使用matplotlib绘制图表

我们先来看什么是Figure和Axes对象。在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。其逻辑关系如下：

                                                      

以下整个图像是fig对象。我们的绘图中只有一个坐标系区域，也就是ax。此外还有以下对象。(括号中表示对象的基本类型)

                                                    

Title为标题；

Axis为坐标轴；

Label为坐标轴标注；

Tick为刻度线；

Tick Label为刻度注释。

各个对象之间有下面的对象隶属关系：

                                                                 

(yaxis同样有tick, label和tick label，没有画出)

尽管data是数据绘图的关键部分，也就是数据本身的图形化显示，但是必须和xaxis, yaxis, title一起，才能真正构成一个绘图区域axes。一个单纯的，无法读出刻度的

坐标

坐标是计算机绘图的基础。计算机屏幕是由一个个像素点构成的。想要在屏幕上显示图像，计算机必须告诉屏幕每个像素点上显示什么。所以，最贴近硬件的坐标体系是以像素为单位的坐标体系。我们可以通过具体说明像素位置来标明显示器上的某一点。这叫做显示坐标(display coordinate)，以像素为单位。

然而，像素坐标不容易被纳入绘图逻辑。相同的程序，在不同的显示器上就要调整像素值，以保证图像不变形。所以一般情况下，还会有图像坐标和数据坐标。

图像坐标将一张图的左下角视为原点，将图像的x方向和y方向总长度都看做1。x方向的0.2就是指20%的图像在x方向的总长，y方向0.8的长度指80%的y方向总长。(0.5, 0.5)是图像的中点，(1, 1)指图像的右上角。比如下面的程序，我们在使用add_axes时，传递的参数中，前两个元素为axes的左下角在fig的图像坐标上的位置，后两个元素指axes在fig的图像坐标上x方向和y方向的长度。fig的图像坐标称为Figure坐标，储存在为fig.transFigure

线是没有意义的。xaxis, yaxis, title合起来构成了数据的辅助部分(data guide)。

例程1：

#!/usr/bin/env python  
import matplotlib.pyplot as plt  
  
plt.plot([10, 20, 30])  
plt.xlabel('tiems')  
plt.ylabel('numbers')  
plt.show()

例程二：

    #!/usr/bin/env python  
    # -*- coding: utf-8 -*-  
      
    import numpy as np  
    import matplotlib.pyplot as plt  
      
    t = np.arange(0.0, 1.01, 0.01)  
    s = np.sin(2*2*np.pi*t)  
      
    plt.fill(t, s*np.exp(-5*t), 'r')  
    plt.grid(True)  
      
    #保存为PDF格式，也可保存为PNG等图形格式  
    plt.savefig('D:\\test.pdf')  
    plt.show()  

例程三：

import numpy as np
import matplotlib.pyplot as plt

x  = [4,5,5,7,8]
t1 = [1,2,4,4,6]
t2 = [1,2,3,4,5]

plt.figure(1)

plt.plot(t1,'k')
plt.scatter(x,t2,s=2,alpha=1)

plt.show()

例程四：

import numpy as np
import matplotlib.pyplot as plt

x  = [1,2,3,4,5]
t1 = [1,2,3,4,5]
t2 = [1,4,6,8,10]
t3 = [1,8,9,10,20]

plt.figure(1)

#add line
plt.plot(t1,'r')

#add circle
plt.plot(t2,'o')

#add dian
plt.scatter(x,t2,s=2,alpha=1)


plt.xlabel('date(2000+)')
plt.ylabel('house prices')
plt.title('just testing for line and pot')

• title : 设置图表的标题
• ylim : 设置Y轴的范围
• legend : 显示图示最后调用plt.show()显示出我们创建的所有绘图对象。

2 两种常用图类型：Line and scatter plots(使用plot()命令), histogram(使用hist()命令)

2.1 折线图&散点图 Line and scatter plots

2.1.1 折线图 Line plots(关联一组x和y值的直线)

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 valuesfor 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 散点图 Scatter plots

把pl.plot(x, y)改成pl.plot(x, y, 'o')即可，下图的蓝色版本

 

2.2 美化 Making things look pretty

2.2.1 线条颜色 Changing the line color

红色：把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)

                                                                            

                                                                                                       

参考文献：

http://www.cnblogs.com/vamei/archive/2013/01/30/2879700.html

http://blog.csdn.net/dyx1024/article/details/7296748

http://www.2cto.com/kf/201407/317115.html

http://www.tuicool.com/articles/7zYNZfI

http://www.it165.net/pro/html/201406/15941.html