http://blog.csdn.net/pipisorry/article/details/40005163
Matplotlib.pyplot畫圖實例
{使用pyplot模塊}
matplotlib繪制直線、條形/矩形區域
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()效果圖展示
Note: 設置直線相應位置的值顯示：plt.text(max_x, 0, str(round(max_x, 2)))。也就是直接在指定坐標寫文字。不知道有沒有其他方法？
另一種繪制直線的方式
plt.hlines(hline, xmin=plt.gca().get_xlim()[0], xmax=plt.gca().get_xlim()[1], linestyles=line_style, colors=color)
直方圖
plt.hist(songs_plays, bins=50,range=(0, 50000), color='lightblue',normed=True)
Note: normed是將y坐標按比例畫圖，而不是數目。
hist轉換成plot折線圖
plt.hist直接繪制數據是hist圖
plt.hist(z, bins=500, normed=True)hist圖轉換成折線圖
cnts, bins = np.histogram(z, bins=500, normed=True) bins = (bins[:-1] + bins[1:]) / 2 plt.plot(bins, cnts)[ numpy教程 - 統計函數:histogram]
散點圖、梯形圖、柱狀圖、填充圖
散列圖scatter()
使用plot()畫圖時。假設指定樣式參數為僅繪制數據點，那么所繪制的就是一幅散列圖。可是這樣的方法所繪制的點無法單獨指定顏色和大小。
scatter()所繪制的散列圖卻能夠指定每一個點的顏色和大小。
scatter()的前兩個參數是數組，分別指定每一個點的X軸和Y軸的坐標。
s參數指定點的大 小。值和點的面積成正比。它能夠是一個數，指定全部點的大小；也能夠是數組。分別對每一個點指定大小。
c參數指定每一個點的顏色。能夠是數值或數組。這里使用一維數組為每一個點指定了一個數值。
通過顏色映射表，每一個數值都會與一個顏色相相應。
默認的顏色映射表中藍色與最小值相應，紅色與最大值相應。當c參數是形狀為(N,3)或(N,4)的二維數組時。則直接表示每一個點的RGB顏色。
marker參數設置點的形狀，能夠是個表示形狀的字符串，也能夠是表示多邊形的兩個元素的元組。第一個元素表示多邊形的邊數。第二個元素表示多邊形的樣式，取值范圍為0、1、2、3。0表示多邊形，1表示星形，2表示放射形。3表示忽略邊數而顯示為圓形。
alpha參數設置點的透明度。
lw參數設置線寬，lw是line width的縮寫。
facecolors參數為“none”時，表示散列點沒有填充色。
柱狀圖bar()
用每根柱子的長度表示值的大小，它們通經常使用來比較兩組或多組值。
bar()的第一個參數為每根柱子左邊緣的橫坐標;第二個參數為每根柱子的高度;第三個參數指定全部柱子的寬度,當第三個參數為序列時，能夠為每根柱子指定寬度。bar()不自己主動改動顏色。
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);
Note: axes子圖設置title: axes.set_title("bar plot")
散點圖（改變顏色，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()
matplotlib繪制散點圖給點加上凝視
plt.scatter(data_arr[:, 0], data_arr[:, 1], c=class_labels)
for i, class_label in enumerate(class_labels):
plt.annotate(class_label, (data_arr[:, 0][i], data_arr[:, 1][i]))[
matplotlib scatter plot with different text at each data point]
對數坐標圖
plot()所繪制圖表的X-Y軸坐標都是算術坐標。
繪制對數坐標圖的函數有三個：semilogx()、semilogy()和loglog(),它們分別繪制X軸為對數坐標、Y軸為對數坐標以及兩個軸都為對數坐標時的圖表。
以下的程序使用4種不同的坐標系繪制低通濾波器的頻率響應曲線。
當中，左上圖為plot()繪制的算術坐標系。右上圖為semilogx()繪制的X軸對數坐標系，左下圖 為semilogy()繪制的Y軸對數坐標系。右下圖為loglog()繪制的雙對數坐標系。使用雙對數坐標系表示的頻率響應曲線通常被稱為波特圖。
import numpy as np
import matplotlib.pyplot as plt
w = np.linspace(0.1, 1000, 1000)
p = np.abs(1/(1+0.1j*w)) # 計算低通濾波器的頻率響應
plt.subplot(221)
plt.plot(w, p, linewidth=2)
plt.ylim(0,1.5)
plt.subplot(222)
plt.semilogx(w, p, linewidth=2)
plt.ylim(0,1.5)
plt.subplot(223)
plt.semilogy(w, p, linewidth=2)
plt.ylim(0,1.5)
