1、Matplotlib簡介
matplotlib是基于python語言的開源項目，旨在為python提供一個數據繪圖包。我將在這篇文章中介紹matplotlib API的核心對象，并介紹如何使用這些對象來實現繪圖。實際上，matplotlib的對象體系嚴謹而有趣，為使用者提供了巨大的發揮空間。用戶在熟悉了核心對象之后，可以輕易的定制圖像。matplotlib的對象體系也是計算機圖形學的一個優秀范例。即使你不是python程序員，你也可以從文中了解一些通用的圖形繪制原則。matplotlib使用numpy進行數組運算，并調用一系列其他的python庫來實現硬件交互。matplotlib的核心是一套由對象構成的繪圖API。
你需要安裝python, numpy和matplotlib。(可以到python.org下載python編譯器。相關python包的安裝，請參看我的Python小技巧)
matplotlib的官網： http://matplotlib.org/? 官網有豐富的圖例和文檔說明。
github地址為：https://github.com/matplotlib
2、Matplotlib安裝
有時候利用python需要安裝matplotlib進行繪圖，可以輸入如下命令：
pip install matplotlib
3. Matplotlib導入
import matplotlib.pyplot as plt#為方便簡介為plt
import numpy as np#畫圖過程中會使用numpy
import pandas as pd#畫圖過程中會使用pandas
4、Matplotlib基本應用
x=np.linspace(-1,1,50)#定義x數據范圍
y1=2*x+1#定義y數據范圍
y2=x**2
plt.figure()#定義一個圖像窗口
plt.plot(x,y1)#plot()畫出曲線
plt.show()#顯示圖像
matplotlib的figure為單獨圖像窗口，小窗口內還可以有更多的小圖片。
x=np.linspace(-3,3,50)#50為生成的樣本數
y1=2*x+1
y2=x**2
plt.figure(num=1,figsize=(8,5))#定義編號為1 大小為(8,5)
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')#顏色為紅色，線寬度為2，線風格為--
plt.plot(x,y2)#進行畫圖
plt.show()#顯示圖
設置坐標軸
x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.plot(x,y1,color='red',linewidth=2,linestyle='-')
plt.plot(x,y2)#進行畫圖
plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel("I'm x")
plt.ylabel("I'm y")
plt.show()
自定義坐標軸
x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.plot(x,y1,color='red',linewidth=2,linestyle='-')
plt.plot(x,y2)#進行畫圖
plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel("I'm x")
plt.ylabel("I'm y")
new_ticks=np.linspace(-1,2,5)#小標從-1到2分為5個單位
print(new_ticks)
#[-1.? -0.25? 0.5? 1.25? 2.? ]
plt.xticks(new_ticks)#進行替換新下標
plt.yticks([-2,-1,1,2,],
? ? ? ? ? [r'$really\ bad$','$bad$','$well$','$really\ well$'])
plt.show()
設置邊框屬性
x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')
plt.plot(x,y2)#進行畫圖
plt.xlim(-1,2)
plt.ylim(-2,3)
new_ticks=np.linspace(-1,2,5)#小標從-1到2分為5個單位
plt.xticks(new_ticks)#進行替換新下標
plt.yticks([-2,-1,1,2,],
? ? ? ? ? [r'$really\ bad$','$bad$','$well$','$really\ well$'])
ax=plt.gca()#gca=get current axis
ax.spines['right'].set_color('none')#邊框屬性設置為none 不顯示
ax.spines['top'].set_color('none')
plt.show()
調整移動坐標軸
x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')
plt.plot(x,y2)#進行畫圖
plt.xlim(-1,2)
plt.ylim(-2,3)
new_ticks=np.linspace(-1,2,5)#小標從-1到2分為5個單位
plt.xticks(new_ticks)#進行替換新下標
plt.yticks([-2,-1,1,2,],
? ? ? ? ? [r'$really\ bad$','$bad$','$well$','$really\ well$'])
ax=plt.gca()#gca=get current axis
ax.spines['right'].set_color('none')#邊框屬性設置為none 不顯示
