Matplotlib可视化教学讲解课件

第9章Matplotlib可视化目录

9.1Matplotlib简介与安装9.1.1Matplotlib简介9.1.2Matplotlib安装9.2基础语法和常用设置9.2.1绘图流程9.2.2布局设置9.2.3画布创建9.2.4参数设置9.3基础图形绘制9.3.1折线图9.3.2直方图9.3.3饼状图9.3.4箱形图9.3.5散点图9.3.6三维图第9章Matplotlib可视化1第9章Matplotlib可视化

Matplotlib的功能和MATLAB中画图的功能十分类似。MATLAB画图的流程相对复杂，而使用Python中的Matplotlib画图则非常方便。Matplotlib是Python中的一个包，主要用于绘制2D图形（也可以绘制3D图像），在数据分析领域占据很重要的地位。另外，它还具备丰富的扩展性能，能实现更强大的功能。9.1Matplotlib简介与安装9.1.1Matplotlib简介Matplotlib是Python中一个优秀的数据可视化第三方库，有超过100种数据可视化显示效果，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib，开发者可以仅需要几行代码，便可以生成直方图、饼状图、条形图、散点图等多种不同形式的绘图。作为入门级别的一款可视化工具，Matplotlib具有如下特性：第9章Matplotlib可视化Matplotli29.1Matplotlib简介与安装9.1.1Matplotlib简介

支持交互式和非交互式绘图；

可将图像保存成PNG、PS等多种图像格式；

支持曲线（折线）图、条形图、柱状图、饼状图；

图形可配置；

跨平台，支持Linux、Windows、MacOSX与Solaris；Matplotlib的绘图函数与MATLAB的绘图函数名字相似，迁移学习的成本比较低；

支持LaTeX的公式插入。

在Matplotlib中，有两种不同的绘图方法。9.1Matplotlib简介与安装9.1.1Ma39.1Matplotlib简介与安装9.1.1Matplotlib简介1．函数式绘图

在matplotlib.pyplot中已经封装好大量的常用函数，用户可以直接调用函数进行绘图。我们经常将matplotlib.pyplot取别名为plt。plt中主要定义以下两类函数。

①操作函数：对画布、图、子图、坐标轴、图例、背景、网格等操作。

②绘图函数：折线图、散点图、条形图、直方图、饼状图等特定图的绘制函数。

函数式绘图适合于新手，无须了解内部的对象问题。它对操作性的要求不是很高，主要针对定制性不强的绘图。常用函数如表9-1所示。9.1Matplotlib简介与安装9.1.1M49.1Matplotlib简介与安装9.1.1Matplotlib简介

