matplotlib 是 python 最著名的绘图库，它提供了一整套和 matlab 相似的命令 API，十分适合交互式地行制图。而且也可以方便地将它作为绘图控件，嵌入 GUI 应用程序中。

它的文档相当完备，并且 Gallery 页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需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 有一个包可以调用 gnuplot，但是语法比较不习惯，而且画图质量不高。

而 Matplotlib则比较强：Matlab 的语法、python 语言、latex 的画图质量（还可以使用内嵌的 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 实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，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 通过 pyplot 模块提供了一套和 MATLAB 类似的绘图 API，将众多绘图对象所构成的复杂结构隐藏在这套 API 内部。我们只需要调用 pyplot 模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。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以使用 plt.gcf()和 plt.gca() 获得，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，比如说：

plt.plot()实际上会通过 plt.gca() 获得当前的 Axes 对象 ax，然后再调用 ax.plot() 方法实现真正的绘图。

可以在 Ipython 中输入类似 "plt.plot??" 的命令查看 pyplot 模块的函数是如何对各种绘图对象进行包装的。

配置属性

matplotlib 所绘制的图表的每个组成部分都和一个对象对应，我们可以通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。

因为 matplotlib 实际上是一套面向对象的绘图库，因此也可以直接获取对象的属性

配置文件

绘制一幅图需要对许多对象的属性进行配置，例如颜色、字体、线型等等。我们在绘图时，并没有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，通过修改配置文件，我们可以修改图表的缺省样式。配置文件的读入可以使用 rc_params()，它返回一个配置字典；在 matplotlib 模块载入时会调用 rc_params()，并把得到的配置字典保存到 rcParams 变量中；matplotlib 将使用 rcParams 字典中的配置进行绘图；用户可以直接修改此字典中的配置，所做的改变会反映到此后创建的绘图元素。

绘制多子图（快速绘图）

Matplotlib 里的常用类的包含关系为 Figure -> Axes -> (Line2D, Text, etc.)一个 Figure 对象可以包含多个子图 (Axes)，在 matplotlib 中用 Axes 对象表示一个绘图区域，可以理解为子图。

可以使用 subplot() 快速绘制包含多个子图的图表，它的调用形式如下：

subplot(numRows, numCols, plotNum)

subplot 将整个绘图区域等分为 numRows 行 * numCols 列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为 1。如果 numRows，numCols 和 plotNum 这三个数都小于 10 的话，可以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 指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。

subplot()返回它所创建的 Axes 对象，我们可以将它用变量保存起来，然后用 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）

如果需要同时绘制多幅图表，可以给 figure() 传递一个整数参数指定 Figure 对象的序号，如果序号所指定的 Figure 对象已经存在，将不创建新的对象，而只是让它成为当前的 Figure 对象。

import numpy as np

import matplotlib.pyplot as plt

plt.figure(1) # 创建图表 1

plt.figure(2) # 创建图表 2

ax1 = plt.subplot(211) # 在图表 2 中创建子图 1

ax2 = plt.subplot(212) # 在图表 2 中创建子图 2

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

for i in xrange(5):

    plt.figure(1)  #❶ # 选择图表 1

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

    plt.sca(ax1)   #❷ # 选择图表 2 的子图 1

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

    plt.sca(ax2)  # 选择图表 2 的子图 2

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

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无法正确显示中文。为了让图表能正确显示中文，可以有几种解决方案。

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。

matplotlib 输出图象的中文显示问题

上面那个 link 里的修改 matplotlibrc 方式，我试了好几次都没成功。能 work 的一个比较简便粗暴的方式（但不知道有没有副作用）是，1. 找到字体目录 YOURPYTHONHOME\Lib\site-packages\matplotlib\mpl-data\fonts\ttf 下的 Vera.ttf。这里我们用中文楷体 ( 可以从 windows/system32/fonts 拷贝过来，对于 win8 字体文件不是 ttf 的可以从网上下一个微软雅黑)，直接张贴到前面的 ttf 目录下，然后更名为 Vera.ttf。2. 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。

 

---

面向对象画图

---

matplotlib API 包含有三层，Artist 层处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和 Artist 打交道，而不需要关心底层的绘制细节。

