
from matplotlib import pyplot as plt
import numpy as np

plt.plot([1, 2, 3, 4], [1, 4, 2, 3],color='blue')
plt.plot([1, 2, 3, 4], [2, 2, 1, 4],color='red')


x = np.linspace(0, 2, 100)

plt.plot(x, x, label='linear') 
plt.plot(x, x**2, label='quadratic')  
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()


# step 1 
# 创建一个Figure实例
fig = plt.figure()

# step 2
# 用Figure实例创建了一个两行一列(即可以有两个subplot)的绘图区，并同时在第一个位置创建了一个subplot
ax = fig.add_subplot(2, 1, 1) # two rows, one column, first plot

# step 3
# 用Axes实例的方法画了一条曲线
t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax.plot(t, s, color='blue', lw=2)


# 创建数据
x=np.linspace(0,2*np.pi,100)
y=np.sin(x)

plt.figure()
plt.subplot(2,1,1)
plt.plot(x,y,label='sin(x)',color='blue')
plt.title('Sin Curve')
plt.xlabel('x')
plt.ylabel('sin(x)')
plt.legend() # 显示图例
plt.grid(True) # 显示网格

plt.tight_layout() # 自动调整子图间距
plt.show()


import matplotlib.pyplot as plt

# 创建一个图形，设置大小为 8x6 英寸，分辨率为 150，背景为浅灰色
plt.figure(num='MyPlot', figsize=(8, 6), dpi=150, facecolor='#f0f0f0', edgecolor='black')

# 在图形中绘制一条简单的曲线
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y, marker='o', linestyle='--', color='blue')

# 添加标题和标签
plt.title('Customized Figure')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np
 
# 创建一个 2x2 的子图布局
plt.figure(figsize=(10, 8))
 
# 子图 1: 左上角
plt.subplot(2, 2, 1)
x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), color='blue')
plt.title('Subplot 1: sin(x)')
 
# 子图 2: 右上角
plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x), color='red')
plt.title('Subplot 2: cos(x)')
 
# 子图 3: 左下角
plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x), color='green')
plt.title('Subplot 3: tan(x)')
 
# 子图 4: 右下角
plt.subplot(2, 2, 4)
plt.plot(x, np.exp(-x), color='purple')
plt.title('Subplot 4: exp(-x)')
 
# 调整子图之间的间距
plt.tight_layout()
 
# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)  # 设置随机种子，以确保结果可重复
x = np.random.rand(50) * 10  # 生成 50 个 0 到 10 之间的随机数
y = np.random.rand(50) * 10  # 生成 50 个 0 到 10 之间的随机数

# 绘制散点图
plt.figure(figsize=(8, 6))  # 设置图形大小
plt.scatter(x, y, color='blue', marker='o', label='Data Points')

# 添加标题和标签
plt.title('Scatter Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 添加图例
plt.legend()

# 显示图形
plt.show()


# 示例数据
categories = ['A', 'B', 'C', 'D', 'E'] # 是一个列表，包含柱状图的类别名称
values = [15, 25, 30, 10, 20] # 是一个列表，包含每个类别对应的数值

# 绘制柱状图
plt.figure(figsize=(8, 6))  # 设置图形大小
plt.bar(categories, values, color='skyblue', edgecolor='black', label='Values')

# 添加标题和标签
plt.title('Bar Chart Example')
plt.xlabel('Categories')
plt.ylabel('Values')

# 添加图例
plt.legend()

# 显示图形
plt.show()


import matplotlib.pyplot as plt

# 示例数据
sizes = [15, 30, 45, 10]  # 每个部分的大小
labels = ['A', 'B', 'C', 'D']  # 每个部分的标签

# 绘制饼图
plt.figure(figsize=(8, 6))  # 设置图形大小
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, colors=['lightcoral', 'lightskyblue', 'lightgreen', 'gold'])
# autopct='%1.1f%%' 用于在每个部分上显示百分比，保留一位小数
# startangle=90 用于设置饼图的起始角度为 90 度（从顶部开始）

