1. matplotlib api 入门
matplotlib api 函数都位于maptplotlib.pyplot模块中
画图的各种方法：
- Figure：画图窗口
- Subplot/add_Subplot: 创建一个或多个子图
- Subplots_adjust:调整subplot周围的间距
- color/linestyle/marker: 线颜色，线型，标记
- drawstyle：线型选项修改
- xlim: 图表范围，有两个方法get_xlim和set_xlim
- xticks：刻度位置，有两个方法get_xticks和set_xticks
- xticklabels: 刻度标签,有两个方法get_xticklabels和set_xticklabels
- legend: 添加图例。plt.legend(loc='best')
Figure和Subplot方法
Figure对象：matplotlib的图像都位于Figure对象中，可以用plt.figure创建一个新的Figure.
fig=plt.figure()
plt.show()
这时会出现一个空的窗口。figure有点类似于画图需要的画布add_subplot:创建一个或多个子图，即在一个窗口中画好几个图形。
eg：ax2=fig.add_subplot(2,2,1)
#这个的意思是：子图排列是应该是2X2个(即上下2个)，最后一个1是指当前选中的是4个subplot中的第一个(编号从1开始的)。
如果如下：由窗口中会画3个图
ax1=fig.add_subplot(2,2,1) #选中第一个画子图
ax2=fig.add_subplot(2,2,2) #选中第二个画子图
ax3=fig.add_subplot(2,2,3) #选中第三个画子图import json
from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
#不能通过空Figure绘图，必须用add_subplot创建一个或多个subplot才行。
fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax2=fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,3)
#"K--"是一个线型选项，用于告诉matplotlib绘制黑色虚线图
from numpy.random import randn
plt.plot(randn(50).cumsum(),'k--')
_=ax1.hist(randn(100),bins=20,color='k',alpha=0.3) #柱形图:hist
ax2.scatter(np.arange(30),np.arange(30)+3*randn(30)) #点状图：scatter
plt.show()plt.subplots：可以创建一个新的Figure,并返回一个含有已创建的subplot对象的Numpy数组
fig,axes=plt.subplots(2,3)
print axes
#输出结果如下：
# [[<matplotlib.axes.AxesSubplot object at 0x106f5dfd0>
# <matplotlib.axes.AxesSubplot object at 0x109973890>
# <matplotlib.axes.AxesSubplot object at 0x1099f9610>]
# [<matplotlib.axes.AxesSubplot object at 0x109a60250>
# <matplotlib.axes.AxesSubplot object at 0x10a13c290>
# <matplotlib.axes.AxesSubplot object at 0x10a1c3050>]]
#这样可以轻松地对axes数组进行索引，就好像是一个二维数组一样。可以通过sharex和sharey指定
#subplot应该具有相同的X轴或Y轴。在比较相同范围的数据时，这也是非常实用的，否则，matplotlib
#会自动缩放各图表的界限
print axes[0,1]pyplot.subplots的选项
参数 说明
nrows subplot的行数
ncols subplot的列数
sharex 所有subplot应该使用相同的X轴刻度(若调节xlim将会影响所有的subplot)
sharey 所有subplot应该使用相同的Y轴刻度(若调节ylim将会影响所有的subplot)
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,figsize=(8,6))
Subplots_adjust方法
Subplots_adjust：调整subplot周围的间距
默认情况下，matplotlib会在subplot外围留下一定的边矩，并在subplot之间留下一定的间矩。
间矩跟图象的高度和宽度有关，因为，如果你调整了图像大小，间距也会自动调整。利用Figure的
subplots_adjust方法可以轻而易举地修改间矩。它也是个顶级函数。
subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)
注：wspace和hspace用于控制宽度和高度的百分比，可以用作subplot之间的间距。例:调整图片的间矩，各subplot间矩调为0
import json
from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from numpy.random import randn
fig,axes=plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2): #行轴2个子图
for j in range(2): #列轴2个子图
axes[i,j].hist(randn(500),bins=50,color='k',alpha=0.5) #画每一个图，先从axes[1,1]即第一行第一列
plt.subplots_adjust(wspace=0,hspace=0)
plt.show()
颜色、标记和线型（color,linestyle,marker）
matplotlib的plot函数接受一组X和Y坐标，还可以接受一个表示颜色和线型的字符串缩写。
eg:根据x和y绘制绿色虚线
ax.plot(x,y,'g--')
或者：
ax.plot(x,y,linestyle='--',color='g')
#常用的颜色都有一个缩写词，要使用其他任意颜色则可以通过指定其RGB值的形式使用(例如：‘#通通CE’)
#完整的linestyle列表可以参见plot的文档。
#线型图还可以加上一些标记(marker),以强调实际的数据点。from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from numpy.random import randn
# fig=plt.figure()
plt.plot(randn(30).cumsum(),color='k',linestyle='dashed',marker='o')
plt.show()
drawstyle：选项修改
import matplotlib.pyplot as plt
from numpy.random import randn
# fig=plt.figure()
data=randn(30).cumsum()
plt.plot(data,'k--',label='Default')
plt.plot(data,'k-',drawstyle='steps-post',label='steps-post')
plt.show()
plt.legend(loc='best') #legend是加入图例。loc是告诉matplotlib要将图例放在哪，best是不错的选择，因为它会选择不碍事的位置。
要从图例中去除一个或多个元素，不传入label或传入label='_nolegend_'即可
刻度、标签、图例（xlim图表范围、xticks刻度位置、xticklabels刻度标签）
对于大多数的图表装饰项，其主要实现方式有二：使用过程型的pyplot接口以及更为面向对象的原生matplotlib API.
