http://blog.csdn.net/pipisorry/article/details/37742423

matplotlib介绍

        matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当完备，并且Gallery页面 中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。
        在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包可以调用gnuplot，但是语法比较不习惯，而且画图质量不高。而Matplotlib则比较强：Matlab的语法、python语言、latex的画图质量（还可以使用内嵌的latex引擎绘制的数学公式）。

    可以在Ipython中输入类似"plt.plot??"的命令查看pyplot模块的函数是如何对各种绘图对象进行包装的。

面向对象方式绘图

获取当前图和轴线

如，用下面的代码先获得axes对象再用ax来操作

ax = plt.gca()
ax = plt.axes()

地如设置xy轴的tickers就要用ax.yaxis来操作

ax.yaxis.set_minor_locator(yminorLocator)

安装numpy和matplotlib

pip install numpy

pip install matplotlib

matplotlib安装出错

[import matplotlib.pyplot as plt fails with error about python-tk]

检测是否安装成功：

>>> import numpy
>>> numpy.__version__

>>> import matplotlib
>>> matplotlib.__version__

不同绘图语言比较

工科生说Matlab完爆其他
数学系的说Mathematica高贵冷艳
统计系的说R语言作图领域天下无敌 
计算机系的说Python低调奢华有内涵
[如何在论文中画出漂亮的插图]

matplotlib.pyplot模块 - 快速绘图

matplotlib的pyplot子库提供了和matlab类似的绘图API，方便用户快速绘制2D图表。

1.调用figure创建一个绘图对象，并且使它成为当前的绘图对象。（可选）

plt.figure(figsize=(8,4))
也可以不创建绘图对象直接调用接下来的plot函数直接绘图，matplotlib会为我们自动创建一个绘图对象！！
如果需要同时绘制多幅图表的话，可以是给figure传递一个整数参数指定图标的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。
figsize参数：指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。因此本例中所创建的图表窗口的宽度为8*80 = 640像素。
但是用show()出来的工具栏中的保存按钮保存下来的png图像的大小是800*400像素。这是因为保存图表用的函数savefig使用不同的DPI配置，savefig函数也有一个dpi参数，如果不设置的话，将使用matplotlib配置文件中的配置，此配置可以通过如下语句进行查看：>>>matplotlib.rcParams["savefig.dpi"]100

2.通过调用plot函数在当前的绘图对象中进行绘图

    plt.plot(years, price, 'b*')#,label="$cos(x^2)$")
    plt.plot(years, price, 'r')
Note:
1. 第一句将x,y数组传递给plot
2.通过第三个参数"b--"指定曲线的颜色和线型，这个参数称为格式化参数，它能够通过一些易记的符号快速指定曲线的样式。其中b表示蓝色，"--"表示线型为虚线。
3. 用关键字参数指定各种属性：label : 给所绘制的曲线一个名字，此名字在图示/图例(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。color : 指定曲线的颜色linewidth : 指定曲线的宽度
具体参见【附录 - matplotlib中的作图参数】

3.设置绘图对象的各个属性

    plt.xlabel("years(+2000)")   #设置X轴的文字
    plt.ylabel("housing average price(*2000 yuan)")
    plt.ylim(0, 15)    #设置Y轴的范围
    plt.title('line_regression & gradient decrease')    #设置图表的标题
    plt.legend()    #显示图示

设置xlabel和ylabel显示的大小

import matplotlib
matplotlib.rc('xtick', labelsize=18)
matplotlib.rc('ytick', labelsize=18)

给一些特殊点做注释

我们希望在 的位置给两条函数曲线加上一个注释。首先，我们在对应的函数图像位置上画一个点；然后，向横轴引一条垂线，以虚线标记；最后，写上标签。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

...

t = 2*np.pi/3
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')

annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
         xy=(t, np.sin(t)), xycoords='data',
         xytext=(+10, +30), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')

annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
         xy=(t, np.cos(t)), xycoords='data',
         xytext=(-90, -50), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
...

精益求精

坐标轴上的记号标签被曲线挡住了，作为强迫症患者（雾）这是不能忍的。我们可以把它们放大，然后添加一个白色的半透明底色。这样可以保证标签和曲线同时可见。

1
2
3
4
5

...
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(16)
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))
...

plt.text(0.5,0.8,'subplot words',color='blue',ha='center',transform=ax.trans    Axes)  

plt.figtext(0.1,0.92,'figure words',color='green')  

plt.annotate('buttom',xy=(0,0),xytext=(0.2,0.2),arrowprops=dict(facecolor='blue', shrink=0.05))  

[matplotlib绘图，图标注释（2） ]

4.最后调用plt.show()显示出我们创建的所有绘图对象。

Matplotlib 里的常用类的包含关系为 Figure -> Axes -> (Line2D, Text, etc.)一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，可以理解为子图。

matplotlib绘图显示同时继续跑下面的代码

方式1：block=False参数或者plt.show(0)

from matplotlib.pyplot import plot, draw, show
def p():
    plot([1, 2, 3])
    show(block=False)
p()
print('continue computation')
input()

