Matplotlib 折线图plot()所有用法详解

1. Matplotlib简介

Matplotlib是一个Python 2D绘图库，可以生成各种静态图形、动态图像和交互式界面。它可以与Python和NumPy一起使用，并提供了一种方便而快速的方法来可视化数据。

Matplotlib中的函数用于绘制各种图表，其中包括折线图、柱形图、条形图、饼图等。可以将其与Python的其他第三方库（如NumPy和SciPy）结合使用，以及与Python的标准图形界面工具包（如Tkinter）结合使用。你甚至可以将Matplotlib与PyQt、wxPython、PyGTK等第三方GUI工具包结合使用，以生成自己的用户界面。

2. 折线图plot()

折线图plot()是Matplotlib中最常用的函数之一。它可以绘制出一组点之间的连线，形成一条平滑的曲线。在Matplotlib中，我们可以使用plot()函数来绘制折线图。

2.1 基本用法

使用plot()函数，我们可以很方便地绘制出数据的趋势。

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([3, 2, 5, 6, 1])
# 绘制折线图
plt.plot(x, y)
# 显示图形
plt.show()

运行上述代码，我们可以得到如下的折线图：

从图中可以看出，这是一条由5个点连接而成的曲线。其中，x轴表示数据在水平方向上的分布，y轴表示数据在竖直方向上的分布。

2.2 折线图的样式设置

我们可以通过设置不同的参数，来控制折线的颜色、线宽、线型等样式。具体来说，plot()函数的参数如下：

x，y：指定绘制折线所需的数据

color：指定折线的颜色

linestyle：指定折线的线型

linewidth：指定折线的线宽

marker：指定折线上数据点的样式

下面给出一个样例，展示如何设置折线的样式：

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图
plt.plot(x, y, color='red', linestyle='--', linewidth=2, marker='o')
# 显示图形
plt.show()

在上述代码中，我们使用了NumPy库中的linspace()函数，生成了一个从0到10、有100个元素的等差数列x，将其作为x轴坐标。同时，我们用np.sin()函数生成对应的y轴坐标。

运行上述代码，我们可以得到如下的折线图：

从图中可以看出，已经成功设置了折线的样式。图中的折线为红色，线型为虚线，线宽为2个像素，数据点样式为圆圈。

2.3 折线图的多条线绘制

使用plot()函数，我们还可以同时绘制多条折线。我们只需要在调用plot()函数时，传入多组数据即可。每组数据可以使用同样的参数进行样式设置。

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.linspace(-5, 5, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
# 绘制折线图
plt.plot(x, y1, color='red', linestyle='--', linewidth=2, label='Sin')
plt.plot(x, y2, color='green', linestyle='-.', linewidth=2, label='Cos')
plt.plot(x, y3, color='blue', linestyle=':', linewidth=2, label='Tan')
# 添加图例
plt.legend()
# 显示图形
plt.show()

在上面的示例代码中，我们增加了y2和y3两组数据并分别设置了它们的样式参数。然后，我们调用plot()函数三次，分别绘制三条折线，并为每条折线设置不同的颜色、线型、线宽和标签。

此外，我们还使用了plt.legend()函数增加了图例，以使用户能够更直观地了解每个折线的含义。

运行上述代码，我们可以得到如下图形：

2.4 折线图横轴标签、纵轴标签和标题

我们可以通过使用xlabel()、ylabel()和title()函数，为折线图增加横轴标签、纵轴标签和标题。

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.linspace(-5, 5, 100)
y = np.sin(x)
# 绘制折线图
plt.plot(x, y, color='red', linestyle='--', linewidth=2)
# 添加标签和标题
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Sin function')
# 显示图形
plt.show()

在上述代码中，我们调用xlabel()和ylabel()函数为x轴和y轴添加了标签，调用title()函数为图形添加了标题。

运行上述代码，我们可以得到如下图形：

2.5 自定义坐标轴范围和刻度

在绘制折线图时，有时候我们需要自定义坐标轴的范围和刻度。我们可以通过xlim()、ylim()和xticks()、yticks()函数来实现。

2.5.1 xlim()和ylim()

xlim()和ylim()函数用于控制x轴和y轴的范围。我们可以通过传入一个包含两个元素的列表，来指定所需的范围。

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.linspace(-5, 5, 100)
y = np.sin(x)
# 绘制折线图
plt.plot(x, y, color='red', linestyle='--', linewidth=2)
# 自定义坐标轴范围
plt.xlim([-3, 3])
plt.ylim([-1, 1])
# 显示图形
plt.show()

