艺赛旗(RPA) Python 科学计算：matplotlib (精华博文)

艺赛旗 RPA8.0全新首发免费下载 点击下载
http://www.i-search.com.cn/index.html?from=line1

本文介绍 matplotlib 相关的内容，以例子为主。
全文的初始化加载如下：
import os
import numpy as np
import pandas as pd
import matplotlib as mpl
from matplotlib import pyplot as plt

from numpy.random import rand
本文最后编辑时，使用的各版本号如下：
np.version, pd.version, mpl.version
(‘1.12.1’, ‘0.19.2’, ‘2.0.1’)
绘制与保存
基础绘图：plt.plot
基础的绘图使用 plt.plot()命令，并用 plt.show() 显示。

向量常常使用 linspace 或者 arange 命令进行初始化。下两例等价：

np.linspace(0, 4, 4)：闭区间 [0,4] 上等距取 4 个点

np.arange(0, 5, 1)：左闭右开区间 [0, 5) 上以步长 1 取点

x = np.linspace(0, 4, 100)
y1 = x ** 2
y2 = 2 * x + 3

plt.plot(x, y1, color=“b”, linestyle=":", linewidth=3, dashes=(2,1), # 线的属性
marker=“d”, ms=10, mew=1.5, mec=“g”, mfc=“w”, # 点的属性
markevery=10)
plt.plot(x, y2, “#bf242a”, ls="-", lw=1)
plt.show()

一些常用的性质：

• color：线的颜色。基础的有红 r，绿 g，蓝 b，青 c，洋红 m，黄 y，黑 k，白 w。参考本节的“颜色”小节。
o 一些其他的颜色表述：color=”#66ccff” HTML 码；(1, 0, 0) 标准化的 RGB 元组；”0.5” 灰度字串。
• linestyle(ls)：线型。实线”-“，虚线”–“，点划线”-.”，点线”:”。
o dashes: 虚线比例。传入元组 (a,b)，那么划线长与间隔长之比为 a/b。
• linewidth(lw)：线宽。
• marker：点样式。实心”.”，像素”,”，圆点”o”，方块”s”，上折 / 下折箭头”v”/”^”，左折 / 右折箭头”<”/”>”，五边形”p”，六边形”h”，星”*“，加号”+”，叉号”x”，(瘦) 钻石”d/D”，竖线”‘|“，横线”_“。
o markevery：每几个点才绘制一个点。
o markersize(ms)：点大小。
o markeredgewidth(mew)：点边缘线宽。
o markeredgecolor(mec)：点边缘颜色。默认与线同色。
o markerfacecolor(mfc)：点填充颜色。默认与线同色。
另外介绍 plt.close()命令。通常用 plt.close(“all”) 来关闭所有的图片。
多图绘制：plt.subplots
上面的内容我称之为基础绘制，是一种多语句排列、最后用 plt.show() 命令转换为图像输出的方式。而下文要介绍的命令，大多是基于多图绘制的，会事先声明总图 (figure 对象) 与所有子图句柄(Axes 对象)。
例如 plt.title()命令是基础绘制中的命令，直接调用自 matplotlib.pyplot 里的命令。而在多图绘制下，则是先生成一种子图的实例 ax，再从实例中调用一个等价的函数 ax.set_title() 。

该例子改编自：http://matplotlib.org/examples/pylab_examples/subplots_demo.html

x = np.linspace(0, 4 * np.pi, 400)
y1 = np.sin(x)
y2 = np.sin(2 * x)
y3 = np.sin(4 * x)
y = [y1, y2, y3]

plt.close(“all”)

f, (ax1, ax2, ax3) = … 也是一种写法

f, axarr = plt.subplots(3, sharex=True, sharey=True)
f.subplots_adjust(hspace=0) # 调整函数