表9-1常用函数绘图函数操作函数bar()：制作条形图axes()：坐标轴的范围boxplot()：制作一个盒子和胡须图grid()：配置网格线fill()：绘制填充多边形图legend()：在坐标轴上放置图例hist()：绘制直方图margins()：设置绘图到框的边距magnitude_spectrum()：绘制幅度谱图subplot()：在当前图中添加子图phase_spectrum()：绘制相位谱图text()：向坐标轴添加文本scatter()：绘制散点图xticks()或yticks()：获取或设置当前刻度线位置和坐标轴标签pie()：绘制饼状图title()：设置坐标轴的标题plot()：绘制折线图xlabel()或ylabel()：设置坐标轴标签plot_date()：绘制包含日期的数据图xscale()或yscale()：设置坐标轴刻度9.1Matplotlib简介与安装9.1.1M53.OSPF的LSA类型5.1OSPF相关知识回顾3.OSPF的LSA类型5.1OSPF相关知识回顾65.1OSPF相关知识回顾5.1OSPF相关知识回顾7当OSPF网络规模较大时，配置路由聚合，可以有效减少路由表中的条目，减小对系统资源的占用，不影响系统的性能。此外，如果被聚合的IP地址范围内的某条链路频繁Up和Down，该变化并不会通告到被聚合的IP地址范围外的设备。因此，可以避免网络中的路由震荡，在一定程度上提高了网络的稳定性。ABR向其它区域发送路由信息时，以网段为单位生成Type3LSA。当区域中存在连续的网段（具有相同前缀的路由信息）时，可以通过abr-summary命令将这些网段聚合成一个网段，ABR向其他区域只发送一条聚合后的LSA，所有指定的聚合网段范围的LSA将不会再被单独发送。从而减小路由表的规模，提高路由器的性能。5.2OSPF路由聚合当OSPF网络规模较大时，配置路由聚合，可以有效减少路由表中81.配置ABR路由聚合步骤2.配置ASBR路由聚合步骤3.配置OSPF路由聚合配置OSPF手动路由聚合，在一个OSPF自治系统中ABR与ASBR的配置情况，路由器AR1、AR2运行在骨干Area0区域，路由器AR2、AR3运行在Area1区域中，路由器AR2为ABR路由器，路由器AR3为ASBR路由器，在路由器AR3端口GE0/0/0与GE0/0/2进行手动路由聚合，实现将150.1.1.0/24与150.1.2.0/24汇总成一条150.1.0.0/16路由引入到OSPF中，相关端口与IP地址配置，如图4.5所示，进行网络拓扑连接。5.2OSPF路由聚合1.配置ABR路由聚合步骤5.2OSPF路由聚合9OSPF认证主要是为了安全，比如你网络中所有路由都启了OSPF，如果在这个拓扑环境中，某人想学习你这个OSPF网络中的路由信息，就在其中一个节点又连了一个路由器，并且也启了OSPF，那么如果你OSPF网络中没有配置加密，这台路由就会轻易的学习到其他所有路由器的信息。这是极不安全的，所以通常我们会启动加密认证来管理OSPF网络。5.3.1OSPF认证方式1.区域认证方式2.端口认证方式5.3.2.配置OSPF区域认证方式1.区域认证2.端口认证5.3OSPF区域认证方式配置OSPF认证主要是为了安全，比如你网络中所有路由都启了OSP105.4.1OSPF虚连接配置我们知道在OSPF协议中要求每个区域与骨干区域（Area0）必须直接相连，但是实际组网中，网络情况非常的复杂，有时候在划分区域时，无法保证每个区域都满足这个要求。这个时候我们就需要使用虚链接（VirtualLink）技术来解决这个问题。虚连接是指在两台ABR之间，穿过一个非骨干区域（也称为转换区域，TransitArea），建立的一条逻辑上的连接通道（须在两端的ABR上同时配置）。配置OSPF虚连接，相关端口与IP地址配置，如图5.6所示，进行网络拓扑连接，Area2没有与骨干区域直接相连。Area1被用作传输区域（TransitArea）来连接Area2和Area0。AR1和AR2之间配置一条虚连接。5.4OSPF的特殊区域配置5.4.1OSPF虚连接配置5.4OSPF的特殊区域配置119.1Matplotlib简介与安装9.1.2Matplotlib安装Matplotlib的安装非常简单，本节主要介绍在Windows平台上安装Matplotlib的方法。可以直接通过pip工具来进行在线安装，命令如下：

输入命令后，开始下载并安装Matplotlib。由于Matplotlib在安装时有一些依赖库的关联，因此pip工具将联网自动下载安装相关的包。当安装完成后，自动退出安装环境，并提示【Successfullyinstalledmatplotlib***】。如果输入命令后，提示【Requiredalreadysatisfied…】，说明此时已经安装过Matplotlib，无须再次进行安装。>pipinstallmatplotlib9.1Matplotlib简介与安装9.1.2M129.2基础语法和常用设置

