转载　plt绘图函数　别点进来参考
1 2 3 4 5 6 7 8import matplotlib.pyplot as plt
labels='frogs','hogs','dogs','logs'
sizes=15,20,45,10
colors='yellowgreen','gold','lightskyblue','lightcoral'
explode=0,0.1,0,0
plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50) plt.axis('equal')
plt.show()
matplotlib图标正常显⽰中⽂
为了在图表中能够显⽰中⽂和负号等，需要下⾯⼀段设置：
1 2 3import matplotlib.pyplot as plt
matplotlib inline和pylab inline 可以使⽤ipython --pylab打开ipython命名窗⼝。
1 2%matplotlib inline  #notebook模式下%pylab inline  #ipython模式下
这两个命令都可以在绘图时，将图⽚内嵌在交互窗⼝，⽽不是弹出⼀个图⽚窗⼝，但是，有⼀个缺陷：除⾮将代码⼀次执⾏，否则，⽆法叠加绘图，因为在这两种模式下，是要有plt出现，图⽚会⽴马show出来，因此：
推荐在ipython notebook时使⽤，这样就能很⽅便的⼀次编辑完代码，绘图。matplotlib中subplot
为项⽬设置matplotlib参数
在代码执⾏过程中，有两种⽅式更改参数：
使⽤参数字典(rcParams)
调⽤()命令 通过传⼊关键字元祖，修改参数
如果不想每次使⽤matplotlib时都在代码部分进⾏配置，可以修改matplotlib的⽂件参数。可以⽤_config()命令来到当前⽤户的配置⽂件⽬录。
配置⽂件包括以下配置项：
axex: 设置坐标轴边界和表⾯的颜⾊、坐标刻度值⼤⼩和⽹格的显⽰
backend: 设置⽬标暑促TkAgg和GTKAgg
figure: 控制dpi、边界颜⾊、图形⼤⼩、和⼦区( subplot)设置
font: 字体集（font family）、字体⼤⼩和样式设置
grid: 设置⽹格颜⾊和线性
legend: 设置图例和其中的⽂本的显⽰
line: 设置线条（颜⾊、线型、宽度等）和标记
patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜⾊和抗锯齿设置等。
savefig: 可以对保存的图形进⾏单独设置。例如，设置渲染的⽂件的背景为⽩⾊。
verbose: 设置matplotlib在执⾏期间信息输出，如silent、helpful、debug和debug-annoying。
xticks和yticks: 为x,y轴的主刻度和次刻度设置颜⾊、⼤⼩、⽅向，以及标签⼤⼩。
线条相关属性标记设置
⽤来该表线条的属性
线条风格linestyle或ls描述线条风格linestyle或ls描述
‘-‘实线‘:’虚线
‘–’破折线‘None’,’ ‘,’’什么都不画
‘-.’点划线
线条标记
标记maker描述标记描述
‘o’圆圈‘.’点
‘D’菱形‘s’正⽅形
‘h’六边形1‘*’星号
‘H’六边形2‘d’⼩菱形
‘_’⽔平线‘v’⼀⾓朝下的三⾓形
‘8’⼋边形‘<’⼀⾓朝左的三⾓形
‘p’五边形‘>’⼀⾓朝右的三⾓形
‘,’像素‘^’⼀⾓朝上的三⾓形
‘+’加号‘\‘竖线‘None’,’’,’ ‘⽆‘x’X
颜⾊
可以通过调⽤lors()得到matplotlib⽀持的所有颜⾊。
别名颜⾊别名颜⾊
b蓝⾊g绿⾊
r红⾊y黄⾊
c青⾊k⿊⾊
m洋红⾊w⽩⾊
如果这两种颜⾊不够⽤，还可以通过两种其他⽅式来定义颜⾊值：
使⽤HTML⼗六进制字符串 color='eeefff' 使⽤合法的HTML颜⾊名字（’red’,’chartreuse’等）。
也可以传⼊⼀个归⼀化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)
很多⽅法可以介绍颜⾊参数，如title()。
plt.tilte('Title in a custom color',color='#123456'）
背景⾊
通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的⽅法提供⼀个axisbg参数，可以指定坐标这的背景⾊。
subplot(111,axisbg=(0.1843,0.3098,0.3098)
基础
如果你向plot()指令提供了⼀维的数组或列表，那么matplotlib将默认它是⼀系列的y值，并⾃动为你⽣成x的值。默认的x向量从0开始并且具有和y同样的长度，因此x的数据是[0,1,2,3].
