此前总结过两次matplotlib库，此次进一步加深并扩展更多用法。
前两次文章
一：https://www.cnblogs.com/2020zxc/p/13369178.html
二：https://www.cnblogs.com/2020zxc/p/13620865.html
本次总结综合以前所学，归纳用法，以及把一些较好的文章推出来
画折线统计图，使用关键函数：
plt.plot(）
画出条形统计图：
plt.bar()
显示图片，使用关键函数
plt.imshow
显示图片示例代码：
img0 = cv2.imread(imgpath2) # imgpath2是完整图像路径，由于opencv读取的通道顺序是bgr，因此需要转换为rgb imgb,imgg,imgr = cv2.split(img0) img = [imgr,imgg,imgb] img = cv2.merge(img) cv2.cvtColor(img, cv2.COLOR_BGR2RGB) cv2.imshow('test', img) cv2.waitKey(0) plt.figure(figsize=(8, 6), dpi=80) # figsize表示创建显示图片窗口大小，dpi表示分辨率，也可以不填，使用默认参数 plt.imshow(img, alpha=0.5, cmap=plt.cm.gray) # 输入需要显示的图片img（ndarry类型变量），alpha=0.5表示透明度为50%，cmap=plt.cm.gray表示显示为灰色，cmap还可以填入其他参数 plt.show()
画统计图示例：
最简单的语句是
plt.plot(x, y)，表示输入x和y两个list，将根据各个对应点画出折线统计图，因此x、y长度必须保持一致（可以写一个函数让他们有对照关系）。
x、y对照生成代码如：
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-3, 3, step=0.1)
y = np.sin(x)
plt.plot(x, y)
plt.show()
更深层次地，可以对特殊点标记、注释、透明、加某个点的文本标记等。
导入必要的包省略..... 随便创建几条曲线： x = np.arange(-3, 3, 0.3) y = np.cos(x)*x y2 = np.sin(x)*x**3-x y3 = np.sin(x)*x**2-x plt.plot(x, y, 'o', ms=5, color='blue', label='label1',alpha=0.9) plt.plot(x, y2, linestyle='--',color='red', alpha=0.4,label='label2') plt.plot(x, y3, marker='x',color='green', alpha=0.8,label='label3') # 'o'表示使用圆形画出散点图，默认为实线，color表示点的颜色，label表示对曲线说明标记，alpha表示透明度 # linestyle表示折线图的样式，可以有虚线实现点划等等， # 以上的‘o’与linestyle命令不可以同时在同一个函数使用，且都不可以与marker命令使用 # 实践可以发现，marker命令会把曲线上的点和点与点之间的连接都确定 plt.legend() # 使用默认标签位置，会自动调整适合区域，设置label后必须调用该函数 plt.show()
实验效果：
各个参数表说明：
plt.legend(loc='center') 中的loc参数（默认会自动调整到适应位置）：
'best' : 0, (only implemented for axes legends)(自适应方式)
'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
,
颜色color：
blue 蓝，缩写为： b
green 绿，缩写为 g
red 红 r
cyan 蓝绿 c
magenta 洋红 m
yellow 黄 y
black 黑 k
white 白 w
线型linestyle：
实线 '-'
虚线 '--'
点画线 '-.
点线 '：'
点型参数如marker
未完待续......