使用matplotlib绘制图表

我们先来看什么是Figure和Axes对象。在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。其逻辑关系如下：

以下整个图像是fig对象。我们的绘图中只有一个坐标系区域，也就是ax。此外还有以下对象。(括号中表示对象的基本类型)

Title为标题；

Axis为坐标轴；

Label为坐标轴标注；

Tick为刻度线；

Tick Label为刻度注释。

各个对象之间有下面的对象隶属关系：

(yaxis同样有tick, label和tick label，没有画出)

尽管data是数据绘图的关键部分，也就是数据本身的图形化显示，但是必须和xaxis, yaxis, title一起，才能真正构成一个绘图区域axes。一个单纯的，无法读出刻度的

坐标

坐标是计算机绘图的基础。计算机屏幕是由一个个像素点构成的。想要在屏幕上显示图像，计算机必须告诉屏幕每个像素点上显示什么。所以，最贴近硬件的坐标体系是以像素为单位的坐标体系。我们可以通过具体说明像素位置来标明显示器上的某一点。这叫做显示坐标(display coordinate)，以像素为单位。

然而，像素坐标不容易被纳入绘图逻辑。相同的程序，在不同的显示器上就要调整像素值，以保证图像不变形。所以一般情况下，还会有图像坐标和数据坐标。

图像坐标将一张图的左下角视为原点，将图像的x方向和y方向总长度都看做1。x方向的0.2就是指20%的图像在x方向的总长，y方向0.8的长度指80%的y方向总长。(0.5, 0.5)是图像的中点，(1, 1)指图像的右上角。比如下面的程序，我们在使用add_axes时，传递的参数中，前两个元素为axes的左下角在fig的图像坐标上的位置，后两个元素指axes在fig的图像坐标上x方向和y方向的长度。fig的图像坐标称为Figure坐标，储存在为fig.transFigure

线是没有意义的。xaxis, yaxis, title合起来构成了数据的辅助部分(data guide)。

例程1：

#!/usr/bin/env python
import matplotlib.pyplot as plt  

plt.plot([10, 20, 30])
plt.xlabel('tiems')
plt.ylabel('numbers')
plt.show()

例程二：

    #!/usr/bin/env python
    # -*- coding: utf-8 -*-  

    import numpy as np
    import matplotlib.pyplot as plt  

    t = np.arange(0.0, 1.01, 0.01)
    s = np.sin(2*2*np.pi*t)  

    plt.fill(t, s*np.exp(-5*t), 'r')
    plt.grid(True)  

    #保存为PDF格式，也可保存为PNG等图形格式
    plt.savefig('D:\\test.pdf')
    plt.show()

例程三：

import numpy as np
import matplotlib.pyplot as plt

x  = [4,5,5,7,8]
t1 = [1,2,4,4,6]
t2 = [1,2,3,4,5]

plt.figure(1)

plt.plot(t1,'k')
plt.scatter(x,t2,s=2,alpha=1)

plt.show()

例程四：

import numpy as np
import matplotlib.pyplot as plt

x  = [1,2,3,4,5]
t1 = [1,2,3,4,5]
t2 = [1,4,6,8,10]
t3 = [1,8,9,10,20]

plt.figure(1)

#add line
plt.plot(t1,'r')

#add circle
plt.plot(t2,'o')

#add dian
plt.scatter(x,t2,s=2,alpha=1)

plt.xlabel('date(2000+)')
plt.ylabel('house prices')
plt.title('just testing for line and pot')

title : 设置图表的标题
ylim : 设置Y轴的范围
legend : 显示图示最后调用plt.show()显示出我们创建的所有绘图对象。

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 valuesfor each x value
pl.plot(x, y)# use pylab to plot x and y
pl.show()# show the plot on the screen