pyplot介绍matplotlib.pyplot是一组命令样式与MATLAB非常相似的函数。 每个pyplot函数都会稍微更改图像，例如创建图、在图中创建绘图区域以及在绘图区域中添加线条。 matplotlib.pyplot通过函数调用保存各种状态，以便随时跟踪当前图像、绘图区域等。 绘图函数是直接作用于当前axes(matplotlib )的专有名词，是图形的组成部分，不是数学坐标系。 ）
举个简单的例子：
importmatplotlib.pyplotasplt.plot ([ 1，2，3，4 ] ) PLT.ylabel(somenumbers ' ) plt.show )执行结果
你可能会怀疑x和y轴为什么是0~3和1~4。 理由是这样的。 其中，plot ) )指定了list或array，matplotlib假设此序列是y轴上的值，并且会自动生成x轴上的值。 python的范围从0开始，因此x轴从0开始，长度等于y的长度，即[ 0，1，2，3 ]。
plot ) )是一个灵活的命令，可以有任意数量的参数。 例如，以下内容：
PLT.plot ([ 1，2，3，4 ]，[ 1，4，9，16 ] ) 1这表示() x，y )对，(1，1 ) ) 2，4 ) ) 3，9 )，4，16 ) 这里有第三个可选参数。 这是字符串格式，表示颜色和线条类型。 字符串格式的字符和符号来自MATLAB，是颜色字符串和线条类型字符串的组合。 缺省情况下，字符串参数为“B-”，表示蓝色实线。
以使用红色圆绘制上述点集为例。
importmatplotlib.pyplotasplt.plot ([ 1，2，3，4 ]、[ 1，4，9，16 ]、' ro ' ) PLT.axis ([ 0，6，0，20 ] ) )
plot ) )的文档。 那里有关于线类型的完整说明。 axis ) )命令可以方便地获取和设置XY轴的属性。
如果matplotlib被限定于如上所述的list，则这是无用的。 通常，我们使用numpy数组。 实际上，所有序列都在内部转换为numpy数字。 下面的示例使用一个命令用几种不同样式的线条绘制数组：
在importnumpyasnpimportmatplotlib.pyplotasplt # 0到5之间，整数t=NP.arange(0.5 .0.2 )红色短划线、蓝色方块和绿色三角形PLT.PLT .
控制线属性
线条可以具有各种属性，如线条粗细、线条形状和平滑度。 这里有几种设定线条属性的方法。
如果对关键字参数PLT.plot(x (使用x，y，linewidth=2.0 ) 1的线对象(Line2D )使用set_方法，plot )将返回线对象列表例如，line1，line2=plot(x1，y1，x2以下代码假设返回的线对象列表中只有一条线的长度为1。 line，=PLT.plot(x，y，“-”) line.set_antialiased禁用平滑的setp ) )命令。 下面的示例使用MATLAB样式的命令设置单行列表的多个属性： setp ) )可以应用于列表对象或单个对象。 可以使用python样式的关键字参数或MATLAB样式的string/value对作为参数。 lines=PLT.plot(x1，y1，x2，y2 ) #关键字PLT.setp ) lines，color='r '。 linewidth=2.0(#或MATLAB类型的string/value对PLT.setp(Line2D，' color '，' r '，' linewidth '，2.0 ) 123456789这是某些lines
多图形(figures )和多坐标系(axes )工作
“MATLAB”和“pyplot”都有“当前形状”(figure )和“当前坐标系”(axes )的概念。 的所有绘制命令都适用于当前坐标系。 gca (和gcf ) )“获得当前轴/图形”(get current axes/figures )分别获取当前轴和图形对象。 通常，你不需要担心这些。 因为他们被保存在幕后。 以下是一个示例，创建了两个子图区域(subplot )。
importnumpyasnpimportmatplotlib.pyplotaspltdeff (t ) :returnNP.exp(-t ) NP.cos )2* NP.pi * t t1=NP.at
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() 12345678910111213141516figure()命令在这儿可以不写，因为figure(1)将会被默认执行，同样，subplot(111)也是默认被执行的。subplot()中的参数分别指定了numrows、numcols、fignum，其中fignum的取值范围为1到numrows*numcols，分别表示的是将绘图区域划分为numrows行和numcols列个子绘图区域，fignum为当前子图的编号。编号是从1开始，一行一行由左向右编号的。其实subplot中的参数【111】本应写作【1,1,1】，但是如果这三个参数都小于10(其实就是第三个参数小于10)就可以省略逗号。你可以创建任意数量的子图(subplots)和坐标系(axes)。如果你想手动放置一个axes，也就是它不再是一个矩形方格，你就可以使用命令axes()，它可以让坐标系位于任何位置，axes([left,bottom,width,height])，其中所有的值都是0到1(axes([0.3,0.4,0.2,0.3])表示的是该坐标系位于figure的(0.3,0.4)处，其宽度和长度分别为figure横坐标和纵坐标总长的0.2和0.3)。其实subplot和axes的区别就在于axes大小和位置更加随意。