图⽚来⾃:
确定坐标范围
plt.axis([xmin, xmax, ymin, ymax])
上⾯例⼦⾥的axis()命令给定了坐标范围。
xlim(xmin, xmax)和ylim(ymin, ymax)来调整x,y坐标范围
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt from 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)
#设置x轴范围
xlim(-2.5, 2.5)
#设置y轴范围
ylim(-1, 1)
plt.plot(x, y1)
叠加图
⽤⼀条指令画多条不同格式的线。
1 2 3 4 5 6 7 8 9import numpy as np
import matplotlib.pyplot as plt
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()
plt.figure()
你可以多次使⽤figure命令来产⽣多个图，其中，图⽚号按顺序增加。这⾥，要注意⼀个概念当前图和当前坐标。所有绘图操作仅对当前图和当前坐标有效。通常，你并不需要考虑这些事，下⾯的这个例⼦为⼤家演⽰这⼀细节。
1 2 3 4 5 6 7 8 9 10 11 12 13 14import matplotlib.pyplot as plt
plt.figure(1)                # 第⼀张图
plt.subplot(211)            # 第⼀张图中的第⼀张⼦图
plt.plot([1,2,3])
plt.subplot(212)            # 第⼀张图中的第⼆张⼦图
plt.plot([4,5,6])
plt.figure(2)                # 第⼆张图
plt.plot([4,5,6])            # 默认创建⼦图subplot(111)
plt.figure(1)                # 切换到figure 1 ; ⼦图subplot(212)仍旧是当前图plt.subplot(211)            # 令⼦图subplot(211)成为figure1的当前图plt.title('Easy as 1,2,3')  # 添加subplot 211 的标题
figure感觉就是给图像ID，之后可以索引定位到它。
<()添加⽂字说明
text()可以在图中的任意位置添加⽂字，并⽀持LaTex语法xlable(), ylable()⽤于添加x轴和y轴标签
title()⽤于添加图的题⽬
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19import numpy as np
import matplotlib.pyplot as plt
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# 数据的直⽅图
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)
plt.xlabel('Smarts')
plt.ylabel('Probability')
#添加标题
plt.title('Histogram of IQ')
#添加⽂字
<(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.show()
text中前两个参数感觉应该是⽂本出现的坐标位置。plt.annotate()⽂本注释
在数据可视化的过程中，图⽚中的⽂字经常被⽤来注释图中的⼀些特征。使⽤annotate()⽅法可以很⽅便地添加此类注释。在使⽤annotate时，要考虑两个点的坐标：被注释的地⽅xy(x, y)和插⼊⽂本的地⽅xytext(x, y)。[^1]
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15import numpy as np
import matplotlib.pyplot as plt
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),            )
plt.ylim(-2,2)
plt.show()
[^1]:
现在是明⽩⼲嘛⽤的了，就是⼈为设置坐标轴的刻度显⽰的值。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28# 导⼊ matplotlib 的所有内容（nympy 可以⽤ np 这个名字来使⽤）
from pylab import *
# 创建⼀个 8 * 6 点（point）的图，并设置分辨率为 80
figure(figsize=(8,6), dpi=80)
# 创建⼀个新的 1 * 1 的⼦图，接下来的图样绘制在其中的第 1 块（也是唯⼀的⼀块）subplot(1,1,1)
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
# 绘制余弦曲线，使⽤蓝⾊的、连续的、宽度为 1 （像素）的线条
plot(X, C, color="blue", linewidth=1.0, line)
# 绘制正弦曲线，使⽤绿⾊的、连续的、宽度为 1 （像素）的线条
plot(X, S, color="r", lw=4.0, line)
plt.axis([-4,4,-1.2,1.2])
# 设置轴记号
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'$+1$'])
# 在屏幕上显⽰
show()
当我们设置记号的时候，我们可以同时设置记号的标签。注意这⾥使⽤了 LaTeX。[^2] [^2]:

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。