如果是多行多列，可以使用 axarr = axarr.ravel() 再以 for 遍历

for i in range(len(y)):
axarr[i].plot(x, y[i])

plt.show()

plt.subplots() 是一个实用的命令：
• nrows, ncols：子图的行数与列数。默认为 1. 上例的 subplots(3) 相当于 subplots(3, 1)。
• sharex, sharey：轴对齐 True，不对齐 False，每行对齐”row”，每列对齐”col”。
有些参数可以直接在 subplots 中使用，但其实会进一步传递给其他函数。一并在这里介绍：
• figsize：元组。总图的长与宽。
• subplot_kw：传递给命令 add_subplot()的参数，常用的是极坐标 dict(projection=’polar’)。
• gridspec_kw：字典。给出各列 / 行子图之间的宽 / 长之比，例如“条形图”一节：gridspec_kw={‘height_ratios’:[1, 2]}。
调整函数 subplots_adjust 是一个视觉命令：
• left, right, bottom, top：间距。
• hspace，wspace：纵向 / 横向间距。
图像保存
多图绘制一个便利之处在于，已经将图像存储在了声明的 Figure 对象中。例如对于上一节的例子：
filename = r’d:\test.pdf’ # 这一步常常配合 os.getcwd() 来获取工作目录，再保存图片
f.savefig(filename, transparent=‘True’, format=‘pdf’)
如果是 png 格式，还可以用 dpi=… 参数标定其图片质量。
有时候我们需要操作动态图；对于动态图 GIF 的保存，请参考本文附录。

颜色

matplotlib 中的颜色支持用以下的方式指定：
• 标准化的 RGB：以三元元组的形式，比如 (0, 0, 1) 代表 (0, 0, 255)，即纯蓝。
• HTML 16 进制颜色码：以字符串的形式，比如 “#0F0F0F}”。
• 标准化的灰度值：以字符串形式，比如 0.5 。
• RGB 与 CMYK 标准色字符：以单个字符形式，有：r,g,b,c,m,y,k,w 八种，其中 w 是白色。
• X11/CSS4 标准的颜色名：
• XKCD 颜色调查（参考此页面）：例如”xksd:sky blue”。
以及 matplotlib 采用的：
• matplotlib 默认的十色环：”C0”, “C1”, ……，”C9”。这是 matplotlib 绘图默认依次使用的颜色。
• 十色环的另一种形式：’tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’。
以上字符串（除 16 进制码外）均是大小写敏感的。

A list of X11 color names from: http://cng.seas.rochester.edu/CNG/docs/x11color.html

Total 140 colors included.

