1 几个小例子

最简单的图表应该就是一个函数图像 1 简单折线图 Simple Line Plots - 图1.
首先 import 库，并且设置绘图的样式：

  1. %matplotlib inline
  2. import matplotlib.pyplot as plt
  3. plt.style.use('seaborn-whitegrid')
  4. import numpy as np

首先创建图像 ( figure ) 和坐标轴 ( axes )：

  1. fig = plt.figure()
  2. ax = plt.axes()

在 notebook 中执行后，会自动嵌入下面的图像：
image.png
在 Matplotlib 中， figure ( 类 plt.Figure 的一个实例 ) 可以认为就是一个容器 ( container )，这个容器里面装有所有绘制坐标中、曲线、标签等的对象。 axes ( 类 plt.Axes 的一个实例 ) 包括：坐标轴的刻度、标题。

然后就可以使用下面的命令进行绘图啦：

  1. fig = plt.figure()
  2. ax = plt.axes()
  4. x = np.linspace(0 ,10, 100)
  5. ax.plot(x, np.sin(x))

画出来的图张这个熊样（bushi）：
image.png

如果想在一幅图像中画多条曲线，那么就多次调用 plt.plot() 就可以啦：

  1. plt.plot(x, np.sin(x))
  2. plt.plt(x, np.cos(x))

image.png

2 修饰图表：曲线的颜色与样式

在 plt.plot() 函数中，使用形参 color 可以修改曲线的颜色：

  1. plt.plot(x, np.sin(x - 0), color='blue')             # specify color by name 
  2. plt.plot(x, np.sin(x - 1), color='g')                # short colro code (rgbcmyk)
  3. plt.plot(x, np.sin(x - 2), color='0.75')            # Grayscale between 0 and 1
  4. plt.plot(x, np.sin(x - 3), color='#FFDD44')            # Hex code (RRGGBB from 00 to FF)
  5. plt.plot(x, np.sin(x - 4), color=(1.0, 0.2, 0.3))    # RGB tuple, values 0 to 1
  6. plt.plot(x, np.sin(x - 5), color='chartreuse')        # all HTML color names supported

image.png

如果没有指定曲线的颜色，Matplotlib 会自动从默认的颜色集中选择。

同样，曲线的样式可以通过 plt.plot() 函数中的形参 linestyle 来指定：

  1. plt.plot(x, x + 0, linestyle='solid')
  2. plt.plot(x, x + 1, linestyle='dashed')
  3. plt.plot(x, x + 2, linestyle='dashdot')
  4. plt.plot(x, x + 3, linestyle='dotted')
  6. # For short, you can use the following codes:
  7. plt.plot(x, x + 4, linestyle='-')
  8. plt.plot(x, x + 5, linestyle='--')
  9. plt.plot(x, x + 6, linestyle='-.')
  10. plt.plot(x, x + 7, linestyle=':')

image.png

当然，如果你还嫌麻烦，可以将 linestyle 和 color 合并：

  1. plt.plot(x, x + 0, '-g')  # solid green
  2. plt.plot(x, x + 1, '--c') # dashed cyan
  3. plt.plot(x, x + 2, '-.k') # dashdot black
  4. plt.plot(x, x + 3, ':r');  # dotted red

image.png
当然，在 plt.plot() 中还有很多别的关键字，好好查查吧！

3 修饰图表：坐标轴范围

（按照原作者的话 “Matplotlib does a decent job for choosing default axes limits for your plot”， decent 用的好呀！

最基本的方法我们可以使用 plt.xlim() 和 plt.ylim() 方法来修改坐标轴的范围：

  1. plt.plot(x, np.sin(x))
  3. plt.xlim(-1, 11)
  4. plt.ylim(-1.5, 1.5)

image.png

可以看到， plt.xlim() 和 plt.ylim() 都是左闭右闭的区间，这与 Python 内置左闭右开的风格不大一样（比如 range() 就是左闭右开的区间。

这玩意也可以用来将坐标轴倒置：

  1. plt.plot(x, np.sin(x))
  3. plt.xlim(10, 0)
  4. plt.ylim(1.2, -1.2);

image.png

另外一种方法是使用 plt.axis() （注意：这里是 axis() ，不是 axes() ）。通过传入 [xmin, xmax, ymin, ymax] 这样的 list ，就可以一步到胃：

  1. plt.plot(x, np.sin(x))
  2. plt.axis([-1, 11, -1.5, 1.5])

image.png

当然， plt.axis() 还有更强大的功能！比如可以通过下面的代码让曲线的界限变得紧凑：

  1. plt.plot(x, np.sin(x))
  2. plt.axis('tight')

image.png

也可以通过下面的代码让 x 轴和 y 轴的单位长度相等：

  1. plt.plot(x, np.sin(x))
  2. plt.axis('equal');

image.png

4 加入标签 Labeling Plots

这一小节包括：图表的标题、坐标轴的标签以及简单的图例。

首先是坐标轴的标签：

  1. plt.plot(x, np.sin(x))
  2. plt.title("A Sine Curve")
  3. plt.xlabel("x")
  4. plt.ylabel("sin(x)")

image.png
关于标题和标签的位置、大小以及样式，都可以通过向上面这三个函数传递不同的参数值来修改。具体可以查看Matplotlib 的官方文档。

当一个图像上有多条曲线的时候，我们就可以创建图例来更好的展示图表。 plt.legend() 可以创建图例，图例中曲线的名字可以通过向 plt.plot() 中传递 label 参数进行修改：

  1. plt.plot(x, np.sin(x), '-g', label='sin(x)')
  2. plt.plot(x, np.cos(x), ':b', label='cos(x)')
  3. plt.axis('equal')
  5. plt.legend()

image.png

关于图例的更多高级的使用方法，在第 6 章自定义图例中进行讲解。

5 Matplotlib 的小陷阱

原文的标题为 “Aside: Matplotlib Gotchas”.

虽然绝大多数 plt 中 的函数被直接翻译成 ax 中的方法，比如plt.plot() → ax.plot(), plt.legend() → ax.legend() . 但是也有一些不大一样的，这是个坑：

  • plt.xlabel() → ax.set_xlabel()
  • plt.ylabel() → ax.set_ylabel()
  • plt.xlim() → ax.set_xlim()
  • plt.ylim() → ax.set_ylim()
  • plt.title() → ax.set_title()


在面向对象的接口中，我们一般不单独使用这些方法，取而代之的是使用 ax.set() 方法来设置这些参数：

  1. ax = plt.axes()
  2. ax.plot(x, np.sin(x))
  3. ax.set(xlim=(0, 10), ylim=(-2, 2),
  4.        xlabel='x', ylabel='sin(x)',
  5.        title='A Simple Plot')

image.png