1.2 颜色、标记和线类型
matplotblib 的主函数 plot 接收带有x and y 轴的数组以及一些可选的字符串缩写参数来指名颜色和线类型。例如要用绿色括折号绘制 x 对 y 的线：ax.plot(x,y,'g--')或者ax.plot(x,y,linestyle='--',colur='g')
很多颜色缩写被用于常用颜色，可以指定十六进制的颜色代码（#CECECE)。
参考plot函数的文档查看所有线类型（jupyter 中使用plot?)
'b'blue
'g'green
'r'red
'c'cyan
'm'magenta
'y'yellow
'k'black
'w'white
'-'solid line style
'--'dashed line style
'-.'dash-dot line style
':'dotted line style
折线图还可以又标记来凸显实际的数据点，matplotlib 创建一个连续的折线图，插入点之间有时分辨不出。标记可以是样式字符串的一部分，样式字符串中的线类型，标记类型必须在颜色后面。
plot(np.random.randn(30).cumsum(),color='r',linestyle='dashed',marker='s')更加显式的代码
后续的点默认式线性内插的。。。通过drawstyle 选项来更改
。。。。讲究。。。。。
由于我们像plot 传递来 label ，我们可使用plt.legend 为每条线生成一个用于区分的图例。（无论是否又label选项都要调用plt.legend 来生成图例。）
1.3 刻度、标签和图例
对于大多数图标修饰工作，有两种主要方式，使用程序性的pyplot 接口 和更多面向独享的原生 matplotlib API。
pyplot 接口设计为交互式使用，包含了 xlim, xticks 和 xticklabels 等方法。这些方法分别控制了绘图范围，刻度位置以及刻度标签。
在没有函数参数的情况下调用，返回当前的参数值（例如 plt.xlim() 返回当前的x 轴绘图范围）传入参数的情况下调用，例如：plt.xlim([0,10]) 会将x 轴的范围设置为0 到10.
这些方法都会在当前活动的回落最近创建的 AxesSubplot 上生效，这些方法的每一个对应于子图自身的两个方法，比如 xlim 对应于 ax.get_lim and ax.set_lim 。好像使用 subplot 的方法更加显式，，，，（使用subplot_kw参数，就是add_subplot的参数）
1.3.1 设置标题，轴标签，刻度和刻度标签
修改y 轴坐标是相同的过程，将上面的x 替换成 y 就行，轴的类型有一个 set 方法，可以批量设置绘图属性。
感觉用上subplots 不如在外面设置，在外面使用函数，功能还能多一些。
1.3.2 添加图例
图例是用来区分绘图元素。最简单的方式是在添加每个图表时传递label 参数。
legend 方法多了个loc 的位置参数。告诉在哪里放置图表，best 会自动选择适合的位置(尽量少的重叠图像），如果要取消图例中的元素，不要传入 label 或 label = ‘_nolegend_’
Location String Location Code=============== ============='best' 0'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=============== =============bbox_to_anchor与loc一起用于定位图例的框(x, y, width, height)or(x,y)ncol 图例的列数，默认1fontsize nt或float 图例字体大小。shadow None or bool 阴影framealpha 背景的不透明度facecolor 背景色title/title_fontsize
1.4 注释与子图加工
在图表上绘制自己的注释，而且注释中可能包含文本，箭头以及其他图形。你可以使用 text arrow annote 方法来添加注释和文本。
text 在图表上给定的坐标 (x,y) 根据可选的定制样式绘制文本。as.text(x,y,'hello world',family='monospace',fontsize=10)
绘制标普500指数从以来的收盘价，并在图表中标注从到金融危机的重要日期（阿巴阿巴阿巴阿巴）
还没见过 asof这个函数。。。DataFrame/Series.asof(where, subset=None)
返回where之前没有nan 的最后一行。subset, 对于dataframe ，使用指定的列来检查nan。
如果没有对应的值就返回nan。
>>> s = pd.Series([1, 2, np.nan, 4], index=[10, 20, 30, 40])>>> s10 1.020 2.030 NaN40 4.0dtype: float64>>> s.asof(20)# 获得 索引20 的值2.0>>> s.asof([5, 20]) # 对于多个，第一个没有返回nan，5NaN20 2.0dtype: float64>>> s.asof(30) # 这个是nan，就返回之前不是nan 的最后一行。2.0df = pd.DataFrame({'a': [10, 20, 30, 40, 50],'b': [None, None, None, None, 500]},index=[1,2,3,4,5])df.asof([3.5,4.5]) # 考虑所有行的话，要找都不是nan 的，ab3.5NaNNaN4.5NaNNaNdf.asof([3.5,4.5],subset=['a'])a b# 这里只考虑 a 3.530.0NaN4.540.0NaN
