自定义Matplotlib：https://matplotlib.org/tutorials/introductory/customizing.html#sphx-glr-tutorials-introductory-customizing-py
图像教程：https://matplotlib.org/tutorials/introductory/images.html#sphx-glr-tutorials-introductory-images-py
画廊：https://matplotlib.org/gallery.html
使用指南
matplotlib拥有广泛的代码库，大多数都可以通过一个相当简单的概念框架和一些重要知识来理解
绘图需要在一系列级别上进行操作。绘图包的目的是帮助尽可能轻松的可视化数据，并提供所有必要的控制。
因此matplotlib中所有内容都是按层次结构进行组织。顶部是matplotlib状态机环境。简单函数用于将绘图元素添加到当前图形的当前轴
层次结构下的是面向对象接口的第一级，其中pyplot仅用于少数功能，例如图形创建，并且用户显示创建并跟踪图形和轴对象。在此级别，用户使用pyplot来创建图形，并且通过这些图形，可以创建一个或多个轴对象。
对于GUI应用程序中嵌入matplotlib图标非常重要，所以一般都使用pyplot级别
import matplotlib.pyplot as plt import numpy as np
Figure
记录了所有子Axes，就是一些标签说明信息。一个数字可以有任意数量的Axes，但有用的应该至少有一个
fig = plt.figure() # an empty figure with no axes
fig.suptitle('No axes on this figure') # Add a title so we know which it is
fig, ax_lst = plt.subplots(2, 2) # a figure with a 2x2 grid of Axes
Axes
具有数据空间的图像区域。给定的图形可以包含许多轴，但给定的Axes对象只能在一个轴中Figure。轴包含两个Axis对象，负责数据限制。每个都有一个title()，一个x-label()，一个y-label()
Axis
负责设置图形限制并生成刻度线。刻度的位置有Locator对象确定，并且ticklabel字符串有a格式化Formatter。正确的组合Locator，并Formatter给出了刻度位置和标签非常精细的控制
绘制函数的输入类型
所有绘图功能都期望np.array或np.ma.masked_array作为输入。类似数组的类，例如pandas数据对象，np.martix可能会或可能不会按预期工作。最好np.array在绘图之前将这些转换为对象
a = pandas.DataFrame(np.random.rand(4,5), columns = list('abcde'))
a_asndarray = a.values
Matplotlib, pyplot和pylab关系
Matplotlib是整个包，pyplot是一个模块并且pylab是一个安装在一起的模块。
pyplot为底层面向对象的绘图库提供状态机接口。状态机隐式地自动创建图形和轴以实现所需的图形
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear')
plt.plot(x, x**2, label='quadratic')
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
plt.show()
第一次调用plt.plot将自动创建必要的图形和轴以实现所需的图形。随后调用plt.plot重新使用当前轴并添加另一行。设置标题，图例和轴标签还会自动使用当前轴并设置标题，创建图例并分别标记轴
Pyplot简介
matplotlib.pyplot是一组命令样式函数，使matplotlib像MATLAB一样工作。每个pyplot函数都会对图形进行一些更改。
在matplotlib.pyplot函数调用中保留各种状态，以便跟踪当前图形和绘图区域等内容，并将绘图功能定向到当前轴。
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()
如果plot()命令提供单个列表或数组，matplotlib假定它是一系列y值，并自动为您生成x值。由于python范围以0开头，因此默认的x向量与y具有相同的长度，但从0开始。因此x数据为[0,1,2,3]
plot可以采取任意数量的论点，来设置x和y的关系。
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
比如上面的图点就是1,1 - 2,4 - 3,9 - 4,16
格式化绘图样式
对于每对x，y的参数，都有一个可选的第三个参数，是格式字符串，用于指示绘图的颜色和线型。格式字符串的字母和符号来自MATLAB，将颜色字符串与线型字符串连接起来。默认格式字符串为蓝色实线。
如果要用红色圆圈绘制，可以如下修改
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro') plt.axis([0, 6, 0, 20]) plt.show()
axis：指定轴的大小值（xmin,xmax,ymin,ymax）
所有序列都在内部转换为numpy数组。比如下面使用数组绘制不同格式样式的行
import numpy as np t = np.arange(0., 5., 0.2) plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') plt.show()
关键字字符绘图
