https://www.cnblogs.com/xubing-613/p/5895948.html

最近总是需要用matplotlib绘制一些图，由于是新手，所以总是需要去翻书来找怎么用，即使刚用过的，也总是忘。所以，想写一个入门的教程，一方面帮助我自己熟悉这些函数，另一方面有比我还小白的新手可以借鉴，大神就绕路吧。这篇文章是根据《利用Python进行数据分析》总结出来的，不是很全面，但是作为入门，足够了。

首先，需要能启动IPython 交互界面吧，这个如果还没有启动的话，就自行百度吧。

如果安装了Anaconda,那么以这种方式启动IPython吧。

这样会将IPython配置为使用你所指定的matplotlib GUI 后端（Tk,wxPython,PyQt,Mac OS X native,GTK)。【虽然不知道这些都是些什么，不过打开pylab就够用了】

matplotlib 不是太长了吗，我们通常引入这样的约定：

import matplotlib.pyplot as plt

就是个缩写嘛，大多数高端人员也遵循这个约定，咱就服从吧。

首先，我们来绘制一个figure对象。

立马就会生成一个这样的窗口：

好，这是第一步。

但是不能通过空figure绘图。必须使用add_subplot()创建一个或多个subplot才行。

看以上三行代码，figure变成了这样：

这三行代码的意思是：图像是2X2的，且当前选中是4个中的第n个。（222）就是2X2 中的第二2，（2,2,3）就是2X2中的第三个。可分割也可不分割，当超过10的话需要分割了吧。

好，第二步也成功做完了。接下来，发出一条绘图命令。如plt.plot([1.5, 2, 4, -2, 1.6])   #绘制几个点连接

我们来试一下。

恩，此时matplotlib就会在最后一个用过的subplot（如果没有则创建一个）上面进行绘制。

这几步完成的还不错吧，那下面我们再进一步探索。

*************************************************分割线****************************************************

我们运行一下这两行代码：

from numpy.random import randn #导入随机模块
plt.plot(randn(50).cumsum(), 'k--')

其实就是在0到50随机生成一个数组，然后绘制在最后一个用过的subplot里面，注意是线段类型，虚线。

那如何绘制图像在其他的subplot里面呢？下面就演示如何做。

ax1.hist(randn(100), bins  = 20, color = 'k', alpha = 0.3)

ax2.scatter(np.arange(30), np.arange(30)  + 3 * randn(30))

至此，应该能非常熟练的在figure对象中绘图了吧。

还可以在matplotlib的文档中找到各种图表类型。

**********************************************分割线**********************************************************

由于根据特定布局创建Figure和subplot是一件很常见的任务，于是便出现了一个更为方便的方法。

fig, axes = plt.subplots(2, 3)

这样，一步就完成上节两步完成的工作。

-----------------------------------------------------------------------

pyplot.subplots有几个选项

nrows：subplot的行数

ncols：subplot的列数

sharex：所有subplot共享x轴刻度

sharey：所有subplot共享Y轴刻度

subplot_kw：用于创建各subplot的关键字字典

**fig_kw:创建figure时的其他关键字，如plt.subplots(2,2,figuresize=(8,6))

-------------------------------------------------------------------------

加了参数，共享x轴y轴。

我们再试着调整一下subplot周围的边距。

Figure有一个顶级函数subplot_adjust。

subplots_adjust（left = None, bottom = None, right  = None, top = None, wsapce = None, hspace = None ）

wspace 和 hspace是控制宽度和高度的百分比。下面将间距收缩到了0.

又是新知识吧。接下来，学习颜色和线型。

************************************分割线**************************************************

新建一个fig

fig = plt.plot()

再新建一个fig

data = randn(30).cumsum()

plt.plot(data, 'k--', label = 'Default')

plt.plot(data, 'k-', drawstyle = 'steps-post', label = 'steps-post')

plt.legend(loc='best')　　#在合适的位置放置图例。

设置标题，轴标签，刻度以及刻度标签。

fig = plt.figure()

ax = fig.add_subplot(111)

ax.plot(randn(1000).cumsum())

随机漫步。我们来给上图添加标签。

ticks = ax.set_xtickets([0, 250, 500, 750, 1000])

可以看出，x标签变成我们制定的标签。y轴标签可想而知了。

再来设置title

ax.set_title('My First matplotlib plot')

再用set_xlabel为X轴设置一个名称。

ax.set_xlabel('Stages')

Y轴的跟X轴几乎是一样的。再小白也能看懂吧。

添加图例（legend）：

上面两张图是一样的，后面只是上面图放大了，注意图例的位置。

ax.legend(loc = 'best')  #会选择一个最不碍事的位置。

要从图例中去除一个或多个元素，不传入label或传入lable = '_nolegend_'

还有一些这样的选项。

***************************************************分割线*****************************************************

又上一层楼。 嘻嘻。

好了，一口气写这么些，后面的再慢慢更新吧。

今天接着入门，白小白可以看，大神绕路。

***************************************************分割线*****************************************************

今天接着入门，白小白可以看，大神绕路。

今天以画图开始。

画个长方形，三角形，圆形（椭圆）。

Matplotlib有一些表示常见图形的对象，这些对象被称为块（patch）。完整的集合位于matplotlib.patches。

fig = plt.figure()

ax = fig.add_subplot(111)

rect = plt.Rectangle((0.2,0.75), 0.4, 0.15, color = ‘r’, alpha = 0.3)#左下起点，长，宽，颜色，α

circ = plt.Circle((0.7,0.2), 0.15, color = ‘b’, alpha = 0.5)#圆心，半径，颜色，α

pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]], color = ‘g’, alpha = 0.5 )#顶点坐标颜色α

α表示的是图表的填充不透明度。在（0,1）之间。

ax.add_patch(rect)

ax.add_patch(circ)

ax.add_patch(pgon)

补充一个：如何在图上指定位置添加文本、箭头，或其他图形呢？

答：可以通过text、arrow、annotate等函数进行添加。下面看一个添加文本的例子。

ax.text(0.7, 0.6, ‘Hello World!’, family = ‘monospace’, fontsize = 10)

可以看到图片里面指定位置有我们添加的文字信息。

那生成了图表文件怎么保存呢？

利用plt.savefig可以将当前图表保存到文件。

Plt.savefig(‘figpath.svg’, dpi = 400, bbox_inches = ‘tight’ )

#文件类型是通过文件扩展名推断出来的，可以保存为.pdf.

Dpi是 ‘每英寸点数’分辨率，bbox_inches可以剪除当前图表周围的空白部分

保存到了一个.pdf的文件中。

Figure.savefig有一下选项：

Fname： 含有路径的字符串或python文件型对象。.pdf,.png根据扩展名推断得出。

dpi: 图像分辨率（每英寸点数），默认为100

facecolor，edgecolor： 图像的背景色，默认为‘w’（白色）

format： 显式设置文件格式（‘png’，‘pdf’，‘svg’，‘ps’，‘eps’…）

bbox_inches：图表需要保存的部分。如果设置为‘tight’，则尝试剪除图表周围的空白部分。

***********************分割线********************************

Matplotlib实际上是一种比较低级的绘图工具。要组装一章图表，你得用它的各种基础组件才行。下面介绍一下pandas中的绘图函数。简单入门级别的集中。

************************分割线*******************************

线型图：

Series和DataFrame都有一个用于生成各类图表的plot方法。默认情况下，他们所生成的是线型图。

s = Series(na.random.randn(10).cumsum(), index = np.arange(0,100,10))

s.plot()