python中的matplotlib（1）

调用matplotlib画图的流程：

1. 调用figure()得到fig对象
2. 调用fig.add_subplot(111)得到axis对象
3. 调用plt.plot绘制
4. plt.show()显示出figure

add_subplot()

返回一个axes对象，里面的参数abc表示在一个figure窗口中，有a行b列个小窗口，然后本次plot在第c个窗口中

from numpy import *
import matplotlib.pyplot as plt  

x=arange(0,10,0.1)  # [ 0.   0.1  0.2 ...,  9.7  9.8  9.9]
print(len(x))
y=random.randn(len(x))  
fig=plt.figure()  
ax=fig.add_subplot(111)  
plt.plot(x,y)  
ax.set_title('random numbers')  
plt.show()  

结果：

如果一块画布中要显示多个图：

from numpy import *
import matplotlib.pyplot as plt  

fig = plt.figure()
ax = fig.add_subplot(2,1,1)
ax.plot(x,y)
ax = fig.add_subplot(2,2,3)
ax.plot(x,y)
plt.show()

结果：

画散点图scatter

matplotlib.pyplot.scatter(x,y,s=20,c=’b’,marker=’o’,cmap=None,norm=None,vmin=None,
vmax=None,linewidths=None,verts=None,hold=None,**kwargs)

绘制散点图时，其中x和y是相同长度的数组：

其中散点的形状参数marker如下：

其中颜色参数c如下:

b—(blue) g–(green) k—(blace) y–(yellow)

c—(cyan) m–(magenta) r–(red) w–(white )

显示标题，坐标轴，和图标：

from numpy import *
import matplotlib.pyplot as plt  

#产生测试数据  
x = np.arange(1,10)  
y = x  
fig = plt.figure()  
ax1 = fig.add_subplot(111)  
#设置标题  
ax1.set_title('Scatter Plot')  
#设置X轴标签  
plt.xlabel('X')  
#设置Y轴标签  
plt.ylabel('Y')  
#画散点图  
ax1.scatter(x,y,c = 'r',marker = 'o')  
#设置图标  
plt.legend('y')  
#显示所画的图  
plt.show()  

标记不同大小：

from numpy import *
import matplotlib.pyplot as plt  

#产生测试数据  
x = np.arange(1,10)  
y = x  
fig = plt.figure()  
ax1 = fig.add_subplot(111)  
#设置标题  
ax1.set_title('Scatter Plot')  
#设置X轴标签  
plt.xlabel('X')  
#设置Y轴标签  
plt.ylabel('Y')  
# ..........................
#画散点图  
sValue = x*10  
ax1.scatter(x,y,s=sValue,c='r',marker='x')  
#设置图标  
plt.legend('x1')  
#显示所画的图  
plt.show()  

标记不同颜色：

from numpy import *
#import operator # 运算符模块,执行排序操作时将用到
import matplotlib.pyplot as plt  

#产生测试数据  
x = np.arange(1,10)  
y = x  
fig = plt.figure()  
ax1 = fig.add_subplot(111)  
#设置标题  
ax1.set_title('Scatter Plot')  
#设置X轴标签  
plt.xlabel('X')  
#设置Y轴标签  
plt.ylabel('Y')  
#画散点图  
cValue = ['r','y','g','b','r','y','g','b','r']  
ax1.scatter(x,y,c=cValue,marker='s')  
#设置图标  
plt.legend('x1')  
#显示所画的图  
plt.show()  

线宽linewidths

from numpy import *
import matplotlib.pyplot as plt  

#产生测试数据 
x = arange(1,10)
y = x 
z=[1,1,1,2,2,2,3,3,3]
print(z) 
fig = plt.figure()  
ax1 = fig.add_subplot(111)  
#设置标题  
ax1.set_title('Scatter Plot')  
#设置X轴标签  
plt.xlabel('X')  
#设置Y轴标签  
plt.ylabel('Y')  
#画散点图，其中c=z表示有1，2，3种颜色，s=100表示固定大小为100
ax1.scatter(x,y,c=z,s=100,marker='o')  
#设置图标  
plt.legend('x1')  
#显示所画的图  
plt.show()  

当然也可以让其图标大小和颜色随样本的属性而变化：

from numpy import *
import matplotlib.pyplot as plt  

#产生测试数据  
x = arange(1,10)
y = x 
z=[1,1,1,2,2,2,3,3,3]
print(z) 
fig = plt.figure()  
ax1 = fig.add_subplot(111)  
#设置标题  
ax1.set_title('Scatter Plot')  
#设置X轴标签  
plt.xlabel('X')  
#设置Y轴标签  
plt.ylabel('Y')  
#画散点图   
#ax1.scatter(x,y,c=z,s=100,marker='o')  
ax1.scatter(x,y,c=x,s=50*x,marker='o')
#设置图标  
plt.legend('x1')  
#显示所画的图  
plt.show()  

---

matplotlib的matplotlib.pyplot

在机器学习的决策树中要绘制树形图，会用到pyplot函数
效果如下：

>>> import matplotlib.pyplot as plt
>>> fig = plt.figure(1, facecolor='white') #创建新图形,背景为白色
>>> fig.clf()  # 清空绘图区
>>> createPlot.ax1 = plt.subplot(111, frameon=True)

>>> createPlot.ax1 = plt.subplot(111, frameon=False)

import matplotlib.pyplot as plt

def createPlot():
    fig = plt.figure(1, facecolor='white') #创建新图形
    fig.clf()  # 清空绘图区
    createPlot.ax1 = plt.subplot(121, frameon=True)
    createPlot.ax1 = plt.subplot(122, frameon=False)
    plt.show()

createPlot()    

其他的以后用到了再添加。。。。。

参考：

http://blog.csdn.net/pipisorry/article/details/40005163
http://www.cnblogs.com/bovine/archive/2012/11/09/2763374.html
http://blog.csdn.net/anneqiqi/article/details/64125186