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')#使用xaxis.set_ticks_position設置x坐標刻度數字或名稱的位置 所有屬性為top、bottom、both、default、none
ax.spines['bottom'].set_position(('data', 0))#使用.spines設置邊框x軸；使用.set_position設置邊框位置，y=0位置 位置所有屬性有outward、axes、data
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))#坐標中心點在(0,0)位置
plt.show()
matplotlib中legend圖例幫助我們展示數據對應的圖像名稱。
x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.xlim(-1,2)
plt.ylim(-2,3)
new_ticks=np.linspace(-1,2,5)#小標從-1到2分為5個單位
plt.xticks(new_ticks)#進行替換新下標
plt.yticks([-2,-1,1,2,],
? ? ? ? ? [r'$really\ bad$','$bad$','$well$','$really\ well$'])
l1,=plt.plot(x,y1,color='red',linewidth=2,linestyle='--',label='linear line')
l2,=plt.plot(x,y2,label='square line')#進行畫圖
plt.legend(loc='best')#顯示在最好的位置
plt.show()#顯示圖
5、畫圖種類
5.1、Scatter散點圖
n=1024
X=np.random.normal(0,1,n)#每一個點的X值
Y=np.random.normal(0,1,n)#每一個點的Y值
T=np.arctan2(Y,X)#arctan2返回給定的X和Y值的反正切值
#scatter畫散點圖 size=75 顏色為T 透明度為50% 利用xticks函數來隱藏x坐標軸
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.xlim(-1.5,1.5)
plt.xticks(())#忽略xticks
plt.ylim(-1.5,1.5)
plt.yticks(())#忽略yticks
plt.show()
5.2、條形圖
#基本圖形
n=12
X=np.arange(n)
Y1=(1-X/float(n))*np.random.uniform(0.5,1,n)
Y2=(1-X/float(n))*np.random.uniform(0.5,1,n)
plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')
plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')
#標記值
for x,y in zip(X,Y1):#zip表示可以傳遞兩個值
? ? plt.text(x+0.4,y+0.05,'%.2f'%y,ha='center',va='bottom')#ha表示橫向對齊 bottom表示向下對齊
for x,y in zip(X,Y2):
? ? plt.text(x+0.4,-y-0.05,'%.2f'%y,ha='center',va='top')
plt.xlim(-0.5,n)
plt.xticks(())#忽略xticks
plt.ylim(-1.25,1.25)
plt.yticks(())#忽略yticks
plt.show()
5.3、等高線圖
n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y)#meshgrid從坐標向量返回坐標矩陣
#f函數用來計算高度值 利用contour函數把顏色加進去 位置參數依次為x,y,f(x,y)，透明度為0.75，并將f(x,y)的值對應到camp之中
def f(x,y):
? ? return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)#8表示等高線分成多少份 alpha表示透明度 cmap表示color map
#使用plt.contour函數進行等高線繪制 參數依次為x,y,f(x,y)，顏色選擇黑色，線條寬度為0.5
C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
#使用plt.clabel添加高度數值 inline控制是否將label畫在線里面，字體大小為10
plt.clabel(C,inline=True,fontsize=10)
plt.xticks(())#隱藏坐標軸
plt.yticks(())
plt.show()
5.4、Image圖片
利用matplotlib打印出圖像
a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
? ? ? ? ? ? ? 0.365348418405, 0.439599930621, 0.525083754405,
? ? ? ? ? ? ? 0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)
#origin='lower'代表的就是選擇的原點位置
plt.imshow(a,interpolation='nearest',cmap='bone',origin='lower')#cmap為color map
plt.colorbar(shrink=.92)#右邊顏色說明 shrink參數是將圖片長度變為原來的92%
plt.xticks(())
plt.yticks(())
plt.show()? ? ? ? ? ? ?