plt.subplot(224)
plt.loglog(w, p, linewidth=2)
plt.ylim(0,1.5)
plt.show()
極坐標圖
極坐標系是和笛卡爾(X-Y)坐標系全然不同的坐標系，極坐標系中的點由一個夾角和一段相對中心點的距離來表示。polar(theta, r, **kwargs)
能夠polar()直接創建極坐標子圖並在當中繪制曲線。也能夠使用程序中調用subplot()創建子圖時通過設 polar參數為True,創建一個極坐標子圖，然后調用plot()在極坐標子圖中畫圖。
演示樣例1
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);
演示樣例2
import numpy as np
import matplotlib.pyplot as plt
theta = np.arange(0, 2*np.pi, 0.02)
plt.subplot(121, polar=True)
plt.plot(theta, 1.6*np.ones_like(theta), linewidth=2) #繪制同心圓
plt.plot(3*theta, theta/3, "--", linewidth=2)
plt.subplot(122, polar=True)
plt.plot(theta, 1.4*np.cos(5*theta), "--", linewidth=2)
plt.plot(theta, 1.8*np.cos(4*theta), linewidth=2)
plt.rgrids(np.arange(0.5, 2, 0.5), angle=45)
plt.thetagrids([0, 45])
plt.show()
Note:rgrids()設置同心圓柵格的半徑大小和文字標注的角度。因此右圖中的虛線圓圈有三個。 半徑分別為0.5、1.0和1.5,這些文字沿着45°線排列。
Thetagrids()設置放射線柵格的角度， 因此右圖中僅僅有兩條放射線，角度分別為0°和45°。
[matplotlib.pyplot.polar(*args, **kwargs)]
等值線圖
使用等值線圖表示二元函數z=f(x,y)
所謂等值線，是指由函數值相等的各點連成的平滑曲線。等值線能夠直觀地表示二元函數值的變化趨勢，比如等值線密集的地方表示函數值在此處的變化較大。
matplotlib中能夠使用contour()和contourf()描繪等值線，它們的差別是：contourf()所得到的是帶填充效果的等值線。
import numpy as np
import matplotlib.pyplot as plt
y, x = np.ogrid[-2:2:200j, -3:3:300j]
z = x * np.exp( - x**2 - y**2)
extent = [np.min(x), np.max(x), np.min(y), np.max(y)]
plt.figure(figsize=(10,4))
plt.subplot(121)
cs = plt.contour(z, 10, extent=extent)
plt.clabel(cs)
plt.subplot(122)
plt.contourf(x.reshape(-1), y.reshape(-1), z, 20)
plt.show()
為了更淸楚地區分X軸和Y軸。這里讓它們的取值范圍和等分次數均不相同.這樣得 到的數組z的形狀為(200, 300),它的第0軸相應Y軸、第1軸相應X軸。
調用contour()繪制數組z的等值線圖，第二個參數為10,表示將整個函數的取值范圍等分為10個區間,即顯示的等值線圖中將有9條等值線。能夠使用extent參數指定等值線圖的X軸和Y軸的數據范圍。
contour()所返回的是一個QuadContourSet對象， 將它傳遞給clabel(),為當中的等值線標上相應的值。
調用contourf(),繪制將取值范圍等分為20份、帶填充效果的等值線圖。
這里演示了第二種設置X、Y軸取值范圍的方法，它的前兩個參數各自是計算數組z時所使用的X軸和Y軸上的取樣點,這兩個數組必須是一維的。
使用等值線繪制隱函數f(x,y)=0曲線
顯然，無法像繪制一般函數那樣，先創建一個等差數組表示變量的取值點。然后計算出數組中每一個x所相應的y值。
能夠使用等值線解決問題，顯然隱函數的曲線就是值等於0的那條等值線。
程序繪制函數在f(x,y)=0和 f(x,y)-0.1 = 0時的曲線。
import numpy as np
import matplotlib.pyplot as plt
y, x = np.ogrid[-1.5:1.5:200j, -1.5:1.5:200j]
f = (x**2 + y**2)**4 - (x**2 - y**2)**2
plt.figure(figsize=(9,4))
plt.subplot(121)
extent = [np.min(x), np.max(x), np.min(y), np.max(y)]
cs = plt.contour(f, extent=extent, levels=[0, 0.1], colors=["b", "r"], linestyles=["solid", "dashed"], linewidths=[2, 2])
plt.subplot(122)
for c in cs.collections:
data = c.get_paths()[0].vertices
plt.plot(data[:,0], data[:,1], color=c.get_color()[0], linewidth=c.get_linewidth()[0])