# 添加标题
plt.title('Pie Chart Example')

# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)  # 设置随机种子，以确保结果可重复
data = np.random.randn(1000)  # 生成 1000 个服从标准正态分布的随机数

# 绘制直方图
plt.figure(figsize=(8, 6))  # 设置图形大小
plt.hist(data, bins=30, color='skyblue', edgecolor='black', alpha=0.7, label='Data Distribution')

# 添加标题和标签
plt.title('Histogram Example')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 添加图例
plt.legend()

# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
data = np.random.randn(1000)

# 绘制直方图
plt.figure(figsize=(8, 6))
plt.hist(data, bins=30, color='skyblue', edgecolor='black', alpha=0.7)

# 添加标题
plt.title('Distribution of Random Data', fontsize=14, color='navy', fontweight='bold')
#   'Distribution of Random Data' 是标题的文本内容
#   fontsize=14 设置标题的字体大小为 14
#   color='navy' 设置标题的颜色为海军蓝
#   fontweight='bold' 设置标题的字体为粗体
# 添加轴标签
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
data = np.random.randn(1000)

# 绘制直方图
plt.figure(figsize=(8, 6))
plt.hist(data, bins=30, color='skyblue', edgecolor='black', alpha=0.7)

# 添加轴标签
plt.xlabel('Value', fontsize=12, color='darkgreen', fontweight='bold')
plt.ylabel('Frequency', fontsize=12, color='darkred', fontweight='bold')
#   'Value' 是 x 轴的标签文本内容。
#   'Frequency' 是 y 轴的标签文本内容。
#   fontsize=12 设置标签的字体大小为 12。
#   color='darkgreen' 和 color='darkred' 分别设置 x 轴和 y 轴标签的颜色。
#   fontweight='bold' 设置标签的字体为粗体。
# 添加标题
plt.title('Distribution of Random Data')

# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 绘制图形
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='sin(x)', color='blue', linestyle='-')
plt.plot(x, y2, label='cos(x)', color='red', linestyle='--')

# 添加图例
plt.legend(loc='upper right', fontsize=12, title='Functions', frameon=True, shadow=True)
#   - loc='upper right' 设置图例的位置为右上角。
#   - fontsize=12 设置图例的字体大小为 12。
#   - title='Functions' 为图例添加标题。
#   - frameon=True 和 shadow=True 分别为图例添加边框和阴影效果。
# 添加标题和轴标签
plt.title('Sine and Cosine Functions')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制图形
plt.figure(figsize=(8, 6))
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-')

# 设置坐标轴范围
plt.xlim(0, 5)  # 设置 x 轴显示范围为 0 到 5
plt.ylim(-1.5, 1.5)  # 设置 y 轴显示范围为 -1.5 到 1.5

# 添加图例、标题和轴标签
plt.legend(loc='upper right')
plt.title('Sine Function')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制图形
plt.figure(figsize=(8, 6))
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-')

# 添加网格线
plt.grid(True, which='both', axis='both', color='gray', linestyle='--', alpha=0.5)
#   - True 表示显示网格线。
#   - which='both' 表示同时显示主要和次要网格线。
#   - axis='both' 表示在 x 和 y 轴上都显示网格线。
#   - color='gray' 设置网格线的颜色为灰色。
#   - linestyle='--' 设置网格线的样式为虚线。
#   - alpha=0.5 设置网格线的透明度为 0.5。
# 添加图例、标题和轴标签
plt.legend(loc='upper right')
plt.title('Sine Function with Grid')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制图形
plt.figure(figsize=(8, 6))
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-')

