机器学习绘图库Python Matplotlib.pyplot全网最全面新手教程

最近看到一个讲Matplotlib的英文教程写的很高明，兼收并蓄，简单易懂，特意翻译过来，与君共享。原网址在：http://cs231n.github.io/python-numpy-tutorial/#matplotlib 。

---

Matplotlib（https://matplotlib.org/）是一个用来绘图的python库，它的matplotlib.pyplot模块提供了一个与MATLAB非常类似的绘图系统。

绘图（Plotting）

matplotlib中最重要的函数就是plot，它可以绘制二维图像，例子如下：

import numpy as np
import matplotlib.pyplot as plt

# Compute the x and y coordinates for points on a sine curve
x = np.arange(0, 3 * np.pi, 0.1)
y = np.sin(x)

# Plot the points using matplotlib
plt.plot(x, y)
# 注意，必须调用plt.show()，不然图像不会显示出来
plt.show()  

运行上述代码的结果如下：

我们也可以在一幅图里绘制多条曲线，并且加上标题，图例，以及轴标签：

import numpy as np
import matplotlib.pyplot as plt

# Compute the x and y coordinates for points on sine and cosine curves
x = np.arange(0, 3 * np.pi, 0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)

# Plot the points using matplotlib
plt.plot(x, y_sin)
plt.plot(x, y_cos)
plt.xlabel('x axis label')
plt.ylabel('y axis label')
plt.title('Sine and Cosine')
plt.legend(['Sine', 'Cosine'])
plt.show()

有关plot函数更详细更全面的讲解尽在官方文档：https://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.plot 。

子图（Subplots）

使用subplot函数，你就可以在同一个图像里绘制多个子图，栗子如下：

import numpy as np
import matplotlib.pyplot as plt

# Compute the x and y coordinates for points on sine and cosine curves
x = np.arange(0, 3 * np.pi, 0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)

# 我要绘制2行1列的子图，现在声明，我要绘制第1个子图啦~
plt.subplot(2, 1, 1)

# Make the first plot
plt.plot(x, y_sin)
plt.title('Sine')

# 现在声明我要绘制第2个子图啦~
plt.subplot(2, 1, 2)
plt.plot(x, y_cos)
plt.title('Cosine')

# Show the figure.
plt.show()

关于subplot函数更详细的介绍尽在官方文档：https://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.subplot 。

图像（Images）

可以使用imshow函数绘制图像，栗子如下：

import numpy as np
from scipy.misc import imread, imresize
import matplotlib.pyplot as plt

img = imread('assets/cat.jpg')
img_tinted = img * [1, 0.95, 0.9]

# Show the original image
plt.subplot(1, 2, 1)
plt.imshow(img)

# Show the tinted image
plt.subplot(1, 2, 2)

# A slight gotcha with imshow is that it might give strange results
# if presented with data that is not uint8. To work around this, we
# explicitly cast the image to uint8 before displaying it.
plt.imshow(np.uint8(img_tinted))
plt.show()