colors = [(“LightPink”, “#FFB6C1”),(“Pink”, “#FFC0CB”),(“Crimson”, “#DC143C”),(“LavenderBlush”, “#FFF0F5”),
(“PaleVioletRed”, “#DB7093”),(“HotPink”, “#FF69B4”),(“DeepPink”, “#FF1493”),(“MediumVioletRed”, “#C71585”),
(“Orchid”, “#DA70D6”),(“Thistle”, “#D8BFD8”),(“Plum”, “#DDA0DD”),(“Violet”, “#EE82EE”),
(“Magenta”, “#FF00FF”),(“Fuchsia”, “#FF00FF”),(“DarkMagenta”, “#8B008B”),(“Purple”, “#800080”),
(“MediumOrchid”, “#BA55D3”),(“DarkViolet”, “#9400D3”),(“DarkOrchid”, “#9932CC”),(“Indigo”, “#4B0082”),
(“BlueViolet”, “#8A2BE2”),(“MediumPurple”, “#9370DB”),(“MediumSlateBlue”, “#7B68EE”),(“SlateBlue”, “#6A5ACD”),
(“DarkSlateBlue”, “#483D8B”),(“Lavender”, “#E6E6FA”),(“GhostWhite”, “#F8F8FF”),(“Blue”, “#0000FF”),
(“MediumBlue”, “#0000CD”),(“MidnightBlue”, “#191970”),(“DarkBlue”, “#00008B”),(“Navy”, “#000080”),
(“RoyalBlue”, “#4169E1”),(“CornflowerBlue”, “#6495ED”),(“LightSteelBlue”, “#B0C4DE”),(“LightSlateGray”, “#778899”),
(“SlateGray”, “#708090”),(“DodgerBlue”, “#1E90FF”),(“AliceBlue”, “#F0F8FF”),(“SteelBlue”, “#4682B4”),
(“LightSkyBlue”, “#87CEFA”),(“SkyBlue”, “#87CEEB”),(“DeepSkyBlue”, “#00BFFF”),(“LightBlue”, “#ADD8E6”),
(“PowderBlue”, “#B0E0E6”),(“CadetBlue”, “#5F9EA0”),(“Azure”, “#F0FFFF”),(“LightCyan”, “#E0FFFF”),
(“PaleTurquoise”, “#AFEEEE”),(“Cyan”, “#00FFFF”),(“Aqua”, “#00FFFF”),(“DarkTurquoise”, “#00CED1”),
(“DarkSlateGray”, “#2F4F4F”),(“DarkCyan”, “#008B8B”),(“Teal”, “#008080”),(“MediumTurquoise”, “#48D1CC”),
(“LightSeaGreen”, “#20B2AA”),(“Turquoise”, “#40E0D0”),(“Aquamarine”, “#7FFFD4”),(“MediumAquamarine”, “#66CDAA”),
(“MediumSpringGreen”, “#00FA9A”),(“MintCream”, “#F5FFFA”),(“SpringGreen”, “#00FF7F”),(“MediumSeaGreen”, “#3CB371”),
(“SeaGreen”, “#2E8B57”),(“Honeydew”, “#F0FFF0”),(“LightGreen”, “#90EE90”),(“PaleGreen”, “#98FB98”),
(“DarkSeaGreen”, “#8FBC8F”),(“LimeGreen”, “#32CD32”),(“Lime”, “#00FF00”),(“ForestGreen”, “#228B22”),
(“Green”, “#008000”),(“DarkGreen”, “#006400”),(“Chartreuse”, “#7FFF00”),(“LawnGreen”, “#7CFC00”),
(“GreenYellow”, “#ADFF2F”),(“DarkOliveGreen”, “#556B2F”),(“YellowGreen”, “#9ACD32”),(“OliveDrab”, “#6B8E23”),
(“Beige”, “#F5F5DC”),(“LightGoldenrodYellow”, “#FAFAD2”),(“Ivory”, “#FFFFF0”),(“LightYellow”, “#FFFFE0”),
(“Yellow”, “#FFFF00”),(“Olive”, “#808000”),(“DarkKhaki”, “#BDB76B”),(“LemonChiffon”, “#FFFACD”),
(“PaleGoldenrod”, “#EEE8AA”),(“Khaki”, “#F0E68C”),(“Gold”, “#FFD700”),(“Cornsilk”, “#FFF8DC”),
(“Goldenrod”, “#DAA520”),(“DarkGoldenrod”, “#B8860B”),(“FloralWhite”, “#FFFAF0”),(“OldLace”, “#FDF5E6”),
(“Wheat”, “#F5DEB3”),(“Moccasin”, “#FFE4B5”),(“Orange”, “#FFA500”),(“PapayaWhip”, “#FFEFD5”),
(“BlanchedAlmond”, “#FFEBCD”),(“NavajoWhite”, “#FFDEAD”),(“AntiqueWhite”, “#FAEBD7”),(“Tan”, “#D2B48C”),
(“BurlyWood”, “#DEB887”),(“Bisque”, “#FFE4C4”),(“DarkOrange”, “#FF8C00”),(“Linen”, “#FAF0E6”),
(“Peru”, “#CD853F”),(“PeachPuff”, “#FFDAB9”),(“SandyBrown”, “#F4A460”),(“Chocolate”, “#D2691E”),
(“SaddleBrown”, “#8B4513”),(“Seashell”, “#FFF5EE”),(“Sienna”, “#A0522D”),(“LightSalmon”, “#FFA07A”),
(“Coral”, “#FF7F50”),(“OrangeRed”, “#FF4500”),(“DarkSalmon”, “#E9967A”),(“Tomato”, “#FF6347”),
(“MistyRose”, “#FFE4E1”),(“Salmon”, “#FA8072”),(“Snow”, “#FFFAFA”),(“LightCoral”, “#F08080”),
(“RosyBrown”, “#BC8F8F”),(“IndianRed”, “#CD5C5C”),(“Red”, “#FF0000”),(“Brown”, “#A52A2A”),
(“FireBrick”, “#B22222”),(“DarkRed”, “#8B0000”),(“Maroon”, “#800000”),(“White”, “#FFFFFF”),
(“WhiteSmoke”, “#F5F5F5”),(“Gainsboro”, “#DCDCDC”),(“LightGrey”, “#D3D3D3”),(“Silver”, “#C0C0C0”),
(“DarkGray”, “#A9A9A9”),(“Gray”, “#808080”),(“DimGray”, “#696969”),(“Black”, “#000000”)]

