标签：
matplotlib 是python的一个画图工具包（主要针对2D图形），其使用与matlab类似。
在使用matplotlib 之前先要安装，同时 matplotlib 又依赖于 numpy。 简单起见，可以直接安装anaconda，这是一个python数据处理和分析的工具包，已经包含了 numpy 和 matplotlib。
import matplotlib.pyplot as plt plt.plot([1,2,3,4]) # [1, 2, 3, 4] 为Y轴，X周默认从0开始 plt.ylabel(‘some numbers‘) # 修改Y周名称 plt.show() plt.plot([1,2,3,4], [1, 2, 3, 4]) # 同时提供X坐标和Y坐标 plt.plot([1,2,3,4], [1,4,9,16], ‘ro‘) # ‘ro‘ 设置格式，‘r‘代表 red, ‘o‘ 代表远点； plt.axis([0, 6, 0, 20]) # 设置X轴和Y轴的最大值
import numpy as np t = np.arange(0., 5., 0.2) plt.plot(t, t, ‘r--‘, t, t**2, ‘bs‘, t, t**3, ‘g^‘) # 将y=x, y=x2, y=x3 画在同一幅图中
线的属性包括宽度(linewidth)、点类型(dashes)，其他属性见这里。
用法示例：
plt.plot(x, y, linewidth=2.0) # 设置线的宽度 line, = plt.plot(x, y, ‘-‘) line.set_antialiased(False) # turn off antialising
通过 setp 方法设置属性
lines = plt.plot(x1, y1, x2, y2) # use keyword args plt.setp(lines, color=‘r‘, linewidth=2.0) # or MATLAB style string value pairs plt.setp(lines, ‘color‘, ‘r‘, ‘linewidth‘, 2.0)
import numpy as np import matplotlib.pyplot as plt def f(t): return np.exp(-t) * np.cos(2*np.pi*t) t1 = np.arange(0.0, 5.0, 0.1) t2 = np.arange(0.0, 5.0, 0.02) plt.figure(1) # 当前图片编号，确实使用 figure(1)，所以只有一张图片的时候，可以不写 plt.subplot(211) # 三个数字分别为行数、列数、坐标系编号，坐标系编号 < 行数 * 列数 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()
一个完整的例子
import matplotlib.pyplot as plt
plt.figure(1) # the first figure plt.subplot(211) # the first subplot in the first figure plt.plot([1,2,3]) plt.subplot(212) # the second subplot in the first figure plt.plot([4,5,6]) plt.figure(2) # a second figure plt.plot([4,5,6]) # creates a subplot(111) by default plt.figure(1) # figure 1 current; subplot(212) still current plt.subplot(211) # make subplot(211) in figure1 current plt.title(‘Easy as 1,2,3‘) # subplot 211 title
import numpy as np import matplotlib.pyplot as plt mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) # the histogram of the data n, bins, patches = plt.hist(x, 50, normed=1, facecolor=‘g‘, alpha=0.75) plt.xlabel(‘Smarts‘) # 设置X轴名称 plt.ylabel(‘Probability‘) # 设置Y轴名称 plt.title(‘Histogram of IQ‘) #设置图片标题 plt.text(60, .025, r‘$\mu=100,\ \sigma=15$‘) #添加文本 plt.axis([40, 160, 0, 0.03]) # 设置坐标范围 plt.grid(True) # 添加网格参照线 plt.show()
标签：
原文地址：http://www.cnblogs.com/cbffr/p/4721530.html
