安装matplotlib

先找到自己的python位置，再进入Scripts文件夹，我的是C:\Users\mi\AppData\Local\Programs\Python\Python39\Scripts
一定要找对！否则下面的命令没有任何反应

以管理员身份打开cmd，用pip install --upgrade pip命令升级pip

若升级失败（没用管理员身份），回到上一级python39文件夹，用这个命令python -m ensurepip，然后python -m pip install --upgrade pip重新升级一下。

然后用python -m pip install matplotlib这个命令安装。

打开pycharm，点击File – Settings – Project: Python（我这里是Project: Lagrange） – Project Interpreter，检查是否安装成功。

使用import matplotlib，如果没报错即可正常使用。

如果还是报错，大概是因为从国外下载，修改下载源即可解决。
贴心复制清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/

画图举例

先举一个简单的小例子，是用线性插值拟合绘图。代码样例：

# 导入库import numpy as npimport matplotlib.pyplot as pltfrom pylab import mplfrom scipy.optimize import leastsq# 多项式函数# np.polyld([c1,c0])函数用于生成多项式函数c1x^1+c0x^0def fit_func(p, x):    f = np.poly1d(p)    return f(x)# 残差函数def error_func(p, x, y):    err = fit_func(p, x) - y    return err# 需要使用numpy.array()将样本数据(xi,yi)转换成数组形式x_data = np.array([1.51, 1.64, 1.6, 1.73, 1.82, 1.87])  # 创建x列表存储数据的x值y_data = np.array([1.63, 1.7, 1.71, 1.72, 1.76, 1.86])  # 创建y列表存储数据的y值x_predict = np.arange(1.5, 2, 0.1)  # 预测区间# 使用最小二乘函数求解参数# leastsq()函数位于Scipy的optimize模块中，利用leastsq()函数可以对数据进行拟合。# 参数residuals_func表示误差函数# 参数p_init表示初始c0、c1# 数据点p_init = np.random.randn(2)   # 生成2个随机数，作为各项系数的初始值，用于迭代修正plsq = leastsq(error_func, p_init, args=(x_data, y_data))# leastsq返回的是一个元组，元组的第一个元素是多项式系数数组print("[c0,c1] = ", end='')print(plsq[0])# 绘制图像plt.scatter(x_data, y_data, label="样本点", color="black", zorder=2)plt.plot(x_predict, fit_func(plsq[0], x_predict), label="拟合结果", color="red", zorder=1)mpl.rcParams['font.sans-serif'] = ['SimHei']mpl.rcParams['axes.unicode_minus'] = Falseplt.title("父亲身高(x)与孩子身高(y)数据集")plt.legend(loc="upper left")plt.show()

点击运行就可以。如下：

matplotlib教程

Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。
Matplotlib 通常与 NumPy 和 SciPy（Scientific Python）一起使用， 这种组合广泛用于替代 MatLab

Pyplot

Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。

可以使用 import 导入 pyplot 库，并设置一个别名 plt：

import matplotlib.pyplot as plt

绘制好之后要使用plt.show()语句可以显示该语句上面的所有操作（上面写了几个图，就一次性显示几个图），而下面的操作则需要再写一个show()去显示。

首先需要知道几个重要的字符使用： （使用时需要加引号）

• 颜色字符：（多条曲线不指定颜色时，会自动选择不同颜色。）

其他颜色可以参考：HTML 颜色值

• 线型参数：

• 标记字符：

plot()方法

import matplotlib.pyplot as pltimport numpy as np"""语法：# 画单条线plot([x], y, [fmt], *, data=None, **kwargs)# 画多条线plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)参数说明：x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以是列表或数组。fmt：可选，定义基本格式（如颜色、标记和线条样式）。（后面会讲）**kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。（后面会讲）"""xpoints = np.array([1, 8, 9])ypoints = np.array([3, 10, 30])  # 必须确保x和y的数量相同plt.plot(xpoints, ypoints)  # 使用默认样式（直线）plt.show()plt.plot(xpoints, ypoints, 'o')  # 不想要线，只需要描点（实心圈的标记）plt.show()plt.plot(ypoints)  # 如果不指定x轴上的点，则x会根据y的值来设置plt.show()# 当x间隔足够小时（如0.1），可以绘制出曲线x = np.arange(0, 4*np.pi, 0.1)   # start,stop,stepy = np.sin(x)  # 两个周期的正弦z = np.cos(x)  # 两个周期的余弦plt.plot(x, y, x, z)  # 绘制两条曲线在同一个图像中plt.show()

