matplotlib基础绘图命令之plot
在matplotlib中，plot命令主要用于绘制折线图， 基本用法如下
>>> import matplotlib.pyplot as plt
>>> plt.plot([1, 2, 3, 4], [1, 2, 3, 4])输出结果如下
第一个参数的值作为x轴坐标，第二个参数的值作为y轴坐标，从而绘制折线图。当只提供一个数值参数时，自动将其作为y轴坐标，x轴坐标为对应的数值下标，示例如下
>>> plt.plot([1, 2, 3, 4])输出结果如下
当我们想要对dict或者pandas DataFrame中的数据进行绘图时，可以采用如下语法
>>> import pandas as pd
>>> data_dict = pd.DataFrame({'xlabel':[1, 2, 3, 4], 'ylabel':[1, 2, 3, 4]})
>>> plt.plot('xlabel', 'ylabel', data=data_dict)对于可以用data['xlabel']方式访问的数据，不在需要显示的指定具体的值，而是通过结合data参数，只需要提供名称即可。
尽管plot命令主要用于绘制折线图，但是通过控制其参数，也可以用于绘制散点图以及散点和折线的组合图，示例如下
1. 散点图
>>> import numpy as np
>>> x = np.array([1, 2, 3, 4])
>>> y = np.array([1, 2, 3, 4])
>>> plt.plot(x,y,'o')输出结果如下
2. 散点图和直线图的叠加
>>> plt.plot(x,y,marker='o', linestyle='--', linewidth=2)输出结果如下
通过调整参数，可以实现不同的可视化效果。plot命令的参数设置围绕点和线两个基本元素进行。对于点而言，拥有以下基本属性
1. 填充色， markerfillcolor, 简写为mec
2. 边框颜色，markeredgecolor, 简写为mfc
3. 边框的线条宽度，markeredgewidth, 简写为mfc
4.大 小, markersize, 简写为ms
5. 形状, marker
对于线而言，用于以下基本属性
1. 颜色, color, 简写为c
2. 宽度，linewidth, 简写为lw
3. 风格，实线还是虚线，linestyle. 简写为ls
对于颜色，在matplotlib中，其实是有多种设定的方法，这里只介绍最常用的一种，颜色的缩写，示意如下
对于点的形状，提供了多种取值，示意如下
对于线条的风格，取值如下
对于大部分参数，在标准名称之外，还提供了对应的简写，进一步较少代码量。plot命令的参数设置有多种写法
1. 单独设置
顾名思义，需要显示的指定每个参数的值，示例如下
>>> plt.plot(x,y,marker='o', linestyle='--', linewidth=2, color ='black', markersize=6)输出结果如下
当然，简写也是可行的
>>> plt.plot(x,y,marker='o', ls='--', lw=2, c ='black', ms=6)2. 混合设置
plot命令支持参数的混合设置，可以将marker, linestyle, color 3个参数混合到一起，示例如下
>>> plt.plot(x,y,'ko--' ,lw=2, ms=6)注意，参数的混合是一种语法糖，在前面是没有具体的参数名称的，k是颜色black的简写，o对应marker参数，--对应linestyle参数, 在解析不会混淆的情况下，顺序没固定要求，不过官方更推荐以下顺序
[marker][linestyle][color]该代码的输出结果和之前的代码输出结果完全相同，灵活运用各种语法糖，可以极大的减少代码量。
除了绘制单个线条，plot命令也支持多种线条的叠加，常见的有以下两种写法，第一种示例如下
>>> plt.plot(x, y, label = 'sampleA')
>>>plt.plot(x, y + 1, label = 'sampleB')
>>>plt.plot(x, y + 2, label = 'sampleC')
>>>plt.legend()输出结果如下
第二种写法如下
>>> plt.plot(x, y, x, y + 1, x, y + 2)
>>> plt.legend(labels=['sampleA', 'sampleB', 'sampleC'])输出结果如下
当在同一幅图片上绘制多条折线时，matplotlib有一个内置的调色盘，颜色梯度如下
'#1f77b4', '#ff7f0e', '#2ca02c', '#d62728', '#9467bd', '#8c564b', '#e377c2', '#7f7f7f', '#bcbd22', '#17becf'会自动根据调色盘，为每个折线设置不同的颜色，所以通常情况下，我们不需要手工设定每条线的颜色，这个默认的颜色梯度通过axes.prop_cycle参数设定。和R的base plot语法相比，matplotlib中的plot命令在绘制多条直线时更加的简洁直观。
·end·
—如果喜欢，快分享给你的朋友们吧—
原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！
本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。