Python繪圖matplotlib
轉自http://blog.csdn.net/ywjun0919/article/details/8692018
Python圖表繪制：matplotlib繪圖庫入門
matplotlib 是python最著名的繪圖庫，它提供了一整套和matlab相似的命令API，十分適合交互式地行制圖。而且也可以方便地將它作為繪圖控件，嵌入GUI應用程序中。
它的文檔相當完備，並且Gallery頁面中有上百幅縮略圖，打開之後都有源程序。因此如果你需要繪制某種類型的圖，只需要在這個頁面中瀏覽/復制/粘貼一下，基本上都能搞定。
在Linux下比較著名的數據圖工具還有gnuplot，這個是免費的，Python有一個包可以調用gnuplot，但是語法比較不習慣，而且畫圖質量不高。
而 Matplotlib則比較強：Matlab的語法、python語言、latex的畫圖質量（還可以使用內嵌的latex引擎繪制的數學公式）。
Matplotlib.pyplot快速繪圖
快速繪圖和面向對象方式繪圖
matplotlib實際上是一套面向對象的繪圖庫，它所繪制的圖表中的每個繪圖元素，例如線條Line2D、文字Text、刻度等在內存中都有一個對象與之對應。
為了方便快速繪圖matplotlib通過pyplot模塊提供了一套和MATLAB類似的繪圖API，將眾多繪圖對象所構成的復雜結構隱藏在這套API內部。我們只需要調用pyplot模塊所提供的函數就可以實現快速繪圖以及設置圖表的各種細節。pyplot模塊雖然用法簡單，但不適合在較大的應用程序中使用。
為了將面向對象的繪圖庫包裝成只使用函數的調用接口，pyplot模塊的內部保存了當前圖表以及當前子圖等信息。當前的圖表和子圖可以使用plt.gcf()和plt.gca()獲得，分別表示"Get Current Figure"和"Get Current Axes"。在pyplot模塊中，許多函數都是對當前的Figure或Axes對象進行處理，比如說：
plt.plot()實際上會通過plt.gca()獲得當前的Axes對象ax，然後再調用ax.plot()方法實現真正的繪圖。
可以在Ipython中輸入類似"plt.plot??"的命令查看pyplot模塊的函數是如何對各種繪圖對象進行包裝的。
配置屬性
matplotlib所繪制的圖表的每個組成部分都和一個對象對應，我們可以通過調用這些對象的屬性設置方法set_*()或者pyplot模塊的屬性設置函數setp()設置它們的屬性值。
因為matplotlib實際上是一套面向對象的繪圖庫，因此也可以直接獲取對象的屬性
配置文件
繪制一幅圖需要對許多對象的屬性進行配置，例如顏色、字體、線型等等。我們在繪圖時，並沒有逐一對這些屬性進行配置，許多都直接采用了matplotlib的缺省配置。
matplotlib將這些缺省配置保存在一個名為“matplotlibrc”的配置文件中，通過修改配置文件，我們可以修改圖表的缺省樣式。配置文件的讀入可以使用rc_params()，它返回一個配置字典；在matplotlib模塊載入時會調用rc_params()，並把得到的配置字典保存到rcParams變量中；matplotlib將使用rcParams字典中的配置進行繪圖；用戶可以直接修改此字典中的配置，所做的改變會反映到此後創建的繪圖元素。
繪制多子圖（快速繪圖）
Matplotlib 裏的常用類的包含關系為 Figure -> Axes -> (Line2D, Text, etc.)一個Figure對象可以包含多個子圖(Axes)，在matplotlib中用Axes對象表示一個繪圖區域，可以理解為子圖。
可以使用subplot()快速繪制包含多個子圖的圖表，它的調用形式如下：
subplot(numRows, numCols, plotNum)
subplot將整個繪圖區域等分為numRows行* numCols列個子區域，然後按照從左到右，從上到下的順序對每個子區域進行編號，左上的子區域的編號為1。如果numRows，numCols和plotNum這三個數都小於10的話，可以把它們縮寫為一個整數，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的區域中創建一個軸對象。如果新創建的軸和之前創建的軸重疊的話，之前的軸將被刪除。
subplot()返回它所創建的Axes對象，我們可以將它用變量保存起來，然後用sca()交替讓它們成為當前Axes對象，並調用plot()在其中繪圖。
繪制多圖表（快速繪圖）
如果需要同時繪制多幅圖表，可以給figure()傳遞一個整數參數指定Figure對象的序號，如果序號所指定的Figure對象已經存在，將不創建新的對象，而只是讓它成為當前的Figure對象。
import numpy as np
import matplotlib.pyplot as plt
plt.figure(1) # 創建圖表1
plt.figure(2) # 創建圖表2
ax1 = plt.subplot(211) # 在圖表2中創建子圖1
ax2 = plt.subplot(212) # 在圖表2中創建子圖2
x = np.linspace(0, 3, 100)
for i in xrange(5):
plt.figure(1) #? # 選擇圖表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1) #? # 選擇圖表2的子圖1
plt.plot(x, np.sin(i*x))
plt.sca(ax2) # 選擇圖表2的子圖2
plt.plot(x, np.cos(i*x))
plt.show()
在圖表中顯示中文
matplotlib的缺省配置文件中所使用的字體無法正確顯示中文。為了讓圖表能正確顯示中文，可以有幾種解決方案。
- 在程序中直接指定字體。
- 在程序開頭修改配置字典rcParams。
- 修改配置文件。
面向對象畫圖
matplotlib API包含有三層，Artist層處理所有的高層結構，例如處理圖表、文字和曲線等的繪制和布局。通常我們只和Artist打交道，而不需要關心底層的繪制細節。
直接使用Artists創建圖表的標準流程如下：
- 創建Figure對象
- 用Figure對象創建一個或者多個Axes或者Subplot對象
- 調用Axies等對象的方法創建各種簡單類型的Artists
import matplotlib.pyplot as plt
X1 = range(0, 50)
Y1 = [num**2 for num in X1] # y = x^2
X2 = [0, 1]
Y2 = [0, 1] # y = x
Fig = plt.figure(figsize=(8,4)) # Create a `figure‘ instance