方式2：draw()

from matplotlib.pyplot import plot, draw, show
def p():
    plot([1, 2, 3])
    draw()
p()
print('continue computation')
# at the end call show to ensure window won't close.
show()

方式3：使用多线程

from multiprocessing import Process
from matplotlib import pyplot as plt
def p(args):
    plt.plot([1, 2, 3])
    plt.show()
p = Process(target=p, args=([1, 2, 3],))
p.start()

print('continue computation')

p.join()

唯一的缺点就是要写多线程的代码，但是至少plot模块都在一个函数中。

Note: target应为函数名而不应该是函数调用，否则还是会绘图阻止程序向下运行。

[Is there a way to detach matplotlib plots so that the computation can continue?]

清空plt绘制的内容

plt.cla()

plt.close(0)# 关闭图 0

plt.close('all') 关闭所有图

图形保存和输出设置

可以调用plt.savefig()将当前的Figure对象保存成图像文件，图像格式由图像文件的扩展名决定。下面的程序将当前的图表保存为“test.png”，并且通过dpi参数指定图像的分辨率为 120，因此输出图像的宽度为“8X120 = 960”个像素。
plt.savefig("test.png",dpi=120)
也可以通过show()出来的图形界面手动保存和设置
matplotlib中绘制完成图形之后通过show()展示出来，我们还可以通过图形界面中的工具栏对其进行设置和保存
matplotlib修改图片大小：图形界面下方工具栏可以设置图形上下左右的边距
如果想在跑程序外部查看图片，可以这样：

plt.savefig('/tmp/1.png')
subprocess.run('xdg-open /tmp/1.png', shell=True)

5. 绘制多子图
可以使用subplot()快速绘制包含多个子图的图表，它的调用形式如下：
subplot(numRows, numCols, plotNum)

matplotlib.pyplot.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

subplot将整个绘图区域等分为numRows行* numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。

通过axisbg参数给每个轴设置不同的背景颜色。

subplot()返回它所创建的Axes对象，我们可以将它用变量保存起来，然后用sca()交替让它们成为当前Axes对象，并调用plot()在其中绘图。

调节轴之间的间距和轴与边框之间的距离

当绘图对象中有多个轴的时候，可以通过工具栏中的Configure Subplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。

如果希望在程序中调节的话，可以调用subplots_adjust函数，它有left, right, bottom, top, wspace, hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。

[matplotlib.pyplot.subplots_adjust]

[matplotlib.pyplot.subplots]

6.绘制多图表

如果需要同时绘制多幅图表，可以给figure()传递一个整数参数指定Figure对象的序号，如果序号所指定的Figure对象已经存在，将不创建新的对象，而只是让它成为当前的Figure对象。

[python] view plain copy

1. import numpy as np  
2. import matplotlib.pyplot as plt   
3.   
4. plt.figure(1) # 创建图表1  
5. plt.figure(2) # 创建图表2  
6. ax1 = plt.subplot(211) # 在图表2中创建子图1  
7. ax2 = plt.subplot(212) # 在图表2中创建子图2  
8.    
9. x = np.linspace(0, 3, 100)  
10. for i in xrange(5):  
11.     plt.figure(1)  #选择图表1  
12.     plt.plot(x, np.exp(i*x/3))  
13.     plt.sca(ax1)   #选择图表2的子图1  
14.     plt.plot(x, np.sin(i*x))  
15.     plt.sca(ax2)  # 选择图表2的子图2  
16.     plt.plot(x, np.cos(i*x))  
17. plt.show()  

7. 在图表中显示中文

matplotlib的缺省配置文件中所使用的字体无法正确显示中文。为了让图表能正确显示中文，可以有几种解决方案。

1. 在程序中直接指定字体。
2. 在程序开头修改配置字典rcParams。
3. 修改配置文件。

比较简便的方式是，中文字符串用unicode格式，例如：u''测试中文显示''，代码文件编码使用utf-8 加上" # coding = utf-8  "一行。

[matplotlib输出图象的中文显示问题]

8. 面向对象画图

matplotlib API包含有三层，Artist层处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道，而不需要关心底层的绘制细节。

直接使用Artists创建图表的标准流程如下：

• 创建Figure对象
• 用Figure对象创建一个或者多个Axes或者Subplot对象
• 调用Axies等对象的方法创建各种简单类型的Artists

[python] view plain copy

1. import matplotlib.pyplot as plt  
2. X1 = range(0, 50)  
3. Y1 = [num**2 for num in X1] # y = x^2 X2 = [0, 1] Y2 = [0, 1] # y = x  
4.   
5. Fig = plt.figure(figsize=(8,4)) # Create a `figure' instance  
6. Ax = Fig.add_subplot(111) # Create a `axes' instance in the figure  
7. Ax.plot(X1, Y1, X2, Y2) # Create a Line2D instance in the axes  
8.   
9. Fig.show()   
10. Fig.savefig("test.pdf")