plt.show()
contour() levels參數指定所繪制等值線相應的函數值。這里設置levels參數為[0，0.1],因此終於將繪制兩條等值線。
觀察圖會發現。表示隱函數f(x)=0藍色實線並非全然連續的。在圖的中間部分它由很多孤立的小段構成。
由於等值線在原點附近無限靠近，因此不管對函數f的取值空間怎樣進行細分，總是會有無法分開的地方。終於造成了圖中的那些孤立的細小區域。
而表示隱函數f(x,y)=0的紅色虛線則是閉合且連續的。
contour()返回對象QuadContourSet
能夠通過contour()返回對象獲得等值線上每點的數據。以下我們在IPython中觀察變量cs,它是一個 QuadContourSet 對象：
cs對象的collections屬性是一個等值線列表，每條等值線用一個LineCollection對象表示：
>>> cs.collections
<a list of 2 collections.LineCollection objects>
每一個LineCollection對象都有它自己的顏色、線型、線寬等屬性，注意這些屬性所獲得的結果外面另一層封裝，要獲得其第0個元素才是真正的配置：
>>> c0.get_color()[0]
array([ 0., 0., 1., 1.])
>>> c0.get_linewidth()[0]
2
由類名可知，LineCollection對象是一組曲線的集合。因此它能夠表示像藍色實線那樣由多條線構成的等值線。它的get_paths()方法獲得構成等值線的全部路徑，本例中藍色實線
所表示的等值線由42條路徑構成：
>>> len(cs.collections[0].get_paths())
42
路徑是一個Path對象，通過它的vertices屬性能夠獲得路徑上全部點的坐標:
>>> path = cs.collections[0].get_paths()[0]
>>> type(path)
<class 'matplotlib.path.Path'>
>>> path.vertices
array([[-0.08291457, -0.98938936],
[-0.09039269, -0.98743719],
…,
[-0.08291457, -0.98938936]])
上面的程序plt.subplot(122)就是從等值線集合cs中找到表示等值線的路徑，並使用plot()將其繪制出來。
Matplotlib.pylab畫圖實例
{使用pylab模塊}
matplotlib還提供了一個名為pylab的模塊，當中包含了很多NumPy和pyplot模塊中經常使用的函數，方便用戶高速進行計算和畫圖，十分適合在IPython交互式環境中使用。這里使用以下的方式加載pylab模塊：
>>> import pylab as plNote:import pyplot as plt也相同能夠
兩種經常使用圖類型
Line and scatter plots(使用plot()命令), histogram(使用hist()命令)
1 折線圖&散點圖 Line and scatter plots
折線圖 Line plots(關聯一組x和y值的直線)
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
plot(x, y) # plot x and y using default line style and color plot(x, y, 'bo') # plot x and y using blue circle markers plot(y) # plot y using x as index array 0..N-1 plot(y, 'r+') # ditto, but with red plusses
plt.plot(ks, wssses, marker='*', markerfacecolor='r', linestyle='-', color='b')
散點圖 Scatter plots
把pl.plot(x, y)改成pl.plot(x, y, 'o')
美化 Making things look pretty
線條顏色 Changing the line color
紅色：把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)
線條樣式 Changing the line style
虛線:plot(x,y, '--')
marker樣式 Changing the marker style
藍色星型markers：plot(x,y, ’b*’)
詳細見附錄 - matplotlib中的作圖參數
圖和軸標題以及軸坐標限度 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
一個坐標系上繪制多個圖 Plotting more than one plot on the same set of axes
依次作圖就可以
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
圖例 Figure legends
pl.legend((plot1, plot2), (’label1, label2’),loc='best’, numpoints=1)
第三個參數loc=表示圖例放置的位置:'best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.
