按：plot，figure，Axes這些名詞很煩，不嘗試翻譯了。

Ipython Notebook比較適合演示matplot的，本文節選自AnatomyOfMatplotlib中感興趣的部分。

ipython notebook中的matplotlib后臺

matplotlib使用多種后臺，后臺允許matplotlib在不同平臺使用不同的GUI庫(GTK,Qt,Wx,等等),通常沒有必要了解這些你也可以愉快的使用matplotlib。

import matplotlib
print(matplotlib.version)
print(matplotlib.get_backend())
1.4.3ch
但是在ipython notebook中情況又稍微有點不同。
在Ipython中，最方便使用的是nbagg后臺。它可以讓你在瀏覽器上交互顯示plot，其他情況下回彈出gui窗口。
指定后臺的方法

• %matplot 后臺名稱。圖片會自動顯示，即使沒使用plt.show()命令。
• matplotlib.use(后臺名稱)。圖片僅在使用plot.show()命令后顯示。

matplotlib.use('nbagg')

界面演示

Matplotlib結構龐大，令人生畏。通過組件的學習，有可能會讓你覺得它不是那么恐懼

plot結構剖析

Figure

創建figure

import numpy as np
import matplotlib.pyplot as plt
fig =plt.figure()
ptl.show

這樣會得到一個空的figure，圖片就不演示了。
如果想要指定figure的尺寸，可以通過figsize參數

fig = plt.figure(figsize = (3,3) #直接指定尺寸
#fig = plt.figure(figsize = plt.figaspect(2.0) #通過預設的figaspect指定尺寸。
plt.show()

Axes

繪圖(plotting)是直接作用在Axes上的。一個Axes由坐標軸和許多其他對象組成。Axes對象必須屬于且只能屬于一個figure。
通常在添加Figure以后，接下來的步驟就是添加Axes。
fig.add_axes命令可以添加Axes，但是更多情況下你會發現更好的方式是添加subplot:fig.add_subplot(subplot是grid體系下的axes)。

fig = plt.figure()
ax = fig.add_subplot(111) # We'll explain the "111" later. Basically, 1 row and 1 column.
ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis')
plt.show()

fig.add_subplot添加axes

ax.set()，用于設定axes的屬性，與之對應的是ax.set_something.下面是一些演示。
ax.set_xlim([0.5, 4.5]) #=>ax.set(xlim=[0.5,4.5])這兩種寫法意思是一樣的。

ax.set_ylim([-2, 8])
ax.set_title('An Example Axes')
ax.set_ylabel('Y-Axis')
ax.set_xlabel('X-Axis')

set集合不僅可以axes對象上，matplotlib的幾乎所有對象都對set有不同程度的支持。

繪制基礎

幾乎所有的繪制動作都發生在Axes，總之，如果你準備在axes上繪圖，你就會用到下面的方法。
在下一節我們會深入討論繪制的方法，眼下我們關注兩種方法：plot和scatter(散點)。
plot繪圖時將點連接成線，scatter繪制不相連的點，添加比例，顏色等其他信息。
舉個簡單的例子：

fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3)#繪制線
ax.scatter([0.3, 3.8, 1.2, 2.5], [11, 25, 9, 26], color='darkgreen', marker='^')#繪制散點圖
ax.set_xlim(0.5, 4.5)
plt.show()

Paste_Image.png

Axes methods vs pyplot

有趣的是，Axes對象的所有方法，例如上面的例子中體現的，都可以作為pyplot模塊的函數調用(反之亦然）。例如plt.xlim(1,10)可以寫成ax.set_xlim(1,10)，都表示將##當前##x軸設置為1-10。上面的例子可以用plt函數得到完全相同結果。

plt.plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3)
plt.scatter([0.3, 3.8, 1.2, 2.5], [11, 25, 9, 26], color='darkgreen', marker='^')
plt.xlim(0.5, 4.5)
plt.show()

簡潔、清晰！！！但是為什么我們多數例子沒有用pyplot函數呢？因為PEP20中"the Zen of Python"說了：

明了勝于晦澀##

在非常的簡單的繪制中，簡短的腳本使用pyplot非常方便。進行復雜繪制時，最好是基于Axes，Figure對象進行操作。
養成基于對象(axes)進行操作的習慣，會對你以后處理多個axes有顯著的好處。

Mutiple Axes

前面提到過，一個figure（圖像）可以包含多個Axes(坐標軸)。如果想讓坐標軸放置在規則的格網中，可以使用plt.subplot(...)方法。
例如：

fig, axes = plt.subplots(nrows=2, ncols=2)
plt.show()

Paste_Image.png

fig, axes = plt.subplots(nrows=2, ncols=2)
axes[0,0].set(title='Upper Left')#第一個坐標軸
axes[0,1].set(title='Upper Right')#右1
axes[1,0].set(title='Lower Left')#左下1
axes[1,1].set(title='Lower Right')#右下1

# To iterate over all items in a multidimensional numpy array, use the 'flat' attribute
for ax in axes.flat:
    # Remove all xticks and yticks...
    ax.set(xticks=[1], yticks=[1])
    
plt.show()

通過數組定位子圖

plt.subplots()調用的時候可以不指定任何參數，它會創建一個圖像和一個子圖。
如果你看到

fig = plt.figure()
ax = fig.add_subplot(111)

你可以用下面一行替代：

fig,ax = plt.subplots()

后面我們會用到這種方法。

練習題

利用我們學到的知識，生成下面的圖片。

Paste_Image.png

按我的理解，上面第一張圖是余弦，第2,3是進行坐標位移以后的圖。
題目給出了創建x坐標和余弦值的代碼

import numpy as np
import matplotlib.pyplot as plt

# 嘗試生成上面的圖片

# Our data...
x = np.linspace(0, 10, 100)
y1, y2, y3 = np.cos(x), np.cos(x + 1), np.cos(x + 2)
names = ['Signal 1', 'Signal 2', 'Signal 3']

# Can you figure out what to do next to plot x vs y1, y2, and y3 on one figure?

我的做法是

得到的結果

Paste_Image.png

未完，待續...