# 设置 x 轴刻度
plt.xticks(ticks=[0, 2, 4, 6, 8, 10], labels=['Zero', 'Two', 'Four', 'Six', 'Eight', 'Ten'], rotation=45, fontsize=12, color='red')
#   - ticks=[0, 2, 4, 6, 8, 10] 指定 x 轴上显示的刻度位置。
#   - labels=['Zero', 'Two', 'Four', 'Six', 'Eight', 'Ten'] 指定每个刻度位置对应的标签。
#   - rotation=45 将刻度标签旋转 45 度。
#   - fontsize=12 设置刻度标签的字体大小为 12。
#   - color='red' 设置刻度标签的颜色为红色。
# 添加图例、标题和轴标签
plt.legend(loc='upper right')
plt.title('Sine Function with Custom X-Ticks')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()

plt.axis()


import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制图形
plt.figure(figsize=(8, 6))
# 原图
plt.subplot(211)
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-')
# plt.axis('auto')
# 添加图例、标题和轴标签
plt.legend(loc='upper right')
plt.title('No Custom Axis')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 范围图
plt.subplot(2,1,2)
plt.plot(x, y, label='sin(x)', color='blue', linestyle='-')
# 设置坐标轴范围
plt.axis([0, 5, -1.5, 1.5]) #设置 x 轴的范围为 0 到 5，y 轴的范围为 -1.5 到 1.5
print(plt.axis()) #  打印范围
# 添加图例、标题和轴标签
plt.legend(loc='upper right')
plt.title('Sine Function with Custom Axis')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.tight_layout()
plt.show()


import matplotlib.pyplot as plt
import numpy as np

# 创建一个简单的图像数据
image_data = np.random.rand(10, 10)  # 随机生成一个 10x10 的矩阵

# 显示图像并设置颜色映射和范围
plt.imshow(image_data, cmap='hot', vmin=0, vmax=1, interpolation='bilinear', aspect='auto')

# 添加颜色条
plt.colorbar()

# 显示图形
plt.show()


# 全局样式设置：
plt.style.use('ggplot')  # 使用预设样式
# 自定义颜色和线型：
plt.plot(x, y, color='#FF5733', linewidth=2, linestyle=':')


plt.style.use('default') # 恢复默认


plt.rcParams['font.sans-serif'] = ['SimHei']  # 用于支持中文
plt.rcParams['axes.unicode_minus'] = False  # 用于正常显示负号

参数名	类型	说明
`nrows`	`int`	子图布局的行数。
`ncols`	`int`	子图布局的列数。
`index`	`int`	当前子图的索引，从 1 开始编号。索引顺序是从左到右、从上到下。
`**kwargs`	关键字参数	用于设置子图的属性，包括但不限于：
		- `adjustable`: 控制子图的调整行为。
		- `aspect`: 设置子图的宽高比。
		- `anchor`: 设置子图的位置锚点。
		- `polar`: 如果为 `True`，则子图为极坐标图。

简写	类型
`-`	实线
`--`	虚线
`:`	点线
`-.`	点横线

简写	形状
`+`	加号
`o`	圆圈
`*`	星号
`.`	实心点
`x`	叉号
`s`	正方形
`d`	钻石形
`^`	上三角
`v`	下三角
`p`	五角星

简写	颜色
`r`	红色
`g`	绿色
`b`	蓝色
`y`	黄色
`k`	黑色

参数	简写	说明	取值范围/示例
`markersize`	`ms`	标记大小	实数（如 `10`）
`markeredgewidth`	`mew`	标记边缘宽度	实数（如 `1.5`）
`markeredgecolor`	`mec`	标记边缘颜色	颜色选项中的任意值（如 `'r'`）
`markerfacecolor`	`mfc`	标记表面颜色	颜色选项中的任意值（如 `'g'`）
`alpha`	-	透明度	`[0, 1]` 之间的浮点数（如 `0.5`）
`linewidth`	-	线宽	实数（如 `2`）