直接使用 Artists 创建图表的标准流程如下：

• 创建 Figure 对象
• 用 Figure 对象创建一个或者多个 Axes 或者 Subplot 对象
• 调用 Axies 等对象的方法创建各种简单类型的 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)（深入浅出适合系统学习）

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 模块中常用的函数，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：

>>> import pylab as pl

1 安装 numpy 和 matplotlib

>>> import numpy
>>> numpy.__version__

>>> import matplotlib
>>> matplotlib.__version__

 

2 两种常用图类型：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)

import numpy as np

import pylab as pl

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

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

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

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

 

2.1.2 散点图 Scatter plots

把 pl.plot(x, y) 改成 pl.plot(x, y, 'o') 即可，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') 改成 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

import numpy as np

import pylab as pl

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

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

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

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

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

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

pl.ylim(0.0, 30.)

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

做法是很直接的，依次作图即可:

import numpy as np

import pylab as pl

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

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

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

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

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

pl.plot(x2, y2, ’g’)

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

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

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

pl.ylim(0.0, 30.)

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’.

如果在当前 figure 里 plot 的时候已经指定了 label，如 plt.plot(x,z,label="$cos\left(x^2\right)$")，直接调用 plt.legend() 就可以了哦。

import numpy as np

import pylab as pl

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

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

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

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

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

plot2 = pl.plot(x2, y2, ’go’)

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

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

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

pl.ylim(0.0, 30.)

pl.legend([plot1, plot2], (’red line’, ’green circles’), ’best’, numpoints=1)# make legend

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

 

2.3 直方图 Histograms

import numpy as np

import pylab as pl

# make an array of random numbers with a gaussian distribution with

# mean = 5.0

# rms = 3.0

# number of points = 1000

data = np.random.normal(5.0, 3.0, 1000)

# make a histogram of the data array

pl.hist(data)

# make plot labels

pl.xlabel(’data’)

pl.show()

如果不想要黑色轮廓可以改为 pl.hist(data, histtype=’stepfilled’)

 

2.3.1 自定义直方图 bin 宽度 Setting the width of the histogram bins manually

增加这两行

bins = np.arange(-5., 16., 1.) #浮点数版本的 range
pl.hist(data, bins, histtype=’stepfilled’)

 

3 同一画板上绘制多幅子图 Plotting more than one axis per canvas

如果需要同时绘制多幅图表的话，可以是给 figure 传递一个整数参数指定图标的序号，如果所指定
序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。

fig1 = pl.figure(1)
pl.subplot(211)
subplot(211) 把绘图区域等分为 2 行 *1 列共两个区域, 然后在区域 1(上区域) 中创建一个轴对象. pl.subplot(212) 在区域 2(下区域) 创建一个轴对象。

You can play around with plotting a variety of layouts. For example, Fig. 11 is created using the following commands:

f1 = pl.figure(1)
pl.subplot(221)
pl.subplot(222)
pl.subplot(212)

当绘图对象中有多个轴的时候，可以通过工具栏中的 Configure Subplots 按钮，交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话，可以调用 subplots_adjust 函数，它有 left, right, bottom, top, wspace, hspace 等几个关键字参数，这些参数的值都是 0 到 1 之间的小数，它们是以绘图区域的宽高为 1 进行正规化之后的坐标或者长度。

pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)

 

4 绘制文件中的数据 Plotting data contained in files

4.1 从 Ascii 文件中读取数据 Reading data from ascii files

读取文件的方法很多，这里只介绍一种简单的方法，更多的可以参考官方文档和NumPy 快速处理数据 (文件存取)。

numpy 的 loadtxt 方法可以直接读取如下文本数据到 numpy 二维数组

**********************************************

# fakedata.txt
0 0
1 1
2 4
3 9
4 16
5 25
6 36
7 49
8 64
9 81
0 0
1 1
2 4
3 9
4 16
5 25
6 36
7 49
8 64
9 81

**********************************************

import numpy as np

import pylab as pl

# Use numpy to load the data contained in the file

# ’fakedata.txt’ into a 2-D array called data

data = np.loadtxt(’fakedata.txt’)

