Python 绘图 Matplotlib 快速参考手册

http://www.labri.fr/perso/nrougier/teaching/matplotlib/#quick-references
1 作图函数
1.1 默认参数作图

import numpy as np#导入numpy库import matplotlib.pyplot as plt#导入matplotlib库X = np.linspace(-np.pi, np.pi, 256, endpoint=True)#生成-π到+π的256个元素的等差数列C,S = np.cos(X), np.sin(X)#生成x的正弦余弦函数并赋值给C，Splt.plot(X,C)#画出x与C的图像plt.plot(X,S)#画出x与S的图像plt.show()#展示图像

1.2 改变颜色和线宽

...plt.figure(figsize=(10,6), dpi=80)#设置图表的宽高比为10:6，设置dpi为80plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")#设置余弦函数颜色为蓝色，线宽2.5，样式为连线plt.plot(X, S, color="red",  linewidth=2.5, linestyle="-")...

1.3 改变坐标轴刻度

...plt.xlim(X.min()*1.1, X.max()*1.1)#x坐标轴最小值、最大值分别设置为X最小值和最大值的1.1plt.ylim(C.min()*1.1, C.max()*1.1)#y坐标轴最小值、最大值分别设置为X最小值和最大值的1.1...

1.4 改变坐标轴刻度显示

...plt.xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi])#显示+-π,+-π/2的刻度plt.yticks([-1, 0, +1])#显示+-1,0的刻度...

...plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])#设置将刻度映射为具体标签plt.yticks([-1, 0, +1],       [r'$-1$', r'$0$', r'$+1$'])#设置将刻度映射为具体标签...

1.5 移动坐标轴

ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))

1.6 增加图例

...plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")plt.plot(X, S, color="red",  linewidth=2.5, linestyle="-", label="sine")plt.legend(loc='upper left', frameon=False)...

1.7 标记特殊点

...t = 2*np.pi/3#设置标记点为2/3πplt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=1.5, linestyle="--")#plot横纵坐标参数都是列表，可以画出面积图，这里画出的是一条竖线plt.scatter([t,],[np.cos(t),], 50, color ='blue')#标记出点plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',             xy=(t, np.sin(t)), xycoords='data',             xytext=(-100, -40), textcoords='offset points', fontsize=16,             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))#标注，第一个参数是标注的内容，第二个参数是标注的点，第三个参数是坐标，第四个参数是注释的位移，第五个参数是注释坐标，第六个参数是箭头样式的设置，第七个参数是连接的样式plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=1.5, linestyle="--")plt.scatter([t,],[np.sin(t),], 50, color ='red')plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',             xy=(t, np.cos(t)), xycoords='data',             xytext=(-90, -50), textcoords='offset points', fontsize=16,             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))...

2 参数详细设置
2.1 窗口设置（fig）

参数 默认值 描述 num 1 作图窗口的个数 figsize figure.figsize 宽高，单位英寸 dpi figure.dpi 分辨率 facecolor figure.facecolor 背景颜色 edgecolor figure.edgecolor 框线颜色 frameon TRUE 是否显示框线

2.2.1 子图绘制（subplot）
你可以将一个画面分割成若干区域，然后分别在各个区域作画。你需要指明画面的行数和列数和作图的区域的数字代码（一般以横向排列）




2.2.2 比例子绘图（Axes）
类似于subplots，但是Axes允许将图片摆放在画板的任意位置。如果我们需要把一个小图放在一个大图的里面的话，就要选择Axes。


2.3 刻度（Tick）
Matplotlib提供给了一个刻度的配置系统。刻度定位器可以设置哪些地方的刻度可以出现，还可以设置刻度的格式。

2.4 动画制作（Animation）
在matplotlib上进行动画制作一直是非常困难的事情。但是，自从1.1版本之后，动画制作就变得简单和直观了。
一个简单的雨滴效果图可以通过随机分布的环形获得，当然，它的大小是随着时间的变化而变化的。为了模仿这些，我们可以使用越来越透明的颜色来表示环形的增长。当环形增长到最大的时候，我们就可以去除这些环形，再从新建立起新的环形。
第一步，建立空的画板

# New figure with white backgroundfig = plt.figure(figsize=(6,6), facecolor='white')# New axis over the whole figure, no frame and a 1:1 aspect ratioax = fig.add_axes([0,0,1,1], frameon=False, aspect=1)

第二步，创建一些环形。我们可以使用散点图，并去除填充颜色。同样的我们需要设置初始的大小和颜色。

# 环形的数量和大小n = 50size_min = 50size_max = 50*50# 环形的坐标P = np.random.uniform(0,1,(n,2))# 环形的颜色C = np.ones((n,4)) * (0,0,0,1)# alpha颜色通道从 0 (透明) to 1 (不透明)C[:,3] = np.linspace(0,1,n)# 环形的大小S = np.linspace(size_min, size_max, n)# 散点作图scat = ax.scatter(P[:,0], P[:,1], s=S, lw = 0.5,                  edgecolors = C, facecolors='None')# 确定坐标轴是（0,1），去除刻度标签ax.set_xlim(0,1), ax.set_xticks([])ax.set_ylim(0,1), ax.set_yticks([])

现在我们需要为我们的动画写更新函数，我们知道每一个环形需要变大，变透明，最后消失。当然，我们不是真正的去除这些环形，而是把它分配到另外的随机的地点。

def update(frame):    global P, C, S    # 每一个环形都变得更加的透明    C[:,3] = np.maximum(0, C[:,3] - 1.0/n)    # 每一个环形都变得更加大    S += (size_max - size_min) / n    # 从新设置环形    i = frame % 50    P[i] = np.random.uniform(0,1,2)    S[i] = size_min    C[i,3] = 1    # 更新散点对象    scat.set_edgecolors(C)    scat.set_sizes(S)    scat.set_offsets(P)    # 返回更新之后的对象    return scat,

第三步，设置这个函数作为更新函数

animation = FuncAnimation(fig, update, interval=10, blit=True, frames=200)# animation.save('rain.gif', writer='imagemagick', fps=30, dpi=40)plt.show()

3.保存图片
3.1 保存为普通图片文件
3.2 保存为交互式图片文件
保存交互式图片页面

import matplotlib.pyplot as pltimport pickle as pl#调用matplotlib的figure对象fig = plt.figure()x = [1,2,3,4,5]y = [1,2,3,4,5]plt.plot(x,y)#序列化figure对象，并保存pl.dump(fig,open('C:/Users/Administrator/Desktop/fig.pickle','wb'))

读取交互式页面：

import matplotlib.pyplot as pltimport pickle as pl# 载入序列化文件fig = pl.load(open('C:/Users/Administrator/Desktop/fig.pickle','rb'))plt.show()# 获得图片信息print(fig.axes[0].lines[0].get_data())

原文链接：
http://www.labri.fr/perso/nrougier/teaching/matplotlib/#introduction