某些情况下，可以使用numpy.recarray或pandas.DataFrame进行绘图操作
Matplotlib允许您使用data关键字参数提供此类对象。
data = {'a': np.arange(50),
'c': np.random.randint(0, 50, 50),
'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100
plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()
用分类变量绘图
可以使用分类变量创建绘图。允许将分类变量直接传递给许多绘图函数
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]
plt.figure(1, figsize=(9, 3))
plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()
控制线属性
行可以设置许多属性：线宽，短划线样式，抗锯齿等。看matplotlib.lines.Line2D。有几种方法可以设置线属性
使用关键字args
plt.plot(x, y, linewidth=2.0)
使用Line2D实例的setter方法。plot返回一个Line2D对象列表。假设我们只有一行，以便返回的列表长度为1.使用元组解包，获取该列表第一个元素
line, = plt.plot(x, y, '-') line.set_antialiased(False)
使用setp命令
使用MATLAB样式命令在行列表上设置多个属性。setp透明地使用对象列表或单个对象。可以使用python关键字参数或MATLAB样式的字符串
lines = plt.plot(x1, y1, x2, y2) # use keyword args plt.setp(lines, color='r', linewidth=2.0) # or MATLAB style string value pairs plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
以下是可用的Line2D属性
属性：值类型
alpha：float
animated：[True | False]
antialiased or aa：[True | False]
clip_box：一个matplotlib.transform.Bbox实例
clip_on：[True | False]
clip_path：一个Path实例和一个Transform实例，一个Patch
color or c：任何matplotlib颜色
contains：命中测试功能
dash_capstyle：['butt' | 'round' | 'projecting']
dash_joinstyle：['miter' | 'round' | 'bevel']
dashes：点的开/关墨水序列
data：(np.array xdata, np.array ydata)
figure：一个matplotlib.figure.Figure实例
label：any string
linestyle or ls：[ '-' | '--' | '-.' | ':' | 'steps' | ...]
linewidth or lw：浮点数值
lod：[True | False]
marker：[ '+' | ',' | '.' | '1' | '2' | '3' | '4' ]
markeredgecolor or mec：any matplotlib color
markeredgewidth or mew：float value in points
markerfacecolor or mfc：any matplotlib color
markersize or ms：float
markevery：[ None | integer | (startind, stride) ]
picker：用于交互式线路选择
pickradius：行选择半径
solid_capstyle：['butt' | 'round' | 'projecting']
solid_joinstyle：['miter' | 'round' | 'bevel']
transform：一个matplotlib.transforms.Transform实例
visible：[True | False]
xdata：np.array
ydata：np.array
zorder：any number
要获取可设置的行属性列表，请setp()使用一行或多行作为参数调用该函数
lines = plt.plot([1, 2, 3])plt.setp(lines)
使用多个图形和轴
MATLAB，具有当前图形和当前轴的概念。所有绘图命令都适用于当前轴。gca() 返回当前轴（matplotlib.axes.Axes实例），gcf() 返回当前图形（matplotlib.figure.Figure实例）
def f(t):
return np.exp(-t) * np.cos(2*np.pi*t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.figure(1)
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()
np.exp 指数函数通常特指以
为底数的指数函数（即
），为数学中重要的函数，也可写作
。这里的是数学常数，也就是自然对数函数的底数，近似值为
，又称为欧拉数
figure此处的命令是可选的，因为figure(1)默认情况下将创建该命令，就像subplot(111)您不手动指定任何轴一样，默认情况下将创建该命令。subplot()命令指定其中范围从1到多少。
