废话不多说，直接开干。
1. 绘制函数图像
1.1 导入库
为避免中文显示出错，需导入matplotlib.pylab库
import numpy as np
import matplotlib.pyplot as plt
# 确保显示不出现乱码
from matplotlib.pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 中文显示
mpl.rcParams['axes.unicode_minus'] = False # 负号显示
1.2 绘制不含子图的图像
1.2.1 确定数据
# 确定数据
x = np.arange(0, 1, 0.01)
y = x
z = x**2
1.2.2 创建画布
# 创建画布，无子图该步骤可省略
a = plt.figure()
1.2.3 添加标题
# 添加标题
plt.title('图像')
1.2.4 添加x，y轴名称
# 添加x，y轴名称
plt.xlabel('x')
plt.ylabel('y')
1.2.5 添加x，y轴范围
# 添加x，y轴范围
plt.xlim(0, 1)
plt.ylim(0, 1)
1.2.6 添加x，y轴刻度
# 添加x，y轴刻度
plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])
plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])
1.2.7 绘制曲线、图例, 并保存图片
保存图片时，dpi为清晰度，数值越高越清晰。请注意，函数结尾处，必须加plt.show()，不然图像不显示。
# 绘制曲线
plt.plot(x, y, 'g-.', x, z, 'b--')
# 绘制图例，该步骤应在绘图后
plt.legend(['y = x', 'z = x^2'])
# 保存图片, dpi为清晰度，数值越高越清晰
plt.savefig('E:/data analysis by python/1.png', dpi=500)
# 显示图像，必须加这一句，不然看不到图像
plt.show()
1.3 绘制含子图的图像
绘制流程与绘制不含子图的图像一致，只需注意一点：创建画布。
1.3.1 创建画布
合理调整figsize、dpi，可避免出现第一幅图横轴名称与第二幅图标题相互遮盖的现象.
# 创建画布，无子图该步骤可省略
a = plt.figure(figsize=(8, 14), dpi=80)
# 创建两行一列子图中的第一幅子图
a1 = a.add_subplot(2, 1, 1)
......
# 创建两行一列子图中的第二幅子图
a2 = a.add_subplot(2, 1, 2)
......
1.3.2 完整代码
# 确定数据
x = np.arange(0, 1, 0.01)
y = x
z = x**2
# 创建画布，无子图该步骤可省略
a = plt.figure(figsize=(8, 14), dpi=80)
# 创建两行一列子图中的第一幅子图
a1 = a.add_subplot(2, 1, 1)
# 添加标题
plt.title('图像')
# 添加x，y轴名称
plt.xlabel('x')
plt.ylabel('y')
# 添加x，y轴范围
plt.xlim(0, 1)
plt.ylim(0, 1)
# 添加x，y轴刻度
plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])
plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])
# 绘制曲线
plt.plot(x, y, x, z)
# 绘制图例，该步骤应在绘图后
plt.legend(['y = x', 'z = x^2'])
# 创建两行一列子图中的第二幅子图
a2 = a.add_subplot(2, 1, 2)
# 添加标题
plt.title('图像')
# 添加x，y轴名称
plt.xlabel('x')
plt.ylabel('y')
# 添加x，y轴范围
plt.xlim(0, 1)
plt.ylim(0, 1)
# 添加x，y轴刻度
plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])
plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])
# 绘制曲线
plt.plot(x, np.sin(x), x, np.tan(x))
# 绘制图例，该步骤应在绘图后
plt.legend(['y = sin x', 'z = tan x'])
# 保存图片
plt.savefig('E:/data analysis by python/2.png')
# 显示图像，必须加这一句，不然看不到图像
plt.show()
2. 线条rc参数设置
2.1 参数名称、意义
线条形状
点形状
颜色
2.2 rc参数设置
2.2.1 rc参数类型
rc参数类型
2.2.2 方法1：使用rcParams设置
# 确定数据
x = np.arange(0, 10, 1)
y = x
z = x**2
# 设置线条rc参数
# 线条形状，linestyle可简写为ls
plt.rcParams['lines.linestyle'] = '-.'
# 线条宽度，linewidth可简写为lw
plt.rcParams['lines.linewidth'] = 2
# 线条颜色，color可简写为c
plt.rcParams['lines.color'] = 'g'
# 点形状
plt.rcParams['lines.marker'] = 'D'
# 点大小
plt.rcParams['lines.markersize'] = '10'
# 点边缘宽度
plt.rcParams['lines.markeredgewidth'] = '2'
# 点边缘颜色
plt.rcParams['lines.markeredgecolor'] = 'y'
# 点内部颜色
plt.rcParams['lines.markerfacecolor'] = 'r'
# 绘制曲线
plt.plot(x, y, x, z)
# 显示图像，必须加这一句，不然看不到图像
# 保存图片, dpi为清晰度，数值越高越清晰
plt.savefig('E:/data analysis by python/线条参数.png', dpi=500)
plt.show()
2.2.3 方法2：plot内设置
# 确定数据
x = np.arange(0, 10, 1)
y = x
z = x**2
# 绘制曲线
plt.plot(x, y, c='r', ls='--', marker='o')
# 显示图像，必须加这一句，不然看不到图像
plt.show()
2.2.4 方法3：plot内简化设置
方法2中，线条形状，linestyle可简写为ls；线条宽度，linewidth可简写为lw；线条颜色，color可简写为c，等等。
# 确定数据
x = np.arange(0, 10, 1)
y = x
z = x**2
# 绘制曲线
plt.plot(x, y, 'r--o')
# 显示图像，必须加这一句，不然看不到图像
plt.show()
