1、图像显示中文
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
2、绘制多个子图
可以使用 subplot() 快速绘制，plt.subplot(321+i)表示绘制3×2排列的子图第1行的第i个图。要放到plt.plot(x,y)上面。
plt.subplot(321+1)
plt.plot(x, y)
plt.subplots_adjust(wspace=0, hspace=0.3) # 调整子图间距
3、显示图例
用legend()显示图例，label写图例内容
#指定图例位置，1右上角，2左上角，
在Python的科学计算和数据可视化领域，`matplotlib`是一个非常重要的库。本篇文章将详细介绍`matplotlib`库在画图过程中的一些常用操作，包括显示中文、绘制多子图、图例展示、刻度调整以及不同类型的图形绘制。
1、**图像显示中文**：
在使用`matplotlib`时，有时我们需要在图中添加中文标签。由于默认字体可能不支持中文，我们需要通过设置`rcParams`来更改字体。首先导入`mpl`模块，然后设置`font.sans-serif`参数，例如`['SimHei']`是用于显示简体中文的黑体字。
```python
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
```
2、**绘制多个子图**：
`matplotlib`中的`subplot()`函数可以帮助我们快速创建多子图布局。例如，`plt.subplot(321+i)`会创建一个3行2列的子图矩阵，并定位到第1行的第i个图。以下是一个示例：
```python
plt.subplot(321+1)
plt.plot(x, y)
plt.subplots_adjust(wspace=0, hspace=0.3) # 调整子图间距
```
3、**显示图例**：
使用`legend()`函数可以添加图例。`label`参数用于设置图例文本，如`plt.plot(x, y1, label="A-B:{}".format(j))`。`loc`参数用于指定图例的位置，例如`loc=0`表示自动适应，`loc=1`表示右上角等。
```python
plt.legend(loc=0, ncol=1)
```
4、**刻度控制**：
`xticks()`和`yticks()`函数用于设置坐标轴刻度，`rotation`参数可以控制刻度标签的旋转角度，`tick_params()`用于设置刻度标签的大小。例如：
```python
plt.xticks(x, x1, rotation=40)
plt.tick_params(labelsize=16)
```
5、**不同类型的图形绘制**：
- **5.1 折线图**：
使用`plt.plot()`绘制折线图，`marker`参数指定节点标记，`color`参数设置线条颜色。
```python
plt.plot(x, y, marker='*', color='green')
plt.ylim(0, 30)
plt.xlabel('the value of k')
plt.ylabel('number')
plt.title('red vs green')
```
- **5.2 柱状图**：
`plt.bar()`用于绘制柱状图。
- **5.3 柱状图+折线图**：
结合柱状图和折线图，首先创建柱状图，然后使用`twinx()`创建共享x轴的新y轴，用于绘制折线图。
```python
ax1 = plt.bar(x, y1, alpha=.7, color='g')
ax2 = ax1.twinx()
ax2.plot(x, y2, 'r', ms=10)
```
- **5.4 散点图**：
`plt.scatter()`函数用于绘制散点图。
通过这些基本操作，我们可以根据需求创建出复杂的可视化图形，对数据进行直观的分析和展示。在实际应用中，还可以结合其他`matplotlib`函数和属性，进一步定制图形的样式、颜色、线条类型等，以满足不同场景的需求。记得在完成所有绘图操作后调用`plt.show()`来显示图形。