plt.subplot()关键参数有三个元素，分别代表行、列、当前激活的子图。比如plt.subplot(2,1,2)，也可以去掉逗号写成plt.subplot(212)
可以创建任意数量的子图和轴，如果要手动放置轴，使用axes命令，该命令允许你指定所有值在小数(0到1)坐标中的位置。
可以使用figure具有增加的号，多个调用来创建多个数字。每个图形可以包含您心中所需的轴和子图
import matplotlib.pyplot as plt
plt.figure(1) # the first figure
plt.subplot(211) # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212) # the second subplot in the first figure
plt.plot([4, 5, 6])
plt.figure(2) # a second figure
plt.plot([4, 5, 6]) # creates a subplot(111) by default
plt.figure(1) # figure 1 current; subplot(212) still current
plt.subplot(211) # make subplot(211) in figure1 current
plt.title('Easy as 1, 2, 3') # subplot 211 title
可以使用clf 和 当前轴清除当前图形 cla。
使用文本
text()命令可以用于在任意位置添加文本xlabel()，ylabel()，title()
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=1, facecolor='g', alpha=0.75)
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()
所有text命令都返回一个matplotlib.text.Text实例。可以通过将关键字参数传递到文本函数或使用setp()以下内容来自定义属性
t = plt.xlabel('my data', fontsize=14, color='red')
文本中使用数学表达式
matplotlib在任何文本表达式中接受TeX方程表达式。要
在标题中编写表达式，可以编写由美元符号包围的TeX表达式
plt.title(r'$\sigma_i=15$')
不需要安装TeX，因为matplotlib附带了自己的TeX表达式解析器，布局引擎和字体。布局引擎是TeX中布局算法的直接改变，因此质量非常好
任何文本元素都可以使用数学文本。只要在引号前面加上r，并用美元符号$ 包围数学文本即可。
下面看一例子
plt.title(r'$\alpha > \beta$')
注意一定要放在两个$之间
下标和上标
要制作下标和上标，使用'_' 和 '^' 符号
r '$ \ alpha_i> \ beta_i $'
某些符号会自动将其子上标放在运算符下方和上方。例如写西格玛xi从0到无穷大
r '$ \ sum_ {i = 0} ^ \ infty x_i $'
分数，二项式和堆积数
分数，二项式和堆叠号码可以与被创建frac、binom、stackrel分别命令
r '$ \ frac {3} {4} \ binom {3} {4} \ stackrel {3} {4} $'
分数可以任意嵌套
r '$ \ frac {5 - \ frac {1} {x} } {4} $'
需要特别注意在分数周围放置括号。
r '$（\ frac {5 - \ frac {1} {x} } {4} ）$'
r '$ \ left（\ frac {5 - \ frac {1} {x} } {4} \ right）$'
根号
使用\sqrt[]{}命令生成根号
r '$ \ sqrt {2} $'
可以在方括号内提供任何数据，基类必须是简单表达式，不能包含布局命令
r '$ \ sqrt [3] {x} $'
字体
数学符号的默认字体是斜体。要更改字体，将文本括在font命令中
r '$ s（t）= \ mathcal {A} \ mathrm {sin} （2 \ omega t）$'
许多罗马字体排版的常用函数名称都有快捷方式。上面的表达式可以写成如下
r '$ s（t）= \ mathcal {A} \ sin（2 \ omega t）$'
所有字体可用的选项是
命令：结果
\mathrm{Roman}：
\mathit{Italic}：
\mathtt{Typewriter}：
\mathcal{CALLIGRAPHY}：
\mathbb {blackboard}：
\mathrm {\mathbb{blackboard}}：
\mathfrak {Fraktur}：
\mathsf {sansserif}：
\mathrm {\mathsf{sansserif}}：
\mathcircled{circled}：
音节
重音命令可以在任何符号之前，在其上方添加重音。其中有一些长短形式
\acute a or \'a |
 |
\bar a |
 |
\breve a |
 |
\ddot a or \"a |
 |
\dot a or \.a |
 |
\grave a or \`a |
 |
\hat a or \^a |
 |
\tilde a or \~a |
 |
\vec a |
 |
\overline{abc} |
 |
此外，还有两种特殊的重音可以自动调整到下面符号的宽度
\widehat{xyz} |
 |
\widetilde{xyz} |
 |
在小写字母i 和 j添加重音时，应该用 \imath内容避免重叠到点上
r “$ \ hat i \ \ \ hat \ imath $”
符号
可以使用大量的TeX的符号