创建画布和子图¶

plt.figure()¶

plt.subplot()¶

颜色说明¶

绘制图形¶

plt.plot() 折线图¶

plt.scatter(x, y)散点图¶

plt.bar(x, height)柱状图¶

plt.pie(sizes, labels=labels)饼图¶

plt.hist(data, bins=30)直方图¶

美化图形¶

plt.title('Title') 标题¶

plt.xlabel('X-axis Label') x轴标签¶

plt.ylabel('Y-axis Label') y轴标签¶

plt.legend() 图例¶

plt.xlim(xmin, xmax) x轴范围¶

plt.ylim(ymin, ymax) y轴范围¶

plt.grid() 网格线¶

plt.xticks() x轴¶

plt.yticks() y轴¶

plt.axis() 坐标轴范围¶

调整子图布局¶

plt.tight_layout() 自动调整子图间距¶

plt.subplots_adjust() 手动调整子图间¶

保存和显示图形¶

plt.savefig() 将图形保存为文件¶

plt.show() 显示图形¶

plt.imshow() 显示图片¶

多子图绘制¶

plt.subplots()¶

自定义样式¶

中文显示支持¶

参数名	类型	说明
`x`	array-like	柱子的位置，通常是一个类别列表或数值列表
`height`	array-like	柱子的高度，表示每个柱子的数值大小
`width`	float or array-like	柱子的宽度，默认为 0.8可以是一个数值或与柱子数量相同的数组
`bottom`	array-like	柱子的底部位置，默认为 0用于绘制堆叠柱状图时设置基础高度
`align`	str	柱子对齐方式，可以是 'center'（默认，居中对齐）或 'edge'（对齐边缘）
`data`	dict or DataFrame	如果提供，可以从字典或 DataFrame 中读取数据
`**kwargs`	关键字参数	其他用于自定义柱子样式的参数，包括颜色、边框等

参数名	类型	说明
`color`	color or array-like	柱子的颜色，可以是单个颜色或与柱子数量相同的颜色数组
`edgecolor`	color or array-like	柱子边框的颜色
`linewidth`	float	柱子边框的宽度
`label`	str	用于图例的标签
`alpha`	float	柱子的透明度，取值范围为 0（完全透明）到 1（完全不透明）
`hatch`	str	柱子的填充图案，可以是 '/'、'\'、'	'、'-'、'+'、'x'、'o'、'O'、'.'、'*' 等

参数名	类型	说明
`data`	array-like	输入数据，可以是单个数组或多个数组的列表。
`bins`	int or array-like	直方图的柱子数量或柱子边界，默认为 30。
`range`	tuple or None	数据的范围，用于限制显示的数据范围。
`density`	bool	如果为 True，则直方图的面积将归一化为 1。
`weights`	array-like	每个数据点的权重。
`cumulative`	bool	是否绘制累积直方图，默认为 False。
`bottom`	float or array-like	柱子的底部位置，默认为 0。
`histtype`	str	直方图的类型，可以是 'bar'（默认）、'barstacked'、'step' 或 'stepfilled'。
`align`	str	柱子的对齐方式，可以是 'left'、'mid'（默认）或 'right'。
`orientation`	str	直方图的方向，可以是 'vertical'（默认）或 'horizontal'。
`rwidth`	float	柱子的相对宽度，默认为 None，表示自动计算。
`log`	bool	是否对计数使用对数刻度，默认为 False。
`color`	color or array-like	柱子的颜色，可以是单个颜色或与柱子数量相同的颜色数组。
`label`	str	用于图例的标签。
`stacked`	bool	是否将多个数据集堆叠在一起，默认为 False。
`**kwargs`	关键字参数	其他用于自定义柱子样式的参数，包括边框颜色、线宽等。

参数名	类型	说明
`label`	str	标题的文本内容。
`fontdict`	dict	一个字典，用于指定标题的字体属性，例如字体大小、颜色、粗细等。
`loc`	str	标题的对齐方式，可以是 'left'、'center'（默认）或 'right'。
`pad`	float	标题与图形之间的间距，默认为 None，表示自动计算。
`**kwargs`	关键字参数	其他用于自定义标题样式的参数，包括字体大小、颜色、粗细等。

