http://blog.csdn.net/pipisorry/article/details/37742423
matplotlib介绍
matplotlib 是python最著名的画图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。并且也能够方便地将它作为画图控件。嵌入GUI应用程序中。它的文档相当完备，并且 Gallery页面 中有上百幅缩略图，打开之后都有源程序。
因此假设你须要绘制某种类型的图。仅仅须要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。
在Linux下比較著名的数据图工具还有gnuplot，这个是免费的，Python有一个包能够调用gnuplot。可是语法比較不习惯，并且绘图质量不高。而Matplotlib则比較强：Matlab的语法、python语言、latex的绘图质量（还能够使用内嵌的latex引擎绘制的数学公式）。
面向对象方式画图
matplotlib实际上是一套面向对象的画图库，它所绘制的图表中的每一个画图元素，比如线条Line2D、文字Text、刻度等在内存中都有一个对象与之相应。为了方便高速画图matplotlib通过pyplot模块提供了一套和MATLAB类似的画图API，将众多画图对象所构成的复杂结构隐藏在这套API内部。我们仅仅须要调用pyplot模块所提供的函数就能够实现高速画图以及设置图表的各种细节。
pyplot模块尽管使用方法简单，但不适合在较大的应用程序中使用。
为了将面向对象的画图库包装成仅仅使用函数的调用接口，pyplot模块的内部保存了当前图表以及当前子图等信息。
当前的图表和子图能够使用plt.gcf()和plt.gca()获得，分别表示"Get Current Figure"和"Get Current Axes"。
在pyplot模块中，很多函数都是对当前的Figure或Axes对象进行处理，比方说： plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的画图。
能够在Ipython中输入类似"plt.plot??
"的命令查看pyplot模块的函数是怎样对各种画图对象进行包装的。
安装numpy和matplotlib
检測是否成功安装：
>>> import numpy
>>> numpy.__version__
>>> import matplotlib
>>> matplotlib.__version__
不同画图语言比較
工科生说Matlab完爆其它
数学系的说Mathematica高贵冷艳
统计系的说R语言作图领域天下无敌
计算机系的说Python低调奢华有内涵
[怎样在论文中画出美丽的插图]
matplotlib.pyplot模块 - 高速画图
matplotlib的pyplot子库提供了和matlab类似的画图API，方便用户高速绘制2D图表。
# coding=gbk
# coding: utf-8
'''
Created on Jul 12, 2014
python 科学计算学习：numpy高速处理数据測试
@author: 皮皮
'''
# import string
import matplotlib.pyplot as plt
if __name__ == '__main__':
fp = open(r"E:machine_learningdatasetshousing_datahousing_data_years_price.txt", 'r')
linesList = fp.readlines()
# print(linesList)
linesList = [line.strip().split(" ") for line in linesList]
fp.close()
print("linesList:")
print(linesList)
# years = [string.atof(x[0]) for x in linesList]
years = [x[0] for x in linesList]
print(years)
price = [x[1] for x in linesList]
print(price)
plt.plot(years, price, 'b*')#,label="$cos(x^2)$")
plt.plot(years, price, 'r')
# plt.plot(years, price, 'o') #散点图
plt.xlabel("years(+2000)")
plt.xlim(0, )
plt.ylabel("housing average price(*2000 yuan)")