小写希腊语
\alpha
\beta\chi\delta\digamma\epsilon\eta\gamma\iota\kappa\lambda\mu\nu\omega\phi\pi\psi\rho\sigma\tau\theta\upsilon\varepsilon\varkappa\varphi\varpi\varrho\varsigma\vartheta\xi\zeta
大写希腊语
\Delta\Gamma\Lambda\Omega\Phi\Pi\Psi\Sigma\Theta\Upsilon\Xi\mho\nabla
希伯来语
\aleph\beth\daleth\gimel
分隔符
/[\Downarrow\Uparrow\Vert\backslash\downarrow\langle\lceil\lfloor\llcorner\lrcorner\rangle\rceil\rfloor\ulcorner\uparrow\urcorner\vert\{\|\}]|
大符号
\bigcap\bigcup\bigodot\bigoplus\bigotimes\biguplus\bigvee\bigwedge\coprod\int\oint\prod\sum
标准功能名称
\Pr\arccos\arcsin\arctan\arg\cos\cosh\cot\coth\csc\deg\det\dim\exp\gcd\hom\inf\ker\lg\lim\liminf\limsup\ln\log\max\min\sec\sin\sinh\sup\tan\tanh
二元运算和关系符号
\Bumpeq\Cap\Cup\Doteq\Join\Subset\Supset\Vdash\Vvdash\approx\approxeq\ast\asymp\backepsilon\backsim\backsimeq\barwedge\because\between\bigcirc\bigtriangledown\bigtriangleup\blacktriangleleft\blacktriangleright\bot\bowtie\boxdot\boxminus\boxplus\boxtimes\bullet\bumpeq\cap\cdot\circ\circeq\coloneq\cong\cup\curlyeqprec\curlyeqsucc\curlyvee\curlywedge\dag\dashv\ddag\diamond\div\divideontimes\doteq\doteqdot\dotplus\doublebarwedge\eqcirc\eqcolon\eqsim\eqslantgtr\eqslantless\equiv\fallingdotseq
\frown\geq\geqq\geqslant\gg\ggg\gnapprox\gneqq\gnsim\gtrapprox\gtrdot\gtreqless\gtreqqless\gtrless\gtrsim\in\intercal\leftthreetimes\leq\leqq\leqslant\lessapprox\lessdot\lesseqgtr\lesseqqgtr\lessgtr\lesssim\ll\lll\lnapprox\lneqq\lnsim\ltimes\mid\models\mp\nVDash\nVdash\napprox\ncong\ne\neq\neq\nequiv\ngeq\ngtr\ni\nleq\nless\nmid\notin\nparallel\nprec\nsim\nsubset\nsubseteq\nsucc\nsupset\nsupseteq\ntriangleleft
\ntrianglelefteq\ntriangleright\ntrianglerighteq\nvDash\nvdash\odot\ominus\oplus\oslash\otimes\parallel\perp\pitchfork\pm\prec\precapprox\preccurlyeq\preceq\precnapprox\precnsim\precsim\propto\rightthreetimes\risingdotseq\rtimes\sim\simeq\slash\smile\sqcap\sqcup\sqsubset\sqsubset\sqsubseteq\sqsupset\sqsupset\sqsupseteq\star\subset\subseteq\subseteqq\subsetneq\subsetneqq\succ\succapprox\succcurlyeq\succeq\succnapprox\succnsim\succsim\supset\supseteq\supseteqq\supsetneq\supsetneqq\therefore\times\top\triangleleft\trianglelefteq
\triangleq\triangleright\trianglerighteq\uplus\vDash\varpropto\vartriangleleft\vartriangleright\vdash\vee\veebar\wedge\wr
箭头符号
\Downarrow\Leftarrow\Leftrightarrow\Lleftarrow\Longleftarrow\Longleftrightarrow\Longrightarrow\Lsh\Nearrow\Nwarrow\Rightarrow\Rrightarrow\Rsh\Searrow\Swarrow\Uparrow\Updownarrow\circlearrowleft\circlearrowright\curvearrowleft\curvearrowright\dashleftarrow\dashrightarrow\downarrow\downdownarrows\downharpoonleft\downharpoonright\hookleftarrow\hookrightarrow\leadsto\leftarrow\leftarrowtail\leftharpoondown\leftharpoonup\leftleftarrows\leftrightarrow\leftrightarrows\leftrightharpoons\leftrightsquigarrow\leftsquigarrow
