-',label = '顾客省钱')

plt.rcParams['font.sans-serif']='SimHei' # 用于正常显示中文标签，'SimHei'可换成其他字体
# 添加x轴标签
plt.xlabel('数量')
# 添加y轴标签
plt.ylabel('金额(元)')
# 添加标题
plt.title('数量-金额关系图')


# 添加图例
plt.legend()

# 使用散点标记盈利最大值
plt.scatter([maxnum],[maxprofit],color = 'orange',marker = '*',s = 150) # 绘制图的横纵坐标必须是列表形式，s设置标记大小
# 添加箭头
plt.annotate(s=str(maxprofit) # 标注内容
             ,xy =(maxnum,maxprofit) # 箭头位置
             , xytext = (maxnum-1,maxprofit + 200) # 注释内容位置
             ,arrowprops = dict(arrowstyle = '<-') # 箭头样式
            )      

plt.savefig('数量-金额关系图',dpi = 600) # 输出PNG文件 dpi指在一英寸范围内存储像素点的数量
plt.show() # 将图形展示
# 注：须在plt.show()之前保存图片，否则保存的图片为空白

例2

已知学校附近某烧烤店2019年每月的营业额如下图所示。编写程序绘制折线图对该烧烤店全年营业额进行可视化，使用红色下划线连接每月的数据，并在每月的数据处使用三角形标记

import matplotlib.pyplot as plt

# 生成月份
month = list(range(1,13))

# 输入营业额
turnovers = [5.2, 2.7, 5.8, 5.7, 7.3, 9.2, 18.7, 15.6, 20.5, 18, 7.8, 6.9]

# 绘制图形
plt.plot(month, turnovers, 'r-.v')

plt.rcParams['font.sans-serif'] = 'SimHei'
# 设置x标签
plt.xlabel('月份')
# 设置y标签
plt.ylabel('营业额(万元)')
# 设置标题
plt.title('烧烤店2019年营业额变化折线图')

# 紧缩四周空白，扩大绘图区域可用面积
plt.tight_layout() 
plt.savefig('烧烤店2019年营业额变化折线图',dpi = 600)
plt.show()

三、散点图

散点图比较适合描述数据在平面或空间中的分布，可以用来帮助分析数据之间关联。

matplotlib.pyplot的scatter()用于绘制散点图

语法格式：
scatter(x, y, s = None, c = None, marker = None, cmap = None, norm = None, vmin = None, vmax = None, alpha = None, linewidths = None, verts = None, edgecolors = None, hold = None, data = None, **kwargs)

结合折线图和散点图，重新绘制例2中要求的图形。使用plot()函数依次连接若干端点绘制折线图，使用scatter()函数在指定的端点处绘制散点图，结合这两个函数，实现例2的效果图

import matplotlib.pyplot as plt

month = list(range(1,13))
turnovers = [5.2, 2.7, 5.8, 5.7, 7.3, 9.2, 18.7, 15.6, 20.5, 18, 7.8, 6.9]

# 绘制出折线图
plt.plot(month,turnovers,'r-.')
# 绘制散点图
plt.scatter(month,turnovers,marker = 'v')

# 设置标签
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.xlabel('月份')
plt.ylabel('营业额(万元)')
plt.title('烧烤店2019年营业额变化折线图')

plt.tight_layout()
plt.savefig('烧烤店2019年营业额变化折线图',dpi = 600)
plt.show()

例4

某商场开业三个月之后，有顾客反应商场一楼部分位置的手机信号不好，个别收银台有时无法正常使用微信支付或支付宝，商场内也有些位置无法正常使用微信。为此，商场安排工作人员在不同的位置对手机信号强度进行测试以便进一步提高服务质量和用户体验，文件中每行使用逗号分隔的3个数字分别表示商场内一个位置的x、y坐标和信号强度，其中x、y坐标值以商场西南角为坐标原点且向东为x轴正轴(共150米)、向北为y正轴(共30米)，信号强度以0为表示无信号、100表示最强。

