文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

• 参数axis:

• 2.5 增加图例

• 3.多种线条属性

• • 3.1线条的类型

• 3.2图形的颜色

• 3.3 点的形状类型

• 3.4 线条宽度

起步

========================================================================

导入matplotlib:

---

import matplotlib.pyplot as plt

使用内部函数plot(）来绘制图线

---

plt.plot(Close[‘2020’])

执行完代码图像未显示出来时，还需要用到show()方法。

plt.show()

默认方式过于简单而漏掉了很多信息，作如下补充

修改图像属性

============================================================================

1.坐标

---

1.1 更改坐标轴范围

假设-1和1表示买入和卖出，现绘制某一时间段买卖点：

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

• rcParams 是Matplotlib库中pyplot包绘图的参数字典，key为’axes.unicode_minus’的默认取值(value)为True,表示unicode的minus类型，有些字体对其兼容性支持不够，导致负号无法正常显示,现在将’axex.unicode_minus’的取值设为False，则可正常显示负号。

plt.rcParams[‘axes.unicode_minus’] = False

上图默认以-1和1为y轴坐标的最小指和最大值。如要调大坐标范围，则通过设定xlim()和ylim()来实现。xlim()函数用来调节X轴的范围，ylim用来调节Y轴的范围。

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

重新绘制，效果如下图所示

1.2设定坐标标签与显示角度

• 可以通过xticks()和yticks()函数设定坐标的标签。基本用法如下：

• matplotlib.pyplot.xticks(location, lables)

• matplotlib.pyplot.yticks(location, lables)

location:指标签的位置，一般由浮点数或是证书组成的列表

labels:表示坐标的标签，一般为与location等长的字符串列表

rotation:控制标签与X轴正向的角度。

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2015-02-09’], rotation=45)

这里把标X轴签与与Y轴正向的夹角设成了45度。

结果如图：

2.添加文本

---

2.1 添加标题

• 添加标题可以通过pyplot包中的title()函数实现。

matplotlib.pyplot,title(s, *args, **kwargs)

参数s为str类型数据。

参数loc：设定标题的显示位置。可选取值有：“counter”，“left”，“right”，分别表示位于坐标轴的中央、左边缘和右边缘。loc默认取值为"center"。

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票买卖点曲线图’)

2.2中文显示问题

默认情况下，图形中的中文为乱码形式，有两种方式可以解决matplotlib绘图中的中文显示问题。

• 1.每次绘图前，通过代码更改参数。更改Matplotlib包中pyplot包的参数字（rcParams）字体的无衬线字体属性(font.sans-serif, 为参数字典的一个key)的取值(value)，现将其设定为以’SimHei’为元素的数组形式。

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

• 2.如果每次绘图前都要考虑中文显示问题和执行上边的代码，不免就有些麻烦，当参数行数较多时，可能会顾此失彼。为了一劳永逸，可以修改一下Matplotlib配置文件中相关绘图属性的取值。该具体操作不再过多赘述。此操作虽方便，但会降低代码的普适性，不便于日后交流，固应根据个人需求酌情采用。

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票买卖点曲线图’)

具体效果如图所示：

2.3 设定坐标轴标签

在图像中添加坐标轴标题可以直观地显示坐标轴代表的数据变量。X轴、Y轴的标签设定分别通过xlabel()和ylabel()函数来实现，这两个函数也位于pyplot包中。

基本语法

• xlabel(‘a’)

• ylabel(‘b’)

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票买卖点曲线图’)

plt.xlabel(‘日期’)

plt.ylabel(‘买卖点’)

示例结果：

2.4 增加图形背景 grid

在Matplotlib包中，pyplot包内的grid()函数用于增加并设定图形的背景，函数的参数形式如下：

• matplotlib.pyplot.grid(b=None,which=‘major’, axis=‘both’, **kwargs)

参数b:

• 布尔数据类型，设定是否显示grid。默认为None，不显示。如需显示，则将B设定为True。

参数which:

• 设定 分割标示线(tick) 的类型，取值为"major", “minor"或者"both”。

• 默认为"major"，表示以原本坐标轴分割标示线为准；

• 若取值为"minor"，则表示 进一步细分 坐标轴分割标示线，但是 分割标准要提前设定好。如果只是设定值为"minor",则图形不会显示grid。

• "both"表示大小区间坐标轴分割线都有。

参数axis:

• 制定绘制grid的坐标轴，取值为"both"(default), “x”, 或者"y"。both表示X轴和Y轴的grid都绘制。 默认都绘制。

使用示例：

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

plt.ylim(-1.5,1.5)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票买卖点曲线图’)

plt.xlabel(‘日期’)

plt.ylabel(‘买卖点’)

plt.grid(True,axis=‘y’)

2.5 增加图例

• 多条曲线显示在一张图中时，图例可以帮助我们区分识别不同的曲线。如对某股票的价格数据中，除了收盘价，开盘价也涵盖了市场中的很多信息，将收盘价与开盘价对比分析，可能会发现一些新的信息。

• 图例的增加， 通过pyplot包中的**lengend()**函数实现。

matplotlib.pyplot.lengend(*args, **kwargs)

该函数常用到的一个参数是loc参数，用于设定图例在图中的位置。参数loc取值如表所示：

参数loc取值表：

| 含义 | 字符串类型值 | 数字值 |

| — | — | — |

| 最适宜位置 | ‘best’ | 0 |

| 右上角 | ‘upper right’ | 1 |

| 左上角 | ‘upper left’ | 2 |

| 左下角 | ‘lower left’ | 3 |

| 右下角 | ‘lower right’ | 4 |

| 右侧 | ‘right’ | 5 |

| 左侧中间 | ‘center left’ | 6 |

| 右侧中间 | ‘center right’ | 7 |

| 下方中间 | ‘lower center’ | 8 |

| 上方中间 | ‘upper center’ | 9 |

| 中间 | ‘center’ | 10 |

该函数成功增加图例的前提是在绘制图形时，要为图形设定lebel,lebel的值就是图例的文本内容。

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], label = ‘收盘价’)

plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], label = ‘收盘价’)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票开盘价&收盘价时序图’)

plt.xlabel(‘日期’)

plt.ylabel(‘价格’)

plt.grid(True,axis=‘y’)

plt.legend()

结果如图所示:

3.多种线条属性

---

3.1线条的类型

plot()函数中的linestyle参数用于设定曲线的类型。为了书写方便，有时会用ls代替linestyle, 该参数的主要取值如表所示：

线条类型可能取值表

| 类型 | 名称取值 | 符号取值 |

| — | — | — |

| 实线 | ‘solid’ | ‘-’ |

| 虚线 | ‘dashed’ | ‘—’ |

| 线点 | ‘dashdot’ | ‘-.’ |

| 点线 | ‘dotted’ | ‘:’ |

| 不画线 | ‘None’ | ‘’ |

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], label = ‘收盘价’, linestyle=‘solid’)

plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], label = ‘收盘价’, ls=‘-.’)

plt.xticks(range(9), \

[‘2021-02-01’, ‘2021-02-02’, ‘2021-02-03’, ‘2021-02-04’, \

‘2021-02-05’, ‘2021-02-06’, ‘2021-02-07’, ‘2021-02-08’, \

‘2021-02-09’], rotation=45)

plt.title(‘某股票开盘价&收盘价某时间序列内时序图’)

plt.xlabel(‘日期’)

plt.ylabel(‘价格’)

plt.grid(True,axis=‘y’)

plt.legend()

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！