Python图表绘制：matplotlib绘图库入门 - 小唯THU - 博客园
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 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）。&
Matplotlib.pyplot快速绘图
matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。
为了方便快速绘图matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。
为了将面向对象的绘图库包装成只使用函数的调用接口，pyplot模块的内部保存了当前图表以及当前子图等信息。当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示"Get Current Figure"和"Get Current Axes"。在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，比如说：
plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。
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。
matplotlib所绘制的图表的每个组成部分都和一个对象对应，我们可以通过调用这些对象的属性设置方法set_*()或者pyplot模块的属性设置函数setp()设置它们的属性值。
因为matplotlib实际上是一套面向对象的绘图库，因此也可以直接获取对象的属性
绘制一幅图需要对许多对象的属性进行配置，例如颜色、字体、线型等等。我们在绘图时，并没有逐一对这些属性进行配置，许多都直接采用了matplotlib的缺省配置。
matplotlib将这些缺省配置保存在一个名为&matplotlibrc&的配置文件中，通过修改配置文件，我们可以修改图表的缺省样式。配置文件的读入可以使用rc_params()，它返回一个配置字典；在matplotlib模块载入时会调用rc_params()，并把得到的配置字典保存到rcParams变量中；matplotlib将使用rcParams字典中的配置进行绘图；用户可以直接修改此字典中的配置，所做的改变会反映到此后创建的绘图元素。
（快速绘图）
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。
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)
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。
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。
（快速绘图）
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。
import numpy as np
import matplotlib.pyplot as plt
plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(211) # 在图表2中创建子图1
ax2 = plt.subplot(212) # 在图表2中创建子图2
x = np.linspace(0, 3, 100)
for i in xrange(5):
plt.figure(1)
#? # 选择图表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1)
#? # 选择图表2的子图1
plt.plot(x, np.sin(i*x))
plt.sca(ax2)
# 选择图表2的子图2
plt.plot(x, np.cos(i*x))
plt.show()
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。
在程序中直接指定字体。
在程序开头修改配置字典rcParams。
修改配置文件。
上面那个link里的修改matplotlibrc方式，我试了好几次都没成功。能work的一个比较简便粗暴的方式（但不知道有没有副作用）是，1.找到字体目录YOURPYTHONHOME\Lib\site-packages\matplotlib\mpl-data\fonts\ttf下的Vera.ttf。这里我们用中文楷体(可以从windows/system32/fonts拷贝过来，对于win8字体文件不是ttf的可以从网上下一个)，直接张贴到前面的ttf目录下，然后更名为Vera.ttf。2.&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。
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
import matplotlib.pyplot as plt
X1 = range(0, 50) Y1 = [num**2 for num in X1] # y = x^2 X2 = [0, 1] Y2 = [0, 1] # y = x
Fig = plt.figure(figsize=(8,4)) # Create a `figure' instance Ax = Fig.add_subplot(111) # Create a `axes' instance in the figure Ax.plot(X1, Y1, X2, Y2) # Create a Line2D instance in the axes
Fig.show() Fig.savefig("test.pdf")
《Python科学计算》() （深入浅出适合系统学习）
（主要讲面向对象绘图，对于新手可能有点乱）
Matplotlib.pylab快速绘图
matplotlib还提供了一个名为pylab的模块，其中包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块：
&&& import pylab as pl
1 安装numpy和matplotlib
&&& import numpy&&& numpy.__version__
&&& import matplotlib&&& matplotlib.__version__
2 两种常用图类型：Line and scatter plots(使用plot()命令), histogram(使用hist()命令)
2.1 折线图&散点图 Line and scatter plots
2.1.1 折线图 Line plots(关联一组x和y值的直线)
import numpy as np
import pylab as pl
x = [1, 2, 3, 4, 5]# Make an array of x values
y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
pl.plot(x, y)# use pylab to plot x and y
pl.show()# show the plot on the screen
2.1.2 散点图 Scatter plots
把pl.plot(x, y)改成pl.plot(x, y, 'o')即可，下图的蓝色版本
2.2& 美化 Making things look pretty
2.2.1 线条颜色 Changing the line color
红色：把pl.plot(x, y, 'o')改成pl.plot(x, y, &or&)
2.2.2 线条样式 Changing the line style
虚线:plot(x,y, '--')
2.2.3 marker样式 Changing the marker style
蓝色星型markers：plot(x,y, &b*&)
2.2.4 图和轴标题以及轴坐标限度 Plot and axis titles and limits
import numpy as np
import pylab as pl
x = [1, 2, 3, 4, 5]# Make an array of x values
y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
pl.plot(x, y)# use pylab to plot x and y
pl.title(&Plot of y vs. x&)# give plot a title
pl.xlabel(&x axis&)# make axis labels
pl.ylabel(&y axis&)
pl.xlim(0.0, 7.0)# set axis limits
pl.ylim(0.0, 30.)