plt.close(“all”)
f, ax = plt.subplots(figsize=(15, 12))
w, h = 10, 4
rowpad, colpad = 2, 9
for i in range(140):
curname = colors[i][0]
cols, rows = divmod(i, 35)
rows = 34 - rows
ax.fill_between([w * cols, w * (cols + 1) - colpad],
[h * rows, h * rows],
[h * (rows + 1) - rowpad, h * (rows + 1) - rowpad],
facecolor=curname)
ax.text(w * (cols + 1) - 0.95*colpad, h * rows + (h - rowpad) / 2, “{}, {}”.format(colors[i]),
horizontalalignment=“left”, verticalalignment=‘center’)
ax.axis(xmax=4w)
ax.set_axis_off()
ax.set_title(“X11 colors table”, fontsize=16)

plt.show()

rcParams：默认参数
从上面的绘图中可以看到，即使没有指定线型、点样式，matplotlib 也能以其默认的颜色、样式绘图。这些默认参数是可以修改的。它们都存储在 matplotlib.rcParams 这个大字典变量中。例如默认的线颜色：
mpl.rcParams[“lines.color”]
‘C0’
使用 rc 命令来更改默认参数的值，例如下例将更改 mpl.rcParams[“lines.linewidth”] 与 mpl.rcParams[“lines.color”] 两个键值：

更改默认的值：

mpl.rc(‘lines’, linewidth=2, color=‘r’)

仅在接下来绘制的图片中应用值：

plt.rc(…)

一个绘图的例子：

from cycler import cycler

n = 6
line_num = 8
x = np.linspace(0, 2 * np.pi, n)
np.random.seed(0)
y = np.random.rand(line_num, n)

plt.close(“all”)
f, ax = plt.subplots()

plt.rc(“lines”, linewidth=2)
plt.rc(“axes”, prop_cycle=(cycler(‘color’, [‘Salmon’, ‘Orange’,
‘SeaGreen’, ‘DodgerBlue’]) +
cycler(‘linestyle’, [’-’, ‘–’, ‘:’, ‘-.’])))

for i in range(line_num):
ax.plot(x, y[i], label=“Line {}”.format(i+1))

ax.legend(loc=“lower left”, ncol=4)
plt.show()

要想下面的图片绘制不受影响，使用以下命令恢复默认值：
mpl.rcParams.update(mpl.rcParamsDefault)
图像控制
下面介绍一些常用的控制参数，如坐标轴区间、标签、标题文字等等。
图像、坐标轴标题：Axes.set_title / set_x(y)label
设置标题时可以传入字体参数字典 fontdict （或者将其中的键单独传递，如下例），默认值是：
{‘fontsize’: rcParams[‘axes.titlesize’],
‘fontweight’ : rcParams[‘axes.titleweight’],
‘verticalalignment’: ‘baseline’,
‘horizontalalignment’: loc}
坐标轴标题 set_xlabel/set_ylabel 可以使用 labelpad 参数，设定到坐标轴的距离的倍数值。
如果要设定标题到图像的距离，使用 set_title 的 y 参数 ，例如 y = 1.05.
x = np.linspace(0, 2 * np.pi, 1000)
y = np.sin(x)

plt.close(“all”)
f, ax = plt.subplots()
ax.plot(x, y)
ax.set_title(r"Title even support LaTeX: $\alpha\geq\beta$", loc=“left”, fontsize=12)
ax.set_xlabel(“This is a X far from x-axis!”, labelpad=20)
ax.set_ylabel(“This is a small fontsize Y!”, fontsize=8)

plt.show()
)