参数名	类型	说明
`fontsize`	int or float	标题的字体大小。
`color`	color	标题的颜色。
`fontweight`	str or int	字体的粗细，可以是 'normal'、'bold'、'heavy'、'light'、'ultrabold' 等。
`style`	str	字体的样式，可以是 'normal'、'italic' 或 'oblique'。
`verticalalignment`	str	标题的垂直对齐方式，可以是 'top'、'bottom'、'center' 或 'baseline'。
`horizontalalignment`	str	标题的水平对齐方式，可以是 'left'、'center' 或 'right'。

参数名	类型	说明
`xlabel`	str	x 轴的标签文本内容。
`ylabel`	str	y 轴的标签文本内容。
`fontdict`	dict	一个字典，用于指定标签的字体属性，例如字体大小、颜色、粗细等。
`labelpad`	float	标签与轴之间的距离，默认为 None，表示自动计算。
`**kwargs`	关键字参数	其他用于自定义标签样式的参数，包括字体大小、颜色、粗细等。

参数名	类型	说明
`fontsize`	int or float	标签的字体大小。
`color`	color	标签的颜色。
`fontweight`	str or int	字体的粗细，可以是 'normal'、'bold'、'heavy'、'light'、'ultrabold' 等。
`style`	str	字体的样式，可以是 'normal'、'italic' 或 'oblique'。
`labelpad`	float	标签与轴之间的距离，默认为 None，表示自动计算。

参数名	类型	说明
`labels`	list of str	每个数据系列的标签列表。
`loc`	str or int	图例的位置，可以是字符串（如 'upper right'、'lower left' 等）或整数（如 0、1 等）。
`bbox_to_anchor`	tuple of floats	用于将图例放置在图形外部的锚点坐标。
`ncol`	int	图例中每行显示的标签数量，默认为 1。
`mode`	str	图例的扩展模式，可以是 'expand' 或 None。
`borderaxespad`	float	图例与轴之间的间距，默认为 None。
`borderpad`	float	图例边框与图例内容之间的间距，默认为 None。
`handlelength`	float	图例中每个条目的长度，默认为 None。
`handletextpad`	float	图例中条目与文本之间的间距，默认为 None。
`axespad`	float	图例与轴之间的间距，默认为 None。
`labelspacing`	float	图例中标签之间的垂直间距，默认为 None。
`frameon`	bool	是否绘制图例的边框，默认为 True。
`shadow`	bool	是否为图例添加阴影效果，默认为 False。
`framealpha`	float	图例边框的透明度，默认为 None。
`facecolor`	color	图例的背景颜色，默认为 None。
`edgecolor`	color	图例边框的颜色，默认为 None。
`title`	str	图例的标题。
`bbox_transform`	Transform	用于指定 `bbox_to_anchor` 的坐标系。
`title_fontsize`	str or int	图例标题的字体大小，可以是 'xx-small'、'x-small'、'small'、'medium'、'large'、'x-large'、'xx-large' 或整数。
`prop`	dict or FontProperties	用于自定义图例文本的字体属性。
`markerscale`	float	图例中标记的缩放比例，默认为 None。
`numpoints`	int	图例中每个条目的标记数量，默认为 None。
`scatterpoints`	int	图例中散点图条目的标记数量，默认为 None。
`scatteryoffsets`	list of floats	散点图条目的垂直偏移量，默认为 None。
`markevery`	int or list of ints	用于指定图例中标记的显示间隔，默认为 None。
`**kwargs`	关键字参数	其他用于自定义图例样式的参数。

参数名	类型	说明
`xmin`	float or int	x 轴的最小值。
`xmax`	float or int	x 轴的最大值。
`**kwargs`	关键字参数	其他用于自定义坐标轴的参数。