要求：编写程序，使用散点图对该商场一楼所有位置的手机信号强度进行可视化，既可以直观地发现不同位置信号地强度以便分析原因，也方便观察测试位置的分布是否合理。在散点图中，使用横轴表示x坐标位置、纵轴表示y坐标位置，使用五角星标记测试位置，五角星大小表示信号的强弱，五角星越大表示信号越强，反之表示信号越弱。同时为了获得更好的可视化效果，信号强度高于或等于70的位置使用绿色五角星，低于70且高于或等于40的使用蓝色五角星，低于40的位置使用红色五角星。

import pandas as pd
import matplotlib.pyplot as plt

# 读取文件
f = open('商场信号测试.csv')
data = pd.read_csv(f,header=None)

# 通过遍历，根据信号的强弱设置散点的大小和颜色
for index,row in data.iterrows():
    if row[2]< 40:
        color = 'r'
    elif row[2] <70:
        color = 'b'
    else:
        color = 'g'
    plt.scatter(row[0],row[1],marker = '*',color = color,s = row[2]) # 第三列决定大小

# 添加标签
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.xlabel('正东方向距离(米)')
plt.ylabel('正北方向距离(米)')
plt.title('某商场手机信号强弱分布图')

plt.savefig('手机信号强弱分布图',dpi=600)
plt.show()

四、柱状图

柱状图适合用于比较多组数据之间的大小，或者类似的场合，但对大规模数据的可视化不是很合适

matplotlib.pyplot的bar()用于绘制柱状图

语法格式：
bar(left, height, width = 0.8, bottom = None, hold = None, data = None, **kwargs)

例5

某商场几个部门2019年每个月的业绩如下表所示。编写程序绘制柱状图可视化各部门的业绩，可以借助于pandas的DataFrame结构快速绘制图形，并要求坐标轴、标题和图例能够显示中文

某商场各部门业绩(万元)

import pandas as pd
import matplotlib.pyplot as plt

data = pd.DataFrame({'月份':[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
                    ,'男装':[51, 32, 58, 57, 30, 46, 38, 38, 40, 53, 58, 50]
                    ,'女装':[70, 30, 48, 73, 82, 80, 43, 25, 30, 49, 79, 60]
                    ,'餐饮':[60, 40, 46, 50, 57, 76, 70, 33, 70, 61, 49, 45]
                    ,'化妆品':[110, 75, 130, 80, 83, 95, 87, 89, 96, 88, 86, 89]
                    ,'金银首饰':[143, 100, 89, 90, 78, 129, 100, 97, 108, 152, 96, 87]})
plt.rcParams['font.sans-serif'] = 'SimHei'
data.plot(x='月份', kind = 'bar')
plt.xlabel('月份')
plt.ylabel('营业额(万元)')
plt.title('2019年各部门每月营业额条形图')
plt.legend()

plt.savefig('2019年各部门每月营业额条形图', dpi = 600)
plt.show()

例6

根据例2中烧烤店的数据绘制柱状图，要求可以设置每个柱的颜色，内部填充符号、描边效果和标注文本

import matplotlib.pyplot as plt

# 生成月份
month = list(range(1,13))

# 输入营业额
turnovers = [5.2, 2.7, 5.8, 5.7, 7.3, 9.2, 18.7, 15.6, 20.5, 18, 7.8, 6.9]


for x,y in zip(month,turnovers):
    color = '#%06x'%int(y*10000) 
    # 将每月营业额的10000倍转换成16进制的六位数，不够位数的使用0补充
    plt.bar(x, y, color = color, hatch ='*',width = 0.8, edgecolor = 'k',linestyle = '-', linewidth = 1.5)
    plt.text(x-0.3,y+0.4,'%.1f'%y)
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.title('2019年烧烤店营业额柱形图')
plt.xlabel('月份')
plt.ylabel('营业额(万元)')
plt.xticks(month) # 设置x轴的刻度
plt.ylim(0,22) # 设置y轴坐标轴范围
plt.savefig('2019年烧烤店营业额柱形图', dpi = 500)
plt.show()

例7

“集体过马路”是网友对集体闯红灯现象的一种调侃，即“凑够一撮人就可以走了，与红绿灯无关”。出现这种现象的原因之一是很多人认为法不责众，从而不顾交通法规和安全，但这种危险的过马路方式造成了很多不同程度的交通事故和人员伤亡。某城市在多个路口对行人过马路的方式进行了随机调查。在所有参与调查的市民中，“从不闯红灯” “跟别人闯红灯” “带头闯红灯”的人数如表所示，针对这组调查数据，编写程序绘制柱状图进行展示和对比。

import matplotlib.pyplot as plt
import pandas as pd

data = pd.DataFrame({'男性':[450, 800, 200], '女性':[150, 100, 300]})

data.plot(kind = 'bar')

plt.rcParams['font.sans-serif'] = 'SimHei' # 默认所有中文字体为黑体
# 设置x轴刻度和文本，fontproperties参数可以指定中文的字体
plt.xticks([0,1,2],['从不闯红灯', '跟别人闯红灯', '带头闯红灯'],fontproperties = 'Lisu', rotation = 0)
# 只在有数据的位置显示刻度
plt.yticks(list(data['男性'].values)+list(data['女性'].values)) 
plt.title('过马路方式')
plt.ylabel('人数')

plt.savefig('过马路方式',dpi = 600)
plt.show()