\longleftarrow\longleftrightarrow\longmapsto\longrightarrow\looparrowleft\looparrowright\mapsto\multimap\nLeftarrow\nLeftrightarrow\nRightarrow\nearrow\nleftarrow\nleftrightarrow\nrightarrow\nwarrow\rightarrow\rightarrowtail\rightharpoondown\rightharpoonup\rightleftarrows\rightleftarrows\rightleftharpoons\rightleftharpoons\rightrightarrows\rightrightarrows\rightsquigarrow\searrow\swarrow\to\twoheadleftarrow\twoheadrightarrow\uparrow\updownarrow\updownarrow\upharpoonleft\upharpoonright\upuparrows
杂项符号
\$\AA\Finv\Game\Im\P\Re\S\angle\backprime\bigstar\blacksquare\blacktriangle\blacktriangledown\cdots\checkmark\circledR\circledS\clubsuit\complement\copyright\ddots\diamondsuit\ell\emptyset\eth\exists\flat\forall\hbar\heartsuit\hslash\iiint\iint\iint\imath\infty\jmath\ldots\measuredangle\natural\neg\nexists\oiiint\partial\prime\sharp\spadesuit\sphericalangle\ss\triangledown\varnothing\vartriangle\vdots\wp\yen
示例
这是一个示例，说明了上下文中的许多这些功能。
import numpy as np
import matplotlib.pyplot as plt
t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2*np.pi*t)
plt.plot(t,s)
plt.title(r'$\alpha_i > \beta_i$', fontsize=20)
plt.text(1, -0.6, r'$\sum_{i=0}^\infty x_i$', fontsize=20)
plt.text(0.6, 0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$',
fontsize=20)
plt.xlabel('time (s)')
plt.ylabel('volts (mV)')
plt.show()
注释文本
text 上面基本命令的使用将文本放在Axes上的任意位置。文本的常见用途是注释绘图的某些功能，并且该annotate() 方法提供帮助功能义使注释变得更容易
ax = plt.subplot(111)
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05),)
plt.ylim(-2, 2)
plt.show()
xy（箭头提示）和xytext位置都在数据坐标中。可以选择各种其他坐标系
注释
使用Matplotlib注释文本
基本的使用text() 将文本放在Axes上的任意位置。文本的常见用例是注释绘图的某些功能，并且该annotate() 方法提供帮助功能以使注释变得容易。
在注释中，有两点需要考虑：注释的位置由参数xy和文本的位置xytext表示。这两个参数都是(x,y)元组
在上面的示例中，xy箭头是和xytext位置都在数据坐标中。可以选择各种其他坐标系，可以指定xy和xytext使用以下字符串之一的坐标系xycoords和textcoords默认为data
论据：坐标系
'figure points'：从图的左下角开始的点
'figure pixels'：图左下角的像素
'figure fraction'：0,0是图的左下角，1,1是右上角
'axes points'：从轴的左下角开始的点
'axes pixels'：轴左下角的像素
'axes fraction'：0,0位于轴的左下方，1,1位于右上方
'data'：使用轴数据坐标系
要将文本坐标放在小数轴坐标中，可以执行以下操作
ax.annotate('local max', xy=(3, 1), xycoords='data',
xytext=(0.8, 0.95), textcoords='axes fraction',
arrowprops=dict(facecolor='black', shrink=0.05),
horizontalalignment='right', verticalalignment='top',
)
对于物理坐标系(点或像素)，原点是图形的左下角
通过在可选关键字参数中提供箭头属性字典，可以启用文本到注释点的箭头绘制arrowprops