fmt详解

fmt参数定义了基本格式，如标记、线条样式和颜色。

fmt = '[marker][line][color]'，fmt可以理解为是三种格式的简单集合，我们既可以一次性指定三种属性如plt.plot(ypoints, 'o:r')，也可以不适用fmt参数，而是单独使用后面的三个参数如plt.plot(ypoints, marker='o')、plt.plot(ypoints, linestyle = 'dotted')来指定某种格式。（设置绘图样式可查询本章中的表格）

绘图标记marker
marker参数表示绘图标记，此外，还有一些额外的参数可以设置标记。

• markersize，简写为 ms：定义标记的大小。如：ms = 20
• markerfacecolor，简写为 mfc：定义标记内部的颜色。
• markeredgecolor，简写为 mec：定义标记边框的颜色。

绘图线linestyle
绘图过程如果我们自定义线的样式，包括线的类型、颜色和大小等。

• 线的类型可以使用linestyle参数来定义，简写为ls。
• 线的颜色可以使用color参数来定义，简写为c。
• 线的宽度可以使用linewidth参数来定义，简写为lw，值可以是浮点数。

轴标签和标题

使用xlabel()和ylabel()方法来设置 x 轴和 y 轴的标签；使用title()方法来设置标题。
标签和标题的定位：

• title()方法提供了loc参数来设置标题显示的位置，可以设置为: 'left'， 'right'，和'center'，默认值为'center'。
• xlabel()方法提供了loc参数来设置 x 轴显示的位置，可以设置为: 'left'， 'right'，和'center'，默认值为'center'。
• ylabel()方法提供了loc参数来设置 y 轴显示的位置，可以设置为: 'left'， 'right'，和'center'，默认值为'center'。

import numpy as npimport matplotlib.pyplot as pltx = np.array([1, 2, 3, 4])y = np.array([1, 4, 9, 16])plt.plot(x, y)plt.title("RUNOOB TEST TITLE")  # 设置标题plt.xlabel("x - label")  # x轴的轴标签plt.ylabel("y - label")  # y轴的轴标签plt.show()

设置字体
Matplotlib默认情况不支持中文，需要额外设置字体。使用fontproperties参数设置字体的中文显示，使用fontsize或size设置字体大小，使用fontdict可以用css来设置字体样式。
若使用自己下载的字体，需要将字体文件放在当前执行的代码文件中。

import numpy as npfrom matplotlib import pyplot as pltimport matplotlib# 自定义字体'''# fname 为你下载的字体库路径（此处以SourceHanSansSC-Bold.otf字体文件为例）font1 = matplotlib.font_manager.FontProperties(fname="SourceHanSansSC-Bold.otf", size=20)'''# 使用系统字体"""查看系统支持的字体：a = sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])for i in a:    print(i)    在输出中找到要用的字体，如STFangsong"""plt.rcParams['font.family'] = ['STFangsong']  # 将字体添加到plt中x = np.arange(1, 11)y = 2 * x + 5font1 = {'color': 'blue', 'size': 20}  #使用CSS设置字体样式# fontproperties设置中文显示，fontsize或size设置字体大小，fontdict设置字体样式plt.title("标题", fontdict=font1)plt.xlabel("x轴", fontproperties='STFangsong', fontsize=18)plt.ylabel("y轴", fontproperties='STFangsong', size=18)plt.plot(x, y)plt.show()

grid()方法

可以使用pyplot中的grid()方法来设置图表中的网格线。

import numpy as npfrom matplotlib import pyplot as pltimport matplotlib'''matplotlib.pyplot.grid(b=None, which='major', axis='both', )参数说明：b：可选，默认为 None，可以设置布尔值，true 为显示网格线，false 为不显示，如果设置 **kwargs 参数，则值为 true。which：可选，可选值有 'major'、'minor' 和 'both'，默认为 'major'，表示应用更改的网格线。axis：可选，设置显示哪个方向的网格线，可以是取 'both'（默认），'x' 或 'y'，分别表示两个方向，x 轴方向或 y 轴方向。**kwargs：可选，设置网格样式，可以是 color='r', linestyle='-' 和 linewidth=2，分别表示网格线的颜色，样式和宽度。'''x = np.array([1, 2, 3, 4])y = np.array([1, 4, 9, 16])plt.title("RUNOOB grid() Test")plt.xlabel("x - label")plt.ylabel("y - label")plt.plot(x, y)plt.grid(color='r', linestyle='--', linewidth=0.5)plt.show()

subplot()和subplots()