参数名	类型	说明
`ymin`	float or int	y 轴的最小值。
`ymax`	float or int	y 轴的最大值。
`**kwargs`	关键字参数	其他用于自定义坐标轴的参数。

参数名	类型	说明
`b`	bool	是否显示网格线。如果为 True，则显示网格线；如果为 False，则不显示。默认情况下，如果 `grid` 之前未被调用，则网格线默认不显示。
`which`	str	指定要显示的网格线类型，可以是 'major'（主要网格线）、'minor'（次要网格线）或 'both'（同时显示主要和次要网格线）。默认为 'major'。
`axis`	str	指定要在哪个轴上显示网格线，可以是 'x'（仅 x 轴）、'y'（仅 y 轴）或 'both'（同时在 x 和 y 轴上）。默认为 'both'。
`**kwargs`	关键字参数	其他用于自定义网格线样式的参数。

参数名	类型	说明
`ticks`	array-like	一个数组或列表，指定 x 轴上要显示的刻度位置。如果为 None，则使用默认的刻度位置。
`labels`	array-like	一个数组或列表，指定每个刻度位置对应的标签。如果为 None，则使用默认的刻度标签。
`rotation`	float	刻度标签的旋转角度，以度为单位。默认为 0，即不旋转。
`**kwargs`	关键字参数	其他用于自定义刻度标签样式的参数。

参数	描述
`fname`	指定保存的文件名或文件路径。支持多种图像格式 `'png'`、`'jpg'`、`'pdf'`、`'svg'`、`'eps'` 等。如果未指定扩展名，`matplotlib` 会根据文件名的扩展名决定保存的格式。
`dpi`	设置图像的分辨率（每英寸点数）。默认值为 `100`。较高的 `dpi` 会生成更高分辨率的图像，但文件大小也会更大。
`quality`	设置图像质量，适用于 `'jpg'` 格式。取值范围为 `1`（最低质量）到 `95`（最高质量），默认值为 `95`。
`optimize`	对于 `'png'` 格式，启用优化选项，减少文件大小。
`transparent`	如果设置为 `True`，保存的图像背景将为透明。
`bbox_inches`	指定保存图像的边界框。可以使用 `'tight'` 自动裁剪图像以去除空白区域，也可以手动指定边界框。
`facecolor` 和 `edgecolor`	设置保存图像的背景颜色和边框颜色。
`format`	显式指定保存的图像格式，覆盖文件名的扩展名。

参数	描述
`X`	要显示的图像数据，可以是二维数组（灰度图像）或三维数组（RGB 图像）。
`cmap`	指定颜色映射（colormap），用于将数值映射到颜色。例如，`'viridis'`、`'plasma'`、`'gray'`、`'hot'` 等。
`vmin` 和 `vmax`	设置颜色映射的范围。`vmin` 是最小值，`vmax` 是最大值。
`alpha`	设置图像的透明度，范围为 `0`（完全透明）到 `1`（完全不透明）。
`interpolation`	指定插值方法，用于在像素之间进行插值。例如，`'nearest'`、`'bilinear'`、`'bicubic'` 等。
`aspect`	控制图像的纵横比。例如，`'auto'`、`'equal'` 或一个浮点数。
`origin`	设置图像的原点位置。`'upper'`（默认）或 `'lower'`。
`extent`	设置图像的边界范围，格式为 `[left, right, bottom, top]`。
`norm`	指定一个 `Normalize` 实例，用于将数据标准化到 `[0, 1]` 范围。
`resample`	当图像缩放时，指定是否使用插值。如果 `interpolation` 设置为 `'none'`，则忽略此参数。
`url`	设置图像的超链接，用于交互式环境中的点击跳转。

