在平时的科研中，Python实现可视化的三个步骤：
确定问题，选择图形 转换数据，应用函数 参数设置，一目了然
点：scatter plot 二维数据，适用于简单二维关系； 线：line plot 二维数据，适用于时间序列； 柱状：bar plot 二维数据，适用于类别统计； 颜色：heatmap 适用于展示第三维度；
合并：merge，concat，combine_frist(类似于数据库中的全外连接) 重塑：reshape；轴向旋转：pivot（类似excel数据透视表） 去重：drop_duplicates 映射：map 填充替换：fillna,replace 重命名轴索引：rename
#导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt#创建画布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#创建subplot，221表示这是2行2列表格中的第1个图像。
ax1 = fig.add_subplot(221)
#但现在更习惯使用以下方法创建画布和图像，2,2表示这是一个2*2的画布，可以放置4个图像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey参数可以指定所有的subplot使用相同的x，y轴刻度。subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
[<matplotlib.lines.Line2D at 0x8c919b0>]plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim() #不带参数调用，显示当前参数；
#可将xlim替换为另外两个方法试试
(-1.4500000000000002, 30.45)plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim([0,15]) #横轴刻度变成0-15
(0, 15)fig = plt.figure();ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000]) #设置刻度值
labels = ax.set_xticklabels(['one','two','three','four','five']) #设置刻度标签
ax.set_title('My first Plot') #设置标题
ax.set_xlabel('Stage') #设置轴标签
Text(0.5,0,'Stage')fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one') #传入label参数，定义label名称
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
#图形创建完后，只需要调用legend参数将label调出来即可。
ax.legend(loc='best') #要求不是很严格的话，建议使用loc=‘best’参数来让它自己选择最佳位置
<matplotlib.legend.Legend at 0xa8f5a20>plt.plot(np.random.randn(1000).cumsum())
plt.text(600,10,'test ',family='monospace',fontsize=10)
#中文注释在默认环境下并不能正常显示，需要修改配置文件，使其支持中文字体。具体步骤请自行搜索。fname：含有文件路径的字符串，拓展名指定文件类型 dpi：分辨率，默认100 facecolor,edgcolor 图像的背景色，默认‘w’白色 format：显示设置文件格式（'png','pdf','svg','ps','jpg'等） bbox_inches：图表需要保留的部分。如果设置为“tight”，则将尝试剪除图像周围的空白部分
plt.savefig('./plot.jpg') #保存图像为plot名称的jpg格式图像
<Figure size 432x288 with 0 Axes>3、Pandas中的绘图函数
import matplotlib.pyplot as plts = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot() #Series对象的索引index会传给matplotlib用作绘制x轴。
<matplotlib.axes._subplots.AxesSubplot at 0xf553128>df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'])
df.plot() #plot会自动为不同变量改变颜色，并添加图例
<matplotlib.axes._subplots.AxesSubplot at 0xf4f9eb8>label：用于图表的标签 style：风格字符串，'g--' alpha：图像的填充不透明度（0-1） kind：图表类型（bar，line，hist，kde等） xticks：设定x轴刻度值 yticks：设定y轴刻度值 xlim，ylim：设定轴界限，[0,10] grid：显示轴网格线，默认关闭 rot：旋转刻度标签 use_index：将对象的索引用作刻度标签 logy：在Y轴上使用对数标尺
subplots：将各个DataFrame列绘制到单独的subplot中 sharex，sharey：共享x，y轴 figsize：控制图像大小 title：图像标题 legend：添加图例，默认显示 sort_columns：以字母顺序绘制各列，默认使用当前顺序
fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(10),index=list('abcdefghij'))
data.plot(kind='bar',ax=axes[0],rot=0,alpha=0.3)
data.plot(kind='barh',ax=axes[1],grid=True)
<matplotlib.axes._subplots.AxesSubplot at 0xfe39898>本文来源：https://blog.csdn.net/m0_72557783/article/details/125623698。仅用于传递和分享更多信息，并不代表本平台赞同其观点和对其真实性负责，版权归原作者所有，如有侵权请联系我们删除。
编辑 /张志红
审核 / 范瑞强
复核 / 张志红
转自：数学中国
关注公众号了解更多
会员申请 请在公众号内回复“个人会员”或“单位会员
欢迎关注中国指挥与控制学会媒体矩阵
CICC官方抖音
CICC头条号
CICC微博号
CICC官方网站
CICC官方微信公众号
《指挥与控制学报》官网
国际无人系统大会官网
中国指挥控制大会官网
全国兵棋推演大赛
全国空中智能博弈大赛
搜狐号
一点号
