概述
 
axvline函数作用是绘制一条以子图高度比例为长度单位的垂直线。
 axhline函数作用与axvline函数类似，绘制一条以子图宽度比例为长度单位的水平线。
 
axvline函数的签名为：
 matplotlib.pyplot.axvline(x=0, ymin=0, ymax=1, **kwargs)
 其中：
 
x：垂直线在x轴上的位置。浮点数，默认值为0。
ymin：垂直线在y轴方向上的起始值。浮点数，默认值为0。取值范围为[0,1]，0表示子图底部，1表示子图顶部。值可以超出[0,1]，但是超出部分不会正常显示。
ymax：垂直线在y轴方向上的终止值。浮点数，默认值为1。取值范围为[0,1]，0表示子图底部，1表示子图顶部。
**kwargs：除'transform'之外的Line2D属性。
 
axvline函数的返回值为Line2D对象。
 
axhline函数的签名与axvline函数类似：
 matplotlib.pyplot.axhline(y=0, xmin=0, xmax=1, **kwargs)
 
案例：演示axvline函数
 
 
import matplotlib.pyplot as plt

# 演示默认参数
plt.subplot(221)
plt.axvline()
plt.xlim(-1, 1)
plt.subplot(222)
# 演示参数x
plt.axvline(0.5)
plt.subplot(223)
# 演示参数x,ymin,ymax
plt.axvline(0.5, 0.2, 0.7)
plt.subplot(224)
# 演示**kwargs参数
plt.axvline(0.5, 0.2, 0.7, linewidth=2, color="r")
plt.show()
 
axvline/axhline 与vlines/hlines的区别
 
axvline/axhline绘制一条线，返回值为Line2D对象。vlines/hlines绘制一组线返回值为LineCollection对象，相当于Line2D对象的集合。
axvline/axhline绘制的直线默认是跨越整个子图的，即便更改线的长度，单位是子图高度/宽度的比例（[0,1]），是相对值。vlines/hlines绘制的直线需要指定长度，长度单位是对应坐标轴的单位，是绝对值。

今天我们来介绍一下python的一个可视化工具matplotlib
 
matplotlib
 
使用matplotlib的方式有很多，但最通常的是Pylab模式的ipython(-ipython –pylab)
 
matplotlib的api都位于matplotlib.pyplot中，所以一般的引入方式为：
 
import matplotlib.pyplot as plt
 
Figure、Subplot
 
Figure
 
matplitlib的图像必须在Figure中，Figure创建方式如下：
 
fig = plt.figure() # 之后会弹出一个Figure窗口
 
创建好Figure后，并不能直接绘图，需要使用add_subplot创建一个或多个子图，在子图中绘图，创建方式如下：
 
ax1 = fig.add_subplot(2,2,1) # 将figure分为四块，在第一块创建一个子图;返回AxesSubplot对象
 
之后我们就可以绘制我们的图像了
 
plt.plot(randn(50).cumsum(), 'k--') 
 
Figure和subplot的创建经常使用，所以matplotlib提供了简洁的创建方式：
 
fig, axes = plt.subplots(2,3) # 创建一个新Figure、并返回一个含有已创建subplot对象的Numpy数组 
ax = axes[0,1] # 引用第一行第二列的subplot对象
 
该函数的一些参数选项：
 
 
调整图像之间的间距
 
通常情况下，matplotlib会在subplot外围留下一些边距，并在subplot之间留下一些间距。
 
我们可以利用subplots_adjust()函数来修改间距
 
subplots_adjust(left=None,bootom=None,right=None,top=None,wspace=None,hspace=None) # 该函数是一个顶级函数；wspace、hspace用来控制宽度和高度的百分比，用作subplot之间的间距
plt.subplots_adjust(wspace=0, hspace=0) # 设置subplots之间的间距为0
 
颜色、线型和标记
 
matplotlib的plot()函数接受一组X和Y坐标，和一个表示颜色和线形的字符串
 
ax.plot(x,y,'g--') # 根据x，y绘制绿色虚线
# ax为一subplot
 
刻度、标签和图例
 
设置X轴范围：
 
plt.xlim() # 返回当前X轴的范围
plt.xlim([0,10]) # 将X轴的范围设为[0, 10]
# 以上方法都只对当前或最近创建的Subplot起作用
 
设置标题、轴标签、刻度以及刻度标签
 
 
设置标题
 
ax.set_title("My first matplotlib plot") # 设置对应dubplot的标题
 
 
设置轴标签
 
ax.set_xlabel() # 为对应subplot的x轴设置标签
ax.set_ylabel()
 
