matplotlib绘图实例 pyplot、pylab模块及作图参数
http://blog.csdn.net/pipisorry/article/details/40005163
Matplotlib绘图实例(使用pyplot模块)
matplotlib绘制直线、条形/矩形区域
import numpy as np import matplotlib.pyplot as plt t = np.arange(-1, 2, .01) s = np.sin(2 * np.pi * t) plt.plot(t,s) # draw a thick red hline at y=0 that spans the xrange l = plt.axhline(linewidth=4, color='r') plt.axis([-1, 2, -1, 2]) plt.show() plt.close() # draw a default hline at y=1 that spans the xrange plt.plot(t,s) l = plt.axhline(y=1, color='b') plt.axis([-1, 2, -1, 2]) plt.show() plt.close() # draw a thick blue vline at x=0 that spans the upper quadrant of the yrange plt.plot(t,s) l = plt.axvline(x=0, ymin=0, linewidth=4, color='b') plt.axis([-1, 2, -1, 2]) plt.show() plt.close() # draw a default hline at y=.5 that spans the the middle half of the axes plt.plot(t,s) l = plt.axhline(y=.5, xmin=0.25, xmax=0.75) plt.axis([-1, 2, -1, 2]) plt.show() plt.close() plt.plot(t,s) p = plt.axhspan(0.25, 0.75, facecolor='0.5', alpha=0.5) p = plt.axvspan(1.25, 1.55, facecolor='g', alpha=0.5) plt.axis([-1, 2, -1, 2]) plt.show()效果图展示
另一种绘制直线的方式
plt.hlines(hline, xmin=plt.gca().get_xlim()[0], xmax=plt.gca().get_xlim()[1], linestyles=line_style, colors=color)
散点图、梯形图、柱状图、填充图
n = np.array([0,1,2,3,4,5]) x = np.linspace(-0.75, 1., 100) fig, axes = plt.subplots(1, 4, figsize=(12,3)) axes[0].scatter(x, x + 0.25*np.random.randn(len(x))) axes[1].step(n, n**2, lw=2) axes[2].bar(n, n**2, align="center", width=0.5, alpha=0.5) axes[3].fill_between(x, x**2, x**3, color="green", alpha=0.5);
散点图（改变颜色，大小）
import numpy as np import matplotlib.pyplot as plt
N = 50
x = np.random.rand(N)
y = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N))**2 # 0 to 15 point radiuses
color = 2 * np.pi * np.random.rand(N)
plt.scatter(x, y, s=area, c=color, alpha=0.5, cmap=plt.cm.hsv)
plt.show()
fig = plt.figure() ax = fig.add_axes([0.0, 0.0, .6, .6], polar=True) t = linspace(0, 2 * pi, 100) ax.plot(t, t, color='blue', lw=3);
皮皮blog
Matplotlib绘图实例(使用pylab模块)
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 plNote:import pyplot as plt也同样可以
两种常用图类型
Line and scatter plots(使用plot()命令), histogram(使用hist()命令)
1 折线图&散点图 Line and scatter plots
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
散点图 Scatter plots
把pl.plot(x, y)改成pl.plot(x, y, 'o')
美化 Making things look pretty
线条颜色 Changing the line color
红色：把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)
线条样式 Changing the line style
虚线:plot(x,y, '--')
marker样式 Changing the marker style
蓝色星型markers：plot(x,y, ’b*’)
具体见附录 - matplotlib中的作图参数
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
一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes
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
图例 Figure legends
pl.legend((plot1, plot2), (’label1, label2’),loc='best’, numpoints=1)
第三个参数loc=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(x2) ")，直接调用plt.legend()就可以了。
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 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’)
pl.show()
如果不想要黑色轮廓可以改为pl.hist(data, histtype=’stepfilled’)
自定义直方图bin宽度 Setting the width of the histogram bins manually
增加两行
bins = np.arange(-5., 16., 1.) #浮点数版本的range
pl.hist(data, bins, histtype=’stepfilled’)
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)
皮皮blog
绘制圆形Circle和椭圆Ellipse
1. 调用包函数
###################################
# coding=utf-8
# !/usr/bin/env python
# __author__ = 'pipi'
# ctime 2014.10.11
# 绘制椭圆和圆形
###################################
from matplotlib.patches import Ellipse, Circle
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ell1 = Ellipse(xy = (0.0, 0.0), width = 4, height = 8, angle = 30.0, facecolor= 'yellow', alpha=0.3)
cir1 = Circle(xy = (0.0, 0.0), radius=2, alpha=0.5)
ax.add_patch(ell1)
ax.add_patch(cir1)
x, y = 0, 0
ax.plot(x, y, 'ro')
plt.axis('scaled')
# ax.set_xlim(-4, 4)
# ax.set_ylim(-4, 4)
plt.axis('equal') #changes limits of x or y axis so that equal increments of x and y have the same length
plt.show()
参见Matplotlib.pdf Release 1.3.1文档
p187
18.7 Ellipses (see arc)
p631class matplotlib.patches.Ellipse(xy, width, height, angle=0.0, **kwargs)Bases: matplotlib.patches.PatchA scale-free ellipse.xy center of ellipsewidth total length (diameter) of horizontal axisheight total length (diameter) of vertical axisangle rotation in degrees (anti-clockwise)p626class matplotlib.patches.Circle(xy, radius=5, **kwargs)
或者参见Matplotlib.pdf Release 1.3.1文档contour绘制圆
#coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
x = y = np.arange(-4, 4, 0.1)
x, y = np.meshgrid(x,y)
plt.contour(x, y, x**2 + y**2, [9]) #x**2 + y**2 = 9 的圆形
plt.axis('scaled')
plt.show()p478
Axes3D. contour(X, Y, Z, *args, **kwargs)
Create a 3D contour plot.
