# 原创
：  Numpy学习（二）——Matplotlib基础

# Numpy学习（二）——Matplotlib基础

## Matplotlib 基础

Matplotlib是一个类似Matlab的工具包，主要用来画图，主页地址为：[Matplotlib](https://matplotlib.org/)

```
# 导入 matplotlib 和 numpy：
%pylab
```

```
Using matplotlib backend: TkAgg
Populating the interactive namespace from numpy and matplotlib

```

### plot 二维图

```
plot(y)
plot(x, y)
plot(x, y, format_string)
```

只给定 y 值，默认以下标为 x 轴：

```
%matplotlib inline
x = linspace(0,2*pi,50)
plot(sin(x)) # 没有给定x,则范围为0-50
```

```
[<matplotlib.lines.Line2D at 0x9d69b50>]

```

```
# 给定x和y值
plot(x, sin(x)) # 给定x，则范围为0-2pi
```

```
[<matplotlib.lines.Line2D at 0x9f4c050>]

```

```
# 多条数据线
plot(sin(x)/x,
     x,sin(2*x))
```

```
d:\python\lib\site-packages\ipykernel_launcher.py:2: RuntimeWarning: invalid value encountered in divide






[<matplotlib.lines.Line2D at 0xa186ed0>,
 <matplotlib.lines.Line2D at 0xa186fb0>]

```

```
# 使用字符串，给定线条参数：
plot(x, sin(x), 'r-^')
```

```
[<matplotlib.lines.Line2D at 0xb158070>]

```

```
# 多线条：
plot(x,sin(x),'b-o',
    x,sin(2*x),'r-^')
```

```
[<matplotlib.lines.Line2D at 0xb255530>,
 <matplotlib.lines.Line2D at 0xb255650>]

```

### scatter散点图

```
scatter(x, y)
scatter(x, y, size)
scatter(x, y, size, color)
```

假设我们想画二维散点图：

```
plot(x, sin(x), 'bo')
```

```
[<matplotlib.lines.Line2D at 0xb392b10>]

```

```
# 使用 scatter 达到同样的效果
scatter(x, sin(x))
```

```
<matplotlib.collections.PathCollection at 0xb392bd0>

```

```
# scatter函数与Matlab的用法相同，还可以指定它的大小，颜色等参数
x = rand(200)
y = rand(200)
size = rand(200) * 30
color = rand(200)
scatter(x, y, size, color)
# 显示颜色条
colorbar()
```

```
<matplotlib.colorbar.Colorbar at 0xb6fea90>

```

### 多图

```
# 使用figure()命令产生新的图像：
t = linspace(0, 2*pi, 50)
x = sin(t)
y = cos(t)
figure()
plot(x)
figure()
plot(y)
```

```
[<matplotlib.lines.Line2D at 0xb530590>]

```

<img alt="这里写图片描述" src="https://img-blog.csdn.net/20180731011911224?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RzMTk5OTE5OTk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70" title=""/> <br/> <img alt="这里写图片描述" src="https://img-blog.csdn.net/2018073101191879?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RzMTk5OTE5OTk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70" title=""/>

```
# 或者使用 subplot 在一幅图中画多幅子图：
# subplot(row, column, index)
subplot(1, 2, 1)
plot(x)
subplot(1, 2, 2)
plot(y)
```

```
[&lt;matplotlib.lines.Line2D at 0xb5c7410&gt;]

```

### 向图中添加数据

```
# 默认多次 plot 会叠加：
plot(x)
plot(y)
```

```
[&lt;matplotlib.lines.Line2D at 0xe7b9a90&gt;]

```

```
# 跟Matlab类似用 hold(False)关掉，这样新图会将原图覆盖：
plot(x)
hold(False)
plot(y)
# 恢复原来设定
hold(True)
```

```
d:\python\lib\site-packages\ipykernel_launcher.py:3: MatplotlibDeprecationWarning: pyplot.hold is deprecated.
    Future behavior will be consistent with the long-time default:
    plot commands add elements without first clearing the
    Axes and/or Figure.
  This is separate from the ipykernel package so we can avoid doing imports until
d:\python\lib\site-packages\matplotlib\__init__.py:911: MatplotlibDeprecationWarning: axes.hold is deprecated. Please remove it from your matplotlibrc and/or style files.
  mplDeprecation)
d:\python\lib\site-packages\matplotlib\rcsetup.py:156: MatplotlibDeprecationWarning: axes.hold is deprecated, will be removed in 3.0
  mplDeprecation)
d:\python\lib\site-packages\ipykernel_launcher.py:6: MatplotlibDeprecationWarning: pyplot.hold is deprecated.
    Future behavior will be consistent with the long-time default:
    plot commands add elements without first clearing the
    Axes and/or Figure.

