python学习（三）：matplotlib学习

前言：matplotlib是一个python的第三方库，里面的pyplot可以用来作图。下面来学习一下如何使用它的资源。

一、使用前

首先在python中使用任何第三方库时，都必须先将其引入。即：

import matplotlib.pyplot as plt

或者：

from matplotlib.pyplot import *

二、用法

1.建立空白图

fig = plt.figure()

得到如下图的效果：
图片上方—–（这里由于图是空白的所以看不见内容）——————————–

图片下方——–（这里由于图是空白的所以看不见内容）———————————-

也可以指定所建立图的大小

fig = plt.figure(figsize=(4,2))

效果如下：
图片上方—–（这里由于图是空白的所以看不见内容）——————————–

图片下方——–（这里由于图是空白的所以看不见内容）———————————-
当然我们也可以建立一个包含多个子图的图，使用语句：

plt.figure(figsize=(12,6))
plt.subplot(231)
plt.subplot(232)
plt.subplot(233)
plt.subplot(234)
plt.subplot(235)
plt.subplot(236)
plt.show()

效果如下：

其中subplot()函数中的三个数字，第一个表示Y轴方向的子图个数，第二个表示X轴方向的子图个数，第三个则表示当前要画图的焦点。

当然上述写法并不是唯一的，比如我们也可以这样写：

fig = plt.figure(figsize=(6, 6))
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)
plt.show()

效果如下：

可以看到图中的x,y轴坐标都是从0到1，当然有时候我们需要其他的坐标起始值。
此时可以使用语句指定：

ax1.axis([-1, 1, -1, 1])

或者：

plt.axis([-1, 1, -1, 1])

效果如下：

注意第一个子图。

2.向空白图中添加内容，想你所想，画你所想

首先给出一组数据：

x = [1, 2, 3, 4, 5]
y = [2.3, 3.4, 1.2, 6.6, 7.0]

A.画散点图*

plt.scatter(x, y, color='r', marker='+')
plt.show()

效果如下：

这里的参数意义：

1. x为横坐标向量，y为纵坐标向量，x,y的长度必须一致。

2. 控制颜色：color为散点的颜色标志，常用color的表示如下：

   b---blue   c---cyan  g---green    k----black
   m---magenta r---red  w---white    y----yellow

   有四种表示颜色的方式:

   • 用全名
   • 16进制，如：#FF00FF
   • 灰度强度，如：‘0.7’

3. 控制标记风格：marker为散点的标记，标记风格有多种：

   .  Point marker
   ,  Pixel marker
   o  Circle marker
   v  Triangle down marker 
   ^  Triangle up marker 
   <  Triangle left marker 
   >  Triangle right marker 
   1  Tripod down marker
   2  Tripod up marker
   3  Tripod left marker
   4  Tripod right marker
   s  Square marker
   p  Pentagon marker
   *  Star marker
   h  Hexagon marker
   H  Rotated hexagon D Diamond marker
   d  Thin diamond marker
   | Vertical line (vlinesymbol) marker
   _  Horizontal line (hline symbol) marker
   +  Plus marker
   x  Cross (x) marker

B.函数图（折线图）

数据还是上面的。

fig = plt.figure(figsize=(12, 6))
plt.subplot(121)
plt.plot(x, y, color='r', linestyle='-')
plt.subplot(122)
plt.plot(x, y, color='r', linestyle='--')
plt.show()

效果如下：

这里有一个新的参数linestyle，控制的是线型的格式：符号和线型之间的对应关系

-      实线
--     短线
-.     短点相间线
：     虚点线

另外除了给出数据画图之外，我们也可以利用函数表达式进行画图，例如：y=sin(x)

from math import *
from numpy import *
x = arange(-math.pi, math.pi, 0.01)
y = [sin(xx) for xx in x]
plt.figure()
plt.plot(x, y, color='r', linestyle='-.')
plt.show()

效果如下：

C.扇形图

示例：

import matplotlib.pyplot as plt
y = [2.3, 3.4, 1.2, 6.6, 7.0]
plt.figure()
plt.pie(y)
plt.title('PIE')
plt.show()

效果如下：

D.柱状图bar

示例：

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2.3, 3.4, 1.2, 6.6, 7.0]

plt.figure()
plt.bar(x, y)
plt.title("bar")
plt.show()

效果如下：

E.二维图形（等高线，本地图片等）

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.image as mpimg
# 2D data

delta = 0.025
x = y = np.arange(-3.0, 3.0, delta)
X, Y = np.meshgrid(x, y)
Z = Y**2 + X**2
plt.figure(figsize=(12, 6))
plt.subplot(121)
plt.contour(X, Y, Z)
plt.colorbar()
plt.title("contour")

# read image

img=mpimg.imread('marvin.jpg')

plt.subplot(122)
plt.imshow(img)
plt.title("imshow")
plt.show()
#plt.savefig("matplot_sample.jpg")

效果图：

F.对所画图进行补充

__author__ = 'wenbaoli'


import matplotlib.pyplot as plt
from math import *
from numpy import *
x = arange(-math.pi, math.pi, 0.01)
y = [sin(xx) for xx in x]
plt.figure()
plt.plot(x, y, color='r', linestyle='-')
plt.xlabel(u'X')#fill the meaning of X axis
plt.ylabel(u'Sin(X)')#fill the meaning of Y axis
plt.title(u'sin(x)')#add the title of the figure

plt.show()

效果图：

三、结束语

尽管上述例子给出了基本的画图方法，但是其中的函数还有很多其他的用法（参数可能不只如此），因此本文只能算做一个基本入门。还需要参考API进行详尽的知识学习。

四、参考

上述内容部分引用自：

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