9.2.1绘图流程

在Matplotlib中，大部分的图形绘制都遵循以下流程，使用这个流程可以完成大部分图形的绘制。

①导入Matplotlib库。导入Matplotlib库是使用Matplotlib的第一步，即importmatplotlib.pyplotasplt。

②创建Figure画布对象。如果绘制一个简单的小图形，可以不设置Figure对象，使用默认创建的Figure对象，也可以显式地创建Figure对象。

如果一张Figure画布上，需要绘制多个图形，那么就必须显式地创建Figure对象。然后得到每个位置上的Axes对象，进行对应位置上的图形绘制。

③根据Figure对象进行布局设置。此处的布局设置与用户的需求有关，可以适当省略此步。9.2基础语法和常用设置

9.2.1绘图流程139.2基础语法和常用设置9.2.1绘图流程

④调用Figure对象，进行对应位置的图形绘制。此时传入数据，进行绘图。对于图形的一些细节设置，都在此步中进行。

⑤设置其他参数。

⑥显示图形。使用show()完成图形的显示。

在上述步骤中，第①、③、④、⑥步是必须存在的，而第②、⑤步是可以省略或者自定义的。其中，第①、⑥步都仅包含1条语句，本节不再赘述；第④步是具体的绘制过程，即整个可视化流程的核心，这部分内容将在9.2节和9.3节详细介绍；本节将重点介绍第②、③、⑤步的实现方法。9.2基础语法和常用设置9.2.1绘图流程149.2基础语法和常用设置9.2.2布局设置

在使用Matplotlib绘制图形时，布局设置是不可或缺的重要环节，也是绘图的主体部分。布局设置可以简单理解为向画布中添加内容，如添加标题、坐标轴名称和范围、图例名称等。需要说明的是，布局设置和图形的绘制过程是并列的步骤，二者并没有先后顺序，可以先绘制图形，也可以先进行布局设置（图例设置除外）。Matplotlib中添加各类标签和图例的函数如表9-2所示。9.2基础语法和常用设置9.2.2布局设置159.2基础语法和常用设置9.2.2布局设置

表9-2添加各类标签和图例的函数

需要说明的是，如果需要对当前图形设置图例信息，则必须在绘制完成之后再添加图例信息，反之则无法观察到正常的运行结果。函数名称函数作用plt.title在当前的图形中添加标题plt.xlabel在当前的图形中添加x轴名称plt.ylabel在当前的图形中添加y轴名称plt.xlim指定当前的图形中x轴的范围，只能是数值区间plt.ylim指定当前的图形中y轴的范围，只能是数值区间plt.xticks指定当前的图形中x轴刻度的数目与取值plt.yticks指定当前的图形中y轴刻度的数目与取值plt.legend在当前的图形中添加图例，可以指定图例的大小、位置和标签9.2基础语法和常用设置9.2.2布局设置函数名169.2基础语法和常用设置9.2.3画布创建Matplotlib可以把很多张图画在一个显示界面中，这就涉及需要将面板切分成一个一个子图，这在进行对比分析时非常有用。9.2.4参数设置Matplotlib使用rc配置文件来自定义图像的各种默认属性，称之为rc配置或rc参数。在Matplotlib中，几乎所有的属性都可以为空值，如视图窗口的大小、分辨率、线宽、颜色、样式、坐标轴和网格属性等。9.2基础语法和常用设置9.2.3画布创建179.3基础图形绘制Matplotlib库提供了许多不同种类图形的函数式绘图方法。由于每类图形的特点和适用范围不同，本节将重点介绍适用于数据分析与计算的图形绘制方案。9.3.1折线图

折线图（LineChart）是一种将数据点按照顺序连接起来的图形。它可以看作是散点图按照x轴坐标顺序连接起来的图形。

折线图的适用场景是：由于可以显示随时间（根据常用比例设置）而变化的连续数据，因此适用于显示在相等时间间隔下数据变化的趋势。由于折线图很容易反映数据变化的趋势，因此折线图还适合二维的大数据集和多个二维数据集的比较。9.3基础图形绘制Matplotlib库提供了许多不189.3基础图形绘制9.3.2直方图

直方图（Histogram）又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段来表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。直方图是数值型数据分布的精确图形表示。

直方图的适用场合是二维数据集（每个数据点包括x和y两个值），但只有一个维度需要比较，用于显示一段时间内的数据变化或显示各项之间的比较情况。另外，也适用于枚举型数据，比如地域之间的关系，数据之间没有必然的连续性。