arrowprops 键：描述
width：点的箭头宽度
frac：头部占据的箭头长度的分数
headwidth：箭头底部的宽度以磅为单位
shrink：移动尖端并将基数与注释点和文本相差一些
**kwargs：任何关键matplotlib.patches.Polygon，例如，facecolor
在下面的示例中，xy点位于本机坐标中(xycoords默认为"data")。示例中文本放在小数字坐标系中。matplotlib.text.Text 关键字args喜欢horizontalalignment,verticalcalignment并fontsize传递annotate给Text示例
文本注释
text() pyplot模块中的函数(或Axes类的文本方法)采用bbox关键字参数，并且在给定时，将绘制文本周围的框
bbox_props = dict(boxstyle="rarrow,pad=0.3", fc="cyan", ec="b", lw=2)
t = ax.text(0, 0, "Direction", ha="center", va="center", rotation=45,
size=15,
bbox=bbox_props)
可以通过以下方式访问与文本关联的修补程序对象
bb = t.get_bbox_patch()
返回值是FancyBboxPatch的一个实例，可以像往常一样访问和修改像facecolor,edgenwith等补丁属性。要更改框的形状，使用set_boxstyle方法
bb.set_boxstyle("rarrow", pad=0.6)
参数是框样式的名称，其属性为关键字参数。目前实现了以下框样式
Class：Name：Attrs
Circle：circle：pad=0.3
DArrow：darrow：pad=0.3
LArrow：larrow：pad=0.3
RArrow：rarrow：pad=0.3
Round：round：pad=0.3,rounding_size=None
Round4：round4：pad=0.3,rounding_size=None
Roundtooth：roundtooth：pad=0.3,tooth_size=None
Sawtooth：sawtooth：pad=0.3,tooth_size=None
Square：square：pad=0.3
请注意，可以使用分隔逗号在样式名称中指定属性参数
bb.set_boxstyle("rarrow,pad=0.6")
箭头注释
annotate() pyplot模块中的函数用于绘制连接图上两点的箭头
ax.annotate("Annotation",
xy=(x1, y1), xycoords='data',
xytext=(x2, y2), textcoords='offset points',
)
在诠释一个点xy在给定的坐标为(xycoords)，在文xytext中给出textcoords。通常，注释点在数据坐标中指定，而注释文本在偏移点中指定。
可以通过指定arrowprops参数来选择性地绘制连接两个点(xy和xytext)的箭头。要绘制箭头，请使用空字符串作为第一个参数
ax.annotate("",
xy=(0.2, 0.2), xycoords='data',
xytext=(0.8, 0.8), textcoords='data',
arrowprops=dict(arrowstyle="->",
connectionstyle="arc3"),
)
箭头绘制需要几个步骤
1.创建两点之间的连接路径。connectionstyle键值控制
2.如果给出乐力补丁对象patchA和patchB，则剪切路径以避免补丁
3.给定数量的像素进一步缩小路径
4.路径转换为箭头补丁，arrowstyle键值控制
两点之间的乱接路径的创建由connectionstyle键控制，并且可以使用以下样式
Name：Attrs
angle：angleA=90,angleB=0,rad=0.0
angle3：angleA=90,angleB=0
arc：angleA=0,angleB=0,armA=None,armB=None,rad=0.0
arc3：rad=0.0
bar：armA=0.0,armB=0.0,fraction=0.3,angle=None
angle3和arc3 表示结果路径是二次样条线段。当链接路径是二次样条时，才能使用某些箭头样式选项
然后根据给定的链接路径变为箭头补丁arrowstyle
Name：Attrs
-：None
->：head_length=0.4,head_width=0.2
-[：widthB=1.0,lengthB=0.2,angleB=None
|-|：widthA=1.0,widthB=1.0
-|>：head_length=0.4,head_width=0.2
<-：head_length=0.4,head_width=0.2
<->：head_length=0.4,head_width=0.2
<|-：head_length=0.4,head_width=0.2
<|-|>：head_length=0.4,head_width=0.2
fancy：head_length=0.4,head_width=0.4,tail_width=0.4
simple：head_length=0.5,head_width=0.5,tail_width=0.2
wedge：tail_width=0.3,shrink_factor=0.5
某些箭头样式仅适用于生成二次样条线段的连接样式。他们是fancy，simple，wedge。对于这些箭头样式，必须使用angle3或arc3链接样式
如果给出了注释字符串，则默认情况下patchA设置为文本bbox补丁
与在text命令中一样，可以使用bbox参数绘制文本周围的框
将Artists放置在Axes的锚定位置