plt.ylim(0, )
plt.title('line_regression & gradient decrease')
# plt.legend()
plt.show()
1.调用figure创建一个画图对象，而且使它成为当前的画图对象。（可选）
plt.figure(figsize=(8,4))
也能够不创建画图对象直接调用接下来的plot函数直接画图，matplotlib会为我们自己主动创建一个画图对象。。
假设须要同一时候绘制多幅图表的话，能够是给figure传递一个整数參数指定图标的序号，假设所指定序号的画图对象已经存在的话，将不创建新的对象。而仅仅是让它成为当前画图对象。
figsize參数：指定画图对象的宽度和高度，单位为英寸；dpi參数指定画图对象的分辨率，即每英寸多少个像素，缺省值为80。
因此本例中所创建的图表窗体的宽度为8*80 = 640像素。
可是用show()出来的工具栏中的保存button保存下来的png图像的大小是800*400像素。这是由于保存图表用的函数savefig使用不同的DPI配置，savefig函数也有一个dpi參数，假设不设置的话，将使用matplotlib配置文件里的配置，此配置能够通过例如以下语句进行查看：>>>matplotlib.rcParams["savefig.dpi"]100
2.通过调用plot函数在当前的画图对象中进行画图
plt.plot(years, price, 'b*')#,label="$cos(x^2)$")
plt.plot(years, price, 'r')
Note:
1. 第一句将x,y数组传递给plot
2.通过第三个參数"b--"指定曲线的颜色和线型，这个參数称为格式化參数，它可以通过一些易记的符号高速指定曲线的样式。
当中b表示蓝色。"--"表示线型为虚线。
3. 用keyword參数指定各种属性：
- label : 给所绘制的曲线一个名字，此名字在图示/图例(legend)中显示。仅仅要在字符串前后加入"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
- color : 指定曲线的颜色
- linewidth : 指定曲线的宽度
详细參见【附录 - matplotlib中的作图參数】
3.设置画图对象的各个属性
plt.xlabel("years(+2000)")
plt.ylabel("housing average price(*2000 yuan)")
plt.ylim(0, 15)
plt.title('line_regression & gradient decrease')
plt.legend()
- xlabel : 设置X轴的文字
- ylabel : 设置Y轴的文字
- title : 设置图表的标题
- ylim : 设置Y轴的范围
- legend : 显示图示
4.最后调用plt.show()显示出我们创建的全部画图对象。
Matplotlib 里的经常使用类的包括关系为 Figure -> Axes -> (Line2D, Text, etc.)一个Figure对象能够包括多个子图(Axes)，在matplotlib中用Axes对象表示一个画图区域，能够理解为子图。
5. 绘制多子图
能够使用subplot()高速绘制包括多个子图的图表，它的调用形式例如以下：
subplot(numRows, numCols, plotNum)
subplot将整个画图区域等分为numRows行* numCols列个子区域，然后依照从左到右，从上到下的顺序对每一个子区域进行编号。左上的子区域的编号为1。假设numRows。numCols和plotNum这三个数都小于10的话，能够把它们缩写为一个整数，比如subplot(323)和subplot(3,2,3)是同样的。
subplot在plotNum指定的区域中创建一个轴对象。假设新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。
subplot()返回它所创建的Axes对象，我们能够将它用变量保存起来。然后用sca()交替让它们成为当前Axes对象，并调用plot()在当中画图。
6.绘制多图表
假设须要同一时候绘制多幅图表，能够给figure()传递一个整数參数指定Figure对象的序号。假设序号所指定的Figure对象已经存在。将不创建新的对象。而仅仅是让它成为当前的Figure对象。
import numpy as np
import matplotlib.pyplot as plt
plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(211) # 在图表2中创建子图1