直方图的优势：直方图利用柱的高度反映数据的差异，肉眼对高度差异很敏感。

直方图的劣势：只适用中小规模的数据集。9.3基础图形绘制9.3.2直方图199.3基础图形绘制9.3.3饼状图

饼状图是将各项数据点显示在一张图中，以饼的大小确定每一项的占比。饼状图可以轻松显示一个数据系列中各项的大小与各项总和的比例。

饼状图的适用场景：常用于统计学模型，可以显示各项的大小与各项总和的比例；也适用于简单的占比比例图，在不要求数据精细的情况使用。

饼状图的优势：明确显示数据的比例情况。

饼状图的劣势：不显示具体的数值，只显示占比情况。9.3基础图形绘制9.3.3饼状图209.3基础图形绘制9.3.3饼状图

设计饼状图的数据源，需要满足以下要求：

仅有一个要绘制的数据系列；

要绘制的数值没有负值；

要绘制的数值几乎没有零值；

类别数目无限制；

各类别分别代表整个饼状图的一部分；

各个部分需要标注百分比。9.3基础图形绘制9.3.3饼状图219.3基础图形绘制9.3.4箱形图

箱形图（Boxplot）又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况的统计图。绘制时，使用常用的统计量，能提供有关数据位置和分散情况的关键信息，尤其在比较不同的母体数据时更可表现其差异。

箱形图主要标识了每条线表示的含义，其中应用到了分位数的概念。将一组数据从大到小排列，分别计算出其上边缘、上四分位数、中位数、下四分位数、下边缘及异常值。

箱形图的适用场景：观察数据的总体状态，识别数据中的异常值。

箱形图的优势：相关统计点都可以通过百分位计算方法实现，直观明了地识别数据中的异常值、判断数据的偏态和尾重。9.3基础图形绘制9.3.4箱形图229.3基础图形绘制9.3.5散点图

散点图是指在数理统计回归分析中，数据点在直角坐标系平面上的分布图。散点图表示因变量随自变量变化的大致趋势，由此趋势可以选择合适的函数进行经验分布的拟合，进而找到变量之间的函数关系。

常见的散点图主要包括二维散点图、三维散点图和ArcGIS散点图，主要用于提供以下关键信息：

变量之间是否存在数量关联趋势；

如果存在关联趋势，是线性还是曲线的；

如果有某一个点或者某几个点偏离大多数点，也就是离群值，通过散点图可以一目了然，从而可以进一步分析这些离群值是否可能在建模分析中对总体产生很大影响。9.3基础图形绘制9.3.5散点图23Matplotlib可视化教学讲解课件24Matplotlib可视化教学讲解课件259.3基础图形绘制9.3.6三维图

三维图（3D）也称为立体图。三维图与二维图的区别是：二维图只展示平面效果，没有立体感，而三维图则体现立体形状，赋予了物体灵动的感觉。

三维图的适用场景：应用在以数字化、可视化、智能化、网络化、集成化理念为目标的场景中，例如，楼宇、粮仓、港口、城市、消防预案、安防管理等场地。

三维图的优势：利用三维可视化技术可实现全面的数据集成、信息直观可视化，提升集成运作效率和扁平化管理。

三维图的劣势：涉及技术较复杂，不适用于初学者。9.3基础图形绘制9.3.6三维图26本章小结

本章详细介绍了Matplotlib简介与安装、基础语法和常用设置、基础图形绘制等内容。此外，针对具体的可视化过程，本章还提供了对应的实例，对数据可视化的需求和思路进行剖析，并给出了代码的分析和实现过程。其中，基础语法和常用设置、基础图形绘制等内容是本章的重点。

在Matplotlib简介与安装中，介绍了Matplotlib可视化的原理和常用方法、Matplotlib的安装方法。

在基础语法和常用设置中，详细介绍了绘图流程、布局设置、画布创建、参数设置的方案，并通过实例介绍每种设置的具体配置方法。本章小结本章详细介绍了Matplotlib简介与27第9章Matplotlib可视化目录

9.1Matplotlib简介与安装9.1.1Matplotlib简介9.1.2Matplotlib安装9.2基础语法和常用设置9.2.1绘图流程9.2.2布局设置9.2.3画布创建9.2.4参数设置9.3基础图形绘制9.3.1折线图9.3.2直方图9.3.3饼状图9.3.4箱形图9.3.5散点图9.3.6三维图第9章Matplotlib可视化28第9章Matplotlib可视化

