無論你工作在什么項目上，IPython都是值得推薦的。利用ipython --pylab，可以進入PyLab模式，已經導入了matplotlib庫與相關軟件包（例如Numpy和Scipy)，額可以直接使用相關庫的功能。
本文作為學習過程中對matplotlib一些常用知識點的整理，方便查找。
這樣IPython配置為使用你所指定的matplotlib GUI后端（TK/wxPython/PyQt/Mac OS X native/GTK)。對于大部分用戶而言，默認的后端就已經夠用了。Pylab模式還會向IPython引入一大堆模塊和函數以提供一種更接近MATLAB的界面。
import matplotlib.pyplot as pltlabels='frogs','hogs','dogs','logs'sizes=15,20,45,10colors='yellowgreen','gold','lightskyblue','lightcoral'explode=0,0.1,0,0plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)plt.axis('equal')plt.show()matplotlib圖標正常顯示中文
為了在圖表中能夠顯示中文和負號等，需要下面一段設置：
import matplotlib.pyplot as pltplt.rcParams['font.sas-serig']=['SimHei'] #用來正常顯示中文標簽plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號
matplotlib inline和pylab inline
可以使用ipython --pylab打開ipython命名窗口。
%matplotlib inline #notebook模式下%pylab inline #ipython模式下
這兩個命令都可以在繪圖時，將圖片內嵌在交互窗口，而不是彈出一個圖片窗口，但是，有一個缺陷：除非將代碼一次執行，否則，無法疊加繪圖，因為在這兩種模式下，是要有plt出現，圖片會立馬show出來，因此：
推薦在ipython notebook時使用，這樣就能很方便的一次編輯完代碼，繪圖。
為項目設置matplotlib參數
在代碼執行過程中，有兩種方式更改參數：
如果不想每次使用matplotlib時都在代碼部分進行配置，可以修改matplotlib的文件參數。可以用matplot.get_config()命令來找到當前用戶的配置文件目錄。
配置文件包括以下配置項：
axex: 設置坐標軸邊界和表面的顏色、坐標刻度值大小和網格的顯示
backend: 設置目標暑促TkAgg和GTKAgg
figure: 控制dpi、邊界顏色、圖形大小、和子區( subplot)設置
font: 字體集（font family）、字體大小和樣式設置
grid: 設置網格顏色和線性
legend: 設置圖例和其中的文本的顯示
line: 設置線條（顏色、線型、寬度等）和標記
patch: 是填充2D空間的圖形對象，如多邊形和圓?？刂凭€寬、顏色和抗鋸齒設置等。
savefig: 可以對保存的圖形進行單獨設置。例如，設置渲染的文件的背景為白色。
verbose: 設置matplotlib在執行期間信息輸出，如silent、helpful、debug和debug-annoying。
xticks和yticks: 為x,y軸的主刻度和次刻度設置顏色、大小、方向，以及標簽大小。
線條相關屬性標記設置
用來該表線條的屬性
| 線條風格linestyle或ls | 描述 | 線條風格linestyle或ls | 描述 |
|---|---|---|---|
| ‘-‘ | 實線 | ‘:' | 虛線 |
| ‘–' | 破折線 | ‘None',' ‘,'' | 什么都不畫 |
| ‘-.' | 點劃線 |
線條標記
| 標記maker | 描述 | 標記 | 描述 | |
|---|---|---|---|---|
| ‘o' | 圓圈 | ‘.' | 點 | |
| ‘D' | 菱形 | ‘s' | 正方形 | |
| ‘h' | 六邊形1 | ‘*' | 星號 | |
| ‘H' | 六邊形2 | ‘d' | 小菱形 | |
| ‘_' | 水平線 | ‘v' | 一角朝下的三角形 | |
| ‘8' | 八邊形 | ‘<' | 一角朝左的三角形 | |
| ‘p' | 五邊形 | ‘>' | 一角朝右的三角形 | |
| ‘,' | 像素 | ‘^' | 一角朝上的三角形 | |
| ‘+' | 加號 | ‘/ | ‘ | 豎線 |
| ‘None','',' ‘ | 無 | ‘x' | X |
顏色
可以通過調用matplotlib.pyplot.colors()得到matplotlib支持的所有顏色。
| 別名 | 顏色 | 別名 | 顏色 |
|---|---|---|---|
| b | 藍色 | g | 綠色 |
| r | 紅色 | y | 黃色 |
| c | 青色 | k | 黑色 |
| m | 洋紅色 | w | 白色 |
如果這兩種顏色不夠用，還可以通過兩種其他方式來定義顏色值：
color='eeefff'使用合法的HTML顏色名字（'red','chartreuse'等）。color=(0.3,0.3,0.4)很多方法可以介紹顏色參數，如title()。
plt.tilte('Title in a custom color',color='#123456'）背景色
通過向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()這樣的方法提供一個axisbg參數，可以指定坐標這的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098)
基礎
如果你向plot()指令提供了一維的數組或列表，那么matplotlib將默認它是一系列的y值，并自動為你生成x的值。默認的x向量從0開始并且具有和y同樣的長度，因此x的數據是[0,1,2,3].
