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)