五、饼状图

饼状图适合展示一个总体中各类别数据所占的比例

matplotlib.pyplot的pie()用于绘制饼状图

语法格式：
pie(x, explode = None, labels = None, colors = None, autopct = None, pctdistance = 0.6, shadow = False, labeldistance = 1.1, startangle = None, radius = None, counterclock = True, wedgeprops = None, textprops =None, center = (0,0), frame = False, hold = None, data = None)

常用参数

例8

已知某班级的数据结构、线性代数、英语和Python课程考试成绩，要求绘制饼状图显示每门课的成绩中优(85分以上)、及格(60~85分)、不及格(60分以下)的占比。
'数据结构':[89, 70, 49, 87, 92, 84, 73, 71, 78, 81, 90, 37, 77, 82, 81, 79, 80, 82, 75, 90, 54, 80, 70, 68, 61]
'线性代数':[70, 74, 80, 60, 50, 87, 68, 77, 95, 80, 79, 74, 69 , 64, 82, 81, 78, 90, 78, 79, 72, 69, 45, 70, 70
'英语':[83, 87, 69, 55, 80, 89, 96, 81, 83, 90, 54, 70, 79, 66, 85, 82, 88, 76, 60, 80, 75, 83, 75, 70, 20]
'Python':[90, 60, 82, 79, 88, 92, 85, 87, 89, 71, 45, 50, 80 , 81, 87, 93, 80, 70, 68, 65, 85, 89, 80, 72, 75]

import matplotlib.pyplot as plt
from itertools import groupby

scores = pd.DataFrame({'数据结构':[89, 70, 49, 87, 92, 84, 73, 71, 78, 81, 90, 37, 77
                             , 82, 81, 79, 80, 82, 75, 90, 54, 80, 70, 68, 61]
                      ,'线性代数':[70, 74, 80, 60, 50, 87, 68, 77, 95, 80, 79, 74, 69
                             , 64, 82, 81, 78, 90, 78, 79, 72, 69, 45, 70, 70]
                     ,'英语':[83, 87, 69, 55, 80, 89, 96, 81, 83, 90, 54, 70, 79, 66
                             , 85, 82, 88, 76, 60, 80, 75, 83, 75, 70, 20]
                     ,'Python':[90, 60, 82, 79, 88, 92, 85, 87, 89, 71, 45, 50, 80
                             , 81, 87, 93, 80, 70, 68, 65, 85, 89, 80, 72, 75]})
def classify(score):
    if score >= 85:
        return '优'
    elif score >= 60:
        return '及格'
    else:
        return '不及格'

plt.rcParams['font.sans-serif'] = 'SimHei'
groups = dict()

# 多字段分组
for subject,score in scores.items():
    groups[subject] = dict()
    # 排序后分组
    sorted(score)
    for category,group in groupby(sorted(score),classify):
        groups[subject][category] = len(list(group))
for i,data in enumerate(groups.items()):
    plt.subplot(2,2,i+1)
    plt.pie(list(data[1].values()),labels = list(data[1].keys()),autopct = '%1.1f%%')
    plt.axis('equal') # 圆的饼图
    plt.xlabel(data[0])
plt.savefig('各科成绩占比',dpi = 600)
plt.show()

六、雷达图

常用于企业经营状况的分析，可以更加直观地表达企业经营状况全貌，便于企业管理者及时发现薄弱环节进行改进

matplotlib.pyplot的polar()用于绘制雷达图

语法格式：
pie(*args,**kwargs)
注：args和kwargs含义与plot()函数相似

例9

很多学校的毕业证和学位证只能体现一种学习经历或者证明达到该学习阶段的最低要求，并不能体现学生的综合能力以及擅长的学科与领域，所以大部分单位在招聘时往往还需要借助于成绩单进行综合考察。但单独的表格式成绩单不是很直观，并且存在造假的可能。在证书上列出学生所有课程的成绩不太现实，但是可以考虑把每个学生的专业核心课成绩绘制成雷达图印在学位证书上，这样既可以让用人单位非常直观地了解学生综合能力，也比单独打印的成绩单要权威和正式很多。编写程序，根据某学生的部分专业核心课程和成绩清单绘制雷达图。

import matplotlib.pyplot as plt
import numpy as np

subject = ['C++','Python','高数','大学英语','软件工程 ','组成原理','数字图像处理','计算机图形学']
scores = [80, 95, 78, 85, 45, 65, 80, 60]