確定坐標范圍plt.axis([xmin, xmax, ymin, ymax])
上面例子里的axis()命令給定了坐標范圍。
xlim(xmin, xmax)和ylim(ymin, ymax)來調整x,y坐標范圍
%matplotlib inlineimport numpy as npimport matplotlib.pyplot as pltfrom pylab import *x = np.arange(-5.0, 5.0, 0.02)y1 = np.sin(x)plt.figure(1)plt.subplot(211)plt.plot(x, y1)plt.subplot(212)#設置x軸范圍xlim(-2.5, 2.5)#設置y軸范圍ylim(-1, 1)plt.plot(x, y1)
疊加圖
用一條指令畫多條不同格式的線。
import numpy as npimport matplotlib.pyplot as plt# evenly sampled time at 200ms intervalst = np.arange(0., 5., 0.2)# red dashes, blue squares and green trianglesplt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')plt.show()
plt.figure()
你可以多次使用figure命令來產生多個圖，其中，圖片號按順序增加。這里，要注意一個概念當前圖和當前坐標。所有繪圖操作僅對當前圖和當前坐標有效。通常，你并不需要考慮這些事，下面的這個例子為大家演示這一細節。
import matplotlib.pyplot as pltplt.figure(1) # 第一張圖plt.subplot(211) # 第一張圖中的第一張子圖plt.plot([1,2,3])plt.subplot(212) # 第一張圖中的第二張子圖plt.plot([4,5,6])plt.figure(2) # 第二張圖plt.plot([4,5,6]) # 默認創建子圖subplot(111)plt.figure(1) # 切換到figure 1 ; 子圖subplot(212)仍舊是當前圖plt.subplot(211) # 令子圖subplot(211)成為figure1的當前圖plt.title('Easy as 1,2,3') # 添加subplot 211 的標題 
figure感覺就是給圖像ID，之后可以索引定位到它。
plt.text()添加文字說明
text()可以在圖中的任意位置添加文字，并支持LaTex語法
xlable(), ylable()用于添加x軸和y軸標簽
title()用于添加圖的題目
import numpy as npimport matplotlib.pyplot as pltmu, sigma = 100, 15x = mu + sigma * np.random.randn(10000)# 數據的直方圖n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)plt.xlabel('Smarts')plt.ylabel('Probability')#添加標題plt.title('Histogram of IQ')#添加文字plt.text(60, .025, r'$/mu=100,/ /sigma=15$')plt.axis([40, 160, 0, 0.03])plt.grid(True)plt.show() 
text中前兩個參數感覺應該是文本出現的坐標位置。
plt.annotate()文本注釋
在數據可視化的過程中，圖片中的文字經常被用來注釋圖中的一些特征。使用annotate()方法可以很方便地添加此類注釋。在使用annotate時，要考慮兩個點的坐標：被注釋的地方xy(x, y)和插入文本的地方xytext(x, y)。[^1]
import numpy as npimport matplotlib.pyplot as pltax = 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), )plt.ylim(-2,2)plt.show() 
plt.xticks()/plt.yticks()設置軸記號
現在是明白干嘛用的了，就是人為設置坐標軸的刻度顯示的值。
# 導入 matplotlib 的所有內容（nympy 可以用 np 這個名字來使用）from pylab import *# 創建一個 8 * 6 點（point）的圖，并設置分辨率為 80figure(figsize=(8,6), dpi=80)# 創建一個新的 1 * 1 的子圖，接下來的圖樣繪制在其中的第 1 塊（也是唯一的一塊）subplot(1,1,1)X = np.linspace(-np.pi, np.pi, 256,endpoint=True)C,S = np.cos(X), np.sin(X)# 繪制余弦曲線，使用藍色的、連續的、寬度為 1 （像素）的線條plot(X, C, color="blue", linewidth=1.0, linestyle="-")# 繪制正弦曲線，使用綠色的、連續的、寬度為 1 （像素）的線條plot(X, S, color="r", lw=4.0, linestyle="-")plt.axis([-4,4,-1.2,1.2])# 設置軸記號xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-/pi$', r'$-/pi/2$', r'$0$', r'$+/pi/2$', r'$+/pi$'])yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$'])# 在屏幕上顯示show()
當我們設置記號的時候，我們可以同時設置記號的標簽。注意這里使用了 LaTeX。[^2]
移動脊柱 坐標系
ax = gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))這個地方確實沒看懂，囧，以后再說吧，感覺就是移動了坐標軸的位置。
plt.legend()添加圖例
plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")legend(loc='upper left')
