# -*- coding: utf-8 -*-

import matplotlib.pyplot as plt

from numpy.random import randn

import numpy as np

from io import StringIO

import pandas as pd

'''

#Create figure

fig = plt.figure()

#創(chuàng)建子圖subplot: 表示2X2，即4個(gè)子圖中的第1個(gè)圖，編號(hào)為1

#參數(shù)：nrows, ncols, sharex(所有子圖是否使用相同的x軸)，sharey，subplot_kw(用于創(chuàng)建各subplot的關(guān)鍵字字典)

ax1 = fig.add_subplot(2,2,1)

ax2 = fig.add_subplot(2,2,2) #第二個(gè)子圖，編號(hào)為2

ax3 = fig.add_subplot(2,2,3) #第三個(gè)制圖，編號(hào)為3

plt.plot(randn(50).cumsum(), 'ko--') #在最后一個(gè)圖中畫線，k代表顏色，o表示每個(gè)數(shù)據(jù)點(diǎn)上加粗，強(qiáng)調(diào)實(shí)際的數(shù)據(jù)點(diǎn)，--代表樣式

ax1.hist(randn(1000), bins=20, color='k', alpha=0.3) #設(shè)置在ax1中畫柱狀圖

ax2.scatter(np.arange(30), np.arange(30) + 3 * randn(30)) #設(shè)置在ax2中畫散點(diǎn)圖

#比較便攜的方式, 直接返回figure和axes數(shù)組，2個(gè)figure，每個(gè)figure有3個(gè)subplot

#fig, axes = plt.subplots(2,3)

#修改圖外圍留下的邊距和子圖之間的邊距,前四個(gè)代表外圍邊距，wspace代表左右間距，hspace上下間距

plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

#返回當(dāng)前X軸繪圖范圍

print plt.xlim()

print ax1.get_xlim()

#設(shè)置x軸范圍

plt.xlim([0,10])

ax1.set_xlim([0,10])

#設(shè)置刻度與刻度標(biāo)簽

ticks = ax1.set_xticks([0,5,10,15,20])

labels = ax1.set_xticklabels(['one','two','three','four','five'])

#設(shè)置圖標(biāo)title和x軸名稱

ax1.set_title('XXXXXXX')

ax1.set_xlabel('XXX')

#添加圖例

ax1.plot(randn(1000).cumsum(), 'k--', label='one') #不需要圖例，則無(wú)需label參數(shù)

ax1.legend(loc='best') #'best'表示見(jiàn)圖里放在最不礙眼的地方

#添加注解,通過(guò)text,arrow和annotate等添加

ax1.text(100,30,'Hello',family='monospace', fontsize=10)

ax1.annotate( 'Hello', xy=(100,10), xytext=(100,30), arrowprops=dict(facecolor='black'),horizontalalignment='left', verticalalignment='top' )

plt.show() #顯示圖表

#保存圖表到文件

#plt.savefig('figPath.svg/pdf/png', dpi=400, bbox_inches='tight')

#保存圖表到IO

#buffer = StringIO()

#plt.savefig(buffer)

'''

'''

pandas 繪圖

'''

df = pd.DataFrame(np.random.randn(10,4).cumsum(0), columns=['A','B','C','D'],

index=np.arange(0,100,10))

#Series.plot參數(shù)

#label,ax,style='ko--',alpha

#kind='line/bar/barh/kde(密度圖，標(biāo)準(zhǔn)混合正態(tài)分布KDE)'

#loyg=True y軸使用對(duì)數(shù)標(biāo)尺

#use_index=True 將對(duì)象的索引用作刻度標(biāo)簽

#rot 旋轉(zhuǎn)刻度標(biāo)簽

#xticks，yticks，x，y的刻度值

#xlim=[0,10] X軸的界限

#ylim=[0,10] Y軸的界限

#grid=True 網(wǎng)格線，默認(rèn)打開(kāi)

#DataFrame.plot參數(shù)

#subplots=True：將各個(gè)DataFrame列繪制到單獨(dú)的subplot中

#sharex,sharey

#figsize:表示圖新鮮大小的元祖

#title，legend，默認(rèn)為True

#sort_columns:以字母表為順序繪制

#stacked=True:每行的值就會(huì)堆積

df.plot( kind='kde', stacked=True)

#plt.scatter(x,y)

#DataFrame創(chuàng)建散布圖矩陣，還支持在對(duì)角線上放置各變量的直方圖或密度圖

pd.scatter_matrix(df, diagonal='kde', color='k', alpha=0.3)

plt.show()

總結(jié)

以上是生活随笔為你收集整理的python画图中grid等于true_Python中的matplotlib画图总结的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。