参数名	类型	说明
`color`	color	网格线的颜色。
`linestyle`	str	网格线的样式，可以是 '-'（实线）、'--'（虚线）、'-.'（点划线）、':'（点线）等。
`linewidth`	float	网格线的宽度。
`alpha`	float	网格线的透明度，范围为 0（完全透明）到 1（完全不透明）。

参数名	类型	说明
`fontsize`	int or float	刻度标签的字体大小。
`color`	color	刻度标签的颜色。
`ha`	str	刻度标签的水平对齐方式，可以是 'center'、'right' 或 'left'。
`va`	str	刻度标签的垂直对齐方式，可以是 'center'、'top' 或 'bottom'。

名称	简述
`'default'`	`matplotlib` 的默认风格，简单线条和颜色，适合快速绘制基础图表
`'classic'`	经典 `matplotlib` 风格，与较早版本风格相似
`'bmh'`	模仿 JMP 软件默认风格，有独特布局和配色
`'fivethirtyeight'`	模仿 FiveThirtyEight 网站风格，粗线条、大字体，适合数据新闻等
`'ggplot'`	模仿 R 语言 `ggplot2` 包风格，简洁美观，白色背景灰色网格线
`'xkcd'`	模仿 xkcd 漫画风格，幽默随性，适合非正式场合
`'seaborn'`	基于 `Seaborn` 库的基础风格，现代感，美观专业
`'seaborn-bright'`	`Seaborn` 明亮颜色风格，鲜艳夺目，突出数据差异
`'seaborn-colorblind'`	`Seaborn` 色盲优化颜色方案，提高信息可访问性
`'seaborn-dark'`	`Seaborn` 深色风格，适合浅色背景演示或网页
`'seaborn-darkgrid'`	`Seaborn` 深色背景加网格线风格，方便读取数据
`'seaborn-deep'`	`Seaborn` 颜色较深且丰富风格，表现数据层次感
`'seaborn-muted'`	`Seaborn` 柔和低调颜色风格，优雅专业不刺眼
`'seaborn-notebook'`	模仿 Jupyter Notebook 风格，适合 Notebook 数据分析展示
`'seaborn-paper'`	`Seaborn` 适合学术论文打印风格，简洁清晰
`'seaborn-pastel'`	`Seaborn` 柔和粉彩色调风格，温馨舒适
`'seaborn-poster'`	`Seaborn` 适合海报等大幅面展示风格，字体元素大
`'seaborn-talk'`	`Seaborn` 适合幻灯片演示风格，字体大小和线条粗细适中
`'seaborn-ticks'`	`Seaborn` 强调坐标轴刻度风格，方便读取数据
`'seaborn-white'`	`Seaborn` 白色背景风格，简洁明了
`'seaborn-whitegrid'`	`Seaborn` 白色背景加网格线风格，简洁且方便读取数据
`'dark_background'`	深色背景风格，适合浅色背景演示或网页
`'fast'`	快速样式，可能在绘制速度或资源占用上优化
`'grayscale'`	灰度风格，只显示黑白颜色，适合黑白打印等
`'tableau-colorblind10'`	基于 Tableau 的色盲友好颜色方案，10 种适合色盲分辨的颜色

字体名称	`matplotlib` 中的写法
黑体	`plt.rcParams['font.sans-serif'] = ['SimHei']`
微软雅黑	`plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']`
宋体	`plt.rcParams['font.sans-serif'] = ['SimSun']`
仿宋	`plt.rcParams['font.sans-serif'] = ['FangSong']`
楷体	`plt.rcParams['font.sans-serif'] = ['KaiTi']`
Arial Unicode MS	`plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']`
Noto Sans CJK SC (简体中文)	`plt.rcParams['font.sans-serif'] = ['Noto Sans CJK SC']`
Noto Sans CJK TC (繁体中文)	`plt.rcParams['font.sans-serif'] = ['Noto Sans CJK TC']`
文泉驿正黑	`plt.rcParams['font.sans-serif'] = ['WenQuanYi Zen Hei']`