from datetime import datetimefig=plt.figure()ax=fig.add_subplot(1,1,1) data=pd.read_table('spx.csv',sep='\t',header=None,parse_dates=True,index_col=0)data.columns=['spx'] # (/wesm/pydata-book/blob/2nd-edition/examples/spx.csv) 相关文件spx=data['spx']spx.plot(ax=ax,style='k-')crisis_data = [(datetime(, 10, 11), 'Peak of bull market'),(datetime(, 3, 12), 'Bear Stearns Fails'),(datetime(, 9, 15), 'Lehman Bankruptcy')]for date,label in crisis_data: # ax.annotate方法在指定的x和y 坐标上绘制标签ax.annotate(label,xy=(date,spx.asof(date)+75),xytext=(date,spx.asof(date)+225),arrowprops=dict(facecolor='black',headwidth=4,width=2,headlength=4),horizontalalignment='left',verticalalignment='top')# 话说这位置，箭头宽度的参数的选择有什么方法吗。。。。# 放大 到 ax.set_xlim(['1/1/', '1/1/']) # ['-1-1', '-1-1'] 这样也行的，所有为啥要那么写ax.set_ylim([600, 1800]) # 使用这两个方法手动设置图标的边界，而不是使用matplotlib的默认设置。ax.set_title('Important dates in the - financial crisis')
annotate（s，xy，args，* kwargs）** , 用文本text 注释点xy。
xytext 放置文本的位置（x，y）。如果为None，则默认为xy。xycoords 给出xy的坐标系。textcoords xytext 的坐标系arrowprops dict 在位置xy和xytext之间绘制箭头的属性comment_clip bool或无 当注释点xy在轴区域之外时是否绘制注释。**kwargs 传递给Text 的参数。。禁止套娃，，又是一片参数被恶心到了。。。脑补链接
如果arrowprops不包含键“ arrowstyle”，则允许的键为：
如果arrowprops包含键“ arrowstyle”，则禁止使用上述键。的允许值为 ‘arrowstyle’：
for date,label in crisis_data: # ax.annotate方法在指定的x和y 坐标上绘制标签ax.annotate(label,xy=(date,spx.asof(date)+75),xytext=(date,spx.asof(date)+225),arrowprops=dict(arrowstyle='wedge'),horizontalalignment='right',verticalalignment='baseline',fontsize='large',color='r',backgroundcolor='g')# 整个难看点的。。。
matplotlib 含有表示多种常见图形的对象，这些对象的引用是 patches ，一些图像比如 Rectangle 矩形，Circle 圆形，可以使用 matplotlib.pyplot 中找到，但图形的全集位于 matplotlib.patches 。
想在图表中添加图形，你需要生成patch(补丁）对象shp, 并调用 ax.add_patch(shp) 将它加入到子图中。
matplotlib.patches.Rectangle(xy, width, height, angle=0.0, **kwargs)
xy (float,float),底部和左侧矩形坐标width height 宽度 高度angle 角度，逆时针旋转角度fill 是否填充矩形，默认True
matplotlib.patches.Circle(xy, radius=5, **kwargs)
xy 半径中心，redus 半径。
matplotlib.patches.Polygon(xy, closed=True, **kwargs)
xy 一个形状为 NX 2的 numpy 数组，close 是否封闭，默认True
Axes.add_patch§
添加一个补丁。。。
1.5 将图片保存到文件
plt.savefig 将活动图片保存到文件，plt.savefig('figpath.svg')
使用 dpi ，分辨率，bbox_inches 修剪图形的空白。plt.savefig('figpath.pnt',dpi=400,bbox_inches='tight')
savaifig 并不一定要写入硬盘，它可以将图片写入到所有的文件型对象中，例如BytesIO"
from io import BytesIObuffer=BytesIO() # 学到了buffer 对象这么生成啊plt.savefig(buffer)plot_data=buffer.getvalue()
with open('plt.jpg','wb') as f:plt.savefig(f,facecolor='r',edgecolor='b',bbox_inches='tight')# 感觉 edgecolor 没啥效果欸
1.6 matplotlib 设置
matplotlib 配置了配色方案和默认设置，主要用来准备用于发布的图片，几乎所有默认行为都可以通过广泛的全局参数来定制，包括图形大小，子图间距，颜色，字体大小和网格样式等。使用 rc 方法是更改配置的一种方式，
matplotlib.pyplot.rc(group, **kwargs)group是rc的分组，例如，lines.linewidth group是lines，for axes.facecolor，group是axes，等等。组也可以是组名称的列表或元组，例如（xtick，ytick），，，
例如将全局默认数字大小设置为 10X10 ：
plt.rc('figure',figsize=(10,10))
第一个参数是你要自定义的组件，figure,axes,xtick,ytick,grid,legend 等，然后可以按照关键字参数的序列指定新参数，
font_options = {'family' : 'monospace', 'weight' : 'bold', 'size' : 'small'} plt.rc('font', **font_options)
matplotlib.rcdefaults（）恢复原来的设置。
。。。我发现了这根本不是给萌新看的 matplotlib 的教程，，，先浏览一遍吧，在去找找。。。。。。。。
matplotlib:颜色 标记和线类型 刻度 标签和图例 注释与子图加工 将图片保存到文件 matplotlib 设置
