Matplotlib 是一个 Python 的 2D绘图库，通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。当然他也是可以画出3D图形的，这时就需要安装更多的扩展。相比MATLAB来说，python不需要那么大的安装包，而且最重要的是开源的，在这方面python还是有一定的优势的。
下面我将简单梳理一下matplotlib画图的方法，首先把本次需要用到的包导入进来：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
当然，在真正做事情时要根据自己的要求来导入，这里为了示例要导入numpy和pandas。
1、一个简单案例来展示画图的基本命令
x = np.linspace(0,2*np.pi,100) # 设置横轴变量，从0到2*pi，均分为100份
y = np.sin(x) # 因变量取值
plt.plot(x,y,'b*',label='aaa') # 'b*'表示蓝色*状线，label是指定义图例
plt.plot(x*2,y,'r--',label='bbb') # 'r--'表示红色虚线，
plt.xlabel('this is x') # 设置横轴标签
plt.ylabel('this is y') # 设置纵轴标签
plt.title('this is title') # 设置标题
plt.legend() # 显示上面定义的图例
plt.show() # 展示图像
这样一个简单的绘图就出来了，这里面有两个图形，位于一块画布上，还介绍了一些标签的设置。
2、子图
plt.subplot(2,1,1) # 子图，（2,1,1）代表，创建2*1的画布，并且定位于画布1 ；等效于plt.subplot(211)，即去掉逗号
a = plt.subplots() # 返回两个对象 figure ax
figure,ax = plt.subplots()
ax.plot([1,2,3,4,5])
plt.show() # 显示图像
# subplots可以传入参数，几行几列
figure,ax = plt.subplots(2,2)
# figure 显示画布，分成2*2的
ax[0][0].plot(x,y)
ax[0][1].plot(x*2,y*2) # 可以分别绘图
3、pandas--Series绘图
先介绍几个常用的参数：
- plot参数：kind:图像显示的方法，包括'line''bar''barh''hist''box''kde''density''area''pie'.
- grid=True 表示显示背景的网格
- label='str',参数里写这个，输出图像之前要协一个plt.legend()，显示图例
- title='str',显示标题
- style='--',显示为虚线
plt.legend() # 显示图例，这个上面提到过，没有这个，设置了图例也是不会显示出来的
# 这是一个小例子
s1 = Series(np.random.randint(1000).cumsum()) # 创建series，cumsum()是指叠加求和，本位数是前几项之和
s1.plot() # series有自己的plot函数，里面可以写入想要的参数
4、pandas--DataFrame绘图
df = DataFrame(
np.random.randint(1,10,40).reshape(10,4),
columns=['A','B','C','D']
)
df.plot() # dataframe也有自己的plot，按列画出来，参数包含ax，选择输出的画布
# 参数：stacked=True,表示一个堆叠的情况，同一个index下，columns一不同颜色叠在一起
1、可以取其一行或几行来画图，即将dataftame横过来画：
一行：df.iloc[5].plot() # iloc是pandas里面的一个可以说是切片的命令
多行或全部：for i in df.index:
df.iloc[i].plot(label=str[i])
plt.legend()
2、对列画图：
df['A'].plot()
3、对行绘图还有简便方法：
就是对df进行转置，然后再plot ，df.T.plot()
5、直方图和密度图
# 直方图
s = Series(np.random.randn(1000))
plt.hist(s,rwidth=0.9) # 直方图,rwidth为设置宽度
plt.show()
# hist()的参数：rwidth为宽度；bins=20表示显示的区间，默认是10份；color='r'设置颜色；
# 密度图
s.plot(kind='kde') # kind='kde'即表示密度图
今天就大概先总结这些，博主也是初学者，如有不足，请多多指教，希望可以给一些朋友带来帮助，如若觉得我说的太少了，可以查看官方文档https://matplotlib.org/。