Matplotlib的功能和MATLAB中画图的功能十分类似。MATLAB画图的流程相对复杂，而使用Python中的Matplotlib画图则非常方便。Matplotlib是Python中的一个包，主要用于绘制2D图形（也可以绘制3D图像），在数据分析领域占据很重要的地位。另外，它还具备丰富的扩展性能，能实现更强大的功能。9.1Matplotlib简介与安装9.1.1Matplotlib简介Matplotlib是Python中一个优秀的数据可视化第三方库，有超过100种数据可视化显示效果，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib，开发者可以仅需要几行代码，便可以生成直方图、饼状图、条形图、散点图等多种不同形式的绘图。作为入门级别的一款可视化工具，Matplotlib具有如下特性：第9章Matplotlib可视化Matplotli299.1Matplotlib简介与安装9.1.1Matplotlib简介

支持交互式和非交互式绘图；

可将图像保存成PNG、PS等多种图像格式；

支持曲线（折线）图、条形图、柱状图、饼状图；

图形可配置；

跨平台，支持Linux、Windows、MacOSX与Solaris；Matplotlib的绘图函数与MATLAB的绘图函数名字相似，迁移学习的成本比较低；

支持LaTeX的公式插入。

在Matplotlib中，有两种不同的绘图方法。9.1Matplotlib简介与安装9.1.1Ma309.1Matplotlib简介与安装9.1.1Matplotlib简介1．函数式绘图

在matplotlib.pyplot中已经封装好大量的常用函数，用户可以直接调用函数进行绘图。我们经常将matplotlib.pyplot取别名为plt。plt中主要定义以下两类函数。

①操作函数：对画布、图、子图、坐标轴、图例、背景、网格等操作。

②绘图函数：折线图、散点图、条形图、直方图、饼状图等特定图的绘制函数。

函数式绘图适合于新手，无须了解内部的对象问题。它对操作性的要求不是很高，主要针对定制性不强的绘图。常用函数如表9-1所示。9.1Matplotlib简介与安装9.1.1M319.1Matplotlib简介与安装9.1.1Matplotlib简介

