Pyplot教程（深度学习入门3）
源地址：http://matplotlib.org/users/pyplot_tutorial.html
Pyplot tutorial¶
matplotlib.pyplot是一组命令函数集合，使得matplotlib.pyplot像matlab一样工作。每个pyplot函数可以对图片做一些操作，比如：创建图片，在图片中创建绘图区域，在绘图区域中画一些线，在所绘的图上添加属性等等。在matplotlib.pyplot中，pyplot通过函数调用保存各个状态，以便跟踪如当前图形或绘图区域的内容。
import matplotlib.pyplot as plt
import numpy as np
plt.plot([1,2,3,4])
plt.ylabel('some numbers')
plt.show()
读者也许会感到奇怪，为什么绘制一个从1-4的列表，会给出一个二维的显示。当绘制一个一维列表或序列时，plot函数会认为这是y轴的值加以显示，x轴的值自动生成。由于python从0开始，而给出的数据是1-4共计4个数字，所以x轴的数据是0-3同样也是4个数字.
plot()是一组通用命令，可以接受任意的参数，也可以同时接受x与y，例如：plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plot()有第三个可选参数，即可以选择线形以及颜色。所有用于表示颜色和形状的字符源于MATLAB，默认的字符为‘b-’（如果用过matlab肯定知道）。举例来说：
plt.plot([1,2,3,4], [1,4,9,16], 'ro')
plt.axis([0, 6, 0, 20])
plt.show()
上面例子中的axis()中的list参数表示[xmin, xmax, ymin, ymax]，同时可以指定轴的可视范围。
一般情况下，我们使用numpy提供的数组。事实上，所有的数组都需要内部转换为numpy提供的数组。下面的例子采用一条语句实现不同风格的线。
线的属性¶
可以设置的线属性主要包含有：线宽、虚实等等。线属性的设置方法有如下几种：
1.使用关键字参数：plt.plot(x, y, linewidth=2.0)
2.使用Line2D实例，plot返回Line2D对象，例如：line1, line2 = plot(x1, y1, x2, y2)。
3.获得线属性，使用setp（）函数设置
Line2D属性的详细属性见：http://matplotlib.org/users/pyplot_tutorial.html
操作多线条与多图片¶
Matlab与pyplot针对当前图片或当前轴进行操作，gca()返回当前坐标轴，gcf()返回当前的图片。一般情况下，不用理会这两个操作，下面的操作帮你完成你的任务
def f(t):
return np.exp(-t) * np.cos(2*np.pi*t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.figure(1)
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()
figure()操作是可选操作，系统默认创建的图像为figure 1。subplot的默认操作为subplot(111)。
你可以通过多次调用figure()函数。
plt.figure(1) # the first figure
plt.subplot(211) # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212) # the second subplot in the first figure
plt.plot([4, 5, 6])
plt.figure(2) # a second figure
plt.plot([4, 5, 6]) # creates a subplot(111) by default
plt.figure(1) # figure 1 current; subplot(212) still current
plt.subplot(211) # make subplot(211) in figure1 current
plt.title('Easy as 1, 2, 3') # subplot 211 title
plt.show()
text（）命令可用于在任意位置添加文本，并使用xlabel（），ylabel（）和title（）在指定位置添加文本
# Fixing random state for reproducibility
np.random.seed(19680801)
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# the histogram of the data
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()
所有的text()命令返回 matplotlib.text.Text实例。通过传递关键词参数到text()，属性可以被定制。比如：t = plt.xlabel('my data', fontsize=14, color='red')
annotate()方法可以很方便的提供注解功能，在注释函数中，有两点需要注意：1.注解箭头需要添加的位置，用xy表示，以及注解内容的位置，用xytext表示。添加注解：
ax = plt.subplot(111)
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05),
)
plt.ylim(-2,2)
plt.show()
对数以及其他非线性表示¶
matplotlib.pyplot不仅支持线性，还支持对数和对数。 如果数据跨越许多数量级，这是常用的方法。 更改很容易：
from matplotlib.ticker import NullFormatter
# Fixing random state for reproducibility
np.random.seed(19680801)
# make up some data in the interval ]0, 1[
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))
# plot with various axes scales
plt.figure(1)
# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)
# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)
# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthreshy=0.01)
plt.title('symlog')
plt.grid(True)
# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Format the minor tick labels of the y-axis into empty strings with
# `NullFormatter`, to avoid cumbering the axis with too many labels.
plt.gca().yaxis.set_minor_formatter(NullFormatter())
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
wspace=0.35)
plt.show()
