Python-matplotlib学习

Python下关于matplotlib的基本使用如下，更多的用法请参考matplotlib的API：http://matplotlib.org/tutorials/index.html#intermediate

import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()

运行结果如下：

当你看到结果可能笔记好奇，为什么x轴是[0,3]。因为当plot只有一个list或array参数时，它默认是y轴的参数，所有它将自动产生一个x轴的范围，但由于python的变量以0作为开始，并且x轴与y轴有相同的长度，所有x的范围就是[0,3]了。
##设置坐标轴的范围
通过plt.axis([xmin, xmax, ymin, ymax])

import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
# plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 5, 0, 20])
plt.show()
plt.ylabel('some numbers')
plt.show()

波形格式化

使用pyplot画图时，默认为‘b-’，即曲线的颜色为蓝色实线，通过其它方式来控制波形的颜色和形状。

import matplotlib.pyplot as plt
import numpy as np

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--',t, t+10, 'r-', t, t**2+1, 'bs', t, t**3, 'g^')
plt.show()
plt.show()

以类别的形式画图

import matplotlib.pyplot as plt
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]

plt.figure(1, figsize=(9, 3))

plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()

绘制离散数据

绘制离散数据通过plt.scatter函数

import numpy as np
import matplotlib.pyplot as plt

# Fixing random state for reproducibility
np.random.seed(19680801)
N = 10
x = np.random.rand(N)
y = np.random.rand(N)
print(y)
colors = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N))**2  # 0 to 15 point radii

plt.scatter(x, y, s=area, c=colors, alpha=0.5)
plt.show()

绘制动态数据

    plt.ion()  # 开启interactive mode 成功的关键函数
    plt.figure(1)
    for i, x0 in enumerate(x_2):
       y0 = y_2[i]
       plot1 = plt.plot(x0, y0, 's', label='original values')
       plt.draw()
       plt.pause(0.000001)