本系列内容所用Python版本为anaconda，直接浏览器搜索下载安装即可！

今天我们继续学习matplotlib绘图库的相关知识。

一、常用图形

1.散点图

在之前学习特殊点时我们接触过散点，其api如下：

mp.scatter(x,y,marker='',s=10,color='',edgecolor='',facecolor='',zorder='')

其中参数x、y表示x轴y轴坐标数组，marker表示散点形状，s表示大小，color表示颜色，edgecolor表示边缘色，facecolor表示填充色，zorder表示图层大小

其运行结果如下：

除此之外散点图颜色可以设置成映射，d值越大证明身高和体重越偏离均值，散点的颜色就越深，除了jet颜色映射之外，还有很多，大家可以自行上网查询

其运行结果如下：

2.填充

填充的意思是以某种颜色填充两条曲线形成的闭合区域，api如下：

mp.fill_between(x,y1,y2,y1>y2,color='',alpha='')

其中参数y1>y2为填充条件，当结果为True时进行填充

其运行结果如下：

3.条形图（柱状图）

条形图api如下：

mp.bar(x,y,width,color='',label='',alpha='')

其中x为水平坐标数组，y为柱子高度数组，width为柱子宽度

其运行结果如下：

两种条形图的x需要左右平移，宽度也需要适当降低

其运行结果如下：

bar方法还有一个参数bottom参数，其形式可以是数组，其在width参数后面，其意思是条形图的底的基准位置，默认的是y=0，通过设置这个参数，后续我们可以绘画出K线图，先来简单测试一下

结果如下：

4.饼状图

饼状图的api如下：

mp.pie(values,spaces,labels,colors,'%d%%',shadow=True,startangle=90,radius=1)

其中参数values是值列表，sapces参数是每个扇形之间的间距列表，labels参数是每个扇形的标签列表，colors参数每个扇形的颜色列表，%d%%是标签所占比例格式，shadow参数表示是否显示扇形的阴影，startangle参数表示逆时针绘制饼状图的起始角度，radius参数表示扇形的半径

'%.2f%%'的意思是两位小数的百分数输出

其运行结果如下：

5.等高线图

画等高线图首先得有点阵

上图是一个4x5的点阵，可以理解成经纬度，加上海拔高度就是一个标准的地理坐标，把海拔高度相同的地理坐标连线就成了等高线，通过np.meshgrid方法可以生成点阵数组，海拔高度则可以有公式计算（网上搜）

其运行结果如下：

海拔高度z则由公式计算得出

等高线的api如下：

mp.contour(x,y,z,8,colors='',linewidths=0.5)

其中参数8表示将等高线绘制成8部分

其运行结果如下：

明显和我们一般看到的等高线图还有区别

运行结果如下：

与上一张等高线图的区别在于，每条等高线都加上了标记，方法为mp.clabel(cntr,fmt,inline_spacing,fontsize=8)

其中参数cntr是mp.contour返回的对象，我们需在调用contour方法时对返回对象赋值，fmt参数表示标记显示的小数点格式，inline_spacing参数表示标记和等高线之间的间隔，fontsize参数表示标记文本的大小

对于不同的高度我们可以使用不同的颜色填充，方法如下：

mp.contourf(x,y,z,8,cmap='jet')

cmap渐变色，值越小颜色越浅，值越大越红

其运行结果如下：

6.热成像图

热成像图的逻辑是图形像素点的大小不同颜色就不同，其api如下：

mp.imshow(z,cmap='jet',origin='lower')

mp.colorbar()方法显示热力条

其运行结果如下：

二、3D图形

matplotlib库支持绘制三维曲面，若希望绘制三维曲面，需使用axes3d提供的3d坐标系，调用方法如下：

from mpl_toolkits.mplot3d import axes3d

#获取3d坐标系

ax3d=mp.gca(projection='3d')

#三维点阵

ax3d.scatter()

#三维曲面

ax3d.plot_surface()

#三维线框图

ax3d.plot_wireframe()

1.绘制三维点阵图

其运行结果如下：

可以拖动查看不同维度

显示出坐标轴标签文本

显示结果如下：

2.绘制三维曲面

其运行结果如下：

参数rstride和cstride的作用可以自行测试，比较吃电脑配置

3.三维线框图

其运行结果如下：

好了，至此matplotlib库的基础知识已经学习完毕了，后续我们将进行其他知识的学习。

END