Ax = Fig.add_subplot(111) # Create a `axes‘ instance in the figure
Ax.plot(X1, Y1, X2, Y2) # Create a Line2D instance in the axes
Fig.show()
Fig.savefig("test.pdf")
參考：
《Python科學計算》(Numpy視頻) matplotlib-繪制精美的圖表(快速繪圖)(面向對象繪圖)（深入淺出適合系統學習）
什麽是 Matplotlib （主要講面向對象繪圖，對於新手可能有點亂）
Matplotlib.pylab快速繪圖
matplotlib還提供了一個名為pylab的模塊，其中包括了許多NumPy和pyplot模塊中常用的函數，方便用戶快速進行計算和繪圖，十分適合在IPython交互式環境中使用。這裏使用下面的方式載入pylab模塊：
>>> import pylab as pl
1 安裝numpy和matplotlib
>>> import numpy
>>> numpy.__version__
>>> import matplotlib
>>> matplotlib.__version__
2 兩種常用圖類型：Line and scatter plots(使用plot()命令), histogram(使用hist()命令)
2.1 折線圖&散點圖 Line and scatter plots
2.1.1 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
2.1.2 散點圖 Scatter plots
把pl.plot(x, y)改成pl.plot(x, y, ‘o‘)即可，下圖的藍色版本
2.2 美化 Making things look pretty
2.2.1 線條顏色 Changing the line color
紅色：把pl.plot(x, y, ‘o‘)改成pl.plot(x, y, ’or’)
2.2.2 線條樣式 Changing the line style
虛線:plot(x,y, ‘--‘)
2.2.3 marker樣式 Changing the marker style
藍色星型markers：plot(x,y, ’b*’)
2.2.4 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
2.2.5 在一個坐標系上繪制多個圖 Plotting more than one plot on the same set of axes
做法是很直接的，依次作圖即可:
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
2.2.6 圖例 Figure legends
pl.legend((plot1, plot2), (’label1, label2’), ‘best’, numpoints=1)
其中第三個參數表示圖例放置的位置:‘best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.
如果在當前figure裏plot的時候已經指定了label，如plt.plot(x,z,label="$cos(x^2)$")，直接調用plt.legend()就可以了哦。
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
2.3 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()
如果不想要黑色輪廓可以改為pl.hist(data, histtype=’stepfilled’)
2.3.1 自定義直方圖bin寬度 Setting the width of the histogram bins manually
增加這兩行
bins = np.arange(-5., 16., 1.) #浮點數版本的range
pl.hist(data, bins, histtype=’stepfilled’)
3 同一畫板上繪制多幅子圖 Plotting more than one axis per canvas
如果需要同時繪制多幅圖表的話，可以是給figure傳遞一個整數參數指定圖標的序號，如果所指定
序號的繪圖對象已經存在的話，將不創建新的對象，而只是讓它成為當前繪圖對象。
fig1 = pl.figure(1)
pl.subplot(211)
subplot(211)把繪圖區域等分為2行*1列共兩個區域, 然後在區域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)
當繪圖對象中有多個軸的時候，可以通過工具欄中的Configure Subplots按鈕，交互式地調節軸之間的間距和軸與邊框之間的距離。如果希望在程序中調節的話，可以調用subplots_adjust函數，它有left, right, bottom, top, wspace, hspace等幾個關鍵字參數，這些參數的值都是0到1之間的小數，它們是以繪圖區域的寬高為1進行正規化之後的坐標或者長度。
pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)
4 繪制文件中的數據Plotting data contained in files
4.1 從Ascii文件中讀取數據 Reading data from ascii files
讀取文件的方法很多，這裏只介紹一種簡單的方法，更多的可以參考官方文檔和NumPy快速處理數據(文件存取)。
numpy的loadtxt方法可以直接讀取如下文本數據到numpy二維數組
**********************************************
# fakedata.txt
0 0
1 1
2 4
3 9
4 16
5 25
6 36
7 49
8 64
9 81
0 0
1 1
2 4
3 9
4 16
5 25
6 36
7 49
8 64
9 81
**********************************************
import numpy as np
import pylab as pl
# Use numpy to load the data contained in the file
# ’fakedata.txt’ into a 2-D array called data
data = np.loadtxt(’fakedata.txt’)
# plot the first column as x, and second column as y
pl.plot(data[:,0], data[:,1], ’ro’)
pl.xlabel(’x’)
pl.ylabel(’y’)
pl.xlim(0.0, 10.)
