Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

今天是数据处理专题的第11篇文章，我们继续来介绍matplotlib这个包的使用方法。

在上一篇文章当中我们介绍了matplotlib当中subplot的概念以及用法，今天我们将会来介绍matplotlib绘图中的一些具体的设置，可以让我们画出来的图像更加丰富，表现力也更强。

颜色

我们之前绘制的图像都是蓝色的，这也是matplotlib的默认颜色。我们可以使用color这个参数来设置图像的颜色，比如我们想要画原谅色的图，我们就传入color='green'，这样我们得到的图像就是绿色了。

由于绿色是很常见的颜色（大雾），所以我们没必要输入完整的green单词，使用g作为缩写就可以了。除了绿色之外，其他常用的颜色也一样，比如红色可以就写成r，蓝色写成b，黄色写成y等等。

相对来说这些常用颜色还是比较好记的，如果记不住也没有关系，我们可以在jupyter当中通过plt.plot"text-align: center">

这里有两个颜色看起来不太常用，一个是cyan是青色，另外一个是magenta是品红。说明老外对颜色的喜好和审美和我们国人还是有些差距的。

除了使用单词之外，我们还可以使用16进制来表示颜色。比如#CECECE，表示一种淡淡的灰色。到底有多灰呢？我们画出来就知道了。

16进制表示颜色是一种常见的方法，我们知道光的三原色是红绿蓝，也就是RGB。在计算机领域常用0-255这256个数字来表示某一个原色的强弱。通过三原色的不同组合，我们可以组合出所有的颜色。一共三种原色，那么自然也就需要三个数字来表示，由于255以内的数字写成16进制只有两位，所以我们可以用6位16进制的数字来代表颜色。这也是计算机领域非常常见的颜色表示方法，像是前端CSS调色也是一样的道理。

标记

下面要介绍的是标记，标记的目的是用来凸显数据。plot默认画出来的是一条光滑的曲线，虽然它其实也是将若干个数据点连起来画成的。光滑的曲线有一个问题就是我们看不出来我们的样本究竟是什么，我们只看得到图像，不知道原始数据。

举个例子，我们用随机数据画一个折线图：

我们固然知道这个图是由数据点连起来得到的，但是我们能准确得找到所有的数据点吗？明显还是比较困难的，因为我们不能判断每一段看起来比值的线段之间存不存在数据点。

针对这个问题，我们可以使用标记，也就是在图上把每个点都标出来。最常见的标记就是圆点，我们让每一个样本变成一个圆点，这样就很直观了。我们可以通过marker这个参数实现这一点，比如如果要画圆点的话，我们传入marker='o'即可。

除了圆点之外，还有很多其他的方式，我们同样可以查看plot的文档获得细节。

线条

最后一个可以定制化的内容是线条，我们可以修改plot画出来的线条种类。默认的当然是实线，既然有实线，那么肯定也就有虚线。虚线有两种一种是点虚线一种是全虚线。英文叫做dashed line 和dash-dot line。

线条通过参数linestyle来设置，我们先来看看全虚线，两个短线表示全虚线。如果是一根短线表示实线，也就是默认的style。

除了虚线图之外还有点线图和点状图，这两者顾名思义，大家应该不难猜出来。

三合一

我们回顾一下我们刚才介绍的，一共有三种特性，分别是标记、线条以及颜色。我们需要传入三个参数来控制它们，怎么说呢，从逻辑上来说这毫无问题。但操作起来还是有点麻烦，所以matplotlib的作者提供了一个三合一的方法，我们可以直接传入一个参数把颜色、线条以及标记一起定义了。

怎么使用呢，我们可以在末尾传入一个字符串，用这一个字符串涵盖刚才介绍的三种参数。我们来看一个例子：

我们很容易看出来这张图是一张绿色的，点状标记的虚线图。我们传入的字符串是'og--'，很明显，o代表的是标记，g代表的是颜色green，--代表的是虚线。我们把这三个参数融合在了一个字符串当中。我们交换它们的顺序，写成go--也是一样OK的。如果你不需要设置标记以及线条，也可以去掉一个，同样可以运行。

但是这里要注意，这里的颜色只能使用缩写，不支持其他的写法。说白了这种方法只是用来书写方便的，如果要追求实用性还是应该使用参数来设置。

原文链接，求个关注

本文使用 mdnice 排版