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。

強烈推薦ipython
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。

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。

參考

matplotlib-繪制精美的圖表
matplotlib.pyplot.plt參數介紹

 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
import 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：

 1
2
3
 import matplotlib.pyplot as plt
 plt.rcParams['font.sans-serif']=['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。

 
1
2
3
%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：

使用參數字典(rcParams)
調用matplotlib.rc()命令通過傳入關鍵字元祖，修改參數

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。控制線寬、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：

使用HTML十六進制字符串?color='eeefff'?使用合法的HTML顏色名字（’red’,’chartreuse’等）。
也可以傳入一個歸一化到[0,1]的RGB元祖。?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].

圖片來自:繪圖: matplotlib核心剖析

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

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

 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
import 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。

 1
2
3
4
5
6
7
8
9
10
11
12
13
14
 import matplotlib.pyplot as plt
 plt.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

 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import numpy as np
import matplotlib.pyplot as plt
mu, sigma = 100, 15
x = 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

 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 import 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()
 

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。

 
 
 
 
 
 
 
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
# 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 80
figure(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

 1
2
3
4
5
6
7
 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

 
1
2
3
4
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。

 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
 # Import necessary packages
 import pandas as pd
 %matplotlib inline
 import matplotlib.pyplot as plt
 plt.style.use('ggplot')
 from sklearn import datasets
 from sklearn import linear_model
 import numpy as np
 # Load data
 boston = datasets.load_boston()
 yb = boston.target.reshape(-1, 1)
 Xb = boston['data'][:,5].reshape(-1, 1)
 # Plot data
 plt.scatter(Xb,yb)
 plt.ylabel('value of house /1000 ($)')
 plt.xlabel('number of rooms')
 # Create linear regression object
 regr = linear_model.LinearRegression()
 # Train the model using the training sets
 regr.fit( Xb, yb)
 # Plot outputs
 plt.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。

 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
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'$sin(frac{2pi}{3})=frac{sqrt{3}}{2}$',
???????? 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'$cos(frac{2pi}{3})=-frac{1}{2}$',
???????? 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34：

plt.axes-官方文檔

axes() by itself creates a default full subplot(111) window axis.
axes(rect, axisbg=’w’) where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.
axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.

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:

 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
29
30
31
32
33
34
35
 http://matplotlib.org/examples/pylab_examples/axes_demo.html
 import matplotlib.pyplot as plt
 import numpy as np
 # create some data to use for the plot
 dt = 0.001
 t = np.arange(0.0, 10.0, dt)
 r = np.exp(-t[:1000]/0.05)?????????????? # impulse response
 x = np.random.randn(len(t))
 s = np.convolve(x, r)[:len(x)]*dt??# colored noise
 # the main axes is subplot(111) by default
 plt.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 axes
 a = 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 axes
 a = 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

matplotlib.pyplot.pie

colors顏色

找出matpltlib.pyplot.plot中的colors可以取哪些值？

so-Named colors in matplotlib
CSDN-matplotlib學習之（四）設置線條顏色、形狀

 
1
2
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?

 1
 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.
 