出圖方式 此處采用內插法中的nearest-neighbor
5.5、3D圖像
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D#需另外導入模塊Axes 3D
fig=plt.figure()#定義圖像窗口
ax=Axes3D(fig)#在窗口上添加3D坐標軸
#將X和Y值編織成柵格
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)#高度值
#將colormap rainbow填充顏色，之后將三維圖像投影到XY平面做等高線圖，其中ratride和cstride表示row和column的寬度
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))#rstride表示圖像中分割線的跨圖
#添加XY平面等高線 投影到z平面
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow'))#把圖像進行投影的圖形 offset表示比0坐標軸低兩個位置
ax.set_zlim(-2,2)
plt.show()
6、多圖合并顯示
6.1、Subplot多合一顯示
均勻圖中圖：MatPlotLib可以組合許多的小圖在大圖中顯示，使用的方法叫做subplot。
plt.figure()
plt.subplot(2,1,1)#表示整個圖像分割成2行2列，當前位置為1
plt.plot([0,1],[0,1])#橫坐標變化為[0,1] 豎坐標變化為[0,2]
plt.subplot(2,3,4)
plt.plot([0,1],[0,2])
plt.subplot(2,3,5)
plt.plot([0,1],[0,3])
plt.subplot(2,3,6)
plt.plot([0,1],[0,4])
plt.show()
不均勻圖中圖
plt.figure()
plt.subplot(2,1,1)#將整個窗口分割成2行1列，當前位置表示第一個圖
plt.plot([0,1],[0,1])#橫坐標變化為[0,1],豎坐標變化為[0,1]
plt.subplot(2,3,4)#將整個窗口分割成2行3列，當前位置為4
plt.plot([0,1],[0,2])
plt.subplot(2,3,5)
plt.plot([0,1],[0,3])
plt.subplot(2,3,6)
plt.plot([0,1],[0,4])
plt.show()
6.2、SubPlot分格顯示
方法一
import matplotlib.gridspec as gridspec#引入新模塊
plt.figure()
'''
使用plt.subplot2grid創建第一個小圖，(3,3)表示將整個圖像分割成3行3列，(0,0)表示從第0行0列開始作圖，colspan=3表示列的跨度為3。colspan和rowspan缺省時默認跨度為1
'''
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)? # stands for axes
ax1.plot([1, 2], [1, 2])
ax1.set_title('ax1_title')#設置圖的標題
#將圖像分割成3行3列，從第1行0列開始做圖，列的跨度為2
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
#將圖像分割成3行3列，從第1行2列開始做圖，行的跨度為2
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
#將圖像分割成3行3列，從第2行0列開始做圖，行與列的跨度默認為1
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax4.scatter([1, 2], [2, 2])
ax4.set_xlabel('ax4_x')
ax4.set_ylabel('ax4_y')
ax5 = plt.subplot2grid((3, 3), (2, 1))
方法二
plt.figure()
gs = gridspec.GridSpec(3, 3)#將圖像分割成3行3列
ax6 = plt.subplot(gs[0, :])#gs[0:1]表示圖占第0行和所有列
ax7 = plt.subplot(gs[1, :2])#gs[1,:2]表示圖占第1行和第二列前的所有列
ax8 = plt.subplot(gs[1:, 2])
ax9 = plt.subplot(gs[-1, 0])
ax10 = plt.subplot(gs[-1, -2])#gs[-1.-2]表示這個圖占倒數第1行和倒數第2行
plt.show()
方法三
'''
建立一個2行2列的圖像窗口，sharex=True表示共享x軸坐標，sharey=True表示共享y軸坐標，((ax11,ax12),(ax13,1x14))表示從到至右一次存放ax11,ax12,ax13,ax114
'''
f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)
ax11.scatter([1,2], [1,2])ax11.scatter 坐標范圍x為[1,2]，y為[1,2]
plt.tight_layout()#表示緊湊顯示圖像