pl.show()# show the plot on the screen
2.2.5 在一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes
做法是很直接的，依次作图即可:
import numpy as np
import pylab as pl
x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph
y1 = [1, 4, 9, 16, 25]
x2 = [1, 2, 4, 6, 8]
y2 = [2, 4, 8, 12, 16]
pl.plot(x1, y1, &r&)# use pylab to plot x and y
pl.plot(x2, y2, &g&)
pl.title(&Plot of y vs. x&)# give plot a title
pl.xlabel(&x axis&)# make axis labels
pl.ylabel(&y axis&)
pl.xlim(0.0, 9.0)# set axis limits
pl.ylim(0.0, 30.)
pl.show()# show the plot on the screen
2.2.6& 图例 Figure legends
pl.legend((plot1, plot2), (&label1, label2&), 'best&, numpoints=1)
其中第三个参数表示图例放置的位置:'best&&upper right&, &upper left&, &center&, &lower left&, &lower right&.
如果在当前figure里plot的时候已经指定了label，如plt.plot(x,z,label="$cos(x^2)$")，直接调用plt.legend()就可以了哦。
import numpy as np
import pylab as pl
x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph
y1 = [1, 4, 9, 16, 25]
x2 = [1, 2, 4, 6, 8]
y2 = [2, 4, 8, 12, 16]
plot1 = pl.plot(x1, y1, &r&)# use pylab to plot x and y : Give your plots names
plot2 = pl.plot(x2, y2, &go&)
pl.title(&Plot of y vs. x&)# give plot a title
pl.xlabel(&x axis&)# make axis labels
pl.ylabel(&y axis&)
pl.xlim(0.0, 9.0)# set axis limits
pl.ylim(0.0, 30.)
pl.legend([plot1, plot2], (&red line&, &green circles&), &best&, numpoints=1)# make legend
pl.show()# show the plot on the screen
2.3 直方图 Histograms
import numpy as np
import pylab as pl
# make an array of random numbers with a gaussian distribution with
# mean = 5.0
# rms = 3.0
# number of points = 1000
data = np.random.normal(5.0, 3.0, 1000)
# make a histogram of the data array
pl.hist(data)
# make plot labels
pl.xlabel(&data&)
如果不想要黑色轮廓可以改为pl.hist(data, histtype=&stepfilled&)
2.3.1 自定义直方图bin宽度 Setting the width of the histogram bins manually
增加这两行
bins = np.arange(-5., 16., 1.) #浮点数版本的rangepl.hist(data, bins, histtype=&stepfilled&)
3 同一画板上绘制多幅子图 Plotting more than one axis per canvas
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。
fig1 = pl.figure(1)pl.subplot(211)subplot(211)把绘图区域等分为2行*1列共两个区域, 然后在区域1(上区域)中创建一个轴对象. pl.subplot(212)在区域2(下区域)创建一个轴对象。
You can play around with plotting a variety of layouts. For example, Fig. 11 is created using the following commands:
f1 = pl.figure(1)pl.subplot(221)pl.subplot(222)pl.subplot(212)
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。
pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)
4 绘制文件中的数据Plotting data contained in files
4.1 从Ascii文件中读取数据 Reading data from ascii files
读取文件的方法很多，这里只介绍一种简单的方法，更多的可以参考官方文档和。
numpy的loadtxt方法可以直接读取如下文本数据到numpy二维数组
**********************************************
# fakedata.txt0 01 12 43 94 165 256 367 498 649 810 01 12 43 94 165 256 367 498 649 81
**********************************************
import numpy as np
import pylab as pl
# Use numpy to load the data contained in the file
# &fakedata.txt& into a 2-D array called data
data = np.loadtxt(&fakedata.txt&)
# plot the first column as x, and second column as y
pl.plot(data[:,0], data[:,1], &ro&)
pl.xlabel(&x&)
pl.ylabel(&y&)
pl.xlim(0.0, 10.)