```

### 标签

```
# 可以在 plot 中加入 label ，使用 legend 加上图例：
plot(x, label='sin')
plot(y, label='cos')
legend()
```

```
&lt;matplotlib.legend.Legend at 0xeb1b7f0&gt;

```

```
# 或者直接在 legend中加入：
plot(x)
plot(y)
legend(['sin', 'cos'])
```

```
&lt;matplotlib.legend.Legend at 0xebc21b0&gt;

```

### 坐标轴，标题，网格

```
# 可以设置坐标轴的标签和标题：
plot(x, sin(x))
xlabel('radians')
# 可以设置字体大小
ylabel('amplitude', fontsize='large')
title('Sin(x)')
```

```
Text(0.5,1,'Sin(x)')

```

```
# 用 'grid()' 来显示网格：
plot(x, sin(x))
xlabel('radians')
ylabel('amplitude', fontsize='large')
title('Sin(x)')
grid()
```

### 清除、关闭图像

清除已有的图像使用：`clf()`

关闭当前图像：`close()`

关闭所有图像：`close('all')`

### imshow 显示图片

这里需要注意，之前misc中的示例图片被删除了，查看帮助文档，发现换成了另一个名称

```
# 导入lena图片
from scipy.misc import face,ascent
img1 = face()
img2 = ascent()
```

```
imshow(img1,
       # 设置坐标范围
      extent = [-25, 25, -25, 25],
       # 设置colormap
      cmap = cm.bone)
colorbar()
```

```
&lt;matplotlib.colorbar.Colorbar at 0x10639950&gt;

```

```
imshow(img2,
       # 设置坐标范围
      extent = [-25, 25, -25, 25],
       # 设置colormap
      cmap = cm.bone)
colorbar()
```

```
&lt;matplotlib.colorbar.Colorbar at 0x1092a030&gt;

```

```
# 看一下img的数据
print 'face:\n',img1
print 'ascent:\n',img2
```

```
face:
[[[121 112 131]
  [138 129 148]
  [153 144 165]
  ...
  [119 126  74]
  [131 136  82]
  [139 144  90]]

 [[ 89  82 100]
  [110 103 121]
  [130 122 143]
  ...
  [118 125  71]
  [134 141  87]
  [146 153  99]]

 [[ 73  66  84]
  [ 94  87 105]
  [115 108 126]
  ...
  [117 126  71]
  [133 142  87]
  [144 153  98]]

 ...

 [[ 87 106  76]
  [ 94 110  81]
  [107 124  92]
  ...
  [120 158  97]
  [119 157  96]
  [119 158  95]]

 [[ 85 101  72]
  [ 95 111  82]
  [112 127  96]
  ...
  [121 157  96]
  [120 156  94]
  [120 156  94]]

 [[ 85 101  74]
  [ 97 113  84]
  [111 126  97]
  ...
  [120 156  95]
  [119 155  93]
  [118 154  92]]]
ascent:
[[ 83  83  83 ... 117 117 117]
 [ 82  82  83 ... 117 117 117]
 [ 80  81  83 ... 117 117 117]
 ...
 [178 178 178 ...  57  59  57]
 [178 178 178 ...  56  57  57]
 [178 178 178 ...  57  57  58]]

