A,=plt.plot(x1,y1,'-r',label='A',linewidth=5.0,ms=10)

其中线条样式以及颜色设置可参考： https://blog.csdn.net/code_segment/article/details/79217700 ，个人觉得介绍非常详尽。

线条粗细使用linewidth设置，对应线条上的marker大小设置为ms参数。因为有时候粗线条，所以对应marker大小也需要增加。

如果想要标记marker为空心，可以在后面加上 markerfacecolor='none'

设置图例以及对应属性：

legend = plt.legend(handles=[A,B],prop=font1)

图例的字体格式在prop中进行设置，赋值font1可以是一个字典，包含各个属性及其对应值，属性包括family（字体）、size（字体大小）等常用属性，更详细的解释可参考matplotlib手册中关于 legend prop 的解释。

一种比较简单的设置为：

font1 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 23,
坐标轴刻度密度/间隔设置：
 
ax.xaxis.set_major_locator(MultipleLocator(10))
 
括号中的数字为对应的刻度间隔值，y轴对应类似。
 
坐标轴刻度值属性设置：
 
plt.tick_params(labelsize=23)
labels = ax.get_xticklabels() + ax.get_yticklabels()
[label.set_fontname('Times New Roman') for label in labels]
 
其中tick_params中可设置一系列属性，包括刻度值字体大小、方向、大小，颜色等一系列属性，具体可参见手册中关于tick_params的解释。
 
比较特殊的是，其中并没有对刻度值的字体进行设置的属性，所以我们需要使用下面两行进行设置，在最初使用plt.subplots中有得到一个返回值ax，我们使用ax.get_xticklabels()以及ax.get_yticklabels()来得到所有的刻度值，并使用set_fontname函数来设置属性。
 
坐标轴名称以及对应字体属性设置：
 
plt.xlabel('round',font2)
plt.ylabel('value',font2)
 
这种比较简单，第一个参数为坐标轴名称，第二个参数也是一个字典参数，和上文提及的dict font1格式相同。
 
有时候，因为调整了坐标刻度的字体大小，影响了坐标轴label的显示。所以我们需要通过调整坐标轴边距来显示label
 
plt.subplots_adjust(left = 0.15,bottom=0.128)
 
下面我们给出一个比较简单的画图过程:
 
#--coding:utf-8--
import  matplotlib.pyplot as plt
#数据设置
x1 =[0,5000,10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000];
y1=[0, 223, 488, 673, 870, 1027, 1193, 1407, 1609, 1791, 2113, 2388];
x2 =[0,5000,10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000];
y2=[0, 214, 445, 627, 800, 956, 1090, 1281, 1489, 1625, 1896, 2151];
#设置输出的图片大小
figsize = 11,9
figure, ax = plt.subplots(figsize=figsize)
#在同一幅图片上画两条折线
A,=plt.plot(x1,y1,'-r',label='A',linewidth=5.0)
B,=plt.plot(x2,y2,'b-.',label='B',linewidth=5.0)
#设置图例并且设置图例的字体及大小
font1 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 23,
legend = plt.legend(handles=[A,B],prop=font1)
#设置坐标刻度值的大小以及刻度值的字体
plt.tick_params(labelsize=23)
labels = ax.get_xticklabels() + ax.get_yticklabels()
[label.set_fontname('Times New Roman') for label in labels]
#设置横纵坐标的名称以及对应字体格式
font2 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 30,
plt.xlabel('round',font2)
plt.ylabel('value',font2)
#将文件保存至文件中并且画出图
plt.savefig('figure.eps')
plt.show()
 
                    设置输出的图片大小：figsize = 11,9figure, ax = plt.subplots(figsize=figsize)画简单的折线图，同时标注线的形状、名称、粗细：A,=plt.plot(x1,y1,'-r',label='A',linewidth=5.0,ms=10)其中线条样式以及颜色设置可参考：https://blog....
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号
import pandas as pd
import numpy as np
新建隐藏坐标轴
from mpl_toolkits.axisartist.
				
