什么是Matplotlib
引用维基百科中的定义，Matplotlib是Python编程语言及其数学扩展包Numpy的可视化操作界面。通过利用Tkinter、wxPython、QT、GTK+等通用图形用户界面工具包，为应用程序嵌入式绘图提供了API。此外，它还有一个基于图像处理库的pylab接口，其设计与Matlab十分相似；
如何使用Matplotlib
我将通过代码实例的形式给出Matplotlib的使用方法，具体情况如下：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2018/12/21 9:59
# @Author : Cunyu
# @Site : cunyu1943.github.io
# @File : matplotlib_examples.py
# @Software: PyCharm
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
"""
基本使用
"""
x = np.linspace(-5, 5, 100)
y1 = 2 * x +5
y2 = x ** 2
# 定义一个图像窗口，并画出图像
plt.figure(num=1, figsize=(8,5))
plt.plot(x, y1, label = 'linear', color = 'red', linestyle='--')
plt.plot(x, y2, label = 'square', color = 'blue')
# 调整坐标轴名字及其间隔
plt.ylim(-5, 20)
plt.xlim(-5, 5)
plt.xlabel('x')
plt.ylabel('y')
# 设置坐标轴刻度及对应名
new_ticks = np.linspace(-5, 4, 10)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-3, -1, 3, 10, 18],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
# 获取坐标轴信息
ax = plt.gca()
# 设置边框信息,将上边框和右边框设置为不同颜色，默认是白色
ax.spines['right'].set_color('green')
ax.spines['top'].set_color('purple')
# 调整坐标轴位置
ax.spines['left'].set_position(('data', 1))
ax.spines['bottom'].set_position(('data', 0))
"""
Legend图例，添加图例
添加位置参数：
'best' : 0,
'upper right' : 1,
'upper left' : 2,
'lower left' : 3,
'lower right' : 4,
'right' : 5,
'center left' : 6,
'center right' : 7,
'lower center' : 8,
'upper center' : 9,
'center' : 10,
"""
plt.legend(loc = 'upper right') # 显示在右上角
# 添加注释
plt.text(0, 0, r'This is (0, 0).', fontdict={'size':14, 'color':'red'})
# 显示图像
plt.show()
plt.close()
"""
画图种类
"""
# 散点图
SIZE = 1024
x = np.random.normal(0, 1, SIZE)
y = np.random.normal(0, 1, SIZE)
T = np.arctan2(y, x)
plt.scatter(x, y, s=75, c=T, alpha=.5)
plt.show()
plt.close()
# bar柱状图
x = np.arange(15)
Y1 = (1 - x / float(15)) * np.random.uniform(0.5, 1.0, 15)
Y2 = (1 - x / float(15)) * np.random.uniform(0.5, 1.0, 15)
plt.bar(x, Y1, edgecolor ='black',facecolor='red')
plt.bar(x, -Y2, edgecolor ='yellow',facecolor='blue')
for x, y in zip(x,Y1):
plt.text(x+0.1,y+0.1,'%.2f' % y, ha='center',va='bottom')
plt.show()
plt.close()
# 随机矩阵画图
a=np.array(np.random.rand(12)).reshape(3,4)
plt.imshow(a, interpolation='none', cmap='bone', origin='lower')
plt.colorbar(shrink=.1)
plt.xticks(())
plt.yticks(())
plt.show()
plt.close()
# 3D图
fig = plt.figure()
ax = Axes3D(fig)
x = np.arange(-5, 5, .5)
y = np.arange(-5, 5, .25)
x,y = np.meshgrid(x, y)
r = np.sqrt(x**2,y**2)
z=np.sin(r)
ax.plot_surface(x,y,z,cmap=plt.get_cmap('rainbow'),rstride=1,cstride=1)
# 投影
ax.contourf(x,y,z,zdir='y',offset=2,cmap=plt.get_cmap('rainbow'))
plt.show()
plt.close()
"""
多图合并显示
"""
# 1、subplot多合一显示
plt.figure()
# 将整个图像窗口均匀分为2行2列
plt.subplot(2,2,1)
plt.plot([0, 1], [0,1])
plt.subplot(2,2,2)
plt.plot([0, 1], [0,5])
plt.subplot(2,2,3)
plt.plot([0, 1], [0,10])
plt.subplot(2,2,4)
plt.plot([0, 1], [0,15])
plt.show()
plt.close()
# 将整个图像窗口不均匀划分
plt.subplot(2,1,1)
plt.plot([0, 1], [0,1])
plt.subplot(2,3,4)
plt.plot([0, 1], [0,5])
plt.subplot(2,3,5)
plt.plot([0, 1], [0,10])
plt.subplot(2,3,6)
plt.plot([0, 1], [0,15])
plt.show()
plt.close()
import matplotlib.gridspec as gridspec
# 2、subplot分格显示
plt.figure()
gs = gridspec.GridSpec(3,3)
ax1 = plt.subplot(gs[0,:])
ax2 = plt.subplot(gs[1,:2])
ax3 = plt.subplot(gs[1:,2])
ax4 = plt.subplot(gs[-1,0])
ax5 = plt.subplot(gs[-1,-2])
plt.show()
plt.close()
# 3、图中图
# 数据准备
fig = plt.figure()
x = np.arange(6)
y = x**2
print(x)
print(y)
# 大图
ax1 = fig.add_axes([.1, .1, .8, .8])
ax1.plot(x,y,'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')
# 小图
ax2 = fig.add_axes([.2,.5,.25,.25])
ax2.plot(y,x,'b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')
plt.show()
plt.close()
# 4、次坐标轴
# 第一个坐标轴y
x = np.arange(0, 10, 0.1)
y1 = x**2
y2 = -1 * y1
fig, ax1 = plt.subplots()
# 第二个坐标轴
ax2 = ax1.twinx()
ax1.plot(x, y1, 'g-') # green, solid line
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')
ax2.plot(x, y2, 'b-') # blue
ax2.set_ylabel('Y2 data', color='b')
plt.show()
plt.close()