```

```
imshow??
```

```
# 这里 cm 表示 colormap，可以看它的种类：
dir(cm)
```

```
[u'Accent',
 u'Accent_r',
 u'Blues',
 u'Blues_r',
 u'BrBG',
 u'BrBG_r',
 u'BuGn',
 u'BuGn_r',
 u'BuPu',
 u'BuPu_r',
 u'CMRmap',
 u'CMRmap_r',
 u'Dark2',
 u'Dark2_r',
 u'GnBu',
 u'GnBu_r',
 u'Greens',
 u'Greens_r',
 u'Greys',
 u'Greys_r',
 'LUTSIZE',
 u'OrRd',
 u'OrRd_r',
 u'Oranges',
 u'Oranges_r',
 u'PRGn',
 u'PRGn_r',
 u'Paired',
 u'Paired_r',
 u'Pastel1',
 u'Pastel1_r',
 u'Pastel2',
 u'Pastel2_r',
 u'PiYG',
 u'PiYG_r',
 u'PuBu',
 u'PuBuGn',
 u'PuBuGn_r',
 u'PuBu_r',
 u'PuOr',
 u'PuOr_r',
 u'PuRd',
 u'PuRd_r',
 u'Purples',
 u'Purples_r',
 u'RdBu',
 u'RdBu_r',
 u'RdGy',
 u'RdGy_r',
 u'RdPu',
 u'RdPu_r',
 u'RdYlBu',
 u'RdYlBu_r',
 u'RdYlGn',
 u'RdYlGn_r',
 u'Reds',
 u'Reds_r',
 'ScalarMappable',
 u'Set1',
 u'Set1_r',
 u'Set2',
 u'Set2_r',
 u'Set3',
 u'Set3_r',
 u'Spectral',
 u'Spectral_r',
 u'Wistia',
 u'Wistia_r',
 u'YlGn',
 u'YlGnBu',
 u'YlGnBu_r',
 u'YlGn_r',
 u'YlOrBr',
 u'YlOrBr_r',
 u'YlOrRd',
 u'YlOrRd_r',
 '__builtins__',
 '__doc__',
 '__file__',
 '__name__',
 '__package__',
 '_generate_cmap',
 '_reverse_cmap_spec',
 '_reverser',
 'absolute_import',
 u'afmhot',
 u'afmhot_r',
 u'autumn',
 u'autumn_r',
 u'binary',
 u'binary_r',
 u'bone',
 u'bone_r',
 u'brg',
 u'brg_r',
 u'bwr',
 u'bwr_r',
 'cbook',
 'cividis',
 'cividis_r',
 'cmap_d',
 'cmapname',
 'cmaps_listed',
 'colors',
 u'cool',
 u'cool_r',
 u'coolwarm',
 u'coolwarm_r',
 u'copper',
 u'copper_r',
 u'cubehelix',
 u'cubehelix_r',
 'datad',
 'division',
 u'flag',
 u'flag_r',
 'get_cmap',
 u'gist_earth',
 u'gist_earth_r',
 u'gist_gray',
 u'gist_gray_r',
 u'gist_heat',
 u'gist_heat_r',
 u'gist_ncar',
 u'gist_ncar_r',
 u'gist_rainbow',
 u'gist_rainbow_r',
 u'gist_stern',
 u'gist_stern_r',
 u'gist_yarg',
 u'gist_yarg_r',
 u'gnuplot',
 u'gnuplot2',
 u'gnuplot2_r',
 u'gnuplot_r',
 u'gray',
 u'gray_r',
 u'hot',
 u'hot_r',
 u'hsv',
 u'hsv_r',
 'inferno',
 'inferno_r',
 u'jet',
 u'jet_r',
 'ma',
 'magma',
 'magma_r',
 'mpl',
 u'nipy_spectral',
 u'nipy_spectral_r',
 'np',
 u'ocean',
 u'ocean_r',
 u'pink',
 u'pink_r',
 'plasma',
 'plasma_r',
 'print_function',
 u'prism',
 u'prism_r',
 u'rainbow',
 u'rainbow_r',
 'register_cmap',
 'revcmap',
 u'seismic',
 u'seismic_r',
 'six',
 u'spring',
 u'spring_r',
 u'summer',
 u'summer_r',
 u'tab10',
 u'tab10_r',
 u'tab20',
 u'tab20_r',
 u'tab20b',
 u'tab20b_r',
 u'tab20c',
 u'tab20c_r',
 u'terrain',
 u'terrain_r',
 'unicode_literals',
 'viridis',
 'viridis_r',
 u'winter',
 u'winter_r']