# plot the first column as x, and second column as y

pl.plot(data[:,0], data[:,1], ’ro’)

pl.xlabel(’x’)

pl.ylabel(’y’)

pl.xlim(0.0, 10.)

pl.show()

 

4.2 写入数据到文件 Writing data to a text file

写文件的方法也很多，这里只介绍一种可用的写入文本文件的方法，更多的可以参考官方文档。

import numpy as np

# Let’s make 2 arrays (x, y) which we will write to a file

# x is an array containing numbers 0 to 10, with intervals of 1

x = np.arange(0.0, 10., 1.)

# y is an array containing the values in x, squared

y = x*x

print ’x = ’, x

print ’y = ’, y

# Now open a file to write the data to

# ’w’ means open for ’writing’

file = open(’testdata.txt’, ’w’)

# loop over each line you want to write to file

for i in range(len(x)):

    # make a string for each line you want to write

    # ’\t’ means ’tab’

    # ’\n’ means ’newline’

    # ’str()’ means you are converting the quantity in brackets to a string type

    txt = str(x[i]) + ’\t’ + str(y[i]) + ’ \n’

    # write the txt to the file

    file.write(txt)

# Close your file

file.close()

这部分是翻译自：Python Plotting Beginners Guide

---

对 LaTeX 数学公式的支持

Matlplotlib 对 LaTeX 有一定的支持，如果记得使用 raw 字符串语法会很自然：

xlabel(r"$\frac{x^2}{y^4}$")

在 matplotlib 里面，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

Here is a simple example:

# plain text
plt.title('alpha > beta')

produces “alpha > beta”.

Whereas this:

     

produces "".

这里给大家看一个简单的例子。

import matplotlib.pyplot as plt

x = arange(1,1000,1)
r = -2
c = 5
y = [5*(a**r) for a in x]

 

fig = plt.figure()

ax = fig.add_subplot(111)
ax.loglog(x,y,label = r"$y=\frac{1}{2{\sigma }_1^2},c=5,{\sigma }_1=-2$")
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。

再看一个《用 Python 做科学计算》中的简单例子，下面的两行程序通过调用 plot 函数在当前的绘图对象中进行绘图：

plt.plot(x,y,label="$sin\left(x\right)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos\left(x^2\right)$")

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

• 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

 

详细的可以参考 matplotlib官方教程:

Writing mathematical expressions

• Subscripts and superscripts
• Fractions, binomials and stacked numbers
• Radicals
• Fonts
  • Custom fonts
• Accents
• Symbols
• Example

Text rendering With LaTeX

• usetex with unicode
• Postscript options
• Possible hangups
• Troubleshooting

有几个问题：

• matplotlib.rcParams 属性字典
• 想要它正常工作，在 matplotlibrc 配置文件中需要设置 text.markup = "tex"。
• 如果你希望图表中所有的文字（包括坐标轴刻度标记）都是 LaTeX'd, 需要在 matplotlibrc 中设置 text.usetex = True。如果你使用 LaTeX 撰写论文，那么这一点对于使图表和论文中其余部分保持一致是很有用的。

matplotlib 使用小结

LaTeX 科技排版

参考文献自动搜集管理完美攻略（图文版）:Latex+Lyx+Zotero

 

---

对数坐标轴

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

---

学习资源

Gnuplot 的介绍

• Gnuplot 简介
• IBM:gnuplot 让您的数据可视化,Linux 上的数据可视化工具
• 利用 Python 绘制论文图片: Gnuplot,pylab

官方英文资料：

• matplotlib 下载及 API 手册地址
• Screenshots:example figures
• Gallery:Click on any image to see full size image and source code
• matplotlib 所使用的数学库 numpy 下载及 API 手册

IBM:基于 Python Matplotlib 模块的高质量图形输出(2005 年的文章有点旧)

matplotlib 技巧集(绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y 轴不同区间使用不同颜色填充的曲线区域。)

Python: 使用 matp 绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y 轴不同区间使用不同颜色填充的曲线区域。lotlib 绘制图表

matplotlib 图表中图例大小及字体相关问题