【Python开发】使用python中的matplotlib进行绘图分析数据

matplotlib 是python最著名的绘图库，它提供了一整套和matlab类似的命令API，十分适合交互式地进行制图。并且也能够方便地将它做为绘图控件，嵌入GUI应用程序中。

它的文档至关完备，而且 Gallery页面 中有上百幅缩略图，打开以后都有源程序。所以若是你须要绘制某种类型的图，只须要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。

 

在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包能够调用gnuplot，可是语法比较不习惯，并且画图质量不高。

而 Matplotlib则比较强：Matlab的语法、python语言、latex的画图质量（还可使用内嵌的latex引擎绘制的数学公式）。

快速绘图

matplotlib的pyplot子库提供了和matlab相似的绘图API，方便用户快速绘制2D图表。例子：

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

# coding=gbk ''' Created on Jul 12,2014 python 科学计算学习：numpy快速处理数据测试 @author: 皮皮 ''' importstring importmatplotlib.pyplot as plt  importnumpy as np   if__name__ == '__main__':        file = open(E:machine_learningdatasetshousing_datahousing_data_ages.txt, 'r')     linesList = file.readlines() #     print(linesList)     linesList = [line.strip().split(,) forline in linesList]     file.close()        print(linesList:)     print(linesList) #     years = [string.atof(x[0])forx in linesList]     years = [x[0]forx in linesList]     print(years)     price = [x[1]forx in linesList]     print(price)     plt.plot(years, price, 'b*')#,label=$cos(x^2)$)     plt.plot(years, price, 'r')     plt.xlabel(years(+2000))     plt.ylabel(housing average price(*2000yuan))     plt.ylim(0,15)     plt.title('line_regression & gradient decrease')     plt.legend()     plt.show()

 

matplotlib中的快速绘图的函数库能够经过以下语句载入：

?

1	importmatplotlib.pyplot as plt

pylab模块

matplotlib还提供了名为pylab的模块，其中包括了许多numpy和pyplot中经常使用的函数，方便用户快速进行计算和绘图，能够用于IPython中的快速交互式使用。

接下来调用figure建立一个绘图对象，而且使它成为当前的绘图对象。

?

1	plt.figure(figsize=(8,4))

也能够不建立绘图对象直接调用接下来的plot函数直接绘图，matplotlib会为咱们自动建立一个绘图对象。若是须要同时绘制多幅图表的话，能够是给figure传递一个整数参数指定图标的序号，若是所指定序号的绘图对象已经存在的话，将不建立新的对象，而只是让它成为当前绘图对象。

经过figsize参数能够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。所以本例中所建立的图表窗口的宽度为8*80 = 640像素。

可是用工具栏中的保存按钮保存下来的png图像的大小是800*400像素。这是由于保存图表用的函数savefig使用不一样的DPI配置，savefig函数也有一个dpi参数，若是不设置的话，将使用matplotlib配置文件中的配置，此配置能够经过以下语句进行查看：

?

1 2 3

>>>importmatplotlib >>> matplotlib.rcParams[savefig.dpi] 100

下面的两行程序经过调用plot函数在当前的绘图对象中进行绘图：

?

1 2	plt.plot(years, price, 'b*')#,label=$cos(x^2)$) plt.plot(years, price, 'r')

plot函数的调用方式很灵活，第一句将x,y数组传递给plot以后，用关键字参数指定各类属性：

• label : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。只要在字符串先后添加$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

  第二句直接经过第三个参数b--指定曲线的颜色和线型，这个参数称为格式化参数，它可以经过一些易记的符号快速指定曲线的样式。其中b表示蓝色，--表示线型为虚线。

  在IPython中输入 plt.plot? 能够查看格式化字符串的详细配置。

  接下来经过一系列函数设置绘图对象的各个属性：

  ?

  1 2 3 4 5

  plt.xlabel(years(+2000)) plt.ylabel(housing average price(*2000yuan)) plt.ylim(0,15) plt.title('line_regression & gradient decrease') 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

    最后调用plt.show()显示出咱们建立的全部绘图对象。

    配置属性

    matplotlib所绘制的图的每一个组成部分都对应有一个对象，咱们能够经过调用这些对象的属性设置方法set_*或者pyplot的属性设置函数setp设置其属性值。例如plot函数返回一个 matplotlib.lines.Line2D 对象的列表，下面的例子显示如何设置Line2D对象的属性：

    ?

    1 2 3 4 5 6

    >>>importnumpy as np >>>importmatplotlib.pyplot as plt >>> x = np.arange(0,5,0.1) >>> line, = plt.plot(x, x*x) # plot返回一个列表，经过line,获取其第一个元素 >>> # 调用Line2D对象的set_*方法设置属性值 >>> line.set_antialiased(False)

    ?