```

```
imshow(img2, cmap=cm.tab20c_r)
```

```
&lt;matplotlib.image.AxesImage at 0x10bdd9b0&gt;

```

### 从脚本中运行

在脚本中使用 plot 时，通常图像是不会直接显示的，需要增加 **show()** 选项，只有在遇到 show() 命令之后，图像才会显示。

### 直方图

```
# 从高斯分布随机生成1000个点得到的直方图：
hist(randn(1000))
```

```
(array([  4.,  27.,  72., 148., 211., 221., 162., 111.,  29.,  15.]),
 array([-3.06945987, -2.48284754, -1.89623522, -1.3096229 , -0.72301058,
        -0.13639825,  0.45021407,  1.03682639,  1.62343871,  2.21005103,
         2.79666336]),
 &lt;a list of 10 Patch objects&gt;)

```

```
"""
==================
A simple Fill plot
==================

This example showcases the most basic fill plot a user can do with matplotlib.
"""
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 1, 500)
y = np.sin(4 * np.pi * x) * np.exp(-5 * x)

fig, ax = plt.subplots()

ax.fill(x, y, zorder=10)
ax.grid(True, zorder=5)
plt.show()
```

```
"""
========================
A more complex fill demo
========================

In addition to the basic fill plot, this demo shows a few optional features:

    * Multiple curves with a single command.
    * Setting the fill color.
    * Setting the opacity (alpha value).
"""
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 500)
y1 = np.sin(x)
y2 = np.sin(3 * x)

fig, ax = plt.subplots()
ax.fill(x, y1, 'b', x, y2, 'r', alpha=0.3)
plt.show()
```

### 总结

```
# 导入 matplotlib 和 numpy：
%pylab

%matplotlib inline
x = linspace(0,2*pi,50)
plot(sin(x)) # 没有给定x,则范围为0-50

# 给定x和y值
plot(x, sin(x)) # 给定x，则范围为0-2pi

# 多条数据线
plot(x,sin(x),
     x,sin(2*x))

# 使用字符串，给定线条参数：
plot(x, sin(x), 'r-^')

# 多线条：
plot(x,sin(x),'b-o',
    x,sin(2*x),'r-^')

# 假设我们想画二维散点图：
plot(x, sin(x), 'bo')
# 使用 scatter 达到同样的效果
scatter(x, sin(x))

# scatter函数与Matlab的用法相同，还可以指定它的大小，颜色等参数
x = rand(200)
y = rand(200)
size = rand(200) * 30
color = rand(200)
scatter(x, y, size, color)
# 显示颜色条
colorbar()

# 使用figure()命令产生新的图像：
t = linspace(0, 2*pi, 50)
x = sin(t)
y = cos(t)
figure()
plot(x)
figure()
plot(y)

# 或者使用 subplot 在一幅图中画多幅子图：
# subplot(row, column, index)
subplot(1, 2, 1)
plot(x)
subplot(1, 2, 2)
plot(y)

# 默认多次 plot 会叠加：
plot(x)
plot(y)

# 跟Matlab类似用 hold(False)关掉，这样新图会将原图覆盖：
plot(x)
hold(False)
plot(y)
# 恢复原来设定
hold(True)

# 可以在 plot 中加入 label ，使用 legend 加上图例：
plot(x, label='sin')
plot(y, label='cos')
legend()

# 或者直接在 legend中加入：
plot(x)
plot(y)
legend(['sin', 'cos'])

# 可以设置坐标轴的标签和标题：
plot(x, sin(x))
xlabel('radians')
# 可以设置字体大小
ylabel('amplitude', fontsize='large')
title('Sin(x)')
# 用 'grid()' 来显示网格：
grid()

# 导入lena图片
from scipy.misc import face,ascent
img1 = face()
img2 = ascent()

# 显示图片
imshow(img1,
       # 设置坐标范围
      extent = [-25, 25, -25, 25],
       # 设置colormap
      cmap = cm.bone)
colorbar()

# 在脚本中使用 plot 时，通常图像是不会直接显示的，需要增加 show() 选项，只有在遇到 show() 命令之后，图像才会显示。

# 从高斯分布随机生成1000个点得到的直方图：
hist(randn(1000))

# 查阅帮助 &lt;模块或者函数名&gt;??
```