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，并且Gallery頁面中有上百幅縮略圖，打開之后都有源程序。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(shù)據(jù)圖工具還有gnuplot，這個是免費的，Python有一個包可以調(diào)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(nèi)嵌的latex引擎繪制的數(shù)學公式）。
本文目錄
2. 面向對象畫圖
4. 在圖表中顯示中文
6. 對數(shù)坐標軸
7. 學習資源
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(nèi)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(nèi)部。我們只需要調(diào)用pyplot模塊所提供的函數(shù)就可以實現(xiàn)快速繪圖以及設置圖表的各種細節(jié)。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(shù)的調(diào)用接口，pyplot模塊的內(nèi)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(shù)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，然后再調(diào)用ax.plot()方法實現(xiàn)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(shù)是如何對各種繪圖對象進行包裝的。
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(diào)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(shù)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
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，并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(diào)用rc_params()，并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后創(chuàng)建的繪圖元素。
繪制多子圖（快速繪圖）
Matplotlib 里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(qū)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(diào)用形式如下：
subplot(numRows, numCols, plotNum)
subplot將整個繪圖區(qū)域等分為numRows行* numCols列個子區(qū)域，然后按照從左到右，從上到下的順序對每個子區(qū)域進行編號，左上的子區(qū)域的編號為1。如果numRows，numCols和plotNum這三個數(shù)都小于10的話，可以把它們縮寫為一個整數(shù)，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的區(qū)域中創(chuàng)建一個軸對象。如果新創(chuàng)建的軸和之前創(chuàng)建的軸重疊的話，之前的軸將被刪除。
subplot()返回它所創(chuàng)建的Axes對象，我們可以將它用變量保存起來，然后用sca()交替讓它們成為當前Axes對象，并調(diào)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(shù)參數(shù)指定Figure對象的序號，如果序號所指定的Figure對象已經(jīng)存在，將不創(chuàng)建新的對象，而只是讓它成為當前的Figure對象。
import numpy as npimport matplotlib.pyplot as pltplt.figure(1) # 創(chuàng)建圖表1
plt.figure(2) # 創(chuàng)建圖表2
ax1 = plt.subplot(211) # 在圖表2中創(chuàng)建子圖1
ax2 = plt.subplot(212) # 在圖表2中創(chuàng)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()
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。
比較簡便的方式是，中文字符串用unicode格式，例如：u''測試中文顯示''，代碼文件編碼使用utf-8 加上" # coding = utf-8 "一行。
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(jié)。
直接使用Artists創(chuàng)建圖表的標準流程如下：
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(tǒng)學習）
什么是 Matplotlib （主要講面向對象繪圖，對于新手可能有點亂）
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(shù)，方便用戶快速進行計算和繪圖，十分適合在IPython交互式環(huán)境中使用。這里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(lián)一組x和y值的直線)
import numpy as npimport pylab as plx = [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 npimport pylab as plx = [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 npimport pylab as plx1 = [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(shù)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里plot的時候已經(jīng)指定了label，如plt.plot(x,z,label="
import numpy as npimport pylab as plx1 = [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 npimport 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 arraypl.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(shù)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(shù)參數(shù)指定圖標的序號，如果所指定
序號的繪圖對象已經(jīng)存在的話，將不創(chuàng)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(qū)域等分為2行*1列共兩個區(qū)域, 然后在區(qū)域1(上區(qū)域)中創(chuàng)建一個軸對象. pl.subplot(212)在區(qū)域2(下區(qū)域)創(chuàng)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(diào)節(jié)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(diào)節(jié)的話，可以調(diào)用subplots_adjust函數(shù)，它有l(wèi)eft, right, bottom, top, wspace, hspace等幾個關鍵字參數(shù)，這些參數(shù)的值都是0到1之間的小數(shù)，它們是以繪圖區(qū)域的寬高為1進行正規(guī)化之后的坐標或者長度。
pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)
4 繪制文件中的數(shù)據(jù)Plotting data contained in files
4.1 從Ascii文件中讀取數(shù)據(jù) Reading data from ascii files
讀取文件的方法很多，這里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(shù)據(jù)(文件存取)。
numpy的loadtxt方法可以直接讀取如下文本數(shù)據(jù)到numpy二維數(shù)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 npimport pylab as pl# Use numpy to load the data contained in the file
# ’fakedata.txt’ into a 2-D array called datadata = 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(shù)據(jù)到文件 Writing data to a text file
寫文件的方法也很多，這里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 = ’, xprint ’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 filefor 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 typetxt = 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
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"
x2y4 ")
在matplotlib里面，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:
produces "
這里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=12σ21,c=5,σ1=?2 ")
ax.legend()
ax.set_xlabel(r"x")
ax.set_ylabel(r"y")
程序執(zhí)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(xù)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(diào)用plot函數(shù)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(x2) ")
plot函數(shù)的調(diào)用方式很靈活，第一句將x,y數(shù)組傳遞給plot之后，用關鍵字參數(shù)指定各種屬性：
詳細的可以參考matplotlib官方教程:
Writing mathematical expressions
有幾個問題：
參考文獻自動搜集管理完美攻略（圖文版）:Latex+Lyx+Zotero
在實際中，我們可能經(jīng)常會用到對數(shù)坐標軸，這時可以用下面的三個函數(shù)來實現(xiàn)
ax.semilogx(x,y) #x軸為對數(shù)坐標軸
ax.semilogy(x,y) #y軸為對數(shù)坐標軸
ax.loglog(x,y) #雙對數(shù)坐標軸
Gnuplot的介紹
官方英文資料：
IBM:基于 Python Matplotlib 模塊的高質量圖形輸出(2005年的文章有點舊)
matplotlib技巧集(繪制不連續(xù)函數(shù)的不連續(xù)點；參數(shù)曲線上繪制方向箭頭；修改缺省刻度數(shù)目；Y軸不同區(qū)間使用不同顏色填充的曲線區(qū)域。)
聯(lián)系客服
