pycharm生成图片

图片例子

生成图片并储存，设置中文字体支持

from matplotlib import pyplot as plt
import random
import os# 设置中文字体支持
plt.rcParams["font.family"] = ["Microsoft YaHei"]
plt.rcParams['axes.unicode_minus'] = False# 生成数据
x = list(range(0, 120))
y = [random.randint(20, 35) for _ in range(120)]# x轴标签
_xtick_labels = [f"10点{i}分" for i in range(60)] + [f"11点{i}分" for i in range(60)]# 创建图形
plt.figure(figsize=(20, 8), dpi=80)
plt.plot(x, y, color='blue', linestyle='-', marker='o', markersize=4)
plt.xticks(x[::3], _xtick_labels[::3], rotation=45, ha='right', fontsize=10)# 标题和标签
plt.title("Random Values Over Time (10:00-11:59)", fontsize=14)
plt.xlabel("Time", fontsize=12)
plt.ylabel("Value", fontsize=12)
plt.grid(True, linestyle='--', alpha=0.7)
plt.tight_layout()# ✅ 正确保存路径：桌面
save_path = r"C:\Users\35986\Desktop\time_series_plot.png"
plt.savefig(save_path)print("图片成功保存到桌面！路径为：", save_path)
plt.show()

两条线

from matplotlib import pyplot as plt# Data
a = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]  # You
b = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 11]  # Desk Mate
ages = list(range(11, 31))  # Ages 11 to 30# Create the plot
plt.figure(figsize=(10, 6), dpi=100)
plt.plot(ages, a, color='blue', linestyle='-', marker='o', markersize=5, label='You')
plt.plot(ages, b, color='orange', linestyle='-', marker='s', markersize=5, label='Desk Mate')# Customize the plot
plt.title('Number of Partners by Age (11-30)', fontsize=14)
plt.xlabel('Age', fontsize=12)
plt.ylabel('Number of Partners', fontsize=12)
plt.xticks(ages)  # Show every age on x-axis
plt.grid(True, linestyle='--', alpha=0.7)
plt.legend()# Adjust layout to prevent label cutoff
plt.tight_layout()# Save the plot to the desktop (adjust the path for your system)
save_path = r"D:\my_app\python\python  project\figure\time_series_plot.png"
plt.savefig(save_path)
print(f"Plot saved to: {save_path}")# Display the plotplt.show()

绘制散点图和直方图

import matplotlib.pyplot as plt
import numpy as np# Data
a = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17, 18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21, 22, 22, 22, 23]  # March
b = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 19, 22, 23, 17, 20, 21, 20, 22, 15, 11, 15, 5, 13, 17, 10, 11, 13, 12, 13, 6]  # October
days = list(range(1, 32))  # Days 1 to 31# Create figure with two subplots
plt.figure(figsize=(12, 8))# Subplot 1: Scatter plot
plt.subplot(2, 1, 1)
plt.scatter(days, a, color='b', marker='o', s=50, label='March 2016')
plt.scatter(days, b, color='r', marker='s', s=50, label='October 2016')
plt.title('Daily High Temperatures in Beijing (March vs. October 2016)', fontsize=14)
plt.xlabel('Day of Month', fontsize=12)
plt.ylabel('Temperature (°C)', fontsize=12)
plt.xticks(days[::2])  # Show every other day for clarity
plt.grid(True, linestyle='--', alpha=0.7)
plt.legend()# Subplot 2: Histogram of temperature frequencies
plt.subplot(2, 1, 2)
plt.hist(a, bins=range(min(a + b), max(a + b) + 2), alpha=0.5, color='b', label='March 2016')
plt.hist(b, bins=range(min(a + b), max(a + b) + 2), alpha=0.5, color='r', label='October 2016')
plt.title('Temperature Distribution (March vs. October 2016)', fontsize=14)
plt.xlabel('Temperature (°C)', fontsize=12)
plt.ylabel('Count', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.7)
plt.legend()# Adjust layout and display
plt.tight_layout()
plt.show()