 
设置刻度
 
设置刻度有两个方法，set_xticks和set_xticklabels，前者告诉maatplotlib将刻度放在对应范围的哪个位置，默认情况下这些刻度就是刻度标签；后者可以将任何其他类型的值作为标签
 
ax.set_xticks([0,1,2,3,4]) # 将0,1,2,3,4作为x轴刻度标签
ax.set_xticklabels(['one','two','three','four','five']) # 将one,two,three,four,five作为x轴刻度标签
ax.set_yticks()
ax.set_xticklabels()
 
 
添加图例
 
 
 
图例是标识图表元素的重要工具。
 
 
方式一，在添加subplot时传入label参数
 
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(), 'k--', label='one')
ax.plot(randn(1000).cumsum(), 'k', label='two')
ax.plot(randn(1000).cumsum(), 'k.', label='three')
ax.legend(loc='best') # loc指定图例放置的位置,'best'参数标识系统将图例放置到最不碍事的地方
 
 
将图标保存到文件
 
利用plt.savefig可以将当前图表保存到文件
 
plt.savefig('figpath.png', dpi=400) # 将当前图表存储为png文件
# dpi参数指定每英寸点数(分辨率)
 
Pandas中的绘图函数
 
从上面的例子中我们可以看出，matplotlib实际上是一个比较低级的画图工具，当我们绘制一张图标时，往往要指定他的多个属性，如图例，标签，标题等。而pandas中的绘图函数大大简化了这个过程。
 
Series与DataFrame数据都可以通过调用plot函数来绘制图表
 
 
Series：
 
s = Series(np.random.randn(10).cumsum(), index=np.arange(0,100,10))
s.plot()
 
 

 
 
 
DataFrame：
 
df = DataFrame(np.random.randn(10,4).cumsum(), columns=['A','B','C','D'],index=np.arange(0,100,10))
# columns参数指定图例名称，index指定x轴标签
# np.random.randn(10,4)共10行4列，产生四条曲线，每条曲线十个数据点
df.plot()
 
 

 
 
除了matplotlib外，还有许多优秀的画图工具，如chaco、mayavi等
 
目前对于matplotlib的介绍就是这些，更多的知识可以研究一下pandas官方文档（pandas正在不断地更新中，会提供越来越多的函数），链接如下：
 
http://pandas.pydata.org/pandas-docs/stable/user_guide/visualization.html

代码示例：
 
from matplotlib import pyplot as plt
x = range(1,10) #x轴的位置
y = [6,7,12,12,15,17,15,20,18] #y轴的位置
#传入x,y，通过plot画图,并设置折线颜色、透明度、折线样式和折线宽度
plt.plot(x,y,color='red',alpha=0.3,linestyle='--',linewidth=5)
plt.show
'''基础属性设置
color='red'  :折线的颜色
a1pha=0.5  :折线的透明度(0-1)
linesty1e='--' :折线的样式
1inewidth=3  :折线的宽度
'''

'''
线的样式
-  实线(solid)
--  短线(dashed)
-.  短点相间线(dashdot)
:  虚点线(dotted)
111
'''
 
效果截图：
 

1.绘制直方图
 
import matplotlib.pyplot as plt
import numpy as np
import matplotlib

# 设置matplotlib正常显示中文和负号
matplotlib.rcParams['font.sans-serif']=['SimHei']   # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False     # 正常显示负号
# 随机生成（10000,）服从正态分布的数据
data = np.random.randn(10000)
"""
绘制直方图
data:必选参数，绘图数据
bins:直方图的长条形数目，可选项，默认为10
normed:是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，显示频数。normed=1，表示归一化，显示频率。
facecolor:长条形的颜色
edgecolor:长条形边框的颜色
alpha:透明度
"""

plt.hist(data, bins=40, normed=0, facecolor="green", edgecolor="green", alpha=0.7)
# 显示横轴标签
plt.xlabel("区间")
# 显示纵轴标签
plt.ylabel("频数/频率")
# 显示图标题
plt.title("频数/频率分布直方图")
plt.show()
 
 
 
2.绘制简单的柱状图
 
# 导入绘图模块
import matplotlib.pyplot as plt
  # 构建数据
GDP = [12406.8,13908.57,9386.87,9143.64]
# 中文乱码的处理
plt.rcParams['font.sans-serif'] =['SimHei']
#解决负号'-'显示为方块的问题  
plt.rcParams['axes.unicode_minus'] = False

# 绘图
plt.bar(range(4), GDP, align = 'center',color='blue', alpha = 0.1)
# 添加轴标签
plt.ylabel('G D P')
plt.xlabel("直辖市名称")
# 添加标题
plt.title('直辖市GDP对比')
# 添加刻度标签
plt.xticks(range(4),['北京市','上海市','天津市','重庆市'])
# 设置Y轴的刻度范围
plt.ylim([5000,15000])
# 为每个条形图添加数值标签
for x,y in enumerate(GDP):
    plt.text(x,y+100,'%s' %round(y,1),ha='center')     
# 显示图形
plt.show()
 