假設在當前figure里plot的時候已經指定了label，如plt.plot(x,z,label="
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 直方圖 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()
假設不想要黑色輪廓能夠改為pl.hist(data, histtype=’stepfilled’)
自己定義直方圖bin寬度 Setting the width of the histogram bins manually
添加兩行
bins = np.arange(-5., 16., 1.) #浮點數版本號的range
pl.hist(data, bins, histtype=’stepfilled’)
同一畫板上繪制多幅子圖 Plotting more than one axis per canvas
假設須要同一時候繪制多幅圖表的話，能夠是給figure傳遞一個整數參數指定圖標的序號。假設所指定
序號的畫圖對象已經存在的話。將不創建新的對象，而僅僅是讓它成為當前畫圖對象。
fig1 = pl.figure(1)
pl.subplot(211)
subplot(211)把畫圖區域等分為2行*1列共兩個區域, 然后在區域1(上區域)中創建一個軸對象. pl.subplot(212)在區域2(下區域)創建一個軸對象。
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)
當畫圖對象中有多個軸的時候，能夠通過工具欄中的Configure Subplotsbutton，交互式地調節軸之間的間距和軸與邊框之間的距離。
假設希望在程序中調節的話，能夠調用subplots_adjust函數。它有left, right, bottom, top, wspace, hspace等幾個keyword參數，這些參數的值都是0到1之間的小數。它們是以畫圖區域的寬高為1進行正規化之后的坐標或者長度。
pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)
繪制圓形Circle和橢圓Ellipse
1. 調用包函數
###################################
# coding=utf-8
# !/usr/bin/env python
# __author__ = 'pipi'
# ctime 2014.10.11
# 繪制橢圓和圓形
###################################
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()
參見Matplotlib.pdf Release 1.3.1文檔
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)
或者參見Matplotlib.pdf Release 1.3.1文檔contour繪制圓
#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 的圓形
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.
或者參見demo【pylab_examples example code: ellipse_demo.py】
2. 直接繪制
#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先轉換成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]
畫圖小技巧
控制坐標軸的顯示——使x軸顯示名稱字符串而不是數字的兩種方法
plt.xticks(range(len(list)), x, rotation='vertical')
Note:x代表一個字符串列表，如x軸上要顯示的名稱。
axes.set_xticklabels(x, rotation='horizontal', lod=True)
Note:這里axes是plot的一個subplot()
獲取x軸上坐標最小最大值
xmin， xmax = plt.gca().get_xlim()
在指定坐標寫文字
plt.text(max_x, 0, str(round(max_x, 2)))
其他進階[matplotlib畫圖進階]
from:http://blog.csdn.net/pipisorry/article/details/40005163
ref:matplotlib Plotting commands summary*
Gallery:Click on any image to see full size image and source code
用Python做科學計算-基礎篇——matplotlib-繪制精美的圖表
matplotlib畫圖手冊 /subplot
matplotlib - 2D and 3D plotting in Python
matplotlib畫圖庫入門繪制精美的圖表
使用 python Matplotlib 庫畫圖
barChart:http://www.cnblogs.com/qianlifeng/archive/2012/02/13/2350086.html
matplotlib--python繪制圖表 | PIL--python圖像處理
魔法(Magic)命令%magic -%matplotlibinline
Gnuplot的介紹
IBM: 基於 Python Matplotlib 模塊的高質量圖形輸出(2005年的文章有點舊)matplotlib技巧集(繪制不連續函數的不連續點；參數曲線上繪制方向箭頭；改動缺省刻度數目。Y軸不同區間使用不同顏色填充的曲線區域。
)
Python:使用matp繪制不連續函數的不連續點。參數曲線上繪制方向箭頭。改動缺省刻度數目；Y軸不同區間使用不同顏色填充的曲線區域。