绘制条形图（bar）

import matplotlib.pyplot as plt
import numpy as np# 设置中文字体支持
plt.rcParams["font.family"] = ["Microsoft YaHei"]
plt.rcParams['axes.unicode_minus'] = False# Data
a = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5:最后的骑士","摔跤吧!爸爸", "加勒比海盗5:死无对证", "金刚:骷髅岛", "极限特工:终极回归","生化危机6:终章", "乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺","金刚狼3:殊死一战", "蜘蛛侠:英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊"]
b = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12,10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88, 6.86, 6.58, 6.23]  # Unit: 亿元# Create figure
plt.figure(figsize=(12, 6))# Plot bar chart
bars = plt.bar(a, b, color='skyblue', edgecolor='black')# Add data labels on top of each bar
for bar in bars:yval = bar.get_height()plt.text(bar.get_x() + bar.get_width()/2, yval + 0.5, f'{yval}',ha='center', va='bottom', fontsize=8)# Customize the plot
plt.title('Top 20 Movies by Box Office in Mainland China (2017)', fontsize=14)
plt.xlabel('Movie Title', fontsize=12)
plt.ylabel('Box Office (Billions of CNY)', fontsize=12)
plt.xticks(rotation=45, ha='right', fontsize=10)  # Rotate x-axis labels for readability
plt.grid(True, axis='y', linestyle='--', alpha=0.7)  # Grid on y-axis
plt.tight_layout()# Save the plot
plt.savefig('box_office_bar_chart.png')# Display the plot
plt.show()

绘制条形图（横着的）（plt.barh）

import matplotlib.pyplot as plt
import numpy as np
# 设置中文字体支持
plt.rcParams["font.family"] = ["Microsoft YaHei"]
plt.rcParams['axes.unicode_minus'] = False# Data
a = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5:最后的骑士","摔跤吧!爸爸", "加勒比海盗5:死无对证", "金刚:骷髅岛", "极限特工:终极回归","生化危机6:终章", "乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺","金刚狼3:殊死一战", "蜘蛛侠:英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊"]
b = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12,10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88, 6.86, 6.58, 6.23]  # Unit: 亿元# Sort data by box office earnings (descending)
sorted_data = sorted(zip(b, a), reverse=True)
b_sorted, a_sorted = zip(*sorted_data)# Create figure
plt.figure(figsize=(10, 8))# Plot horizontal bar chart
plt.barh(a_sorted, b_sorted, color='#1f77b4', edgecolor='none')  # Match the blue color from the image# Customize the plot
plt.title('2017年内地电影票房前20', fontsize=14)  # Title: "Top 20 Movies by Box Office in Mainland China 2017"
plt.xlabel('票房(亿元)', fontsize=12)  # X-axis: "Box Office (Billions of CNY)"
plt.ylabel('电影名', fontsize=12)  # Y-axis: "Movie Title"
plt.tight_layout()# Save the plot
plt.savefig('horizontal_box_office_bar_chart_matching_image.png')# Display the plot
plt.show()

分组的条形图

先给每天分组，再用for循环画图。

import matplotlib.pyplot as plt
import numpy as np# 设置中文字体支持
plt.rcParams["font.family"] = ["Microsoft YaHei"]
plt.rcParams['axes.unicode_minus'] = False# Data
a = ["猩球崛起3:终极之战", "敦刻尔克", "蜘蛛侠:英雄归来", "战狼2"]
b_14 = [2358, 399, 2358, 362]  # 2017-09-14
b_15 = [12357, 156, 2045, 168]  # 2017-09-15
b_16 = [15746, 312, 4497, 319]  # 2017-09-16# Prepare data for grouped bar chart
days = ['2017-09-14', '2017-09-15', '2017-09-16']
data = np.array([b_14, b_15, b_16]).T  # Transpose to group by movie# Set bar width and positions
bar_width = 0.2
x = np.arange(len(days))# Create figure
plt.figure(figsize=(8, 6))# Plot bars for each movie
for i in range(len(a)):plt.bar(x + i * bar_width, data[i], bar_width, label=a[i], edgecolor='black')# Add data labels
for i in range(len(a)):for j in range(len(days)):plt.text(x[j] + i * bar_width, data[i][j] + 200, f'{data[i][j]}',ha='center', va='bottom', fontsize=8)# Customize the plot
plt.title('2017年9月14-16日电影票房对比', fontsize=14)  # Title: "Box Office Comparison for Sep 14-16, 2017"
plt.xlabel('日期', fontsize=12)  # X-axis: "Date"
plt.ylabel('票房 (单位未知)', fontsize=12)  # Y-axis: "Box Office (Unit Unknown)"
plt.xticks(x + bar_width * (len(a) - 1) / 2, days, fontsize=10)
plt.legend(fontsize=10)
plt.grid(True, axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()# Save the plot
plt.savefig('grouped_bar_chart_movie_box_office.png')# Display the plot
plt.show()