可以使用pyplot中的subplot()和subplots()方法来绘制多个子图。subplot()方法在绘图时需要指定位置，subplots()方法可以一次生成多个，在调用时只需要调用生成对象的 ax 即可。

subplot()：

subplot(nrows, ncols, index, **kwargs)

subplot函数将整个绘图区域分成 nrows 行和 ncols 列，然后从左到右、从上到下对每个子区域进行编号1…N，左上的子区域的编号为 1、右下的区域编号为N，index参数表示下面要绘制的子图的编号。
例如设置 numRows ＝ 2，numCols ＝ 2，就是将图表绘制成 2×2 的图片区域, 对应的编号为：

例：

import matplotlib.pyplot as pltimport numpy as np# plot 1:x = np.array([0, 6])y = np.array([0, 100])plt.subplot(2, 2, 1)plt.plot(x, y)  # 子图的绘制方法像大图一样，就是上面用subplot指定了位置而已plt.title("plot 1")# plot 2:x = np.array([1, 2, 3, 4])y = np.array([1, 4, 9, 16])plt.subplot(2, 2, 2)plt.plot(x, y)plt.title("plot 2")# plot 3:x = np.array([1, 2, 3, 4])y = np.array([3, 5, 7, 9])plt.subplot(2, 2, 3)plt.plot(x, y)plt.title("plot 3")# plot 4:x = np.array([1, 2, 3, 4])y = np.array([4, 5, 6, 7])plt.subplot(2, 2, 4)plt.plot(x, y)plt.title("plot 4")plt.suptitle("RUNOOB subplot Test")  # 设置标题plt.show()

subplots()：

import matplotlib.pyplot as pltimport numpy as np"""matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)参数说明：nrows：默认为 1，设置图表的行数。ncols：默认为 1，设置图表的列数。sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 'none'、'all'、'row' 或 'col'。        False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 'all' 所有子图共享 x 轴或 y 轴；        'row' 设置每个子图行共享一个 x 轴或 y 轴，'col' 设置每个子图列共享一个 x 轴或 y 轴。squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N*1 或 1*N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。    如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。**fig_kw：把详细的关键字参数传给 figure() 函数。"""x = np.linspace(0, 2*np.pi, 400)y = np.sin(x**2)# subplots初步了解fig, ax = plt.subplots()  # 返回一个元组，第二个元素ax是matplotlib.axes._subplots.AxesSubplot类型ax.plot(x, y)  # matplotlib.axes._subplots.AxesSubplot也有plot方法？ax.set_title('Simple plot')  # 设置标题的方法plt.show()# 共享y轴的两个子图fig, (ax1, ax2) = plt.subplots(1, 2, sharey=True)  # 每个子图都有名字ax1.plot(x, y)ax1.set_title('Sharing Y axis')  # 给子图设置标题ax2.scatter(x, y)  # scatter方法用来描点，后面会讲plt.show()# 创建四个子图fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))  # 子图也可以用坐标# subplot_kw=dict(projection="polar") 应该是用来设置坐标轴，具体情况暂时不研究了axs[0, 0].plot(x, y)axs[1, 1].scatter(x, y)plt.show()# 每个列共享x轴plt.subplots(2, 2, sharex='col')# 每个行共享y轴plt.subplots(2, 2, sharey='row')# 每个列共享x轴且每个行共享y轴plt.subplots(2, 2, sharex='all', sharey='all')# 同上plt.subplots(2, 2, sharex=True, sharey=True)plt.show()# 创建标识（左上角窗口编号）为10的图，已经存在的则删除fig, ax = plt.subplots(num=10, clear=True)  # num和clear参数之前没见过plt.show()

scatter()