plt.show()
6.3、圖中圖
fig=plt.figure()
#創建數據
x=[1,2,3,4,5,6,7]
y=[1,3,4,2,5,8,6]
#繪制大圖：假設大圖的大小為10，那么大圖被包含在由(1,1)開始，寬8高8的坐標系之中。
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height])? # main axes
ax1.plot(x, y, 'r')#繪制大圖，顏色為red
ax1.set_xlabel('x')#橫坐標名稱為x
ax1.set_ylabel('y')
ax1.set_title('title')#圖名稱為title
#繪制小圖，注意坐標系位置和大小的改變
ax2 = fig.add_axes([0.2, 0.6, 0.25, 0.25])
ax2.plot(y, x, 'b')#顏色為buue
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')
#繪制第二個小兔
plt.axes([0.6, 0.2, 0.25, 0.25])
plt.plot(y[::-1], x, 'g')#將y進行逆序
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside 2')
plt.show()
6.4、次坐標軸
x=np.arange(0,10,0.1)
y1=0.5*x**2
y2=-1*y1
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()#鏡像顯示
ax1.plot(x, y1, 'g-')
ax2.plot(x, y2, 'b-')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')#第一個y坐標軸
ax2.set_ylabel('Y2 data', color='b')#第二個y坐標軸
plt.show()
7、動畫
from matplotlib import animation#引入新模塊
fig,ax=plt.subplots()
x=np.arange(0,2*np.pi,0.01)#數據為0~2PI范圍內的正弦曲線
line,=ax.plot(x,np.sin(x))# line表示列表
#構造自定義動畫函數animate，用來更新每一幀上x和y坐標值，參數表示第i幀
def animate(i):
? ? line.set_ydata(np.sin(x+i/100))
? ? return line,
#構造開始幀函數init
def init():
? ? line.set_ydata(np.sin(x))
? ? return line,
# frame表示動畫長度，一次循環所包含的幀數；interval表示更新頻率
# blit選擇更新所有點，還是僅更新新變化產生的點。應該選True，但mac用戶選擇False。
ani=animation.FuncAnimation(fig=fig,func=animate,frames=200,init_func=init,interval=20,blit=False)
plt.show()
8、繪制圖形
在matplotlib.pyplot中，你還可以找到下面的繪圖函數。如果你經常使用數據繪圖程序，應該會很熟悉這些圖形：
繪圖程序如下：
import matplotlib.pyplot as plt
# 1D data
x = [1,2,3,4,5]
y = [2.3,3.4,1.2,6.6,7.0]
plt.figure(figsize=(12,6))
plt.subplot(231)
plt.plot(x,y)
plt.title("plot")
plt.subplot(232)
plt.scatter(x, y)
plt.title("scatter")
plt.subplot(233)
plt.pie(y)
plt.title("pie")
plt.subplot(234)
plt.bar(x, y)
plt.title("bar")
# 2D data
import numpy as np
delta = 0.025
x = y = np.arange(-3.0, 3.0, delta)
X, Y = np.meshgrid(x, y)
Z? ? = Y**2 + X**2
plt.subplot(235)
plt.contour(X,Y,Z)
plt.colorbar()
plt.title("contour")
# read image
import matplotlib.image as mpimg
img=mpimg.imread('marvin.jpg')
plt.subplot(236)
plt.imshow(img)
plt.title("imshow")
plt.savefig("matplot_sample.jpg")
面用到的marvin.jpg是下圖，請保存到當地電腦：
函數式編程創造了一個仿真MATLAB的工作環境，并有許多成形的繪圖函數。如果只是作為Matplotlib的一般用戶(非開發者)，pyplot可以滿足大部分的需求。
(當然，matplotlib是免費而開源的，MATLAB昂貴而封閉。這是不“仿真”的地方)
