set_xticks和
set_xticklabels是轴方法,而不是plt模块命名空间中的函数.这是错误消息的含义,’module’对象没有属性’set_xticks’.
此外,
[i for i,item in enumerate(lam_beta)]
可以简化为
range(len(lam_beta))
和
[item for item in lam_beta]
可以简化为
lam_beta
让您的双手在轴上的便捷方式是打电话
plt.subplots：
所以：
fig, ax = plt.subplots()
...
ax.set_xticks(range(len(lam_beta)))
ax.set_xticklabels(lam_beta, rotation='vertical')
ax是一个Axes对象.调用Axes方法是使用matplotlib的面向对象方法.
或者,您可以通过调用plt.xticks来使用Matlab样式的pylab接口.如果我们定义
loc = range(len(lam_beta))
labels = lam_beta
然后
plt.xticks(loc, labels, rotation='vertical')
相当于
fig, ax = plt.subplots()
ax.set_xticks(loc)
ax.set_xticklabels(labels, rotation='vertical')
plt.xticks将刻度位置和标签设置为当前轴.
列表理解
[hr_values_per_chunk[chunk][i] for i,item in enumerate(lam_beta)]
可以简化为
hr_values_per_chunk[chunk][:len(lam_beta)]
并且您可以使用ax.set_color_cycle避免为每次调用ax.plot设置颜色参数：
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
lam_beta = [(lam1,beta1),(lam1,beta2),(lam1,beta3),....(lam_n,beta_n)]
chunks = [chunk1,chunk2,...chunk_n]
ht_values_per_chunk = {chunk1:[val1,val2,...],chunk2:[val1,val2,val3,.....]...}
color='rgbycmk'
ax.set_color_cycle(colors)
for chunk in chunks:
vals = hr_values_per_chunk[chunk][:len(lam_beta)]
ax.plot(vals, range(len(lam_beta)))
ax.set_xticks(range(len(lam_beta)))
ax.set_xticklabels(lam_beta, rotation='vertical')
plt.show()

文章目录
1. 加载宏包
2. plot 函数的语法
plot([x], y, [fmt], **kwargs)
3. 一张图画好几条线

1. 加载宏包
使用 matplotlib 包画图时，我们一般加载里面的 pyplot，并命名为 plt，然后使用 plot 函数画图。
# 导入 matplotlib 中的 plot， 并命名为常用名 plt
import matplotlib.pyplot as plt

例如，下面的代码画出正弦函数 $y=sin(x)$ 的图形。
import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.arange(0, 10, 0.1) # 横坐标数据为从0到10之间，步长为0.1的等差数组
y = np.sin(x) # 纵坐标数据为 x 对应的 sin(x) 值

# 生成图形
plt.plot(x, y)

# 显示图形
plt.show()

图形显示：



利用plot函数，我们可以对图形进行更多精细的设置，官方的详细文档可以参看：https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.plot.html。
2. plot 函数的语法
Plot 函数的基本语法是：

plot([x], y, [fmt], **kwargs)






含义




[x]
可选参数，横坐标轴数据


y
纵坐标轴数据


[fmt]
可选参数，字符串，定义图形的基本样式：颜色，点形，线形


**Kwargs
不定长的关键字参数，用字典形式设置图形的其他属性


[fmt] 的常用代码（包括颜色代码、点形代码、线形代码），由下面的表所示。

颜色：




代码
颜色




‘b’
蓝色


‘g’
绿色


‘r’
红色


‘y’
黄色


‘k’
黑色


‘w’
白色


点形：




代码
点形




‘.’
圆点形


‘o’
实心圆


‘*’
星号


‘+’
加号


‘x’
叉号


线形：




代码
线形




‘-’
实线


‘–’
虚线


‘-.’
折线


‘:’
点线


**Kwargs 的常用设置包括线条的粗细  linewidth，图像标签 label 等。下面一些 plot 函数的代码展示了 [x]，[fmt]，**Kwargs 的一些可选用法：
>>> plot(x, y)        # 根据横坐标数据 x 与纵坐标数据 y 画图，采用默认的颜色、点形与线性
>>> plot(y)           # 据纵坐标数据 y 画图，横坐标数据默认为从 0 到 N-1，步长为 1 的等差数组
>>> plot(x, y, 'bo')  # 颜色为蓝色('b')、点形为圆('o')
>>> plot(y, 'g-.')     # 颜色为绿色('g')，线型为折线('-.')
>>> plt.plot(x, y, 'yo:', label='y=sin(x)', linewidth=2) # 颜色为黄色('y')，点形为圆形('o')，线形为虚线(':')，lable 内容为 'y=sin(x)', 线条宽度为 2

通过设置线型形状，就可以画折线图了。
如果我们想自定义坐标轴的标题，坐标轴的刻度，坐标轴刻度的范围，设置图形标题，添加图例时，可以通过设置 pyplot 函数中的 xlable（横坐标轴标题）, ylabel（纵坐标轴标题）, xticks（横坐标轴刻度），yticks（纵坐标轴刻度），title（图形标题）, grid（显示网格），legend（显示图例）等属性来实现。经过自定义设置，对上图的代码进行一下修改：
import matplotlib.pyplot as plt
import numpy as np

