前言

Matplotlib是Python中的一个库，它是数字的-NumPy库的数学扩展。 Pyplot是Matplotlib模块的基于状态的接口。在Pyplot中可以使用各种图，例如线图，轮廓图，直方图，散点图，3D图等。

plt.figure()

plt.figure() 是 Matplotlib 库中的一个函数，用于创建一个新的图形窗口或图形对象。在使用 Matplotlib 进行数据可视化时，我们通常会使用 plt.figure() 来创建一个新的图形对象，然后在这个图形对象上绘制图表、图像或子图等内容。

该函数的语法为：

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class 'matplotlib.figure.Figure'>, clear=False, **kwargs)

参数说明：

1. num: 图形的编号，如果为None，则创建一个新的图形窗口，如果指定了编号，则可以通过 plt.figure(num) 调用该图形窗口。
2. figsize: 指定图形的尺寸，以元组 (width, height) 的形式指定，单位为英寸。
3. dpi:每英寸点数，用于指定图形的分辨率。
4. facecolor: 图形的背景色。
5. edgecolor: 图形的边框颜色。
6. frameon:是否显示边框。
7. FigureClass: 用于指定图形对象的类。
8. clear: 是否清除图形对象。

示例：

import matplotlib.pyplot as plt# 创建一个新的图形对象
plt.figure(figsize=(8, 6), dpi=80)# 绘制图表、图像等内容
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])# 显示图形
plt.show()

plt.subplot()

plt.subplot() 是 Matplotlib 库中的一个函数，用于在一个图形窗口中创建一个或多个子图。在使用 Matplotlib 进行数据可视化时，我们通常会使用 plt.subplot() 来创建一个子图，并在这个子图上绘制具体的图表、图像等内容。

该函数的语法为：

plt.subplot(nrows, ncols, index, **kwargs)

参数说明：

1. nrows: 子图网格的行数。
2. ncols: 子图网格的列数。
3. index: 子图的索引，从左上角开始，从左到右，从上到下依次递增。

subplot可以将figure划分为n个子图，但每条subplot命令只会创建一个子图 ，如果要绘制多个子图，可以考虑使用for 循环。

示例：

import matplotlib.pyplot as plt# plt.figure(figsize = (10,6))# 创建一个 2x2 的子图网格，并选择第一个子图进行绘制
plt.subplot(2, 2, 1)
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])# 选择第二个子图进行绘制
plt.subplot(2, 2, 2)
plt.bar(['A', 'B', 'C', 'D'], [10, 20, 15, 30])# 选择第三个子图进行绘制
plt.subplot(2, 2, 3)
plt.scatter([1, 2, 3, 4], [1, 4, 9, 16])# 选择第四个子图进行绘制
plt.subplot(2, 2, 4)
plt.pie([30, 20, 25, 25], labels=['A', 'B', 'C', 'D'])# 显示图形
plt.show()

plt.subplots()

plt.subplots() 是 Matplotlib 库中的一个函数，用于创建一个新的图形窗口并返回一个包含所有子图的 Figure 对象和 Axes 对象数组。在使用 Matplotlib 进行数据可视化时，我们通常会使用 plt.subplots() 来创建一个包含多个子图的图形窗口。

该函数的语法为：

fig, ax = plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

参数说明：

1. nrows: 子图网格的行数。
2. ncols: 子图网格的列数。
3. sharex: 是否共享x轴刻度。
4. sharey: 是否共享y轴刻度。
5. squeeze: 是否压缩返回的 Axes 数组。
6. subplot_kw: 用于创建每个子图的关键字参数。
7. gridspec_kw:用于创建子图网格的关键字参数。
8. fig_kw: 用于创建图形窗口的关键字参数。

示例：

import matplotlib.pyplot as plt# 创建一个包含2x2子图的图形窗口
fig, ax = plt.subplots(nrows=2, ncols=2)# 在第一个子图中绘制折线图
ax[0, 0].plot([1, 2, 3, 4], [1, 4, 9, 16])# 在第二个子图中绘制散点图
ax[0, 1].scatter([1, 2, 3, 4], [1, 4, 9, 16])# 在第三个子图中绘制柱状图
ax[1, 0].bar(['A', 'B', 'C', 'D'], [10, 20, 15, 30])# 在第四个子图中绘制饼图
ax[1, 1].pie([30, 20, 25, 25], labels=['A', 'B', 'C', 'D'])# 显示图形
plt.show()

plt.xticks()

plt.xticks() 是 Matplotlib 库中用于设置 x 轴刻度的函数。它允许我们自定义 x 轴上的刻度位置和标签。

该函数的语法为：

plt.xticks(ticks=None, labels=None, **kwargs)

参数说明：

1. ticks：要设置的刻度位置的列表或数组。
2. labels：与刻度位置对应的标签列表或数组。
3. **kwargs：其他关键字参数，用于控制刻度的外观样式，例如颜色、字体大小等。

在 Matplotlib 中 plt.ticks() 函数 表示的是刻度, plt.xticks() 就表示x 轴刻度，plt.yticks() 就表示y 轴刻度。plt.xticks([]) # 不显示x 轴刻度
plt.yticks([]) # 不显示y 轴刻度。

示例：

import matplotlib.pyplot as plt# 创建一个简单的折线图
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y)# 设置 x 轴刻度的位置和标签
plt.xticks([1, 2, 3, 4, 5], ['A', 'B', 'C', 'D', 'E'])# 显示图形
plt.show()

plt.xlim()

plt.xlim() 是 Matplotlib 库中用于设置 x 轴显示范围的函数。它允许我们指定 x 轴的数据范围，即设置 x 轴的最小值和最大值。

该函数的语法为：

plt.xlim(left, right)

参数说明：

1. left：x 轴的最小值。
2. right：x 轴的最大值。

在 Matplotlib中的 plt.xlim() 函数用来显示x轴的作图范围，plt.ylim() 用来显示y轴的作图范围。

示例：

import matplotlib.pyplot as plt# 创建一个简单的折线图
x = [1, 2, 3, 4, 5,7]
y = [2, 3, 5, 7, 11,16]
plt.plot(x, y)# 设置 x 轴的显示范围
plt.xlim(1, 5)# 显示图形
plt.show()