PS:最近刚好用到Matlplotlib数据可视化，顺便对一些常用的函数做一下总结。🍥🍥
绘制单张数据图
import matplotlib.pyplot as plt
# 后续默认已经调用过库
plt.plot([1,2,3,8,6,9])
将多个数据放在同一个表格中
plt.plot([1,2,3,8,6,9])
plt.plot([1,3,9,6,2,0])
加入标签
plt.plot([1,2,3,8,6,9],label=1)
plt.plot([1,3,9,6,2,0],label=2)
plt.legend()
-
🌚如果不加入
plt.legend()图片中无法显示标签，并且可以通过调整参数更改绘制的位置。同时，也可以将标签放到统计图的外侧。 -
🍪在结束绘制时记得添加
plt.close(),否则就会把图像全部画在同一张图片里。plt.cla()、plt.clf()、plt.close()之间的区别可以参考
在统计图中绘制辅助线
plt.plot([1,2,3,8,6,9],label=1)
plt.plot([1,3,9,6,2,0],label=2)
plt.axvline(3,linestyle='dashed') # 绘制竖直辅助线
plt.axhline(3,linestyle='dashed') # 绘制水平参考线
plt.legend()
显示图片是可以使用plt.show()
保存绘制的图像plt.savefig('保存路径及文件名')，可以添加参数设置保存图像的质量
在一个窗口中显示多个表格
plt.subplot(2,1,1) # 在窗口1行1列绘制图像
plt.plot([1,2,3,8,6,9])
plt.subplot(2,1,2) # 在窗口2行1列绘制图像
plt.plot([1,3,9,6,2,0])
plt.close()
引用
Python_matplotlib画图时图例说明(legend)放到图像外侧
matplotlib之清理、清除 axes 和 figure （plt.cla、plt.clf、plt.close）