4.2 写入数据到文件 Writing data to a text file
写文件的方法也很多，这里只介绍一种可用的写入文本文件的方法，更多的可以参考官方文档。
import numpy as np
# Let&s make 2 arrays (x, y) which we will write to a file
# x is an array containing numbers 0 to 10, with intervals of 1
x = np.arange(0.0, 10., 1.)
# y is an array containing the values in x, squared
print &x = &, x
print &y = &, y
# Now open a file to write the data to
# &w& means open for &writing&
file = open(&testdata.txt&, &w&)
# loop over each line you want to write to file
for i in range(len(x)):
# make a string for each line you want to write
# &\t& means &tab&
# &\n& means &newline&
# &str()& means you are converting the quantity in brackets to a string type
txt = str(x[i]) + &\t& + str(y[i]) + & \n&
# write the txt to the file
file.write(txt)
# Close your file
file.close()
这部分是翻译自：
对LaTeX数学公式的支持
Matlplotlib对LaTeX有一定的支持，如果记得使用raw字符串语法会很自然：
xlabel(r"$\frac{x^2}{y^4}$")
在matplotlib里面，可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个&r&即可
Here is a simple example:
# plain textplt.title('alpha & beta')
produces &alpha & beta&.
Whereas this:
produces "".
这里给大家看一个简单的例子。
import matplotlib.pyplot as plt
x = arange(1,1000,1)r = -2c = 5y = [5*(a**r) for a in x]
fig = plt.figure()
ax = fig.add_subplot(111)ax.loglog(x,y,label = r"$y = \frac{1}{2\sigma_1^2}, c=5,\sigma_1=-2$")ax.legend()ax.set_xlabel(r"x")ax.set_ylabel(r"y")
程序执行结果如图3所示，这实际上是一个power-law的例子，有兴趣的朋友可以继续google之。
再看一个《用Python做科学计算》中的简单例子，下面的两行程序通过调用plot函数在当前的绘图对象中进行绘图：
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)plt.plot(x,z,"b--",label="$cos(x^2)$")
plot函数的调用方式很灵活，第一句将x,y数组传递给plot之后，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(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
详细的可以参考matplotlib官方教程:
有几个问题：
matplotlib.rcParams属性字典
想要它正常工作，在matplotlibrc配置文件中需要设置text.markup = "tex"。
如果你希望图表中所有的文字（包括坐标轴刻度标记）都是LaTeX'd,需要在matplotlibrc中设置text.usetex = True。如果你使用LaTeX撰写论文，那么这一点对于使图表和论文中其余部分保持一致是很有用的。