表9-1常用函数绘图函数操作函数bar()：制作条形图axes()：坐标轴的范围boxplot()：制作一个盒子和胡须图grid()：配置网格线fill()：绘制填充多边形图legend()：在坐标轴上放置图例hist()：绘制直方图margins()：设置绘图到框的边距magnitude_spectrum()：绘制幅度谱图subplot()：在当前图中添加子图phase_spectrum()：绘制相位谱图text()：向坐标轴添加文本scatter()：绘制散点图xticks()或yticks()：获取或设置当前刻度线位置和坐标轴标签pie()：绘制饼状图title()：设置坐标轴的标题plot()：绘制折线图xlabel()或ylabel()：设置坐标轴标签plot_date()：绘制包含日期的数据图xscale()或yscale()：设置坐标轴刻度9.1Matplotlib简介与安装9.1.1M323.OSPF的LSA类型5.1OSPF相关知识回顾3.OSPF的LSA类型5.1OSPF相关知识回顾335.1OSPF相关知识回顾5.1OSPF相关知识回顾34当OSPF网络规模较大时，配置路由聚合，可以有效减少路由表中的条目，减小对系统资源的占用，不影响系统的性能。此外，如果被聚合的IP地址范围内的某条链路频繁Up和Down，该变化并不会通告到被聚合的IP地址范围外的设备。因此，可以避免网络中的路由震荡，在一定程度上提高了网络的稳定性。ABR向其它区域发送路由信息时，以网段为单位生成Type3LSA。当区域中存在连续的网段（具有相同前缀的路由信息）时，可以通过abr-summary命令将这些网段聚合成一个网段，ABR向其他区域只发送一条聚合后的LSA，所有指定的聚合网段范围的LSA将不会再被单独发送。从而减小路由表的规模，提高路由器的性能。5.2OSPF路由聚合当OSPF网络规模较大时，配置路由聚合，可以有效减少路由表中351.配置ABR路由聚合步骤2.配置ASBR路由聚合步骤3.配置OSPF路由聚合配置OSPF手动路由聚合，在一个OSPF自治系统中ABR与ASBR的配置情况，路由器AR1、AR2运行在骨干Area0区域，路由器AR2、AR3运行在Area1区域中，路由器AR2为ABR路由器，路由器AR3为ASBR路由器，在路由器AR3端口GE0/0/0与GE0/0/2进行手动路由聚合，实现将150.1.1.0/24与150.1.2.0/24汇总成一条150.1.0.0/16路由引入到OSPF中，相关端口与IP地址配置，如图4.5所示，进行网络拓扑连接。5.2OSPF路由聚合1.配置ABR路由聚合步骤5.2OSPF路由聚合36OSPF认证主要是为了安全，比如你网络中所有路由都启了OSPF，如果在这个拓扑环境中，某人想学习你这个OSPF网络中的路由信息，就在其中一个节点又连了一个路由器，并且也启了OSPF，那么如果你OSPF网络中没有配置加密，这台路由就会轻易的学习到其他所有路由器的信息。这是极不安全的，所以通常我们会启动加密认证来管理OSPF网络。5.3.1OSPF认证方式1.区域认证方式2.端口认证方式5.3.2.配置OSPF区域认证方式1.区域认证2.端口认证5.3OSPF区域认证方式配置OSPF认证主要是为了安全，比如你网络中所有路由都启了OSP375.4.1OSPF虚连接配置我们知道在OSPF协议中要求每个区域与骨干区域（Area0）必须直接相连，但是实际组网中，网络情况非常的复杂，有时候在划分区域时，无法保证每个区域都满足这个要求。这个时候我们就需要使用虚链接（VirtualLink）技术来解决这个问题。虚连接是指在两台ABR之间，穿过一个非骨干区域（也称为转换区域，TransitArea），建立的一条逻辑上的连接通道（须在两端的ABR上同时配置）。配置OSPF虚连接，相关端口与IP地址配置，如图5.6所示，进行网络拓扑连接，Area2没有与骨干区域直接相连。Area1被用作传输区域（TransitArea）来连接Area2和Area0。AR1和AR2之间配置一条虚连接。5.4OSPF的特殊区域配置5.4.1OSPF虚连接配置5.4OSPF的特殊区域配置389.1Matplotlib简介与安装9.1.2Matplotlib安装Matplotlib的安装非常简单，本节主要介绍在Windows平台上安装Matplotlib的方法。可以直接通过pip工具来进行在线安装，命令如下：

输入命令后，开始下载并安装Matplotlib。由于Matplotlib在安装时有一些依赖库的关联，因此pip工具将联网自动下载安装相关的包。当安装完成后，自动退出安装环境，并提示【Successfullyinstalledmatplotlib***】。如果输入命令后，提示【Requiredalreadysatisfied…】，说明此时已经安装过Matplotlib，无须再次进行安装。>pipinstallmatplotlib9.1Matplotlib简介与安装9.1.2M399.2基础语法和常用设置

9.2.1绘图流程

在Matplotlib中，大部分的图形绘制都遵循以下流程，使用这个流程可以完成大部分图形的绘制。

①导入Matplotlib库。导入Matplotlib库是使用Matplotlib的第一步，即importmatplotlib.pyplotasplt。

②创建Figure画布对象。如果绘制一个简单的小图形，可以不设置Figure对象，使用默认创建的Figure对象，也可以显式地创建Figure对象。

如果一张Figure画布上，需要绘制多个图形，那么就必须显式地创建Figure对象。然后得到每个位置上的Axes对象，进行对应位置上的图形绘制。

③根据Figure对象进行布局设置。此处的布局设置与用户的需求有关，可以适当省略此步。9.2基础语法和常用设置

9.2.1绘图流程409.2基础语法和常用设置9.2.1绘图流程

④调用Figure对象，进行对应位置的图形绘制。此时传入数据，进行绘图。对于图形的一些细节设置，都在此步中进行。

⑤设置其他参数。

⑥显示图形。使用show()完成图形的显示。

在上述步骤中，第①、③、④、⑥步是必须存在的，而第②、⑤步是可以省略或者自定义的。其中，第①、⑥步都仅包含1条语句，本节不再赘述；第④步是具体的绘制过程，即整个可视化流程的核心，这部分内容将在9.2节和9.3节详细介绍；本节将重点介绍第②、③、⑤步的实现方法。9.2基础语法和常用设置9.2.1绘图流程419.2基础语法和常用设置9.2.2布局设置