坐标轴命令：
坐标轴命令有很多：

1. 设置坐标轴区间：Axes.axis，可以通过选项 xmin/xmax/ymin/ymax 指定单侧边界。
2. 设置单轴区间：Axes.set_xlim/ylim
3. 显示、隐藏坐标轴：Axes.set_axis_on/off
4. 隐藏坐标框:Axes.set_frame_on，传入 False 以隐藏。
5. 设置坐标轴背景色：Axes.set_facecolor，传入颜色字符串。
   x = np.linspace(0, 2 * np.pi, 1000)
   y = np.sin(x)
   titles = [“Default”, “Default without axes”, “Default without frames”,
   “Given all boundaries”, “Given Xmax only”,
   “X-limit with background color”]

plt.close(“all”)
f, axarr = plt.subplots(2, 3, figsize=(15, 6))
f.subplots_adjust(hspace=0.35, wspace=0.35)

axarr = axarr.ravel()
for ax, t in zip(axarr, titles):
ax.plot(x, y)
ax.set_xlabel(“X”)
ax.set_ylabel(“Y”)
ax.set_title(t)

axarr[0]：default

axarr[1].set_axis_off()
axarr[2].set_frame_on(False)
axarr[3].axis([0, 7, -1.5, 1.5])
axarr[4].axis(xmax=2 * np.pi)
axarr[5].set_xlim([1, 5])
axarr[5].set_facecolor(“lightgreen”)

plt.show()

坐标轴框架：Axes.spines
坐标轴框架可以设置其可见性与否 set_visible，并且移动其位置。
x = np.linspace(-1, 3, 1000)
y = x ** 2

plt.close(‘all’)
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xlabel(“X”)
ax.set_ylabel(“Y”)

ax.spines[‘right’].set_visible(False)
ax.spines[‘top’].set_visible(False)
ax.spines[‘bottom’].set_position((‘data’, 0))
ax.spines[‘left’].set_position((‘data’, 0))
ax.axis([-1, 2, -2, 6])

plt.show()

图例：Axes.legend
图例配合 plot 函数的 label 参数使用，文字部分会直接使用 label 参数的字串。图例放置位置由 loc 参数指定，具体的取值有：
• 自动‘best’或 0
• 右上‘upper right’或 1
• 左上‘upper left’或 2，左下‘lower left’或 3，左中‘center left’或 6
• 右下‘lower right’或 4，右侧‘right’5，右中‘center right’或 7
• 中下‘lower center’或 8，中上‘upper center’或 9，中部‘center’或 10。
• 并可以结合 bbox_to_anchor 参数灵活地设置对齐参考，甚至放置在图框外侧。
图例由图线（handle）与文字（text）两部分组成，每对图线与文字组成一个标签（label）。由此理解：borderpad，labelspacing，handlelength，handletextpad，borderaxespad，columnspacing 这些空距控制参数。注意：borderpad 是一个比例值。
其他参数参考下面的例子。
x = np.linspace(0, 2 * np.pi, 30)
y1, y2 = np.sin(x), np.cos(x)
titles = [“Simple legend”, “Legend with more and larger markers”,
“Legend outside the figure frame”,
“Legend with a title but no frame”,
“Legend with face & edge color”,
“Legend with adjusted size & spacings”]

