matplotlib-绘制精美图表
matplotlib是一个在python下实现的类matlib的纯python的三方库，旨在用python实现matlab的功能，是python下最出色的会图库，功能很完善，风格跟matlib很相似。
我们画图的目的是将函数以图片的形式展示出来，所以需要关注两个方面的东西：1.函数 2.图片 函数方面使用的是numpy这个库，其中包括了很多科学计算的功能。
1.matplotlib中的快速绘图的函数库可以通过如下语句载入：
import matplotlib.pyplot as plt
2.接下来调用figure创建一个绘图对象，并且使它成为当前的绘图对象。
plt.figure(figsize=(8,4))
通过figsize参数可以指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。因此本例中所创建的图表窗口的宽度为8*80 = 640像素。
3.通过调用plot函数在当前的绘图对象中进行绘图：
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")
*x,y均为成员数量相同的数组
•label : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
•color : 指定曲线的颜色
•linewidth : 指定曲线的宽度
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()
•xlabel : 设置X轴的文字
•ylabel : 设置Y轴的文字
•title : 设置图表的标题
•ylim : 设置Y轴的范围
•legend : 显示图示
4.最后调用plt.show()显示出我们创建的所有绘图对象。
版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明http://flyfeeling.blogbus.com/logs/53148228.html
matplotlib是python中一个用于画图的一个包，在matplotlib的主页上是这么介绍的：matplotlib is a python 2D plotting library which produces publication quality figures in a variety of hardcopy formats and interactive environments across platforms. 目前matplotlib的最新版本是0.99.1，可以进入他的官网进行下载：http://matplotlib.sourceforge.net/
使用matplotlib来画图已经很长时间了，零零碎碎的也积攒了很多小tips，但是一直没怎么整理，在这个帖子里，我准备将平时所用到的小tips做一个小结，在以后也会不定期的进行更新。
首先介绍一下matplotlib中最常用的一个子模块，pyplot。这个包中包含常用的绘制二维曲线的方法，也是实际中应用最多的一个字包。因此通常我们用matplotlib绘图的时候首先需要引入这个包，即
import matplotlib.pyplot as plt
下面介绍二维图中的常用的几个概念
figure：定义一个图片
fig = plt.figure()
axes：定义图片中的一块绘图区域，在实际作图中，通常使用下面的方法
ax = fig.add_subplot(111)
可以将图片划分为几个绘图区域，括号中的三个数字分别表示将图片划分为几行、 几列，以及选取第几个绘图区域，因此，如下的语句表示，将图片划分为2行2列，供4个区域，ax是其中的第三个区域，注意在这里是按照行来数的，即图片的左下角的区域。
ax = fig.add_subplot(223)
括号中的数字也可以用逗号隔开，即
ax = fig.add_subplot(2,2,3)
axis：表示绘图区域的一个坐标轴，有x轴和y轴之分，分别可以通过以下方法取得
xaxis = ax.xaxis
yaxis = ax.yaxis
以上的三个概念是绘图中使用最多，大部分操作也是在其中完成的。
下面介绍一些经常使用到的一些操作。
1. 画二维曲线图
x = arange(0,5,0.1)
y = [math.sin(a) for a in x]
ax.plot(x,y,"ro-")
图片结果如图1所示，双引号里面的三个字符分别表示曲线颜色，点的形状，线的形状。也可以用以下的方式显示指定：
ax.plot(x,y,color='r',linestyle='-',marker='o')
color的取值可以参见表1，或者使用RGB的值，即color=(1,0,0)。
linestyle与marker的取值可以参见表2，默认的线形为'-'，点形为'o'。如果只想表示散点图，可以使用
ax.plot(x,y,"ro")
或者
ax.plot(x,y,color='r',linestyle='',marker='o')
图1 表1
表2
在实际中，我们可能经常会用到对数坐标轴，这时可以用下面的三个函数来实现
ax.semilogx(x,y) #x轴为对数坐标轴
ax.semilogy(x,y) #y轴为对数坐标轴
ax.loglog(x,y) #双对数坐标轴
2. 图形标注
这个命令很简单，如果在plot语句中使用了label属性，那么使用legend语句即可自动在图片中添加一个标注框，如下：
x = arange(0,5,0.1)
y = [math.sin(a) for a in x]
ax.plot(x,y,"ro-",label = "sin(x)")
y = [math.cos(a) for a in x]
ax.plot(x,y,"bx-",label = "cos(x)")
ax.legend()
程序运行结果如图2所示。
当然我们可以指定legend的位置，如下：
ax.legend(loc='lower left')
或者
ax.legend(loc=3)
location的可选参数见表3.
图2 表3
3. 坐标轴的标题
在图2中，我们使用下面语句来定义坐标轴标题
ax.set_xlabel("x")
ax.set_ylabel("sin(x),cos(x)")
4. 数学公式编辑
图2中的图形标签与坐标轴的标题都是用常规字体来显示的，那么很多时候我们希望它们显示成数学公式的样子，或者有时候直接就需要编辑一个数学公式，里面可能包括一些拉丁字母或者数学符号等，这时候我们需要借助用：LaTex。
LaTex是一款排版软件，是编辑论文的常用工具，也可以处理日常生活中的各种文档，如写信、写书、画表格，甚至做幻灯片。它和word的主要区别在于：word是“所见即所得”，而LaTex是“所想即所得”。在LaTex里编辑公式是依靠一系列命令生成的。
当然在这里，我不准备将篇幅全部用于LaTex上面，感兴趣的朋友可以自己google学习之。在matplotlib里面，也可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个“r”即可，这里给大家看一个简单的例子。
x = arange(1,1000,1)
r = -2
c = 5
y = [5*(a**r) for a in x]
ax.loglog(x,y,label = r"$y = c*x^{\gamma}, c=5,\gamma=-2$")
ax.legend()
ax.set_xlabel(r"x")
ax.set_ylabel(r"y")
程序执行结果如图3所示，这实际上是一个power-law的例子，有兴趣的朋友可以继续google之。
图3
关于LaTex的更多命令，可以参见matplotlib的官方教程：
http://matplotlib.sourceforge.net/users/mathtext.html#mathtext-tutorial
5. 控制坐标轴的显示
前面所有的例子的坐标轴的所有显示（如最大值，最小值，间隔大小，显示方式等等）都是使用的默认生成方式，而实际上，我们也可以用几句命令很方便的进行修改。下面用例子来说明吧：
x = arange(0,5,0.1)
y = [10*math.sin(a) for a in x]
ax.plot(x,y,"ro-",label = "sin(x)")
ax.set_xlim(1,4) # 设定x轴范围
ax.set_ylim(-8.5,11) # 设定y轴范围
ax.set_xticks(range(1,4.1,0.5)) # 设定x轴的标签
ax.set_yticks(range(-8,11,2)) # 设定y轴的标签
程序运行结果如图4所示，而如果你希望你的坐标轴上的标签显示的不是数字，而是一些设定好的文字，当然也可以：
ax.set_xticklabels(list("abcdefg")) # 设定x轴的标签文字
显示结果如图5所示
图4 图5
通过set_xticks与set_xticklabels的结合，我们就可以任意变换我们想要的x轴标签的显示形式了，记住，set_xticks是设定标签的实际数字，而set_xticklabels则是设定我们希望他显示的结果。
补充：
1.label翻转的实现，在输出到页面之前，使用：fig.autofmt_xdate() 或者 ax.set_xticklabels(group_labels, rotation=120) rotation就是翻转的角度