Pyplot tutorial

对pyplot 接口的介绍

简介

matplotlib.pyplot 是一堆函数的集成，让matplotlib 像MATLAB 一样使用。创建画布，画线，装饰啥的。

但是 pyplot API 没有面向对象的API 灵活。

import matplotlib.pyplot as plt
plt.plot([1,2,3,4])      # 生成一个可视化的图是非常容易的
plt.ylabel('some data')
plt.show()# 注意一下坐标轴，当只传入一个列表或数组，matplotlib就认为这是y 值得序列，然后自动生成x 的值。
# 生成的x 的值是从0开始的，所以 y 1-4 x 0-3
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

格式化绘图

除了 x,y 两个参数，还有格式化字符串这个参数，来表示颜色和绘制的线的种类。默认是 ‘b-’ ，蓝色的实线。更多格式，，这些函数的参数也太多了。。。

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')    # 红点
plt.axis([0, 6, 0, 20])    # 这个函数指定了两个坐标的可视化范围
plt.show()import numpy as np
t = np.arange(0., 5., 0.2)    # 传入列表再内部也会转换成数组。# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')    # 不同格式再一个函数里画
plt.show()

# 用关键字绘图
data = {'a': np.arange(50),'c': np.random.randint(0, 50, 50),'d': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100plt.scatter('a', 'b', c='c', s='d', data=data)   # 指定了data 这个参数
plt.xlabel('entry a')              # 就可以使用相关联的字符串
plt.ylabel('entry b')         # c 颜色， s 标记点的大小
plt.show()

用分类数据绘图

names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]plt.figure(figsize=(9, 3))plt.subplot(131)
plt.bar(names, values)    # 条形图
plt.subplot(132)
plt.scatter(names, values)   # 散点图
plt.subplot(133)
plt.plot(names, values)     # 折线图
plt.suptitle('Categorical Plotting')
plt.show()

控制线的属性

宽度，样式，抗锯齿等，设置方法：

plt.plot(x,y, linewidth = 2.0) 通过关键字参数
line, = plt.plot(x, y, '-'); line.set_antialiased(False) # turn off 抗锯齿 通过Line2D 对象的set 方法，plot 返回的是 Line2D 对象的列表。
setp 方法

lines = plt.plot(x1, y1, x2, y2)
# use keyword args
plt.setp(lines, color='r', linewidth=2.0)
# or MATLAB style string value pairs
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

一下就是可用的 Line2D 属性：

Property	Value Type
alpha	float
animated	[True \| False]
antialiased or aa	[True \| False]
clip_box	a matplotlib.transform.Bbox instance
clip_on	[True \| False]
clip_path	a Path instance and a Transform instance, a Patch
color or c	any matplotlib color
contains	the hit testing function
dash_capstyle	[`'butt'` \| `'round'` \| `'projecting'`]
dash_joinstyle	[`'miter'` \| `'round'` \| `'bevel'`]
dashes	sequence of on/off ink in points
data	(np.array xdata, np.array ydata)
figure	a matplotlib.figure.Figure instance
label	any string
linestyle or ls	[ `'-'` \| `'--'` \| `'-.'` \| `':'` \| `'steps'` \| …]
linewidth or lw	float value in points
marker	[ `'+'` \| `','` \| `'.'` \| `'1'` \| `'2'` \| `'3'` \| `'4'` ]
markeredgecolor or mec	any matplotlib color
markeredgewidth or mew	float value in points
markerfacecolor or mfc	any matplotlib color
markersize or ms	float
markevery	[ None \| integer \| (startind, stride) ]
picker	used in interactive line selection
pickradius	the line pick selection radius
solid_capstyle	[`'butt'` \| `'round'` \| `'projecting'`]
solid_joinstyle	[`'miter'`\| `'round'` \| `'bevel'`]
transform	a matplotlib.transforms.Transform instance
visible	[True \| False]
xdata	np.array
ydata	np.array
zorder	any number

