这个颜值爆表的数据可视化神器，我可以用到2081年！
点击上方蓝字关注我们
点击上方“印象python”，选择“星标”公众号
重磅干货，第一时间送达！
【导语】：
出色的数据可视化，会让你的数据分析等工作锦上添花，让人印(升)象(职)深(加)刻(薪)。matplotlib是python优秀的数据可视化库，python数据分析必备利器。
Matplotlib作为数据科学的的必备库，算得上是python可视化领域的元老，更是很多高级可视化库的底层基础，其重要性不言而喻。本文专门为你整理了matplotlib详细使用方法，来学习吧！
matplotlib 库是专门用于开发2D图表（包括3D图表）的，突出优点：
使用起来极为简单。
以渐进、交互式方式实现数据可视化。
表达式和文本使用LaTeX排版。
对图像元素控制力强。
可输出PNG、PDF、SVG和EPS等多种格式。
昨天我们产生尝试使用matplotlib画了一些简单的线型图、柱形图和散点图。今天我们来研究一下这些图形的一些属性。
首先我们在Jupyter引入Matplotlib和Numpy。
使用Numpy来获取一些随机数并且使用Matplotlib将其图像化展示出来
import matplotlib.pyplot as plt
import numpy as np
y = np.random.randn(10)
y1 = np.random.randn(10)
plt.plot(y)
plt.plot(y1)图形展示如图下：
假如我想要更加直观的对比两个图我需要给它自定义一些参数，例如颜色或者线条。该如何操作呢？
控制颜色
有时在绘图时，您希望自定义Matplotlib图形的颜色，希望控制Matplotlib样式，例如，如果您在绘制线条，可以为每个线条定制颜色。
plt.plot(y,color = 'r')
plt.plot(y1,color = 'g')
我们只需给它的参数color赋值即可，其中r就是Red绿色的缩写，同理g就是Green的缩写。
Matplotlib中有不同的颜色，下面是Matplotlib颜色表。
| 颜色 | 颜色名称 |
| b | blue |
| c | cyan |
| g | green |
| k | black |
| m | magenta |
| r | red |
| w | white |
| y | yellow |
控制线条样式
在上面的示例中我们看到的线条，只是没有任何点或破折号的线条，在Matplotlib中，您还可以使用不同的线条样式。
plt.plot(y,color = 'r',linestyle = '--')
plt.plot(y1,color = 'g',linestyle = '-.')图形展示如图下：
Matplotlib中有不同的线条，以下是Matplotlib线条表。
| 样式缩写 | 样式 |
| – | 实线 |
| — | 虚线 |
| -. | 点划线 |
| : | 点线 |
控制标记样式
Matplotlib为标记提供了许多自定义选项。标记样式主要受控于参数marker的值。来看一组实例
plt.plot(y,color = 'r',linestyle = '--',marker = 'o')
plt.plot(y1,color = 'g',linestyle = '-.',marker = 'd')
图形展示如图下：
您可以在Matplotlib中使用不同的标记样式，我们在此表中仅列举了其中一些。
| 标记缩写 | 标记样式 |
| . | 点标记 |
| , | 像素标记 |
| o | 圆圈标记 |
| v | 三角向下 |
| _ | 水平线 |
| | | 垂直线 |
| d | 薄钻石 |
| D | 钻石标记 |
| + | 加号标记 |
控制标题和XY标签
回过头来再看看我们所做的图，不知道这个图是用来描述什么的？也不知道XY轴所代表的含义各是什么？怎么解决
plt.plot(y1,color = 'g',linestyle = '-.',marker = 'd')
plt.title('figer Test') #标题
plt.xlabel('x_data') #x轴名称
plt.ylabel('y_data') #y轴名称
图形展示如图下：
这样看起来是不是舒服多啦！
我们还看手动控制标题的大小和具体图形的距离。使用fontsize控制标题大小，y控制图形与标题距离
plt.title('figer Test',fontsize = '18', y = 1.05)
图形展示如图下：
好了，今天分享于此。明天带你看个更好玩的！
回复下方 「关键词」，获取优质资源
回复关键词 「linux」，即可获取 185 页 Linux 工具快速教程手册和154页的Linux笔记。
回复关键词 「Python进阶」，即可获取 106 页 Python 进阶文档 PDF
回复关键词 「Python面试题」，即可获取最新 100道 面试题 PDF
回复关键词 「python数据分析」，即可获取47页python数据分析与自然语言处理的 PDF
回复关键词 「python爬虫」，满满五份PPT爬虫教程和70多个案例
回复关键词 「Python最强基础学习文档」，即可获取 168 页 Python 最强基础学习文档 PDF，让你快速入门Python
推荐我的微信号
来围观我的朋友圈，我的经验分享，技术更新，不定期送书，坑位有限，速速扫码添加！
备注：开发方向_昵称_城市，另送你10本Python电子书。
