Python学习笔记--Numpy--Matplotlib基础

原文地址:https://github.com/lijin-THU/notes-python/blob/master/03-numpy/03.02-matplotlib-basics.ipynb

Matplotlib 基础

在使用Numpy之前，需要了解一些画图的基础。

Matplotlib是一个类似Matlab的工具包，主页地址为

http://matplotlib.org

导入 matplotlib 和 numpy：

In [1]:

%pylab

Using matplotlib backend: Qt4Agg

Populating the interactive namespace from numpy and matplotlib

plot 二维图

plot ( y )

plot ( x , y )

plot ( x , y , format_string )

只给定 y 值，默认以下标为 x 轴：

In [2]:

% matplotlib inline

x = linspace ( 0 , 2 * pi , 50 )

plot ( sin ( x ))

Out[2]:

[<matplotlib.lines.Line2D at 0xa086fd0>]

给定 x 和 y 值：

In [3]:

plot(x, sin(x))

Out[3]:

[<matplotlib.lines.Line2D at 0xa241898>]

多条数据线：

In [4]:

plot ( x , sin ( x ),

x , sin ( 2 * x ))

Out[4]:

[<matplotlib.lines.Line2D at 0xa508b00>,

<matplotlib.lines.Line2D at 0xa508d30>]

使用字符串，给定线条参数：

In [5]:

plot(x, sin(x), 'r-^')

Out[5]:

[<matplotlib.lines.Line2D at 0xba6ea20>]

多线条：

In [9]:

plot ( x , sin ( x ), 'b-o' ,

x , sin ( 2 * x ), 'r-^' )

Out[9]:

[<matplotlib.lines.Line2D at 0xbcf1710>,

<matplotlib.lines.Line2D at 0xbcf1940>]

更多参数设置，请查阅帮助。事实上，字符串使用的格式与Matlab相同。

scatter 散点图

scatter ( x , y )

scatter ( x , y , size )

scatter ( x , y , size , color )

假设我们想画二维散点图：

In [10]:

plot(x, sin(x), 'bo')

Out[10]:

[<matplotlib.lines.Line2D at 0xbd6c0b8>]

可以使用 scatter 达到同样的效果：

In [11]:

scatter(x, sin(x))

Out[11]:

<matplotlib.collections.PathCollection at 0xbd996d8>

事实上，scatter函数与Matlab的用法相同，还可以指定它的大小，颜色等参数：

In [12]:

x = rand ( 200 )

y = rand ( 200 )

size = rand ( 200 ) * 30

color = rand ( 200 )

scatter ( x , y , size , color )

# 显示颜色条

colorbar ()

Out[12]:

<matplotlib.colorbar.Colorbar instance at 0x000000000C31F448>

多图

使用figure()命令产生新的图像：

In [13]:

t = linspace ( 0 , 2 * pi , 50 )

x = sin ( t )

y = cos ( t )

figure ()

plot ( x )

figure ()

plot ( y )

Out[13]:

[<matplotlib.lines.Line2D at 0xc680cf8>]

或者使用 subplot 在一幅图中画多幅子图：

subplot(row, column, index)

In [15]:

subplot ( 1 , 2 , 1 )

plot ( x )

subplot ( 1 , 2 , 2 )

plot ( y )

Out[15]:

[<matplotlib.lines.Line2D at 0xcd47518>]

向图中添加数据

默认多次 plot 会叠加：

In [16]:

plot ( x )

plot ( y )

Out[16]:

[<matplotlib.lines.Line2D at 0xcbcfd30>]

可以跟Matlab类似用 hold(False)关掉，这样新图会将原图覆盖：

In [17]:

plot ( x )

hold ( False )

plot ( y )

# 恢复原来设定

hold ( True )

Out[17]:

[<matplotlib.lines.Line2D at 0xcf4b9b0>]

标签

可以在 plot 中加入 label ，使用 legend 加上图例：

In [19]:

plot ( x , label = 'sin' )

plot ( y , label = 'cos' )

legend ()

Out[19]:

<matplotlib.legend.Legend at 0xd2089b0>

或者直接在 legend中加入：

In [21]:

plot ( x )

plot ( y )

legend ([ 'sin' , 'cos' ])

Out[21]:

<matplotlib.legend.Legend at 0xd51fb00>

坐标轴，标题，网格

可以设置坐标轴的标签和标题：

In [22]:

plot ( x , sin ( x ))

xlabel ( 'radians' )

# 可以设置字体大小

ylabel ( 'amplitude' , fontsize = 'large' )

title ( 'Sin(x)' )

Out[22]:

<matplotlib.text.Text at 0xd727dd8>

用 'grid()' 来显示网格：

In [23]:

plot ( x , sin ( x ))

xlabel ( 'radians' )

ylabel ( 'amplitude' , fontsize = 'large' )

title ( 'Sin(x)' )

grid ()

清除、关闭图像

清除已有的图像使用：

clf()

关闭当前图像：

close()

关闭所有图像：

close('all')

imshow 显示图片

灰度图片可以看成二维数组：

In [25]:

# 导入lena图片

from scipy.misc import lena

img = lena ()

img

Out[25]:

array([[162, 162, 162, ..., 170, 155, 128],

[162, 162, 162, ..., 170, 155, 128],

...,

[162, 162, 162, ..., 170, 155, 128], [ 43, 43, 50, ..., 104, 100, 98],

[ 44, 44, 55, ..., 104, 105, 108]])

[ 44, 44, 55, ..., 104, 105, 108],

我们可以用 imshow() 来显示图片数据：

In [26]:

imshow ( img ,

# 设置坐标范围

extent = [ - 25 , 25 , - 25 , 25 ],

# 设置colormap

cmap = cm . bone )

colorbar ()

Out[26]:

<matplotlib.colorbar.Colorbar instance at 0x000000000DECFD88>

更多参数和用法可以参阅帮助。

这里 cm 表示 colormap，可以看它的种类：

In [28]:

dir(cm)

Out[28]:

使用不同的 colormap 会有不同的显示效果。

In [29]:

imshow(img, cmap=cm.RdGy_r)

Out[29]:

<matplotlib.image.AxesImage at 0xe0883c8>

从脚本中运行

在脚本中使用 plot 时，通常图像是不会直接显示的，需要增加 show() 选项，只有在遇到 show() 命令之后，图像才会显示。

直方图

从高斯分布随机生成1000个点得到的直方图：

In [30]:

hist(randn(1000))

Out[30]:

(array([ 2., 7., 37., 119., 216., 270., 223., 82., 31., 13.]),

array([-3.65594649, -2.98847032, -2.32099415, -1.65351798, -0.98604181,

3.01881521]),

-0.31856564, 0.34891053, 1.0163867 , 1.68386287, 2.35133904,

<a list of 10 Patch objects>)

更多例子请参考下列网站：

http://matplotlib.org/gallery.html