在上述代码中，我们调用xlim()和ylim()函数，将自定义的坐标轴范围（x轴为-3到3，y轴为-1到1）传入进去。

运行上述代码，我们可以得到如下图形：

2.5.2 xticks()和yticks()

xticks()和yticks()函数用于控制x轴和y轴的刻度。我们可以通过传入一个包含数值的列表，来设置所需的刻度值。

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.linspace(-5, 5, 100)
y = np.sin(x)
# 绘制折线图
plt.plot(x, y, color='red', linestyle='--', linewidth=2)
# 自定义坐标轴刻度
plt.xticks([-4, -2, 0, 2, 4])
plt.yticks([-1, -0.5, 0, 0.5, 1])
# 显示图形
plt.show()

在上述代码中，我们调用xticks()和yticks()函数，将自定义的坐标轴刻度（x轴为-4、-2、0、2、4，y轴为-1、-0.5、0、0.5、1）传入进去。

运行上述代码，我们可以得到如下图形：

2.6 折线图添加注释和箭头

在绘制折线图时，我们可能需要添加注释或者箭头，以便更好地说明数据的特征。可是如何在Matplotlib中添加注释和箭头呢？

我们可以使用annotate()函数来添加注释和箭头。该函数的参数如下：

s：注释内容

xy：被注释点的坐标

xytext：注释文本的坐标

arrowprops：箭头的属性

下面给出一个样例，展示如何添加注释和箭头：

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图
plt.plot(x, y, color='red', linestyle='--', linewidth=2)
# 添加注释和箭头
plt.annotate('Local max', xy=(3, 1), xytext=(5, 1.2), 
             arrowprops=dict(facecolor='black', shrink=0.05))
# 显示图形
plt.show()

在上述代码中，我们使用了annotate()函数，将注释和箭头添加在了图形上。其中，注释内容为“Local max”，被注释点的坐标为(3,1)，注释文本的坐标为(5,1.2)。另外，我们还使用arrowprops参数，为箭头增加了黑色的颜色和收缩因子0.05。

运行上述代码，我们可以得到如下图形：

2.7 折线图的其他高级用法

除了上述基本用法以外，plot()函数还有一些其他的高级用法。下面呈现一些Matplotlib的高级绘图技巧，以帮助您更好地使用该库。

2.7.1 绘制高级曲线

在Matplotlib的plot()函数中，我们可以使用一些高级参数，来控制绘制的曲线。这些参数包括Angle（旋转角度）、Antialiased（消除边缘锯齿）和Capstyle（线端样式）等。

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)
# 绘制高级曲线
plt.plot(x, y, color='red', linewidth=2, alpha=0.5, linestyle=':', marker='o', 
         markersize=8, markeredgecolor='black', markeredgewidth=1, label='Sin curve')
# 添加图例
plt.legend()
# 显示图形
plt.show()

在上述代码中，我们设置了绘制曲线的参数，包括alpha（透明度）、linestyle（线型）、marker（标记样式）等。此外，我们还使用了legend()函数添加了图例。

运行上述代码，我们可以得到如下图形：

2.7.2 绘制多彩线段

在Matplotlib的plot()函数中，我们可以使用colormap（颜色表）参数，将曲线的颜色设置为一种连续的颜色。在某些场合下，多彩线段可以让数据更加直观。

import matplotlib.pyplot as plt

import numpy as np
t = np.arange(0.0, 5.0, 0.2)
# 绘制多彩线段
plt.plot(t, t, 'r--', t, t ** 1.5, 'bs', t, t ** 2, 'g^')
# 显示图形
plt.show()

在上述代码中，我们使用了三组数据，并将颜色设置为了红色、蓝色和绿色。来看看运行后的效果，会发现曲线的颜色出现了连续变化，显得更加生动。

运行上述代码，我们可以得到如下图形：

2.7.3 绘制带误差的折线图

在某些情况下，我们需要绘制带有误差条的折线图，以展示数据的不确定性。在Matplotlib中，我们可以使用errorbar()函数来绘制这样的图形。

import matplotlib.pyplot as plt

import numpy as np
# 生成数据
x = np.linspace(0, 4 * np.pi, 10)
y = np.sin(x)
# 生成误差条
error = np.random.rand(10)
# 绘制带误差的折线图
plt.errorbar(x, y, yerr=error, fmt='o', color='