超详解matplotlib中的折线图方法plot()

 import pandas as pd   
import numpy as np  
import matplotlib.pyplot as plt  
import matplotlib  
1.
2.
3.
4.

# data  
X = [8,3,5,'t'] # 会按顺序【0,1,2,3】被定位在x轴的刻度上  
Y = [1,2,3,4]  
plt.plot(X,Y,marker = 'o',c='g')  
ax = plt.gca()  
print('x轴刻度：',plt.xticks())  #list  
xticklabels_lst = ax.get_xticklabels()  
print('-'*70) 
1.
2.
3.
4.
5.
6.
7.
8.

print('x轴刻度标签：',list(xticklabels_lst))  #是个文本标签 
1.

# data  
X = [8,3,5,1] # 会按数字【8，3,5,1】被定位在x轴的刻度上  
Y = [1,2,3,4]  
plt.plot(X,Y,marker = 'o',c='g')  
ax = plt.gca()  
print('x轴刻度：',plt.xticks()) # array  
xticklabels_lst = ax.get_xticklabels()  
print('-'*70) 
1.
2.
3.
4.
5.
6.
7.
8.

print('x轴刻度标签：',list(xticklabels_lst))  #是个按序号排列的文本标签 
1.

# data  
X1 = [8,3,5,'t']  
X2 = [8,3,5,1]  
Y = [1,2,3,4]  
plt.plot(X2,Y,marker = 'o',c='r')  
plt.plot(X1,Y,marker = 'o',c='g')  
ax = plt.gca()  
print('x轴刻度：',plt.xticks())  
xticklabels_lst = ax.get_xticklabels()  
print('-'*70) 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

print('x轴刻度标签：',list(xticklabels_lst))  
1.

#返回一个空列表  
plt.plot() 
1.
2.

#提供一个数（点）  
plt.plot(4.5,marker='o') 
1.
2.

#提供一个数字序列  
plt.plot([4.5,2,3],marker='o') 
1.
2.

# x/y 为序列  
plt.plot([2,1,3],[0.5,2,2.5],marker='o') 
1.
2.

# x/y 为标量  
plt.plot(2,['z'],marker = 'o')  
1.
2.

# plt.plot(2,'z',marker = 'o') #Unrecognized character z in format string 
1.

# y 为标量   
plt.plot(2,'r',marker = 'o')  
1.
2.

# y 为序列  
plt.plot([2,1,3],'r--*')  
1.
2.

plt.plot([2,1,3],[0.5,2,2.5],'p--g',  
#          marker='o'  
         markersize = 15  
        ) 
1.
2.
3.
4.

# fmt不写，或者‘’，则使用默认样式  
plt.plot([2,1,3],[0.5,2,2.5],'',  
#          marker='o'  
         markersize = 15  
        ) 
1.
2.
3.
4.
5.

# marker = None 表示不做设置  
plt.plot([2,2.5,1]) 
1.
2.

plt.plot([2,2.5,1],'o') 
1.

plt.plot([2,2.5,1],'o-') 
1.

plt.plot([2,1,3],'bo--') 
1.

# 6种组合  
# [color][marker][line],3种任意组合为6种可能  
# b :蓝色  
# o: 圆圈标记  
# --：虚线  
fmt = ['bo--','b--o','ob--','o--b','--bo','--ob']  
for i in range(len(fmt)):  
    plt.subplot(2,3,i+1)  
    plt.plot([2,1,3],fmt[i])   
# 结论：[color][marker][line]，每个都是可选的，每个属性可以选择写或者不写  
# 而且与组合中它们所在的位置顺序无关 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.

# 包含：(颜色除外）  
# 线的样式、线的宽度  
# linestyle or ls: {'-', '--', '-.', ':', '', }  
# linewidth or lw: float  
ls_lst = ['-', '--', '-.', ':',]   
lw_lst = [1,3,5,7]  
for i in range(len(ls_lst)):  
    plt.plot([1,2,3,4],[i+1]*4,ls_lst[i],lw = lw_lst[i]) 
1.
2.
3.
4.
5.
6.
7.
8.

# 包含：  
'''  
marker: marker style  
#边框（颜色及边框粗细）  
markeredgecolor or mec: color  
markeredgewidth or mew: float  
#面颜色  
markerfacecolor or mfc: color  
markerfacecoloralt or mfcalt: color  #备用标记颜色  
#标记的大小  
markersize or ms: float  
markevery: None or int or (int, int) or slice or List[int] or float or (float, float)  
'''  
# linestyle = None 表示不做设置，以默认值方式  
# linestyle = ''  linestyle = 'none' 表示无格式，无线条  
plt.plot([4,2,1,3],linestyle = 'none',   
         marker = 'o',  
         markersize = 30,  
         # edge  
         markeredgecolor = 'r',  
         markeredgewidth = 5,  
         # face   
         markerfacecolor = 'g',  
#          markerfacecolor = 'none',  
#          markerfacecolor = None,  
        ) 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.

'''  
标记点是覆盖在线条的上面，位于上层  
图层层次：[top]  spines > marker > line > backgroud  [bottom]  
spines：轴的4个边框  
spines 将线条图围在里面  
'''  
plt.plot([1,5,3,4],   
         marker = 'o',  
         markersize = 20,  
         # edge  
         markeredgecolor = 'r',  
         markeredgewidth = 5,  
         # face   
         markerfacecolor = 'w',    # 白色，与背景色相同，把线条覆盖着，营造空心的视觉效果  
#          markerfacecolor = 'none', # 无色，透明，会看到线条  
#          markerfacecolor = None, # 不设置，默认颜色  
        )  
# markerfacecolor = ' ', # 无法识别  
# markerfacecolor = '', # 无法识别 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.

#字典数据  
d = {'name':list('abcd'),'age':[22,20,18,27]}  
plt.plot('name','age',ddata = d) 
1.
2.
3.

#DataFrame数据  
d = {'name':list('abcd'),'age':[22,20,18,27]}  
df = pd.DataFrame(d) 
df 
1.
2.
3.
4.

plt.plot('name','age',data = df) 
1.