你可以创建多个figure，通过调用figure()，其参数为figure的编号。当然每个figure可以包含多个subplot或者是多个axes。例子：
我们可以使用clf()和cla()(clear current figure/axes)清除当前figure和当前axes。
如果你创建了许多figures，你需要注意一件事：figure的内存直到显示调用close()函数才会被完全释放，否则它并没有被全部释放。如果只是删掉对figure的引用，或者是通过关闭window进程管理器关闭该figure，这都是不完全删除figure的，因为pyplot在内部维持了一个引用，直到close()被调用。
文字
text()命令可以被用来在任何位置添加文字，xlabel()、ylabel()、title()被用来在指定位置添加文字。
所有text()命令返回一个matplotlib.text.Text实例，像上面的线一样，可以通过关键字参数在text()定制文本样式，也可以通过setp()来定制文字的样式：
matplotlib接受任何TeX方程表达式，比如，你可以写成用”$”符号包裹的TeX表达式：plt.title(r'$sigma_i=15$') 1
这里的”r”非常重要，它表示后面的字符串是一个纯粹的字符串，不会将后面的反斜杠当作转义字符。matplotlib内置有TeX表达式解释器和排版引擎，和自带的数学字体。因此你可以不用安装TeX就能使用数学表达式，如果你安装了LaTeX和dvipng，你也可以使用LaTex排版你的文字并且直接输出到figures或者是保存。
注释文本使用text()命令可以在Axes中任意位置放置文本，一个普遍的文本用法是对一些特性进行注释，annotate()方法让添加注释变得很容易。对于注释有两点需要注意：需要被注释的地方，使用xy参数来指出，还有就是注释文本所放置的位置，使用参数xytext来指定位置，这两个参数都使(x,y)元组：import numpy as npimport matplotlib.pyplot as pltax = 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() 123456789101112131415
这里的xy和xytext所使用的坐标是根据XY轴的刻度的坐标，称为data coordinates。当然也可以使用其他坐标系统，具体参考官方文档。
对数和其他非线性坐标轴(axis)
matplotlib.pylot不仅仅提供了线性的坐标，还提供了对数(logarithmic)和分对数(logit)坐标。当数据的维度跨越许多数量级时，这种坐标就很有用，改变坐标轴的刻度很容易：
下面是一个例子，对于同样的数据，在Y轴使用不同刻度下的曲线图：
import numpy as npimport matplotlib.pyplot as plt# 在区间[0,1]制造一些数据# np.random.normal为sddkf分布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))# 创建一个窗口plt.figure(1)# 线性plt.subplot(221)plt.plot(x, y)plt.yscale('linear')plt.title('linear')plt.grid(True)# 对数plt.subplot(222)plt.plot(x, y)plt.yscale('log')plt.title('log')plt.grid(True)# symmetric logplt.subplot(223)plt.plot(x, y - y.mean())plt.yscale('symlog', linthreshy=0.05)plt.title('symlog')plt.grid(True)# logitplt.subplot(224)plt.plot(x, y)plt.yscale('logit')plt.title('logit')plt.grid(True)plt.show() 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758
我们也可以添加自己的刻度和投影。具体这里先不介绍，后续会深入讲解更多matplotlib的用法。
转载：http://blog.csdn.net/qq_31192383/article/details/53977822