lines = plt.plot([1, 2, 3])
plt.step(lines)     # 获取可设置的线的属性列表（不是这个对象的取值）。。蛮方便的啊

使用多个图形和轴

绘图中，所有的函数都是i针对当前的图和轴，可以使用 Axes.gca 得到当前的轴， gcf 得到当前的图，一般不用管，交给后台就行

def f(t):return np.exp(-t) * np.cos(2*np.pi*t)t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)plt.figure()    # 也可以不用这个，因为figure(1) 会默认创建。
plt.subplot(211)     # 选择绘制的子图，两行一列第一个
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')plt.subplot(212)   # 也可以写成( 2, 1, 2)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()# 也可以创建多个 figure
import matplotlib.pyplot as plt
plt.figure(1)                # the first figure
plt.subplot(211)             # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212)             # the second subplot in the first figure
plt.plot([4, 5, 6])plt.figure(2)                # a second figure
plt.plot([4, 5, 6])          # creates a subplot(111) by defaultplt.figure(1)                # figure 1 current; subplot(212) still current
plt.subplot(211)             # make subplot(211) in figure1 current
plt.title('Easy as 1, 2, 3') # subplot 211 title

可以使用 pyplot.clf() or cla() 来清除当前的 figure 和 axes。如果你制作了大量的图形，注意再图形通过 close() 关闭前，其内存是不会释放的 matplotlib.pyplot.close(fig=None)

文本

text 可用添加再任意位置，xlabel ylabel title 可用给指定位置增加文本

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=1, facecolor='g', alpha=0.75)plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')   # 支持 TeX 方程表达式
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()# 这些文本函数都是 text.Text 实例，可用定义属性
t = plt.xlabel('my data', fontsize=14, color='red')  # or setp()

标记文本

使用 annotate 方法来标注文本，有两个位置标志位置 (x,y) 和文本位置 (xtext, ytext)。

ax = plt.subplot(111)t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),arrowprops=dict(facecolor='black', shrink=0.05),   # 箭头格式)plt.ylim(-2, 2)
plt.show()

对数和其他非线性轴

不仅支持线性轴刻度，也支持对数和 log 的刻度，如果数据跨越很多数量级，就可以改变轴的比率。plt.xscale(‘log’)

# Fixing random state for reproducibility
np.random.seed(19680801)# make up some data in the open interval (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))# plot with various axes scales
plt.figure()# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# 调整子图布局，因为logit可能会占用更多空间
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,wspace=0.35)plt.show()

matplotlib 文档：Pyplot tutorial相关推荐

书评 | 如何让开发中的各种文档变活？《活文档》阅读总结
题图 | © Yunshan Xia 几年前在 O'Reilly 看到一本叫 Living Documentation 的书,可惜当时没读完. 最近图灵出版了该书的中文翻译版<活文档:与代码共同 ...
项目中的难点怎么克服_克服大型项目中的文档挑战
项目中的难点怎么克服鉴于最近熊猫( Pandas) ,NumPy和Matplotlib等开放源数据科学项目的普及Swift增长,人们对文档的兴趣日益浓厚 ,这不足为奇. 为了帮助您了解所面临的问题, ...
python教程-数据分析-matplotlib绘制折线图1（改变图片大小，保存图片，改变坐标的间距，显示中文，快捷键出对应文档）
matplotlib学习笔记: `matplotlib`之缘起导入包绘制简单的折线图改变图片大小保存图片改变坐标轴的间距调整图片的密集程度学到这,要来一题练练手了! 在matplotli ...
Rasa 文档中英文翻译版本 3 - Tutorial: Building Assistants
Rasa 文档中英文翻译版本 3 - Tutorial: Building Assistants https://rasa.com/docs/rasa/user-guide/building-ass ...
Python Tutorial中英双语对照文档5
Python Tutorial中英双语对照文档4 CHAPTER THIRTEEN WHAT NOW? 现在咧? Reading this tutorial has probably reinforc ...
Python Tutorial中英双语对照文档1
本文根据官方文档 http://www.pythondoc.com/pythontutorial3/ 和中文文档 http://www.pythondoc.com/pythontutorial3/ ...
Python Tutorial中英双语对照文档2
接 Python Tutorial中英双语对照文档1 CHAPTER SIX MODULES 模块 If you quit from the Python interpreter and enter ...
Python Tutorial中英双语对照文档3
接 Python Tutorial中英双语对照文档2 CHAPTER NINE CLASSES 类 Classes provide a means of bundling data and funct ...
excel 文档管理服务器,Excel Server Tutorial
在企事业单位的实际业务中所需要使用的信息,除了数据之外,还包括文档.文档是各种类别和格式的,它们可能是Word文件,如企业的规章制度:可能是AutoCAD文件,如产品设计图纸:也可能是视频.音频文件, ...

matplotlib 文档：Pyplot tutorial