颜色和线条风格

在 Python 的 Matplotlib 库中，绘图时可以通过 color 参数指定颜色，通过 linestyle 参数指定线条风格，通过 marker 参数指定数据点标记样式。以下是常用的颜色字符、线条风格字符和标记样式的详细说明：

1. 颜色字符 (color)

Matplotlib 支持多种方式指定颜色，包括单字符缩写、完整颜色名称、十六进制代码、RGB/RGBA 元组等。常用的单字符颜色缩写如下：

字符	颜色
'b'	蓝色 (Blue)
'g'	绿色 (Green)
'r'	红色 (Red)
'c'	青色 (Cyan)
'm'	洋红 (Magenta)
'y'	黄色 (Yellow)
'k'	黑色 (Black)
'w'	白色 (White)

其他颜色指定方式：

• 完整颜色名称：如 'blue', 'green', 'red' 等。
• 十六进制代码：如 '#FF0000' (红色)。
• RGB 元组：如 (1, 0, 0) (红色，值范围 0-1)。
• RGBA 元组：如 (1, 0, 0, 0.5) (半透明红色)。
• 灰度值：如 '0.5' (中灰色，值范围 0-1)。

示例：

plt.plot(x, y, color='r')  # 红色
plt.plot(x, y, color='blue')  # 完整名称
plt.plot(x, y, color='#00FF00')  # 绿色（十六进制）
plt.plot(x, y, color=(0, 0, 1))  # 蓝色（RGB）

2. 线条风格字符 (linestyle)

Matplotlib 支持多种线条风格，通过 linestyle 或简写 ls 参数指定。常用的线条风格字符如下：

字符	风格
'-' 或 'solid'	实线
'--' 或 'dashed'	虚线
'-.' 或 'dashdot'	点划线
':' 或 'dotted'	点线
'None' 或 ''	无线条

示例：

plt.plot(x, y, linestyle='--')  # 虚线
plt.plot(x, y, ls='-')  # 实线
plt.plot(x, y, ls=':')  # 点线

3. 标记样式字符 (marker)

标记用于在数据点上绘制特定符号，通过 marker 参数指定。常用的标记样式字符如下：

字符	标记样式
'o'	圆圈
's'	正方形
'p'	五边形
'^'	上三角形
'v'	下三角形
'<'	左三角形
'>'	右三角形
'*'	星号
'D'	钻石形
'+'	加号
'x'	叉号
'.'	点
','	像素点

标记相关参数：

• markersize 或 ms：设置标记大小，如 markersize=5。
• markerfacecolor 或 mfc：设置标记填充颜色。
• markeredgecolor 或 mec：设置标记边框颜色。

示例：

plt.plot(x, y, marker='o', markersize=5, markerfacecolor='red')  # 红色填充圆圈
plt.plot(x, y, marker='s', ms=6)  # 正方形标记
plt.plot(x, y, marker='^')  # 上三角形标记

4. 组合使用

在 plt.plot() 中，可以通过一个格式字符串快速指定颜色、线条风格和标记样式，格式为 [color][marker][linestyle]。例如：

plt.plot(x, y, 'ro-')  # 红色圆圈实线
plt.plot(x, y, 'bs--')  # 蓝色正方形虚线
plt.plot(x, y, 'g^:')  # 绿色三角形点线

5. 其他注意事项

• 颜色列表：Matplotlib 还支持更广泛的颜色表（如 Tableau 颜色、CSS 颜色），可通过 plt.colormaps() 查看。
• 线条宽度：通过 linewidth 或 lw 参数设置线条粗细，如 linewidth=2。
• 透明度：通过 alpha 参数设置透明度（0 到 1），如 alpha=0.5。
• 更多标记样式：Matplotlib 支持超过 20 种标记样式，完整列表可参考 Matplotlib 文档。

示例代码

以下是一个综合示例，展示不同颜色、线条风格和标记样式：

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(0, 10, 10)
y1 = np.sin(x)
y2 = np.cos(x)plt.figure(figsize=(8, 5))
plt.plot(x, y1, 'ro-', linewidth=2, markersize=8, label='Sin')  # 红色圆圈实线
plt.plot(x, y2, 'bs--', linewidth=1.5, markersize=6, label='Cos')  # 蓝色正方形虚线
plt.title('Example Plot', fontsize=14)
plt.xlabel('X', fontsize=12)
plt.ylabel('Y', fontsize=12)
plt.grid(True)
plt.legend()
plt.tight_layout()
plt.show()

参考

• Matplotlib 官方文档：https://matplotlib.org/stable/
• 颜色：https://matplotlib.org/stable/gallery/color/named_colors.html
• 线条和标记：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html