    1 2 3 4

    >>> # 同时绘制sin和cos两条曲线，lines是一个有两个Line2D对象的列表 >>> lines = plt.plot(x, np.sin(x), x, np.cos(x)) # >>> # 调用setp函数同时配置多个Line2D对象的多个属性值 >>> plt.setp(lines, color=r, linewidth=2.0)

    这段例子中，经过调用Line2D对象line的set_antialiased方法，关闭对象的反锯齿效果。或者经过调用plt.setp函数配置多个Line2D对象的颜色和线宽属性。

    一样咱们能够经过调用Line2D对象的get_*方法，或者plt.getp函数获取对象的属性值：

    ?

    1 2 3 4 5 6 7 8 9 10

    >>> line.get_linewidth() 1.0 >>> plt.getp(lines[0], color) # 返回color属性 'r' >>> plt.getp(lines[1]) # 输出所有属性 alpha = 1.0 animated = False antialiased or aa = True axes = Axes(0.125,0.1;0.775x0.8) ... ...

    注意getp函数只能对一个对象进行操做，它有两种用法：

    • 指定属性名：返回对象的指定属性的值
    • 不指定属性名：打印出对象的全部属性和其值

      matplotlib的整个图表为一个Figure对象，此对象在调用plt.figure函数时返回，咱们也能够经过plt.gcf函数获取当前的绘图对象：

      ?

      1 2 3 4 5

      >>> f = plt.gcf() >>> plt.getp(f) alpha = 1.0 animated = False ...

      Figure对象有一个axes属性，其值为AxesSubplot对象的列表，每一个AxesSubplot对象表明图表中的一个子图，前面所绘制的图表只包含一个子图，当前子图也能够经过plt.gca得到：

      ?

      1 2 3 4 5

      >>> plt.getp(f, axes) [<matplotlib.axes.axessubplot0x05cdd170=""at=""object="">] >>> plt.gca() <matplotlib.axes.axessubplot0x05cdd170=""at=""object=""> </matplotlib.axes.axessubplot></matplotlib.axes.axessubplot>

      用plt.getp能够发现AxesSubplot对象有不少属性，例如它的lines属性为此子图所包括的 Line2D 对象列表：

      ?

      1 2 3 4 5 6

      >>> alllines = plt.getp(plt.gca(), lines) >>> alllines   >>> alllines[0] == line # 其中的第一条曲线就是最开始绘制的那条曲线 True

      经过这种方法咱们能够很容易地查看对象的属性和它们之间的包含关系，找到须要配置的属性。

       

      more:

      Python图表绘制：matplotlib绘图库入门

      matplotlib 是python最著名的绘图库，它提供了一整套和matlab类似的命令API，十分适合交互式地行制图。并且也能够方便地将它做为绘图控件，嵌入GUI应用程序中。

      它的文档至关完备，而且Gallery页面中有上百幅缩略图，打开以后都有源程序。所以若是你须要绘制某种类型的图，只须要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。

      在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包能够调用gnuplot，可是语法比较不习惯，并且画图质量不高。

      而 Matplotlib则比较强：Matlab的语法、python语言、latex的画图质量（还可使用内嵌的latex引擎绘制的数学公式）。

      本文目录

      1. Matplotlib.pyplot快速绘图

      2. 面向对象画图

      3. Matplotlib.pylab快速绘图

      4. 在图表中显示中文

      5. 对LaTeX数学公式的支持

      6. 对数坐标轴

      7. 学习资源

       

      ---

      Matplotlib.pyplot快速绘图

      ---

      快速绘图和面向对象方式绘图

      matplotlib其实是一套面向对象的绘图库，它所绘制的图表中的每一个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。

      为了方便快速绘图matplotlib经过pyplot模块提供了一套和MATLAB相似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。咱们只须要调用pyplot模块所提供的函数就能够实现快速绘图以及设置图表的各类细节。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。

      为了将面向对象的绘图库包装成只使用函数的调用接口，pyplot模块的内部保存了当前图表以及当前子图等信息。当前的图表和子图可使用plt.gcf()和plt.gca()得到，分别表示Get Current Figure和Get Current Axes。在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，好比说：

      plt.plot()实际上会经过plt.gca()得到当前的Axes对象ax，而后再调用ax.plot()方法实现真正的绘图。

      能够在Ipython中输入相似plt.plot??的命令查看pyplot模块的函数是如何对各类绘图对象进行包装的。

      配置属性

      matplotlib所绘制的图表的每一个组成部分都和一个对象对应，咱们能够经过调用这些对象的属性设置方法set_*()或者pyplot模块的属性设置函数setp()设置它们的属性值。