 
3.绘制水平条形图
 
# 导入绘图模块
import matplotlib.pyplot as plt
  # 构建数据
GDP = [12406.8,13908.57,9386.87,9143.64]
# 中文乱码的处理
plt.rcParams['font.sans-serif'] =['SimHei']
#解决负号'-'显示为方块的问题  
plt.rcParams['axes.unicode_minus'] = False

# 绘图
plt.barh(range(4), GDP, align = 'center',color='orange', alpha = 0.5)
# 添加轴标签
plt.xlabel('GDP')
# 添加标题
plt.title('直辖市GDP对比')
# 添加刻度标签
plt.yticks(range(4),['北京市','上海市','天津市','重庆市'])
# 设置Y轴的刻度范围
plt.xlim([5000,17000])
# 为每个条形图添加数值标签
for x,y in enumerate(GDP):
    plt.text(y+100,x,'%s' %y,va='center')     
# 显示图形
plt.show()
 
 
4.绘制复杂柱状图
 
import matplotlib.pyplot as plt
import matplotlib
# 中文乱码的处理
plt.rcParams['font.sans-serif'] =['SimHei']
#解决负号'-'显示为方块的问题  
plt.rcParams['axes.unicode_minus'] = False

label_list = ['2014', '2015', '2016', '2017']    # 横坐标刻度显示值
num_list1 = [26, 37, 13, 38]      # 纵坐标值1
num_list2 = [12, 30, 40, 20]      # 纵坐标值2
x = range(len(num_list1))
"""
绘制条形图
left:长条形中点横坐标
height:长条形高度
width:长条形宽度，默认值0.8
label:为后面设置legend准备
"""
rects1 = plt.bar(left=x, height=num_list1, width=0.4, alpha=0.8, color='red', label="一部门")
rects2 = plt.bar(left=[i + 0.4 for i in x], height=num_list2, width=0.4, color='green', label="二部门")
plt.ylim(0, 50)     # y轴取值范围
plt.ylabel("数量")
"""
设置x轴刻度显示值
参数一：中点坐标
参数二：显示值
"""
plt.xticks([index + 0.2 for index in x], label_list)
plt.xlabel("年份")
plt.title("银海公司")
plt.legend()     # 设置题注
# 编辑文本
for rect in rects1:
    height = rect.get_height()
    plt.text(rect.get_x() + rect.get_width() / 2, height+0.3, str(height), ha="center", va="bottom")
for rect in rects2:
    height = rect.get_height()
    plt.text(rect.get_x() + rect.get_width() / 2, height+0.3, str(height), ha="center", va="bottom")
plt.show()
 
 
5堆叠条形图
 
import matplotlib.pyplot as plt
import matplotlib

matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False

label_list = ['2014', '2015', '2016', '2017']
num_list1 = [20, 30, 15, 35]
num_list2 = [15, 30, 40, 20]
x = range(len(num_list1))
rects1 = plt.bar(left=x, height=num_list1, width=0.45, alpha=0.8, color='red', label="一部门")
rects2 = plt.bar(left=x, height=num_list2, width=0.45, color='green', label="二部门", bottom=num_list1)
plt.ylim(0, 80)
plt.ylabel("数量")
plt.xticks(x, label_list)
plt.xlabel("年份")
plt.title("银海公司")
plt.legend()
plt.show()
 
 
6.饼状图
 
import matplotlib.pyplot as plt
import matplotlib

matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False

label_list = ["第一部分", "第二部分", "第三部分","第四部分"]    # 各部分标签
size = [35, 25, 10,20]    # 各部分大小
color = ["red", "green", "blue",'yellow']     # 各部分颜色
explode = [0.05, 0, 0,0.02]   # 各部分突出值
"""
绘制饼图
explode：设置各部分突出
label:设置各部分标签
labeldistance:设置标签文本距圆心位置，1.1表示1.1倍半径
autopct：设置圆里面文本
shadow：设置是否有阴影
startangle：起始角度，默认从0开始逆时针转
pctdistance：设置圆内文本距圆心距离
返回值
l_text：圆内部文本，matplotlib.text.Text object
p_text：圆外部文本
"""
patches, l_text, p_text = plt.pie(size, explode=explode, colors=color, labels=label_list, labeldistance=1.1, autopct="%1.1f%%", shadow=False, startangle=90, pctdistance=0.6)
plt.axis("equal")    # 设置横轴和纵轴大小相等，这样饼才是圆的
plt.legend()
plt.show()