Argument Description
X, Y, Data values as numpy.arrays
Z
extend3d
stride
zdir
offset
Whether to extend contour in 3D (default: False)
Stride (step size) for extending contour
The direction to use: x, y or z (default)
If specified plot a projection of the contour lines on this position in plane normal to zdir
The positional and other
p1025
matplotlib.pyplot.axis(*v, **kwargs)
Convenience method to get or set axis properties.
或者参见demo【pylab_examples example code: ellipse_demo.py】
2. 直接绘制
#coding=utf-8
'''
Created on Jul 14, 2014
@author: pipi
'''
from math import pi
from numpy import cos, sin
from matplotlib import pyplot as plt
if __name__ == '__main__':
'''plot data margin'''
angles_circle = [i*pi/180 for i in range(0,360)] #i先转换成double
#angles_circle = [i/np.pi for i in np.arange(0,360)] # <=>
# angles_circle = [i/180*pi for i in np.arange(0,360)] X
x = cos(angles_circle)
y = sin(angles_circle)
plt.plot(x, y, 'r')
plt.axis('equal')
plt.axis('scaled')
plt.show()
[http://www.zhihu.com/question/25273956/answer/30466961?group_id=897309766#comment-61590570]
皮皮blog
绘图小技巧
控制坐标轴的显示——使x轴显示名称字符串而不是数字的两种方法
plt.xticks(range(len(list)), x, rotation='vertical')
Note:x代表一个字符串列表，如x轴上要显示的名称。
axes.set_xticklabels(x, rotation='horizontal', lod=True)
Note:这里axes是plot的一个subplot()
[控制坐标轴的显示——set_xticklabels]
获取x轴上坐标最小最大值
xmin， xmax = plt.gca().get_xlim()
其他进阶[ matplotlib绘图进阶]
附录 - matplotlib中的作图参数 a set of tables that show main properties and styles
在IPython中输入 "plt.plot?" 可以查看格式化字符串的详细配置。
颜色（color 简写为 c）：
- 蓝色： 'b' (blue)
- 绿色： 'g' (green)
- 红色： 'r' (red)
- 蓝绿色(墨绿色)： 'c' (cyan)
- 红紫色(洋红)： 'm' (magenta)
- 黄色： 'y' (yellow)
- 黑色： 'k' (black)
- 白色： 'w' (white)
- 灰度表示： e.g. 0.75 ([0,1]内任意浮点数)
- RGB表示法： e.g. '#2F4F4F' 或 (0.18, 0.31, 0.31)
- 任意合法的html中的颜色表示： e.g. 'red', 'darkslategray'
[Colormaps]
线属性Line properties
| Property | Description | Appearance |
|---|---|---|
| alpha (or a) | alpha transparency on 0-1 scale | |
| antialiased | True or False - use antialised rendering |  |
| color (or c) | matplotlib color arg | |
| linestyle (or ls) | see Line properties | |
| linewidth (or lw) | float, the line width in points | |
| solid_capstyle | Cap style for solid lines |  |
| solid_joinstyle | Join style for solid lines |  |
| dash_capstyle | Cap style for dashes |  |
| dash_joinstyle | Join style for dashes | |
| marker | see Markers | |
| markeredgewidth (mew) | line width around the marker symbol |  |
| markeredgecolor (mec) | edge color if a marker is used | |
| markerfacecolor (mfc) | face color if a marker is used |  |
| markersize (ms) | size of the marker in points |  |
线型Line styles（简写为 ls）：
- 实线： '-'
- 虚线： '--'
- 虚点线： '-.'
