Python Matplotlib绘图函数实战指南：从基础到高级应用

在Matplotlib中，plt.legend()函数用于显示图例。通过设置loc参数为0，可以实现图例位置的自适应放置，即系统会自动选择对数据遮挡最小的位置进行展示。

plt.legend(loc=0)#显示图例的位置，自适应方式

说明：

'best'   : 0, (only implemented for axes legends)(自适应方式)
'upper right' : 1,
'upper left' : 2,
'lower left' : 3,
'lower right' : 4,
'right'  : 5,
'center left' : 6,
'center right' : 7,
'lower center' : 8,
'upper center' : 9,
'center'  : 10,

使用plt.figure()可以创建一个新的绘图窗口或图形对象。通过指定figsize参数（如(14, 6)）可以设定画布的宽度和高度（单位为英寸），同时通过dpi参数（如80）设置图像的分辨率，从而控制输出图片的清晰度和大小。

plt.figure(figsize=(14, 6), dpi=80)#设置绘图区域的大小和像素

plt.xticks()函数用于自定义X轴的刻度线。可以传入一个数组（如new_year）来指定刻度显示的具体数值或标签，从而更清晰地展示数据分布的关键节点。

plt.xticks(new_year)#设置x轴的刻度线为new_year，new_year可以为数组

plt.xlabel()函数用于设置X轴的标题标签。例如，传入字符串'year'可以为X轴添加明确的文字说明，增强图表的可读性。

plt.xlabel('year')#x轴标签

plt.plot()是绘制折线图的核心函数。通过指定数据序列（如number），并设置color参数（如'blue'）和label参数（如"actual value"），可以绘制出指定颜色的折线，并在图例中标注该线条代表的含义。

plt.plot(number, color='blue', label="actual value")#将实际值的折线设置为蓝色

当需要展示多个独立图表时，可以使用plt.subplots()创建子图网格。例如，设置2行1列（2, 1）并共享X轴（sharex=True），可以生成两个垂直排列的子图。通过索引axes[0]和axes[1]分别对不同数据集（如data20和data40）进行绘制，并指定颜色（如'r'红色和'b'蓝色），实现多图对比分析。

fig, axes = plt.subplots(2, 1, sharex=True,figsize=(10,10))
axes[0].plot(range (len(data20)),data20,'r')
axes[1].plot(range (len(data40)),data40,'b') 

若需在图表中添加垂直参考线，可使用plt.axvline()函数。通过指定横坐标位置（如99），并设置linestyle为"dotted"（虚线）、linewidth为4（线宽）以及color为'c'（颜色），可以添加一条醒目的垂直标记线，用于指示特定数据点或阈值。

plt.axvline(99, linestyle="dotted", linewidth=4, color='r')#99表示横坐标

完成绘图后，可使用plt.savefig()函数将当前图形保存为图像文件。通过传入文件名（如'timeseries_y.jpg'），可以将生成的图表导出为JPG格式，便于后续报告或文档中使用。

plt.savefig('timeseries_y.jpg')

以上内容涵盖了Python中Matplotlib库常用绘图函数的详细用法，包括图例、画布、坐标轴、折线、子图、辅助线及保存功能。希望这些示例能为您的数据可视化工作提供实用参考，欢迎继续探索更多高级绘图技巧。