ax2 = plt.subplot(212) # 在图表2中创建子图2
x = np.linspace(0, 3, 100)
for i in xrange(5):
plt.figure(1) #选择图表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1) #选择图表2的子图1
plt.plot(x, np.sin(i*x))
plt.sca(ax2) # 选择图表2的子图2
plt.plot(x, np.cos(i*x))
plt.show()
7. 在图表中显示中文
matplotlib的缺省配置文件里所使用的字体无法正确显示中文。为了让图表能正确显示中文，能够有几种解决方式。
- 在程序中直接指定字体。
- 在程序开头改动配置字典rcParams。
- 改动配置文件。
比較简便的方式是。中文字符串用unicode格式，比如：u''測试中文显示''。代码文件编码使用utf-8 加上" # coding = utf-8 "一行。
8. 面向对象绘图
matplotlib API包括有三层，Artist层处理全部的高层结构，比如处理图表、文字和曲线等的绘制和布局。
通常我们仅仅和Artist打交道。而不须要关心底层的绘制细节。
直接使用Artists创建图表的标准流程例如以下：
- 创建Figure对象
- 用Figure对象创建一个或者多个Axes或者Subplot对象
- 调用Axies等对象的方法创建各种简单类型的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")[matplotlib-绘制精美的图表]
[什么是 Matplotlib （面向对象画图）]
[Python图表绘制：matplotlib画图库入门]9.输出图形设置
matplotlib中绘制完毕图形之后通过show()展示出来，我们还能够通过图形界面中的工具栏对其进行设置并保存
matplotlib改动图片大小
图形界面下方工具栏能够设置图形上下左右的边距
配置属性
matplotlib所绘制的图的每一个组成部分都相应有一个对象，我们能够通过调用这些对象的属性设置方法set_*或者pyplot的属性设置函数setp设置其属性值。
设置对象的属性
比如plot函数返回一个 matplotlib.lines.Line2D 对象的列表，以下的样例显示怎样设置Line2D对象的属性：
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x = np.arange(0, 5, 0.1)
>>> line, = plt.plot(x, x*x) # plot返回一个列表，通过line,获取其第一个元素
>>> # 调用Line2D对象的set_*方法设置属性值
>>> line.set_antialiased(False)
>>> # 同一时候绘制sin和cos两条曲线。lines是一个有两个Line2D对象的列表
>>> lines = plt.plot(x, np.sin(x), x, np.cos(x)) #
>>> # 调用setp函数同一时候配置多个Line2D对象的多个属性值
>>> plt.setp(lines, color="r", linewidth=2.0)
这段样例中。通过调用Line2D对象line的set_antialiased方法，关闭对象的反锯齿效果。或者通过调用plt.setp函数配置多个Line2D对象的颜色和线宽属性。
获取对象的属性值
相同我们能够通过调用Line2D对象的get_*方法，或者plt.getp函数获取对象的属性值：
>>> line.get_linewidth()
1.0
>>> plt.getp(lines[0], "color") # 返回color属性
'r'
>>> plt.getp(lines[1]) # 输出所有属性
alpha = 1.0
animated = False
antialiased or aa = True
axes = Axes(0.125,0.1;0.775x0.8)
... ...
Note:getp函数仅仅能对一个对象进行操作，它有两种使用方法：
- 指定属性名：返回对象的指定属性的值
- 不指定属性名：打印出对象的全部属性和其值
获取当前的画图对象plt.gcf()
matplotlib的整个图表为一个Figure对象，此对象在调用plt.figure函数时返回。我们也能够通过plt.gcf函数获取当前的画图对象：
>>> f = plt.gcf()
>>> plt.getp(f)
alpha = 1.0
animated = False
...
