matplotlib 是python最著名的繪相簿，它提供了一整套和matlab相似的命令API，十分適合互動式地行製圖。而且也可以方便地將它作為繪圖控制元件，嵌入GUI應用程式中。

它的文件相當完備，並且Gallery頁面中有上百幅縮圖，開啟之後都有源程式。因此如果你需要繪製某種型別的圖，只需要在這個頁面中瀏覽/複製/貼上一下，基本上都能搞定。

在Linux下比較著名的資料圖工具還有gnuplot，這個是免費的，Python有一個包可以呼叫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引擎繪製的數學公式）。

Matplotlib.pyplot快速繪圖

matplotlib實際上是一套面向物件的繪相簿，它所繪製的圖表中的每個繪圖元素，例如線條Line2D、文字Text、刻度等在記憶體中都有一個物件與之對應。

為了方便快速繪圖matplotlib通過pyplot模組提供了一套和MATLAB類似的繪圖API，將眾多繪圖物件所構成的複雜結構隱藏在這套API內部。我們只需要呼叫pyplot模組所提供的函式就可以實現快速繪圖以及設定圖表的各種細節。pyplot模組雖然用法簡單，但不適合在較大的應用程式中使用。

為了將面向物件的繪相簿包裝成只使用函式的呼叫介面，pyplot模組的內部儲存了當前圖表以及當前子圖等資訊。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模組中，許多函式都是對當前的Figure或Axes物件進行處理，比如說：

plt.plot()實際上會通過plt.gca()獲得當前的Axes物件ax，然後再呼叫ax.plot()方法實現真正的繪圖。

可以在Ipython中輸入類似"plt.plot??"的命令檢視pyplot模組的函式是如何對各種繪圖物件進行包裝的。

配置屬性

matplotlib所繪製的圖表的每個組成部分都和一個物件對應，我們可以通過呼叫這些物件的屬性設定方法set_*()或者pyplot模組的屬性設定函式setp()設定它們的屬性值。

因為matplotlib實際上是一套面向物件的繪相簿，因此也可以直接獲取物件的屬性

配置檔案

繪製一幅圖需要對許多物件的屬性進行配置，例如顏色、字型、線型等等。我們在繪圖時，並沒有逐一對這些屬性進行配置，許多都直接採用了matplotlib的預設配置。

matplotlib將這些預設配置儲存在一個名為“matplotlibrc”的配置檔案中，通過修改配置檔案，我們可以修改圖表的預設樣式。配置檔案的讀入可以使用rc_params()，它返回一個配置字典；在matplotlib模組載入時會呼叫rc_params()，並把得到的配置字典儲存到rcParams變數中；matplotlib將使用rcParams字典中的配置進行繪圖；使用者可以直接修改此字典中的配置，所做的改變會反映到此後建立的繪圖元素。

繪製多子圖（快速繪圖）

Matplotlib 裡的常用類的包含關係為 Figure -> Axes -> (Line2D, Text, etc.)一個Figure物件可以包含多個子圖(Axes)，在matplotlib中用Axes物件表示一個繪圖區域，可以理解為子圖。

可以使用subplot()快速繪製包含多個子圖的圖表，它的呼叫形式如下：

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指定的區域中建立一個軸物件。如果新建立的軸和之前建立的軸重疊的話，之前的軸將被刪除。

subplot()返回它所建立的Axes物件，我們可以將它用變數儲存起來，然後用sca()交替讓它們成為當前Axes物件，並呼叫plot()在其中繪圖。

繪製多圖表（快速繪圖）

如果需要同時繪製多幅圖表，可以給figure()傳遞一個整數引數指定Figure物件的序號，如果序號所指定的Figure物件已經存在，將不建立新的物件，而只是讓它成為當前的Figure物件。

import numpy as np

import matplotlib.pyplot as plt

plt.figure(1) # 建立圖表1

plt.figure(2) # 建立圖表2

ax1 = plt.subplot(211) # 在圖表2中建立子圖1

ax2 = plt.subplot(212) # 在圖表2中建立子圖2

x = np.linspace(0, 3, 100)

for i in xrange(5):

    plt.figure(1)  #❶ # 選擇圖表1

    plt.plot(x, np.exp(i*x/3))

    plt.sca(ax1)   #❷ # 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()

matplotlib的預設配置檔案中所使用的字型無法正確顯示中文。為了讓圖表能正確顯示中文，可以有幾種解決方案。

1. 在程式中直接指定字型。
2. 在程式開頭修改配置字典rcParams。
3. 修改配置檔案。

matplotlib API包含有三層，Artist層處理所有的高層結構，例如處理圖表、文字和曲線等的繪製和佈局。通常我們只和Artist打交道，而不需要關心底層的繪製細節。