有些Artists可以防止在Axes的锚定位置。可以使用OffsetBox类创建
mpl_toolkits.axes_grid1,anchored_artists可以使用一些预定义的类matplotlib.offsetbox
from matplotlib.offsetbox import AnchoredText
at = AnchoredText("Figure 1a",
prop=dict(size=8), frameon=True,
loc=2,
)
at.patch.set_boxstyle("round,pad=0.,rounding_size=0.2")
ax.add_artist(at)
一个简单的应用是在Artists的大小在创作期间以像素大小知道的时候。如果要绘制固定大小为20*20的圆，则可以使用AnchoredDrawingArea，使用绘图区域的大小创建实例，并且可以将任意Artists添加到绘图区域。添加到绘图区域的艺术家的范围与绘图区域本身的位置无关。只有初始尺寸很重要。
from mpl_toolkits.axes_grid1.anchored_artists import AnchoredDrawingArea
ada = AnchoredDrawingArea(20, 20, 0, 0,
loc=1, pad=0., frameon=False)
p1 = Circle((10, 10), 10)
ada.drawing_area.add_artist(p1)
p2 = Circle((30, 10), 5, fc="r")
ada.drawing_area.add_artist(p2)
添加到绘图区域的Artists不应该具有变换集，并且这些Artists的尺寸被解释为像素坐标，即上例中的圆的半径分别是10像素和5像素
如果希望Artists使用数据坐标进行缩放，可以使用AnchoredAuxTransformBox课程。类似于除了Artists的范围是在绘图时间内根据指定的变换确定的。
from mpl_toolkits.axes_grid1.anchored_artists import AnchoredAuxTransformBox box = AnchoredAuxTransformBox(ax.transData, loc=2) el = Ellipse((0,0), width=0.1, height=0.4, angle=30) # in data coordinates! box.drawing_area.add_artist(el)
例子中椭圆在数据坐标中的宽度和高度对应于0.1和0.4，并且当轴的视图极限发生变化时将自动缩放
使用ConnectionPatch
ConnectionPatch就像没有文本的注释。大多数情况建议使用注释功能，但是想要链接不同轴上的点时，ConnectionPatch非常有用
from matplotlib.patches import ConnectionPatch
xy = (0.2, 0.2)
con = ConnectionPatch(xyA=xy, xyB=xy, coordsA="data", coordsB="data",
axesA=ax1, axesB=ax2)
ax2.add_artist(con)
上面代码将数据坐标中的ax1点xy链接到数据坐标中的点xy ax2.这是一个简单的例子
虽然可以将ConnectionPatch实例添加到任何轴，但您可能希望将其添加到最新绘图顺序的轴，以防止其他轴重叠。
对数和其他非线性轴
matplotlib.pyplot不仅支持线性轴刻度，还支持对数和logit刻度。如果数据跨越许多数量级，则通常使用这种方法
from matplotlib.ticker import NullFormatter # useful for `logit` scale
# Fixing random state for reproducibility
np.random.seed(19680801)
# make up some data in the interval ]0, 1[
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))
# plot with various axes scales
plt.figure(1)
# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)
# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)
# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthreshy=0.01)
plt.title('symlog')
plt.grid(True)
# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Format the minor tick labels of the y-axis into empty strings with
# `NullFormatter`, to avoid cumbering the axis with too many labels.
plt.gca().yaxis.set_minor_formatter(NullFormatter())
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
wspace=0.35)
plt.show()
https://matplotlib.org/tutorials/introductory/pyplot.html
来源：https://www.cnblogs.com/chenxygx/p/9552712.html