# 这两行代码使得 pyplot 画出的图形中可以显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 生成数据
x = np.arange(0, 10, 0.5)
y = np.sin(x)

# 生成图形
plt.plot(x, y, 'go:', label='y=sin(x)', linewidth=2) # 颜色绿色，点形圆形，线性虚线，设置图例显示内容，线条宽度为2

plt.ylabel('y') # 横坐标轴的标题
plt.xlabel('x') # 纵坐标轴的标题
plt.xticks(np.arange(0, 11, 1)) # 设置横坐标轴的刻度为 0 到 10 的数组
plt.ylim([-2, 2]) # 设置纵坐标轴范围为 -2 到 2
plt.legend() # 显示图例, 图例中内容由 label 定义
plt.grid() # 显示网格
plt.title('我的第一个 Python 图形') # 图形的标题

# 显示图形
plt.show()

生成图形：

3. 一张图画好几条线
下表是我国近10年的 GDP 增长率，以及三大产业在近10年的增长率。




时间
GDP增长率
第一产业增长率
第二产业增长率
第三产业增长率




2009年
9.4
4
10.3
9.6


2010年
10.6
4.3
12.7
9.7


2011年
9.6
4.2
10.7
9.5


2012年
7.9
4.5
8.4
8


2013年
7.8
3.8
8
8.3


2014年
7.3
4.1
7.4
7.8


2015年
6.9
3.9
6.2
8.2


2016年
6.7
3.3
6.3
7.7


2017年
6.8
4
5.9
7.9


2018年
6.6
3.5
5.8
7.6


在画图时，横坐标轴数据为年份，纵坐标轴数据分别为 GDP 增长率，第一产业增长率，第二产业增长率，第三产业增长率。为了将四个纵坐标轴数据显示在一个图形上，可以用四个 plot 函数进行划线。Python 画图的代码为：
import matplotlib.pyplot as plt

# 这两行代码解决 plt 中文显示的问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 输入纵坐标轴数据与横坐标轴数据
gdp_rate = [9.4, 10.6, 9.6, 7.9, 7.8, 7.3, 6.9, 6.7, 6.8, 6.6]
first_industry_rate = [4.0, 4.3, 4.2, 4.50, 3.8, 4.1, 3.9, 3.3, 4.0, 3.5]
second_industry_rate = [10.3, 12.7, 10.7, 8.4, 8.0, 7.4, 6.2, 6.3, 5.9, 5.8]
third_industry_rate = [9.6, 9.7, 9.5, 8.0, 8.3, 7.8, 8.2, 7.7, 7.9, 7.6]
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018]

# 4 个 plot 函数画出 4 条线，线形为折线，每条线对应各自的标签 label
plt.plot(years, gdp_rate, '.-', label='GDP增长率')
plt.plot(years, first_industry_rate, '.-', label='第一产业增长率')
plt.plot(years, second_industry_rate, '.-', label='第二产业增长率')
plt.plot(years, third_industry_rate, '.-', label='第三产业增长率')

plt.xticks(years)  # 设置横坐标刻度为给定的年份
plt.xlabel('年份') # 设置横坐标轴标题
plt.legend() # 显示图例，即每条线对应 label 中的内容
plt.show() # 显示图形

图形显示效果：

#coding=utf-8
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(0,1,50)
y1=2*x+1
y2=x**2
plt.figure(num=1)
#获取图片并命名
plt.plot(x,y1,color='blue',linewidth=1.0,linestyle='--',label='blue')
plt.plot(x,y2,color='red',label='red')
#设置存放x,y数据呈线状 并可以用color设置颜色 linewidth设置线段粗细 linestyle设置样式 label为设置线段名
plt.legend(loc='best')
#显示所绘制曲线的信息
plt.xlim((0,1))
plt.ylim((0,3))
#设置x轴,y轴范围
plt.xlabel('x axis')
plt.ylabel('y axis')
#设置x轴,y轴标签名
plt.xticks(np.linspace(0,1,11))
plt.yticks(np.linspace(0,3,11))
#设置x轴,y轴刻度
ax=plt.gca()
#获取当前坐标轴 gca='get current axis'
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#去除右上坐标轴边框
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
#绑定坐标轴
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
#将x,y轴定位在坐标点上那个位置
plt.show()
#显示图片

1.matplotlib.pyplot.figure(num,…)

给窗口命名
2.matplotlib.pyplot.plot(x,y,colorpointline,…)

画直线：(x,y)坐标 图像颜色 图像中点和线的样式
3.matplotlib.pyplot.xlabel()

matplotlib.pyplot.ylabel()

分别给xy轴命名
4.matplotlib.pyplot.title()

给图像起标题
5.matplotlib.pyplot.show()

绘制
6.matplotlib.pyplot.grid()

绘制网格
7.matplotlib.pyplot.legend()

放置标签