对数坐标轴
在实际中，我们可能经常会用到对数坐标轴，这时可以用下面的三个函数来实现
ax.semilogx(x,y) #x轴为对数坐标轴
ax.semilogy(x,y) #y轴为对数坐标轴
ax.loglog(x,y) #双对数坐标轴
Gnuplot的介绍
官方英文资料：
IBM:(2005年的文章有点旧)
(绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y轴不同区间使用不同颜色填充的曲线区域。)
随笔 - 124按要求在方格纸上画图．①把图形绕点O顺时针旋转90度，得到图形②把图形向右平移4格得到图形．
①把图形绕点O顺时针旋转90度，得到图形（图中红色部分）．②把图形向右平移4格得到图形（图中绿色部分）．
为您推荐：
①根据旋转的特征，图形绕点O顺时针旋转90°后，点O的位置不动，其余各部分均绕此点按相同方向旋转相同的度数，即可画出旋转后的图形．②根据平移的特征，把图形的各顶点分别向右平移4格，再依次连结即可得到平移后的图形．
本题考点：
作旋转一定角度后的图形；作平移后的图形．
考点点评：
图形平移注意三要素：即原位置、平移方向、平移距离；图形旋转注意四要素：即原位置、旋转中心、旋转方向、旋转角．
扫描下载二维码(1)在图①空白的方格中画图，使直线 l 两旁的图形完全相同；(2)在图②空白的方格中画出所示图形绕点 O 旋_百度知道
(1)在图①空白的方格中画图，使直线 l 两旁的图形完全相同；(2)在图②空白的方格中画出所示图形绕点 O 旋
(1)在图①空白的方格中画图://b;&nbsp.&&nbsp.jpg" esrc="http://b.com/zhidao/wh%3D600%2C800/sign=7ee7feed21b0ef41bdda81cb38db3&/zhidao/pic/item/7c1ed21b0ef41bdda81cb38db3daf；(2)在图②空白的方格中画出所示图形绕点 O 旋转180°后的图形．
&&nbsp.jpg" target="_blank" title="点击查看大图" class="ikqb_img_alink"><img class="ikqb_img" src="&&nbsp.&nbsp.&nbsp.baidu.baidu，使直线 l 两旁的图形完全相同.com/zhidao/wh%3D450%2C600/sign=fee1f1b91c30e924cff0/7c1ed21b0ef41bdda81cb38db3&&&nbsp
提问者采纳
/zhidao/pic/item/ac6eddc451da81cbc6daf.（2）画图正确.baidu.
（1）以 l 为对称轴画图（2）将阴影部分的图形的各关键点绕着点O旋转180°://f.&nbsp.baidu
解：（1）画图正确.hiphotos
其他类似问题
为您推荐：
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁画图．（1）画出如图1图形的轴对称图形；（2）画出如图2三角形绕点O顺时针旋转90度后的图形．
（1）画出如图1图形的轴对称图形如下：（2）画出如图2三角形绕点O顺时针旋转90度后的图形哪下：
为您推荐：
（1）根据轴对称图形的特征，对称点到对称轴的距离相等，对称点的连线垂直于对称轴，在对称轴的下边画出上图的关键对称点，连结即可．（2）根据旋转图形的特征，这个三角形绕点O顺时针旋转90°后，点O的位置不动，其余各部分均绕点O按相同的方向旋转相同的角度即可．
本题考点：
作轴对称图形；作旋转一定角度后的图形．
考点点评：
本题是考查作轴对称图形、作旋转一定度数后的图形，关键是确定对称点（对应点）的位置．
扫描下载二维码按要求在如图方格纸上画图．①把图形绕点O顺时针旋转90度，得到图形B．②把图形B向右平移4格得到图形C．
瓜子脸92soT
根据题干分析可画图如下：
为您推荐：
（1）根据图形旋转的方法，先确定图形绕点O顺时针旋转90度后的各个对应点，再顺次连接起来即可得出图形B；（2）根据图形平移的方法，先把图形B的各个顶点分别向右平移4格，再依次连接起来即可得出图形C．
本题考点：
将简单图形平移或旋转一定的度数．
考点点评：
此题考查了作平移或旋转一定角度后的图形，关键是找出关键点，绕点，旋转方向和度数；即可得解．
扫描下载二维码}