小白学Python——Matplotlib 学习（1）

众所周知，通过数据绘图，我们可以将枯燥的数字转换成容易被人们接受的图表，从而让人留下更加深刻的印象。而大多数编程语言都有自己的绘图工具，matplotlib就是基于Python的绘图工具包，使用它我们可以仅仅使用几行代码就生成 饼图、直方图、功率谱、条形图、错误图、散点图、气泡图，甚至生成动态图型也都很轻松。而且它的绘图方法丰富，可以在各种交互式环境中运行，且生成的图像质量高、兼容各种硬拷贝格式。

 

matplotlib的官网地址是https://matplotlib.org/index.html，下面这些是他们官网的一些示例图形。

 

pip安装

Matplotlib的安装比较容易，可以直接通过pip安装，也可以通过下载安装包的方式安装。博主使用的是python3，相关的安装命令如下：

 

pip install matplotlib

 

Matplotlib是整个包，matplotlib.pyplot是Matplotlib中的一个模块。对于pyplot模块中的功能，始终存在“当前”图形和轴（根据请求自动创建）。例如，在下面的例子中，在第一次调用plt.plot创建轴，则后续调用plt.plot在同一坐标添加额外的线，以及 plt.xlabel，plt.ylabel，plt.title和plt.legend设置轴标签和标题和添加的图例。pylab是一个便利模块，可以 在单个命名空间中批量导入 matplotlib.pyplot（用于绘图）和numpy（用于数学和使用数组）。不推荐使用pylab，并且由于命名空间污染而强烈建议不要使用它。请改用pyplot。对于非交互式绘图，建议使用pyplot创建图形，然后使用OO界面进行绘图。pyplot是matplotlib的一个模块，pylab是与matplotlib共同安装的模块。

 

matplotlib的用户指南分为三个等级：入门，中级，高级。在入门级，主要介绍下图内容

这里我首先介绍 使用指南 部分，即 Usage Guide。

1.一张图的组成

在使用matplotlib画图时，你会发现各种参数，下面就说说这些参数具体设置什么

 

 简单绘图

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

import matplotlib.pyplot as plt import numpy as np   x = np.linspace(0, 2, 100)   plt.plot(x, x, label='linear') plt.plot(x, x**2, label='quadratic') plt.plot(x, x**3, label='cubic')   plt.xlabel('x label') plt.ylabel('y label')   plt.title("Simple Plot")   plt.legend()   plt.show()

　　

 

 

 

sinx 函数

?

1 2 3 4 5 6 7

import matplotlib.pyplot as plt import numpy as np x = np.arange(0, 10, 0.2) y = np.sin(x) fig, ax = plt.subplots() ax.plot(x, y)<br>plt.title("Sin(x)") plt.show()

　　

 

 

自定义画图函数 

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

import matplotlib.pyplot as plt import numpy as np   def my_plotter(ax, data1, data2, param_dict):     """     A helper function to make a graph       Parameters     ----------     ax : Axes         The axes to draw to       data1 : array        The x data       data2 : array        The y data       param_dict : dict        Dictionary of kwargs to pass to ax.plot       Returns     -------     out : list         list of artists added     """     out = ax.plot(data1, data2, **param_dict)     return out   # which you would then use as:   data1, data2, data3, data4 = np.random.randn(4, 100) fig, ax = plt.subplots(1, 1) my_plotter(ax, data1, data2, {'marker': 'x'})   plt.show()

　　

 

 

生成2个子图

?

1 2 3

fig, (ax1, ax2) = plt.subplots(1, 2) my_plotter(ax1, data1, data2, {'marker': 'x'}) my_plotter(ax2, data3, data4, {'marker': 'o'})

　　

 

交互模式

交互模式也可以通过matplotlib.pyplot.ion()，然后关闭通过打开matplotlib.pyplot.ioff()。

 

 

?

1 2 3 4 5 6 7 8 9 10 11 12

#交互式示例import matplotlib.pyplot as plt plt.ion() plt.plot([1.6, 2.7])   plt.title("interactive test") plt.xlabel("index")   ax = plt.gca() ax.plot([3.1, 2.2])   #旧版本调用draw()显示图象 plt.draw()

　　

 

 

?

1 2 3 4 5 6 7 8

#非交互式示例 import numpy as np import matplotlib.pyplot as plt   plt.ioff() for i in range(3):     plt.plot(np.random.rand(10))     plt.show()

　　

 

 

在交互模式下，pyplot功能会自动绘制到屏幕上。

以交互方式绘制时，如果除了pyplot函数之外还使用对象方法调用，则draw()只要您想刷新绘图，就会调用。

在要生成一个或多个图形的脚本中使用非交互模式，并在结束或生成一组新图形之前显示它们。在这种情况下，用于 show()显示图形并阻止执行，直到您手动销毁它们。