matplotlib.pyplot
使用plt.style.use('ggplot')命令，可以作出ggplot風格的圖片。
# Import necessary packagesimport pandas as pd%matplotlib inlineimport matplotlib.pyplot as pltplt.style.use('ggplot')from sklearn import datasetsfrom sklearn import linear_modelimport numpy as np# Load databoston = datasets.load_boston()yb = boston.target.reshape(-1, 1)Xb = boston['data'][:,5].reshape(-1, 1)# Plot dataplt.scatter(Xb,yb)plt.ylabel('value of house /1000 ($)')plt.xlabel('number of rooms')# Create linear regression objectregr = linear_model.LinearRegression()# Train the model using the training setsregr.fit( Xb, yb)# Plot outputsplt.scatter(Xb, yb, color='black')plt.plot(Xb, regr.predict(Xb), color='blue', linewidth=3)plt.show() 
給特殊點做注釋
好吧，又是注釋，多個例子參考一下！
我們希望在 2π/32π/3 的位置給兩條函數曲線加上一個注釋。首先，我們在對應的函數圖像位置上畫一個點；然后，向橫軸引一條垂線，以虛線標記；最后，寫上標簽。
t = 2*np.pi/3# 作一條垂直于x軸的線段，由數學知識可知，橫坐標一致的兩個點就在垂直于坐標軸的直線上了。這兩個點是起始點。plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")scatter([t,],[np.cos(t),], 50, color ='blue')annotate(r'$/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")) 
plt.subplot()
plt.subplot(2,3,1)表示把圖標分割成2*3的網格。也可以簡寫plt.subplot(231)。其中，第一個參數是行數，第二個參數是列數，第三個參數表示圖形的標號。
plt.axes()
我們先來看什么是Figure和Axes對象。在matplotlib中，整個圖像為一個Figure對象。在Figure對象中可以包含一個，或者多個Axes對象。每個Axes對象都是一個擁有自己坐標系統的繪圖區域。其邏輯關系如下：
rect=[左, 下, 寬, 高] 規定的矩形區域,rect矩形簡寫，這里的數值都是以figure大小為比例，因此，若是要兩個axes并排顯示，那么axes[2]的左=axes[1].左+axes[1].寬，這樣axes[2]才不會和axes[1]重疊。
show code:
import matplotlib.pyplot as pltimport numpy as np# create some data to use for the plotdt = 0.001t = np.arange(0.0, 10.0, dt)r = np.exp(-t[:1000]/0.05) # impulse responsex = np.random.randn(len(t))s = np.convolve(x, r)[:len(x)]*dt # colored noise# the main axes is subplot(111) by defaultplt.plot(t, s)plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])plt.xlabel('time (s)')plt.ylabel('current (nA)')plt.title('Gaussian colored noise')# this is an inset axes over the main axesa = plt.axes([.65, .6, .2, .2], axisbg='y')n, bins, patches = plt.hist(s, 400, normed=1)plt.title('Probability')plt.xticks([])plt.yticks([])# this is another inset axes over the main axesa = plt.axes([0.2, 0.6, .2, .2], axisbg='y')plt.plot(t[:len(r)], r)plt.title('Impulse response')plt.xlim(0, 0.2)plt.xticks([])plt.yticks([])plt.show() 
pyplot.pie參數
colors顏色
找出matpltlib.pyplot.plot中的colors可以取哪些值？
for name,hex in matplotlib.colors.cnames.iteritems(): print name,hex
打印顏色值和對應的RGB值。
plt.axis('equal')避免比例壓縮為橢圓
autopct
How do I use matplotlib autopct?
autopct enables you to display the percent value using Python string formatting. For example, if autopct='%.2f', then for each pie wedge, the format string is '%.2f' and the numerical percent value for that wedge is pct, so the wedge label is set to the string '%.2f'%pct.
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