pyplot接口：xlim(图表的范围)，xticks(刻度位置)，xticklabels(刻度标签)。它们各自有两个方法，以xlim为例，
有ax.get_xlim,ax.set_xlim两个方法。
（1).在调用时不带参数，则返回当前的参数值。例：plt.xlim()返回当前的X轴绘图范围(2).调用时带参数，则设置参数值。plt.xlim([0,10])会将X轴的范围设置为0到10.
import matplotlib.pyplot as plt
from numpy.random import randn
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum())
#修改X轴的刻度，最简单的办法是使用set_xticks和set_xticklabels
ticks=ax.set_xticks([0,250,500,750,1000]) #x轴刻度设置
labels=ax.set_xticklabels(['one','two','three','four','five'],
rotation=30,fontsize='small') #x轴标签设置
#再用set_xlabel为x轴设置一个名称，并用set_title设置一个标题
ax.set_title('My First matplotlib plot') #设置标题
ax.set_xlabel('Stages') #设置x轴标签
plt.show()
添加图例(plt.legend(loc='best'))
图例是另一种用于标识图表元素的重要工具。添加图例的方式有二。
（1）最简单的是在添加subplot的时候传入label参数，然后调用ax.legend()或plt.legend()来自动创建图例
import matplotlib.pyplot as plt
from numpy.random import randn
#1.添加subplot的时候传入label参数来添加图例
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(),'k',label='one')
ax.plot(randn(1000).cumsum(),'k--',label='two')
ax.plot(randn(1000).cumsum(),'k.',label='three')
#或者调用ax.legend()来创建
# ax.legend(loc='best')
plt.show()
注解以及在subplot上绘图
# -*- encoding: UTF-8 -*-
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import numpy.random as npr
from datetime import datetime
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
data = pd.read_csv('E:\\spx.csv',index_col = 0,parse_dates = True)
spx = data['SPX']
spx.plot(ax = ax,style = 'k-')
crisis_data = [
(datetime(2007,10,11),'Peak of bull market'),
(datetime(2008,3,12),'Bear Stearns Fails'),
(datetime(2008,9,15),'Lehman Bankruptcy')
]
for date,label in crisis_data:
ax.annotate(label,xy = (date,spx.asof(date) + 50),
xytext = (date,spx.asof(date) + 200),
arrowprops = dict(facecolor = 'black'),
horizontalalignment = 'left',verticalalignment = 'top')
ax.set_xlim(['1/1/2007','1/1/2011'])
ax.set_ylim([600,1800])
ax.set_title('Important dates in 2008-2009 finacial crisis')
plt.show()
#更多关于注解的示例，请看文档
#图形的绘制要麻烦些，有一些常见的图形的对象，这些对象成为块（patch）
#如Rectangle 和 Circle，完整的块位于matplotlib.patches
#要绘制图形，需要创建一个块对象shp，然后通过ax.add_patch(shp)将其添加到subplot中
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
rect = plt.Rectangle((0.2,0.75),0.4,0.15,color = 'k',alpha = 0.3)
circ = plt.Circle((0.7,0.2),0.15,color = 'b',alpha = 0.3)
pgon = plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color = 'g',alpha = 0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
plt.show()
将图表保存到文件(savefig)
plt.savefig可以将当前图表保存到文件。该方法相当于Figure对象的实例方法savefig.
文件类型是通过文件扩展名抢断出来的，例如你使用的是.pdf,就会得到一个pdf文件。
发布图片时最常用到两个重要的选项是dpi(控制“每英寸点数”分辨率)和bbox_inches(可以剪除当前图表周围的空白部分)。
例：要得到一张带有最小白边且分辨率为400dpi的PNG图片。可以如下：
plt.savefig('figpath.png',dpi=400,bbox_inches='tight')import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import numpy.random as npr
from datetime import datetime
from io import StringIO
#将图标保存到文件
#savefig函数可以保存图形文件，不同的扩展名保存为不同的格式
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
rect = plt.Rectangle((0.2,0.75),0.4,0.15,color = 'k',alpha = 0.3)
circ = plt.Circle((0.7,0.2),0.15,color = 'b',alpha = 0.3)
pgon = plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color = 'g',alpha = 0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
#注意下面的dpi（每英寸点数）和bbox_inches（可以剪除当前图标周围的空白部分）（确实有效）
plt.savefig('figpath.png',dpi=400,bbox_inches='tight')
#不一定save到文件中，也可以写入任何文件型对象，比如StringIO：
# buffer = StringIO()
# plt.savefig(buffer)
# plot_data = buffer.getvalue()
#这对Web上提供动态生成的图片是很实用的
plt.show()参数 说明
fname 含有文件路径的字符串或python的文件型对象。图像格式由文件扩展名推断得出。
dpi 图像分辨率，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”,则将尝试剪除图表周围的空白部分
matplotlib配置
matplotlib自带一些配色方案，以及为生成出版质量的图片而设定的默认配置信息。
subplot边矩、配色方案、字体大小、网格类型。操作matplotlib配置系统的方式主要有两种：
第一种是python编程方式，即利用rc方法。比如说，要将全局的图像默认大小设置为10X10,你可以执行如下：
plt.rc('figure',figsize=(10,10))
rc的第一个参数是希望自定义的对象，如‘figure’、‘axes’、‘xtick’、‘ytick’、‘grid’,'legend'等。
其后可以跟上一系列的关键字参数。最简单的方法是将这些选项写成一个字典：
font_options={'family':'monosapce',
'weight':'bold',
'size':'small'}
plt.rc('font',**font_options)