# 根据数据长度将圆心角等分
datalength = len(scores)
angles = np.linspace(0,2*np.pi,datalength,endpoint = False)

# 使图闭合
scores.append(scores[0])
angles = np.append(angles,angles[0])

# 绘制雷达图
plt.polar(angles,scores,'r>--',linewidth = 2) # 表示角度的参数放在第一位 

# 设置角度标签
plt.thetagrids(angles*180/np.pi,subject,fontproperties = 'Simhei')

# 填充雷达图内部结构
plt.fill(angles,scores,facecolor = 'r',alpha = 0.5)
plt.xlabel('成绩分布雷达图',fontproperties = 'Simhei',size = 20)

plt.savefig('成绩分布雷达图', dpi =600)
plt.show()

例10

为了分析家庭开销的详细情况，也为了更好地进行家庭理财，张三对2018年全年每个月的蔬菜、水果、肉类、日用品、旅游、随礼等各项支出做了详细记录，如表所示。编写程序，根据张三的家庭开销情况绘制雷达图。

import matplotlib.pyplot as plt
import numpy as np
import random

data = {
  '蔬菜': [1350,1500,1330,1550,900,1400,980,1100,1370,1250,1000,1100],
  '水果': [400,600,580,620,700,650,860,900,880,900,600,600],
  '肉类': [480,700,370,440,500,400,360,380,480,600,600,400],
  '日用': [1100,1400,1040,1300,1200,1300,1000,1200,950,1000,900,950],
  '衣服': [650,3500,0,300,300,3000,1400,500,800,2000,0,0],
  '旅游': [4000,1800,0,0,0,0,0,4000,0,0,0,0],
  '随礼': [0,4000,0,600,0,1000,600,1800,800,0,0,1000]
}

# 将圆心角等分
angles = np.linspace(0,2 * np.pi,12,endpoint = False)
# 闭合
angles = np.append(angles,angles[0])

markers='*^>voD'

for key,value in data.items():
    data[key].append(data[key][0])
    # 产生随机色
    color = '#'+''.join(map('{0:02x}'.format,np.random.randint(0,255,3)))
    plt.polar(angles,data[key],color = color,marker = random.choice(markers),label = key)
    plt.rcParams['font.sans-serif'] = 'SimHei'
# 设置角度的网格标签
plt.thetagrids(angles*180/np.pi,list(map(lambda i: '%d月'%i,range(1,13))),fontproperties = 'Simhei')    
plt.legend()

plt.savefig('家庭开销情况绘制雷达图',dpi = 600)
plt.show()

七、绘图区域切分实战

用于将整个绘图区域切分成多个子区域，在不同的子区域中绘制不同的图形

matplotlib.pyplot的subplot()函数用于切分绘图区域和创建子图

语法格式：
subplot(*args,**kwargs)

重要参数

八、设置图例样式

用于对所绘制的图形中使用的各种符号和颜色进行说明，对于理解图形有重要的作用

matplotlib.pyplot的legend()函数用于设置图例

语法格式：
legend(*args,**kwargs)

重要参数

九、填充图形

1. matplotlib.pyplot的fill()函数用于绘制填充的多边形

参数含义与plot()函数相同

2. matplotlib.pyplot的fill_between()函数用于填充两条曲线之间的多边形区域

语法格式：
fill_between(x,y1,y2=0,where = None,interpolate = False, step = None, hold = None, data = None, **kwargs)

ps:参数具体含义在导入模块之后，使用help(plt.fill_between)

十、保存绘图结果

matplotlib.pyplot的savefig()函数用于把当前绘制的图片保存为图片文件

语法格式：
savefig(fname,dpi =None, facecolor = 'w', edgecolor= 'w', orirntation = 'portrait',papertype = None, format = None, transparent = False, bbox_inches = None, pad_inches = 0.1, frame = None)

重要参数