pl.show()
4.2 寫入數據到文件 Writing data to a text file
寫文件的方法也很多，這裏只介紹一種可用的寫入文本文件的方法，更多的可以參考官方文檔。
import numpy as np
# Let’s make 2 arrays (x, y) which we will write to a file
# x is an array containing numbers 0 to 10, with intervals of 1
x = np.arange(0.0, 10., 1.)
# y is an array containing the values in x, squared
y = x*x
print ’x = ’, x
print ’y = ’, y
# Now open a file to write the data to
# ’w’ means open for ’writing’
file = open(’testdata.txt’, ’w’)
# loop over each line you want to write to file
for i in range(len(x)):
# make a string for each line you want to write
# ’\t’ means ’tab’
# ’\n’ means ’newline’
# ’str()’ means you are converting the quantity in brackets to a string type
txt = str(x[i]) + ’\t’ + str(y[i]) + ’ \n’
# write the txt to the file
file.write(txt)
# Close your file
file.close()
這部分是翻譯自：Python Plotting Beginners Guide
對LaTeX數學公式的支持
Matlplotlib對LaTeX有一定的支持，如果記得使用raw字符串語法會很自然：
xlabel(r"$\frac{x^2}{y^4}$")
在matplotlib裏面，可以使用LaTex的命令來編輯公式，只需要在字符串前面加一個“r”即可
Here is a simple example:
# plain text
plt.title(‘alpha > beta‘)
produces “alpha > beta”.
Whereas this:
# math text
plt.title(r‘$\alpha > \beta$‘)
produces "
".
這裏給大家看一個簡單的例子。
import matplotlib.pyplot as plt
x = arange(1,1000,1)
r = -2
c = 5
y = [5*(a**r) for a in x]
fig = plt.figure()
ax = fig.add_subplot(111)
ax.loglog(x,y,label = r"$y = \frac{1}{2\sigma_1^2}, c=5,\sigma_1=-2$")
ax.legend()
ax.set_xlabel(r"x")
ax.set_ylabel(r"y")
程序執行結果如圖3所示，這實際上是一個power-law的例子，有興趣的朋友可以繼續google之。
再看一個《用Python做科學計算》中的簡單例子，下面的兩行程序通過調用plot函數在當前的繪圖對象中進行繪圖：
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")
plot函數的調用方式很靈活，第一句將x,y數組傳遞給plot之後，用關鍵字參數指定各種屬性：
- label : 給所繪制的曲線一個名字，此名字在圖示(legend)中顯示。只要在字符串前後添加"$"符號，matplotlib就會使用其內嵌的latex引擎繪制的數學公式。
- color : 指定曲線的顏色
- linewidth : 指定曲線的寬度
詳細的可以參考matplotlib官方教程:
Writing mathematical expressions
- Subscripts and superscripts
- Fractions, binomials and stacked numbers
- Radicals
- Fonts
- Custom fonts
- Accents
- Symbols
- Example
Text rendering With LaTeX
- usetex with unicode
- Postscript options
- Possible hangups
- Troubleshooting
有幾個問題：
- matplotlib.rcParams屬性字典
- 想要它正常工作，在matplotlibrc配置文件中需要設置text.markup = "tex"。
- 如果你希望圖表中所有的文字（包括坐標軸刻度標記）都是LaTeX‘d,需要在matplotlibrc中設置text.usetex = True。如果你使用LaTeX撰寫論文，那麽這一點對於使圖表和論文中其余部分保持一致是很有用的。
- 在matplotlib中使用中文字符串時記住要用unicode格式，例如：u‘‘測試中文顯示‘‘
matplotlib使用小結
Python繪圖matplotlib