      由于matplotlib其实是一套面向对象的绘图库，所以也能够直接获取对象的属性

      配置文件

      绘制一幅图须要对许多对象的属性进行配置，例如颜色、字体、线型等等。咱们在绘图时，并无逐一对这些属性进行配置，许多都直接采用了matplotlib的缺省配置。

      matplotlib将这些缺省配置保存在一个名为“matplotlibrc”的配置文件中，经过修改配置文件，咱们能够修改图表的缺省样式。配置文件的读入可使用rc_params()，它返回一个配置字典；在matplotlib模块载入时会调用rc_params()，并把获得的配置字典保存到rcParams变量中；matplotlib将使用rcParams字典中的配置进行绘图；用户能够直接修改此字典中的配置，所作的改变会反映到此后建立的绘图元素。

      绘制多子图（快速绘图）

      Matplotlib 里的经常使用类的包含关系为 Figure -> Axes -> (Line2D, Text, etc.)一个Figure对象能够包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，能够理解为子图。

      可使用subplot()快速绘制包含多个子图的图表，它的调用形式以下：

      ?

      1 2	subplot(numRows, numCols, plotNum)

      subplot将整个绘图区域等分为numRows行* numCols列个子区域，而后按照从左到右，从上到下的顺序对每一个子区域进行编号，左上的子区域的编号为1。若是numRows，numCols和plotNum这三个数都小于10的话，能够把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的区域中建立一个轴对象。若是新建立的轴和以前建立的轴重叠的话，以前的轴将被删除。

      s ubplot()返回它所建立的Axes对象，咱们能够将它用变量保存起来，而后用sca()交替让它们成为当前Axes对象，并调用plot()在其中绘图。

      绘制多图表（快速绘图）

      若是须要同时绘制多幅图表，能够给figure()传递一个整数参数指定Figure对象的序号，若是序号所指定的Figure对象已经存在，将不建立新的对象，而只是让它成为当前的Figure对象。

      ?

      1 2	importnumpy as np

      ?

      1 2	importmatplotlib.pyplot as plt

      ?

      1

      ?

      1 2	plt.figure(1) # 建立图表1

      ?

      1 2	plt.figure(2) # 建立图表2

      ?

      1 2	ax1 = plt.subplot(211) # 在图表2中建立子图1

      ?

      1 2	ax2 = plt.subplot(212) # 在图表2中建立子图2

      ?

      1

      ?

      1 2	x = np.linspace(0,3,100)

      ?

      1 2	fori in xrange(5):

      ?

      1 2	plt.figure(1)  #? # 选择图表1

      ?

      1 2	plt.plot(x, np.exp(i*x/3))

      ?

      1 2	plt.sca(ax1)   #? # 选择图表2的子图1

      ?

      1 2	plt.plot(x, np.sin(i*x))

      ?

      1 2	plt.sca(ax2)  # 选择图表2的子图2

      ?

      1 2	plt.plot(x, np.cos(i*x))

      ?

      1

      ?

      1 2	plt.show()

      
      

      在图表中显示中文

      matplotlib的缺省配置文件中所使用的字体没法正确显示中文。为了让图表能正确显示中文，能够有几种解决方案。

      1. 在程序中直接指定字体。
      2. 在程序开头修改配置字典rcParams。
      3. 修改配置文件。

         比较简便的方式是，中文字符串用unicode格式，例如：u''测试中文显示''，代码文件编码使用utf-8 加上 # coding = utf-8 一行。

         matplotlib输出图象的中文显示问题

         ---

         面向对象画图

         ---

         matplotlib API包含有三层，Artist层处理全部的高层结构，例如处理图表、文字和曲线等的绘制和布局。一般咱们只和Artist打交道，而不须要关心底层的绘制细节。

         直接使用Artists建立图表的标准流程以下：

         • 建立Figure对象
         • 用Figure对象建立一个或者多个Axes或者Subplot对象
         • 调用Axies等对象的方法建立各类简单类型的Artists

           import matplotlib.pyplot as plt

           ?

           X1 = range(0, 50) Y1 = [num**2 for num in X1] # y = x^2 X2 = [0, 1] Y2 = [0, 1] # y = x

           ?

           
           

           Fig = plt.figure(figsize=(8,4)) # Create a `figure' instance Ax = Fig.add_subplot(111) # Create a `axes' instance in the figure Ax.plot(X1, Y1, X2, Y2) # Create a Line2D instance in the axes

           ?

           Fig.show() Fig.savefig(test.pdf)

            

           参考：

           《Python科学计算》(Numpy视频) matplotlib-绘制精美的图表(快速绘图)(面向对象绘图)（深刻浅出适合系统学习）

           什么是 Matplotlib （主要讲面向对象绘图，对于新手可能有点乱）

            

           ---

           Matplotlib.pylab快速绘图

           ---

           matplotlib还提供了一个名为pylab的模块，其中包括了许多NumPy和pyplot模块中经常使用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块：

           ?