直接使用Artists建立圖表的標準流程如下：

• 建立Figure物件
• 用Figure物件建立一個或者多個Axes或者Subplot物件
• 呼叫Axies等物件的方法建立各種簡單型別的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：

什麼是 Matplotlib （主要講面向物件繪圖，對於新手可能有點亂）

Matplotlib.pylab快速繪圖

>>> import pylab as pl

1 安裝numpy和matplotlib

>>> import numpy
>>> numpy.__version__

>>> import matplotlib
>>> matplotlib.__version__

2 兩種常用圖型別：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 圖和軸標題以及軸座標限度 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 在一個座標系上繪製多個圖 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)

其中第三個引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裡plot的時候已經指定了label，如plt.plot(x,z,label="$cos(x^2)$")，直接呼叫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 同一畫板上繪製多幅子圖 Plotting more than one axis per canvas

如果需要同時繪製多幅圖表的話，可以是給figure傳遞一個整數引數指定圖示的序號，如果所指定
序號的繪圖物件已經存在的話，將不建立新的物件，而只是讓它成為當前繪圖物件。

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)中建立一個軸物件. pl.subplot(212)在區域2(下區域)建立一個軸物件。

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)

當繪圖物件中有多個軸的時候，可以通過工具欄中的Configure Subplots按鈕，互動式地調節軸之間的間距和軸與邊框之間的距離。如果希望在程式中調節的話，可以呼叫subplots_adjust函式，它有left, right, bottom, top, wspace, hspace等幾個關鍵字引數，這些引數的值都是0到1之間的小數，它們是以繪圖區域的寬高為1進行正規化之後的座標或者長度。

pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)

4 繪製檔案中的資料Plotting data contained in files

4.1 從Ascii檔案中讀取資料 Reading data from ascii files

讀取檔案的方法很多，這裡只介紹一種簡單的方法，更多的可以參考官方文件和NumPy快速處理資料(檔案存取)。

numpy的loadtxt方法可以直接讀取如下文字資料到numpy二維陣列

**********************************************

# 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 寫入資料到檔案 Writing data to a text file

寫檔案的方法也很多，這裡只介紹一種可用的寫入文字檔案的方法，更多的可以參考官方文件。

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()

對LaTeX數學公式的支援

Matlplotlib對LaTeX有一定的支援，如果記得使用raw字串語法會很自然：

xlabel(r"$\frac{x^2}{y^4}$")

在matplotlib裡面，可以使用LaTex的命令來編輯公式，只需要在字串前面加一個“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 "".

這裡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")

程式執行結果如圖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，下面的兩行程式通過呼叫plot函式在當前的繪圖物件中進行繪圖：

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")

plot函式的呼叫方式很靈活，第一句將x,y陣列傳遞給plot之後，用關鍵字引數指定各種屬性：

• label : 給所繪製的曲線一個名字，此名字在圖示(legend)中顯示。只要在字串前後新增"$"符號，matplotlib就會使用其內嵌的latex引擎繪製的數學公式。
• 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:

有幾個問題：

• matplotlib.rcParams屬性字典
• 想要它正常工作，在matplotlibrc配置檔案中需要設定text.markup = "tex"。
• 如果你希望圖表中所有的文字（包括座標軸刻度標記）都是LaTeX'd,需要在matplotlibrc中設定text.usetex = True。如果你使用LaTeX撰寫論文，那麼這一點對於使圖表和論文中其餘部分保持一致是很有用的。
• 在matplotlib中使用中文字串時記住要用unicode格式，例如：u''測試中文顯示''