用Matplotlib绘制二维图像

唠叨几句：

近期在做数据分析，需要对数据做可视化处理，也就是画图，一般是用Matlib来做，但Matlib安装文件太大，不太想直接用它，据说其代码运行效率也很低，在网上看到可以先用Java做数据处理，然后调用Matlib来画图，另外，还可以使用Matplotlib，它是用Python写的类似Matlib的库，能实现Matlib的功能，而且画图的质量很高，可用于做论文发表。找了一天的资料，终于出图了。

Matplotlib需要配合numpy,scipy才能使用，具体安装步骤稍后补充。

正文：

用Matplotlib绘制二维图像的最简单方法是：

1）导入matplotlib的子模块

import matplotlib.pyplot as plt

2）给出x,y两个数组[Python列表]，注意两个列表的元素个数必须相同，否则会报错

x=[1,2,3,4,5,6,7]
y=[2.6,3.6,8.3,56,12.7,8.9,5.3]

3）调用pyplot模块的绘图方法画出图像，基本的画图方法有：plot(将各个点连成曲线图)、scatter（画散点图），还有更多方法

plt.plot(x,y)
plt.scatter(x,y)

4）调用pyplot的show方法，显示结果。

plt.show()

基本代码：

import matplotlib.pyplot as plt
def plot2D():
    x=[1,2,3,4,5,6,7]
    y=[2.6,3.6,8.3,56,12.7,8.9,5.3]
    plt.plot(x,y)#画连线图
    plt.scatter(x,y)#画散点图
    plt.show()

if __name__==‘__main__‘:
    plot2D()

结果图：

依次是：仅调用plot方法、仅调用scatter方法、同时调用plot和scatter方法

下面给出一个综合示例

本例用Python读取.txt文件中的数据内容（旧金山的出租车位置信息，引自http://crawdad.org/epfl/mobility/20090224/），作为绘制图像的数据源，调用Matplotlib模块的pyplot子模块画出图像。图像类型包括散点图、曲线图，包含图例说明、title、坐标轴说明

代码：

# -*- coding: gbk -*-

import re
import matplotlib.pyplot as plt

def loadData(dataFile,rowlimts):
    #dataFile=r‘E:\cabspottingdata\new_abboip.txt‘
    myFile=open(dataFile,‘r‘,2048)#2048为缓冲大小
    newline=myFile.readline()
    geopoints=[]
    splitter=re.compile(‘\\s‘)#以空白字符作为分隔符
    rows=0
    while newline and rows<rowlimts:
        content=splitter.split(newline)
        geopoint=[]
        geopoint.append(float(content[1]))
        geopoint.append(float(content[0]))
        geopoints.append(geopoint)
        rows+=1
        newline=myFile.readline()
    myFile.close()
    return geopoints

def main():
    rowlimits=25000#读取数据的行数
    dataFile=r‘E:\cabspottingdata\new_abboip.txt‘
    dataFile2=r‘E:\cabspottingdata\new_utvohovy.txt‘
    dataFile3=r‘E:\cabspottingdata\new_uvjova.txt‘
    geopoints=loadData(dataFile,rowlimits)
    geopoints2=loadData(dataFile2,rowlimits)
    geopoints3=loadData(dataFile3,rowlimits)
    x=[]
    y=[]
    x2=[]
    y2=[]
    x3=[]
    y3=[]
    for point in geopoints:
        x.append(point[0])
        y.append(point[1])
    for point in geopoints2:
        x2.append(point[0])
        y2.append(point[1])
    for point in geopoints3:
        x3.append(point[0])
        y3.append(point[1])
    plt.plot(x,y,color=‘green‘,label=‘cab 1‘)#绘制绿色线条,label要作用，必须与legend()方法配合使用
    plt.scatter(x2,y2,color=‘green‘,label=‘cab 2‘)#用x3,y3列表绘制蓝色散点图，图例为cab 2
    plt.plot(x3,y3,color=‘red‘,label=‘cab 3‘,linewidth=1)#用x3,y3列表绘制红色线条，图例为cab 3,线条粗细设为1

    #plt.scatter(x2,y2,color=‘g‘,label=‘line one‘,linewidths=1)
    #plt.plot(x, y, ‘b^‘, x2, y2, ‘g-‘)
    plt.legend()
    plt.grid(None, ‘major‘, ‘both‘)#画出网格背景
    plt.title(‘Plotting the trajectory of cabs in San Fransisco with %d spatial records‘%rowlimits)#设置title
    plt.xlabel(‘longitude‘)#说明x轴表示经度
    plt.ylabel(‘latitude‘)#说明y轴表示纬度
    plt.show()#显示结果图

if __name__==‘__main__‘:
    main()
    

一些效果图：