           1 2	>>>importpylab as pl

           1 安装numpy和matplotlib

           >>> import numpy
           >>> numpy.__version__

           >>> import matplotlib
           >>> matplotlib.__version__

            

           2 两种经常使用图类型：Line and scatter plots(使用plot()命令), histogram(使用hist()命令)

           2.1 折线图&散点图 Line and scatter plots

           2.1.1 折线图 Line plots(关联一组x和y值的直线)

           ?

           1 2	import numpy as np

           ?

           1 2	import pylab as pl

           ?

           1

           ?

           1 2	x = [1,2,3,4,5]# Make an array of x values

           ?

           1 2	y = [1,4,9,16,25]# Make an array of y values foreach x value

           ?

           1

           ?

           1 2	pl.plot(x, y)# use pylab to plot x and y

           ?

           1	pl.show()# show the plot on the screen

           
           

           2.1.2 散点图 Scatter plots

           把pl.plot(x, y)改为pl.plot(x, y, 'o')便可，下图的蓝色版本

            

           2.2 美化 Making things look pretty

           2.2.1 线条颜色 Changing the line color

           红色：把pl.plot(x, y, 'o')改为pl.plot(x, y, ’or’)

           
           
           

            

           2.2.2 线条样式 Changing the line style

           虚线:plot(x,y, '--')

            

           2.2.3 marker样式 Changing the marker style

           蓝色星型markers：plot(x,y, ’b*’)

            

           2.2.4 图和轴标题以及轴坐标限度 Plot and axis titles and limits

           ?

           1 2	importnumpy as np

           ?

           1 2	importpylab as pl

           ?

           1

           ?

           1 2	x = [1,2,3,4,5]# Make an array of x values

           ?

           1 2	y = [1,4,9,16,25]# Make an array of y values foreach x value

           ?

           1 2	pl.plot(x, y)# use pylab to plot x and y

           ?

           1

           ?

           1 2	pl.title(’Plot of y vs. x’)# give plot a title

           ?

           1 2	pl.xlabel(’x axis’)# make axis labels

           ?

           1 2	pl.ylabel(’y axis’)

           ?

           1

           ?

           1 2	pl.xlim(0.0,7.0)# set axis limits

           ?

           1 2	pl.ylim(0.0,30.)

           ?

           1

           ?

           1	pl.show()# show the plot on the screen

            

           2.2.5 在一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes

           作法是很直接的，依次做图便可:

           ?

           1 2	importnumpy as np

           ?

           1 2	importpylab as pl

           ?

           1

           ?

           1 2	x1 = [1,2,3,4,5]# Make x, y arrays foreach graph

           ?

           1 2	y1 = [1,4,9,16,25]

           ?

           1 2	x2 = [1,2,4,6,8]

           ?

           1 2	y2 = [2,4,8,12,16]

           ?

           1

           ?

           1 2	pl.plot(x1, y1, ’r’)# use pylab to plot x and y

           ?

           1 2	pl.plot(x2, y2, ’g’)

           ?

           1

           ?

           1 2	pl.title(’Plot of y vs. x’)# give plot a title

           ?

           1 2	pl.xlabel(’x axis’)# make axis labels

           ?

           1 2	pl.ylabel(’y axis’)

           ?

           1

           ?

           1

           ?

           1 2	pl.xlim(0.0,9.0)# set axis limits

           ?

           1 2	pl.ylim(0.0,30.)

           ?

           1

           ?

           1

           ?

           1	pl.show()# show the plot on the screen

            

           2.2.6 图例 Figure legends

           pl.legend((plot1, plot2), (’label1, label2’), 'best’, numpoints=1)

           其中第三个参数表示图例放置的位置:'best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.

           若是在当前figure里plot的时候已经指定了label，如plt.plot(x,z,label= cos(x2) )，直接调用plt.legend()就能够了哦。

           ?

           1 2	importnumpy as np

           ?

           1 2	importpylab as pl

           ?

           1

           ?

           1 2	x1 = [1,2,3,4,5]# Make x, y arrays foreach graph

           ?

           1 2	y1 = [1,4,9,16,25]

           ?

           1 2	x2 = [1,2,4,6,8]

           ?

           1 2	y2 = [2,4,8,12,16]

           ?

           1

           ?

           1 2	plot1 = pl.plot(x1, y1, ’r’)# use pylab to plot x and y : Give your plots names

           ?

           1 2	plot2 = pl.plot(x2, y2, ’go’)

           ?

           1

           ?

           1 2	pl.title(’Plot of y vs. x’)# give plot a title

           ?

           1 2	pl.xlabel(’x axis’)# make axis labels

           ?

           1 2	pl.ylabel(’y axis’)

           ?

           1

           ?

           1

           ?