- 点线： ':'
- 点： '.'
| Symbol | Description | Appearance |
|---|---|---|
| - | solid line |  |
| -- | dashed line |  |
| -. | dash-dot line |  |
| : | dotted line | |
| . | points |  |
| , | pixels |  |
| o | circle |  |
| ^ | triangle up |  |
| v | triangle down |  |
| < | triangle left | |
| > | triangle right |  |
| s | square | |
| + | plus |  |
| x | cross |  |
| D | diamond |  |
| d | thin diamond | |
| 1 | tripod down | |
| 2 | tripod up |  |
| 3 | tripod left |  |
| 4 | tripod right |  |
| h | hexagon |  |
| H | rotated hexagon |  |
| p | pentagon |  |
| | | vertical line |  |
| _ | horizontal line |  |
点型Markers（标记）：
- 像素： ','
- 圆形： 'o'
- 上三角： '^'
- 下三角： 'v'
- 左三角： '<'
- 右三角： '>'
- 方形： 's'
- 加号： '+'
- 叉形： 'x'
- 棱形： 'D'
- 细棱形： 'd'
- 三脚架朝下： '1'（就是丫）
- 三脚架朝上： '2'
- 三脚架朝左： '3'
- 三脚架朝右： '4'
- 六角形： 'h'
- 旋转六角形： 'H'
- 五角形： 'p'
- 垂直线： '|'
- 水平线： '_'
- gnuplot 中的steps： 'steps' （只能用于kwarg中）
| Symbol | Description | Appearance |
|---|---|---|
| 0 | tick left | |
| 1 | tick right |  |
| 2 | tick up |  |
| 3 | tick down |  |
| 4 | caret left | |
| 5 | caret right |  |
| 6 | caret up |  |
| 7 | caret down |  |
| o | circle |  |
| D | diamond |  |
| h | hexagon 1 |  |
| H | hexagon 2 |  |
| _ | horizontal line |  |
| 1 | tripod down |  |
| 2 | tripod up | |
| 3 | tripod left |  |
| 4 | tripod right |  |
| 8 | octagon | |
| p | pentagon |  |
| ^ | triangle up | |
| v | triangle down | |
| < | triangle left |  |
| > | triangle right | |
| d | thin diamond | |
| , | pixel |  |
| + | plus |  |
| . | point | |
| s | square | |
| * | star |  |
| | | vertical line |  |
| x | cross |  |
| r'$\sqrt{2}$' | any latex expression |  |
标记大小（markersize 简写为 ms）：
- markersize： 实数
标记边缘宽度（markeredgewidth 简写为 mew）：
- markeredgewidth：实数
标记边缘颜色（markeredgecolor 简写为 mec）：
- markeredgecolor：颜色选项中的任意值
标记表面颜色（markerfacecolor 简写为 mfc）：
- markerfacecolor：颜色选项中的任意值
透明度（alpha）：
- alpha： [0,1]之间的浮点数
线宽（linewidth）：
- linewidth： 实数
[matplotlib中的作图参数]
from:http://blog.csdn.net/pipisorry/article/details/40005163
ref:用Python做科学计算-基础篇——matplotlib-绘制精美的图表
Matplotlib 教程
matplotlib绘图手册 /subplot
matplotlib画等高线的问题
matplotlib - 2D and 3D plotting in Python
官方英文资料：
- matplotlib下载及API手册地址
- Screenshots:example figures
- Gallery:Click on any image to see full size image and source code
- matplotlib所使用的数学库numpy下载及API手册
绘制精美的图表
使用 python Matplotlib 库绘图
barChart:http://www.cnblogs.com/qianlifeng/archive/2012/02/13/2350086.html
matplotlib--python绘制图表 | PIL--python图像处理
魔法(Magic)命令 %magic - % matplotlib inline
Gnuplot的介绍
- Gnuplot简介
- IBM:gnuplot 让您的数据可视化,Linux 上的数据可视化工具
- 利用Python绘制论文图片: Gnuplot,pylab
matplotlib技巧集(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。)
Python:使用matp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。lotlib绘制图表
matplotlib图表中图例大小及字体相关问题