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。
Matplotlib基础知识
1.Matplotlib中的基本图表包括的元素
x轴和y轴
水平和垂直的轴线
x轴和y轴刻度
刻度标示坐标轴的分隔，包括最小刻度和最大刻度
x轴和y轴刻度标签
表示特定坐标轴的值
绘图区域
实际绘图的区域
2.hold属性
hold属性默认为True，允许在一幅图中绘制多个曲线;将hold属性修改为False，每一个plot都会覆盖前面的plot。
但是目前不推荐去动hold这个属性，这种做法(会有警告)。因此使用默认设置即可。
3.网格线
grid方法
使用grid方法为图添加网格线
设置grid参数(参数与plot函数相同)
.lw代表linewidth，线的粗细
.alpha表示线的明暗程度
4.axis方法
如果axis方法没有任何参数，则返回当前坐标轴的上下限
5.xlim方法和ylim方法
除了plt.axis方法，还可以通过xlim，ylim方法设置坐标轴范围
6.legend方法
两种传参方法:
【推荐使用】在plot函数中增加label参数
在legend方法中传入字符串列表
配置matplotlib参数
永久配置
matplotlib配置信息是从配置文件读取的。在配置文件中可以为matplotlib的几乎所有属性指定永久有效的默认值
安装级配置文件(Per installation configuration file)
二、
一、Numpy库
Numpy是什么
numpy很简单，Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。
数组常用函数
1.where()
按条件返回数组的索引值
2.take(a,index)
从数组a中按照索引index取值
3.linspace(a,b,N)
返回一个在(a,b)范围内均匀分布的数组，元素个数为N个
4.a.fill()
将数组的所有元素以指定的值填充
5.diff(a)
返回数组a相邻元素的差值构成的数组
6.sign(a)
返回数组a的每个元素的正负符号
7.piecewise(a,[condlist],[funclist])
数组a根据布尔型条件condlist返回对应元素结果
8.a.argmax(),a.argmin()
返回a最大、最小元素的索引
改变数组维度
a.ravel(),a.flatten():
将数组a展平成一维数组
a.shape=(m,n),a.reshape(m,n):
将数组a转换成m*n维数组
3.a.transpose,a.T
转置数组a
数组组合
1.hstack((a,b)),concatenate((a,b),axis=1)
将数组a,b沿水平方向组合
2.vstack((a,b)),concatenate((a,b),axis=0)
将数组a,b沿竖直方向组合
3.row_stack((a,b))
将数组a,b按行方向组合
4.column_stack((a,b))
将数组a,b按列方向组合
数组分割
1.split(a,n,axis=0),vsplit(a,n)
将数组a沿垂直方向分割成n个数组
2.split(a,n,axis=1),hsplit(a,n)
将数组a沿水平方向分割成n个数组
数组修剪和压缩
1.a.clip(m,n)
设置数组a的范围为(m,n),数组中大于n的元素设定为n,小于m的元素设定为m
2.a.compress()
返回根据给定条件筛选后的数组
数组属性
1.a.dtype
数组a的数据类型
2.a.shape
数组a的维度
3.a.ndim
数组a的维数
4.a.size
数组a所含元素的总个数
5.a.itemsize
数组a的元素在内存中所占的字节数
6.a.nbytes
整个数组a所占的内存空间
7.a.astype(int)
转换a数组的类型为int型
数组计算
1.average(a,weights=v)
对数组a以权重v进行加权平均
2.mean(a),max(a),min(a),middle(a),var(a),std(a)
数组a的均值、最大值、最小值、中位数、方差、标准差
3.a.prod()
数组a的所有元素的乘积
4.a.cumprod()
数组a的元素的累积乘积
5.cov(a,b),corrcoef(a,b)
数组a和b的协方差、相关系数
6.a.diagonal()
查看矩阵a对角线上的元素
7.a.trace()
计算矩阵a的迹，即对角线元素之和
三、应用
绘制雷达图
1、首先先下载pandas
2、然后插入代码并运行
import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams[‘font.sans-serif‘] = [‘KaiTi‘] labels = np.array([u‘第一周‘, u‘第二周‘, u‘第三周‘,u‘第四周‘,u‘第五周‘,u‘第六周‘]) # 标签 dataLenth = 6 data_radar = np.array([100,90.9,100,80,100,90]) angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False) data_radar = np.concatenate((data_radar, [data_radar[0]])) angles = np.concatenate((angles, [angles[0]])) plt.polar(angles, data_radar, ‘bo-‘, linewidth=1) plt.thetagrids(angles * 180/np.pi, labels) plt.fill(angles, data_radar, facecolor=‘r‘, alpha=0.25) plt.ylim(0, 100) plt.title(u‘鄞思丹的成绩表‘) plt.show()
原文：https://www.cnblogs.com/ysd973/p/10759850.html