文章目录前言一、图形绘制二、坐标轴刻度、标签、标题1.寻找字体2.设置三、图例四、脊柱移动五、风格样式-颜色、线形、点形、线宽、透明度2.更多属性设置六、多图布局1.子视图2.视图嵌套3.多图布局4.不平均分布总结
python学习笔记—matplotlib   day8（仅供学习使用）
软件的安装
pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
介绍：在数据分析与机器学习中，我们经常要用到大量的可视化操作。一
plt.title（pad）
pad 参数：调节标注和图框的距离，适用于plt.title，basemap中的m.colorbar等函数；
   plt.title("我的图片一", fontsize=15, pad=20)
   plt.axis('off') 
				
用python的matplotlib画图时，往往需要加图例说明。如果不设置任何参数，默认是加到图像的内侧的最佳位置。
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(10)
fig = plt.figure()
ax = plt.subplot(111)
for i in xrange(5):
 ax.plot(x, i * x, label='$y = %ix$' % i)
plt.legend()
plt.show()
这样的结果如图所示：
如果需要将该legend移到图像外侧，有多种方法，这里介绍一种。
				
条形图（bar chart），也称为柱状图，是一种以长方形的长度为变量的统计图表，长方形的长度与它所对应的变量数值呈一定比例。
1. 竖放条形图
画条形图要用到 pyplot 中的 bar 函数，该函数的基本语法为：
bar(x, height, [width], **kwargs)
				
def make_plt(context, host, status):
    # 定义y轴展示信息字典
    label1_dict = {'0': 'in_bytes', '1': 'out_bytes', '2': 'all_bytes'}
    label2_dict = {'0': 'in_packets', '1': 'out_packets', '2': 'all_packe...
				
Python的matplotlib是一款数据可视化工具，而图例说明则是在数据可视化过程中非常重要的一部分。在画图时，我们经常需要对每个数据对应的线条或颜色进行说明，这时候图例说明就起到了非常重要的作用。图例说明不仅使得图表更加易懂，还能够提高数据可视化的观感。
matplotlib中可以通过legend()函数来添加图例说明，其常用语法为：
plt.plot(x,y,label='线条说明')
plt.legend()
在上述代码中，plt.plot(x,y,label='线条说明')用来给线条添加说明，其中label用来指定线条说明的内容。而plt.legend()函数则用来添加图例说明，并显示在图表中。
在matplotlib中，可以通过loc参数来控制图例说明的位置。loc有多个值可选，如'upper right','lower left'等等，其中每一个值代表着不同的位置。常见的位置参数包括：
- 'best'：自动选择最佳位置
- 'upper right'：右上角
- 'upper left'：左上角
- 'lower right'：右下角
- 'lower left'：左下角
同时，legend()函数还可以通过numpoints参数来控制图例中显示的标记个数，而fontsize参数用于指定图例字体的大小。
需要注意的是，图例说明的位置可能会与图表中的数据重叠，这时候可以通过调整位置或者放大缩小角度来改善。此外，如果数据过于复杂，也可以使用subplot来显示多个图，并将图例说明放在合适的位置。
最后需要指出的是，matplotlib非常强大、灵活，可以绘制出各种类型的图表，而图例说明则可以提高数据可视化的观感。因此，在使用matplotlib进行数据可视化时，不要忽视图例说明的作用。
                    t__小白: 
                    group=df[df['是否热门']=='N']['评论内容'].apply(lambda x: len(str(x))).reset_index()
group_rm=df[df['是否热门']=='Y']['评论内容'].apply(lambda x: len(str(x))).reset_index()
print (group,group_rm)
x=[group_rm["评论内容"],group["评论内容"]]
colors=["#8dd3c7", "#bebada"]
labels = [ "热门评论","普通评论"]
bins = range(0, 150, 5)  #x轴刻度
#density是否将频数转为频率
plt.hist(x,color=colors,bins=bins,label=labels,stacked=True,density=True,weights=counts)[code=python]
[/code]
                python matplotlib 多个子图、堆积柱状图、频次/频率直方图绘画
                    t__小白: 
                    如果有两组数据x1,x2要画频率分布直方图，每组数据在自己组的频率分布，density=true画出的是数据在整体的密度分布。请问这时weight如何赋值呢？[code=python]
[/code]
                python matplotlib 画图刻度、图例等字体、字体大小、刻度密度、线条样式设置
                    230万光年的思念: 
                    子图的图例大小如何设置？
                python matplotlib 画图刻度、图例等字体、字体大小、刻度密度、线条样式设置
                    weixin_45977006: 
                    太有用了，正在困惑只有plt的怎么画
                python matplotlib 画图刻度、图例等字体、字体大小、刻度密度、线条样式设置
                    萝卜丝皮尔: 
                    如果只有plt没有ax的话，可以使用ax=plt.gca()获取当前坐标轴，再进行设置刻度值字体的操作。谢谢分享！