之前寫了很多關於Matplotlib的基礎知識，這次主要講一下Matplotlib所生成的幾個圖：散點圖，柱狀圖，等高線圖，圖片和3D數據
Scatter散點圖
在制作Scatter散點圖的過程中，我們首先要引入matplotlib.pyplot簡寫為plt，再引入模塊numpy用來產生一些隨機的數據。生成1024個呈正態分布的二維數組（平均數是0，方差是1）作為一個數據集，並圖像化這個數據集。其中，每一個點的顏色用T來表示：
import matplotlib.pyplot as plt import numpy as np n=1024 #數據大小 X=np.random.normal(0,1,n) #每一個點的X值 Y=np.random.normal(0,1,n) # T=np.arctan2(Y,X)
數據生成完畢之后，我們需要采用scatter來繪制這些點。在這里，我們輸入X和Y作為輸入點，顏色為T，color map用作默認值，透明度alpha為50%。X軸顯示范圍定位為（-1.5,1.5)，並用xtick()函數來隱藏x坐標軸，ytick()函數來隱藏y坐標軸
plt.scatter(X,Y,s=75,c=T,alpha=.5) plt.xlim(-1.5,1.5) plt.xticks(()) plt.ylim(-1.5,1.5) plt.yticks(()) plt.show()
綜上，該代碼最終產生的結果為：
柱狀圖
在我們平時的機器學習領域中，柱狀圖通常有很大的作用，它可以很形象的看到趨勢的變化。下面就介紹一下如何利用matplotlib來生成一個柱狀圖。
首先第一步便是生成數據。我們向上向下分別生成12個數據，X為0到11的整數，Y是相應的均勻分布的隨機數據。使用的函數是plt.bar，參數是X和Y：
import matplotlib.pyplot as plt import numpy as np n=12 X=np.arange(n) Y1=(1 - X / float(n)) * np.random.uniform(0.5,1.0,n) Y2=(1 - X / float(n)) * np.random.uniform(0.5,1.0,n) plt.bar(X,+Y1) plt.bar(X,-Y2) plt.xlim(-1,n) plt.xticks(()) plt.ylim(-1.25,1.25) plt.yticks(()) plt.show()
這樣我們便可以生成柱狀圖的基本框架。下一步我們需要對該圖就顏色和數值進行優化。用facecolor設置主題顏色，edgecolor設置邊框顏色。
plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white') plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')
接下來我們用函數plt.text分別在柱體上方（下方）加上數值，用%.2f 保留兩位小數，橫向居中對齊ha='center'，縱向底部（頂部）對齊va='bottom'
for x,y in zip(X,Y1): plt.text(x+0.4,y+0.05,'%.2f' % y,ha='center',va='bottom') for x,y in zip(X,Y2): plt.text(x+0.4,-y-0.05,'%.2f' % y,ha='center',va='bottom')
綜上，本部分的所有代碼為：
import matplotlib.pyplot as plt import numpy as np n=12 X=np.arange(n) Y1=(1 - X / float(n)) * np.random.uniform(0.5,1.0,n) Y2=(1 - X / float(n)) * np.random.uniform(0.5,1.0,n) plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white') plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white') for x,y in zip(X,Y1): plt.text(x+0.4,y+0.05,'%.2f' % y,ha='center',va='bottom') for x,y in zip(X,Y2): plt.text(x+0.4,-y-0.05,'%.2f' % y,ha='center',va='bottom') plt.xlim(-1,n) plt.xticks(()) plt.ylim(-1.25,1.25) plt.yticks(()) plt.show()
所產生的結果為：
等高線圖
在本部分，我們主要介紹如何利用matplotlib生成等高線。在生成等高線中，我們需要三維的數據點：（x，y）和對應的高度。在本程序中，高度我們用一個函數f()來生成。x，y分別是在區間[-3,3]中均勻分布的256個值，並用meshgrid在二維平面中將每一個x和每一個y分別對應起來，編織成柵格：
import matplotlib.pyplot as plt import numpy as np def f(x,y): return (1 - x/2 + x**5 + y**3) * np.exp(-x**2,-y**2) n=256 x=np.linspace(-3,3,n) y=np.linspace(-3,3,n) X,Y=np.meshgrid(x,y)
接下來我們進行顏色填充。使用函數plt.contourf把顏色加進去，位置參數分別為:X，Y，f(X,Y)。透明度0.75，並將f(X,Y)的值對應到color map的暖色組中尋找對應顏色。
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)
接下來進行等高線繪制。使用plt.contour函數划線。位置參數為 X，Y，f(X,Y)。在我們這里，我們將顏色選為黑色，線條寬度為0.5.現在的結果如下圖所示：只有顏色和線條，沒有數值Label
C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
在上面的代碼中，我們可以看到，其中的8代表等高線的密集程度，這里被分為10個部分。如果是0，則圖像被一分為二。
再下一步，我們需要添加高度數字。我們加入Label,inline控制是否在Label畫在線里面，字體大小為10.並將坐標軸隱藏：
plt.clabel(C,inline=True,fontsize=10)
plt.xticks(())
plt.yticks(())
所以，在畫等高線的所有代碼為：
import matplotlib.pyplot as plt import numpy as np def f(x,y): return (1 - x/2 + x**5 + y**3) * np.exp(-x**2,-y**2) n=256 x=np.linspace(-3,3,n) y=np.linspace(-3,3,n) X,Y=np.meshgrid(x,y) plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot) C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5) plt.clabel(C,inline=True,fontsize=10) plt.xticks(()) plt.yticks(()) plt.show()
所產生的結果為：
3D數據
在做機器學習的時候，有時候需要繪3D圖片來看數據整體的下降趨勢。首先在進行3D時除了導入matplotlib，還需要添加一個模塊,即3D坐標軸顯示，這個包不需要單獨安裝，python本身就自帶的
import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D
之后要定義一個圖像窗口，在窗口上添加3D坐標軸。
fig=plt.figure()
ax=Axes3D(fig)
接下來再給出X值和Y值，並將X值和Y值編織成柵格。每一個（X，Y）點對應的高度值，我們用下面這個函數進行計算：
X=np.arange(-4,4,0.25) Y=np.arange(-4,4,0.25) X,Y=np.meshgrid(X,Y) R=np.sqrt(X ** 2 + Y ** 2) Z=np.sin(R)
下一步我們需要做出一個三維曲面，並將一個colormap rainbow填充顏色，之后將三維圖像投影到XY平面做一個等高線圖。plot 3D 圖像：
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
其中，rstride 和 cstride分別代表row 和 column的跨度
之后，我們添加XY平面的等高線：
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow'))
如果zdir選擇了x，那么效果將會是對於XZ平面的投影。
因此，整個項目的代碼為：
import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D fig=plt.figure() ax=Axes3D(fig) X=np.arange(-4,4,0.25) Y=np.arange(-4,4,0.25) X,Y=np.meshgrid(X,Y) R=np.sqrt(X ** 2 + Y ** 2) Z=np.sin(R) ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow')) plt.show()
最終的效果圖為：
本知識學自於：莫煩python