scatter()方法来绘制散点图。

import matplotlib.pyplot as pltimport numpy as np"""matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None,                             linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)参数说明：x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。c：点的颜色，默认蓝色 'b'，也可以是个 RGB 或 RGBA 二维行数组。marker：点的样式，默认小圆圈 'o'。cmap：Colormap，选择颜色条，Matplotlib 模块提供了很多可用的颜色条，其中每种颜色（color）都有一个范围从0到100的值。    如果要在图中显示颜色条，需要使用plt.colorbar()方法。颜色条的名称见附录。norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。vmin，vmax：亮度设置，在 norm 参数存在时会忽略。alpha：透明度设置，0-1 之间，默认 None，即不透明。linewidths：标记点的长度。edgecolors：颜色或颜色序列，默认为 'face'，可选值有 'face', 'none', None。plotnonfinite：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。**kwargs：其他参数。"""# 自定义大小和颜色x = np.array([1, 2, 3, 4, 5, 6, 7, 8])y = np.array([1, 4, 9, 16, 7, 11, 23, 18])sizes = np.array([20, 50, 100, 200, 500, 1000, 60, 90])colors = np.array(["red", "green", "black", "orange", "purple", "beige", "cyan", "magenta"])plt.scatter(x, y, s=sizes, c=colors)plt.show()# 设置两组散点图x = np.array([5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6])y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86])plt.scatter(x, y, color='hotpink')x = np.array([2, 2, 8, 1, 15, 8, 12, 9, 7, 3, 11, 4, 7, 14, 12])y = np.array([100, 105, 84, 105, 90, 99, 90, 95, 94, 100, 79, 112, 91, 80, 85])plt.scatter(x, y, color='#88c999')plt.title("RUNOOB Scatter Test")  # 设置标题plt.show()

bar()和barh()

使用pyplot中的bar()方法来绘制柱形图。

import matplotlib.pyplot as pltimport numpy as np"""matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)参数说明：x：浮点型数组，柱形图的 x 轴数据。height：浮点型数组，柱形图的高度。width：浮点型数组，柱形图的宽度。bottom：浮点型数组，底座的 y 坐标，默认 0。align：柱形图与 x 坐标的对齐方式，'center' 以 x 位置为中心，这是默认值。    'edge'：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align='edge'。**kwargs：：其他参数。"""# 简单使用x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])y = np.array([12, 22, 6, 18])plt.bar(x, y)plt.show()# 垂直方向的柱形图可以使用barh()方法来设置plt.barh(x, y)plt.show()# bar()方法使用width设置宽度，barh()方法使用height设置# 参数color = "#4CAF50" 设置颜色# color = ["#4CAF50","red","hotpink","#556B2F"] 自定义各个柱形的颜色

pie()

使用pyplot中的pie()方法来绘制饼图。

import matplotlib.pyplot as pltimport numpy as np"""matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False,                         labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None,                         center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)[source]                        参数说明：x：浮点型数组，表示每个扇形的面积。explode：数组，表示各个扇形之间的间隔，默认值为0。labels：列表，各个扇形的标签，默认值为 None。colors：数组，表示各个扇形的颜色，默认值为 None。autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。radius：：设置饼图的半径，默认为 1。startangle：：起始绘制饼图的角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。counterclock：布尔值，设置指针方向，默认为 True，即逆时针，False 为顺时针。wedgeprops ：字典类型，默认值 None。参数字典传递给 wedge 对象用来画一个饼图。例如：wedgeprops={'linewidth':5} 设置 wedge 线宽为5。textprops ：字典类型，默认值为：None。传递给 text 对象的字典参数，用于设置标签（labels）和比例文字的格式。center ：浮点类型的列表，默认值：(0,0)。用于设置图标中心位置。frame ：布尔类型，默认值：False。如果是 True，绘制带有表的轴框架。rotatelabels ：布尔类型，默认为 False。如果为 True，旋转每个 label 到指定的角度。"""# 简单使用y = np.array([35, 25, 25, 15])plt.pie(y,        labels=['A', 'B', 'C', 'D'],  # 设置饼图标签        colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"],  # 设置饼图颜色        explode=(0, 0.2, 0, 0),  # 第二部分突出显示，值越大，距离中心越远        autopct='%.2f%%',  # 格式化输出百分比       )plt.title("RUNOOB Pie Test")plt.show()

附录

颜色条

参考来源：
在Pycharm中安装matplotlib
Matplotlib安装
在Pycharm中安装matplotlib
pip install XXX总是报错，例如：Exception: Traceback (most recent call last):这种错误怎么办？