在使用Matplotlib绘制图形时，布局设置是不可或缺的重要环节，也是绘图的主体部分。布局设置可以简单理解为向画布中添加内容，如添加标题、坐标轴名称和范围、图例名称等。需要说明的是，布局设置和图形的绘制过程是并列的步骤，二者并没有先后顺序，可以先绘制图形，也可以先进行布局设置（图例设置除外）。Matplotlib中添加各类标签和图例的函数如表9-2所示。9.2基础语法和常用设置9.2.2布局设置429.2基础语法和常用设置9.2.2布局设置

表9-2添加各类标签和图例的函数

需要说明的是，如果需要对当前图形设置图例信息，则必须在绘制完成之后再添加图例信息，反之则无法观察到正常的运行结果。函数名称函数作用plt.title在当前的图形中添加标题plt.xlabel在当前的图形中添加x轴名称plt.ylabel在当前的图形中添加y轴名称plt.xlim指定当前的图形中x轴的范围，只能是数值区间plt.ylim指定当前的图形中y轴的范围，只能是数值区间plt.xticks指定当前的图形中x轴刻度的数目与取值plt.yticks指定当前的图形中y轴刻度的数目与取值plt.legend在当前的图形中添加图例，可以指定图例的大小、位置和标签9.2基础语法和常用设置9.2.2布局设置函数名439.2基础语法和常用设置9.2.3画布创建Matplotlib可以把很多张图画在一个显示界面中，这就涉及需要将面板切分成一个一个子图，这在进行对比分析时非常有用。9.2.4参数设置Matplotlib使用rc配置文件来自定义图像的各种默认属性，称之为rc配置或rc参数。在Matplotlib中，几乎所有的属性都可以为空值，如视图窗口的大小、分辨率、线宽、颜色、样式、坐标轴和网格属性等。9.2基础语法和常用设置9.2.3画布创建449.3基础图形绘制Matplotlib库提供了许多不同种类图形的函数式绘图方法。由于每类图形的特点和适用范围不同，本节将重点介绍适用于数据分析与计算的图形绘制方案。9.3.1折线图

折线图（LineChart）是一种将数据点按照顺序连接起来的图形。它可以看作是散点图按照x轴坐标顺序连接起来的图形。

折线图的适用场景是：由于可以显示随时间（根据常用比例设置）而变化的连续数据，因此适用于显示在相等时间间隔下数据变化的趋势。由于折线图很容易反映数据变化的趋势，因此折线图还适合二维的大数据集和多个二维数据集的比较。9.3基础图形绘制Matplotlib库提供了许多不459.3基础图形绘制9.3.2直方图

直方图（Histogram）又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段来表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。直方图是数值型数据分布的精确图形表示。

直方图的适用场合是二维数据集（每个数据点包括x和y两个值），但只有一个维度需要比较，用于显示一段时间内的数据变化或显示各项之间的比较情况。另外，也适用于枚举型数据，比如地域之间的关系，数据之间没有必然的连续性。

直方图的优势：直方图利用柱的高度反映数据的差异，肉眼对高度差异很敏感。

直方图的劣势：只适用中小规模的数据集。9.3基础图形绘制9.3.2直方图469.3基础图形绘制9.3.3饼状图

饼状图是将各项数据点显示在一张图中，以饼的大小确定每一项的占比。饼状图可以轻松显示一个数据系列中各项的大小与各项总和的比例。

饼状图的适用场景：常用于统计学模型，可以显示各项的大小与各项总和的比例；也适用于简单的占比比