Figure对象axes属性plt.gca()
Figure对象有一个axes属性，其值为AxesSubplot对象的列表，每一个AxesSubplot对象代表图表中的一个子图，前面所绘制的图表仅仅包括一个子图。当前子图也能够通过plt.gca获得
>>> plt.getp(f, "axes")
[<matplotlib.axes.AxesSubplot object at 0x05CDD170>]
>>> plt.gca()
<matplotlib.axes.AxesSubplot object at 0x05CDD170>
获取对象的各种属性plt.getp
用plt.getp能够发现AxesSubplot对象有非常多属性，比如它的lines属性为此子图所包含的 Line2D 对象列表：
>>> alllines = plt.getp(plt.gca(), "lines")
>>> alllines
<a list of 3 Line2D objects>
>>> alllines[0] == line # 当中的第一条曲线就是最開始绘制的那条曲线
True
通过这样的方法我们能够非常easy地查看对象的属性和它们之间的包括关系，找到须要配置的属性。
配置文件
绘制一幅图须要对很多对象的属性进行配置。比如颜色、字体、线型等等。我们在画图时，并没有逐一对这些属性进行配置，很多都直接採用了matplotlib的缺省配置。
matplotlib将这些缺省配置保存在一个名为“matplotlibrc”的配置文件里，通过改动配置文件，我们能够改动图表的缺省样式。
在matplotlib中能够使用多个“matplotlibrc”配置文件。它们的搜索顺序例如以下。顺序靠前的配置文件将会被优先採用。
- 当前路径：程序的当前路径。
- 用户配置路径：通常在用户文件夹的“.matplotlib”文件夹下，能够通过环境变量MATPLOTLIBRC改动它的位置。
- 系统配置路径：保存在matplotlib的安装文件夹下的mpl-data中。
通过以下的语句能够获取用户配置路径：
>>> import matplotlib
>>> matplotlib.get_configdir()
'C:\Documents and Settings\username\.matplotlib'
通过以下的语句能够获得眼下使用的配置文件的路径：
>>> import matplotlib
>>> matplotlib.matplotlib_fname()
'C:\Python26\lib\site-packages\matplotlib\mpl-data\matplotlibrc'
因为在当前路径和用户配置路径中都没有找到配置文件。因此最后使用的是系统配置路径下的配置文件。假设读者将matplotlibrc复制一份到脚本的当前文件夹(比如。c:zhangdoc)下：
>>> import os
>>> os.getcwd()
'C:\zhang\doc'
复制配置文件之后再查看配置文件的路径，就会发现它变为了当前文件夹下的配置文件：
>>> matplotlib.matplotlib_fname()
'C:\zhang\doc\matplotlibrc'
假设读者使用文本编辑器打开此配置文件。就会发现它实际上是一个字典。为了对众多的配置进行区分。字典的键依据配置的种类。用“.”分为多段。
配置文件的读入能够使用rc_params()。它返回一个配置字典：
>>> matplotlib.rc_params()
{'agg.path.chunksize': 0,
'axes.axisbelow': False,
'axes.edgecolor': 'k',
'axes.facecolor': 'w',
... ...
在matplotlib模块加载时会调用rc_params()，并把得到的配置字典保存到rcParams变量中：
>>> matplotlib.rcParams
{'agg.path.chunksize': 0,
'axes.axisbelow': False,
... ...
matplotlib将使用rcParams字典中的配置进行画图。用户能够直接改动此字典中的配置，所做的改变会反映到此后创建的画图元素。比如以下的代码所绘制的折线将带有圆形的点标识符：
>>> matplotlib.rcParams["lines.marker"] = "o"
>>> plt.plot([1,2,3,2])
>>> plt.show()
为了方便对配置字典进行设置，能够使用rc()。
以下的样例同一时候配置点标识符、线宽和颜色：
>>> matplotlib.rc("lines", marker="x", linewidth=2, color="red")
假设希望恢复到缺省的配置(matplotlib加载时从配置文件读入的配置)，能够调用rcdefaults()。
>>> matplotlib.rcdefaults()
假设手工改动了配置文件。希望又一次从配置文件加载最新的配置。能够调用：
>>> matplotlib.rcParams.update( matplotlib.rc_params() )
from:http://blog.csdn.net/pipisorry/article/details/37742423
ref:python matplotlib中全部模块查询：Python Module Index
matplotlib全部类和类中的函数查询：Index
画图命令集合 ： Plotting commands summary
Gallerys : http://matplotlib.org/1.4.3/gallery.html
Matplotlib教程(点击相应的图可见源代码，复制可直接使用)： Matplotlib tutorial
关于各个部件和属性：Figures, Subplots, Axes and Ticks
用Python做科学计算-基础篇——使用pyplot模块画图
matplotlib的一些经常使用命令和技巧