plt.close(“all”)
f, axarr = plt.subplots(2, 3, sharey=True, figsize=(15, 8))
f.subplots_adjust(hspace=0.35)
axarr = axarr.ravel()
for ax, t in zip(axarr, titles):
ax.plot(x, y1, “o-”, label=r" $y=\sin x$")
ax.plot(x, y2, “s–”, label=r" $y=\cos x$")
ax.set_title(t)

axarr[0].legend(loc=“lower left”)
axarr[1].legend(numpoints=2, markerscale=1.5, fontsize=14)
axarr[2].legend(loc=“upper center”, ncol=2, bbox_to_anchor=(0.5, -0.08))
axarr[3].legend(frameon=False, title=“LgTitle”)
axarr[4].legend(facecolor=“lightgreen”, edgecolor=“k”)
axarr[5].legend(handlelength=3, handletextpad=0.5,
labelspacing=1, columnspacing=1)

plt.show()

刻度与刻度标签：Axes.set_x(y)ticks / x(y)ticklabels
刻度标签字符串的格式如何修改，也在下例中给出。
附注：方法 Axes.set_xticks 与 Axes.xaxis.set_ticks 是等价的。
from matplotlib.ticker import FormatStrFormatter
import string

np.random.seed(0)
x, y = np.random.rand(2, 100)
titles = [“Default ticks”, “Given ticks”,
“Given ticks and their format”, “Given ticklabels”]
xticksnum, yticksnum = 10, 5
xticks = np.linspace(0, 1, xticksnum + 1)
yticks = np.linspace(0, 1, yticksnum + 1)

plt.close(“all”)
f, axarr = plt.subplots(2, 2, figsize=(15, 7))
axarr =axarr.ravel()
for i in range(4):
ax = axarr[i]
ax.plot(x, y, “o”)
ax.set_title(titles[i])
ax.axis([0, 1, 0, 1])
if i > 0:
ax.set_xticks(xticks)
ax.set_yticks(yticks)

axarr[2].xaxis.set_major_formatter(FormatStrFormatter(’%0.2f’))
axarr[3].set_xticklabels(string.ascii_uppercase[:xticksnum + 1])
axarr[3].set_yticklabels([]) # y 轴刻度标签留空

plt.show()

添加文字：Axes.text / annotate
一个简明的 text 命令的例子：

本例改编自：http://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.text.html

plt.close(“all”)
plt.plot([1 , 1], [0, 3], color=‘k’, linewidth=0.5 , linestyle=’–’)

单独使用字号控制命令

plt.text(2, 1, ‘Hmm’, fontsize=12)

使用字典形式的字体控制

plt.text(1, 1, 'Two lines \n text ', horizontalalignment=‘center’,
fontdict={‘size’: 12, ‘color’: ‘r’})

bbox 是一个复杂的参数，在此不多深入

plt.text(1, 3, ‘With box’, bbox=dict(facecolor=‘r’, alpha=0.3))

plt.axis([0, 3, 0, 4])
plt.show()

annotate 的例子：
plt.close(‘all’)
f, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))
ax1.plot([0, 10], [0, 15], ‘b’)
ax1.annotate(r’A text’, xy=(6,8), xytext=(20, -30), textcoords=‘offset pixels’,
arrowprops=dict(arrowstyle=’->’))

ax2.plot([0, 10], [0, 15], ‘r’)
ax2.annotate(r’Another’, xy=(6,8), xytext=(10, -60),
textcoords=‘offset pixels’, fontsize=12,
# 指定圆弧半径，负值表示顺时针画弧
arrowprops=dict(arrowstyle=’-|>’,
connectionstyle=‘arc3, rad=-0.3’))

plt.show()

上例中，arrowprops 要传入一个字典。该字典的 arrowwstyle 键可选的值（大致都是象形的，不再注释中文含义）有：

connectionstyle 键可选的值：

网格：Axes.grid
一个基础的例子：
x = np. linspace (0, 10, 100)
y = 2 * np.sin(x)

plt.close(“all”)
plt.plot(x, y)

其实简单地使用 “plt.grid(True)” 就可以显示网格

plt.grid(axis=‘y’, linestyle=’–’, color=‘0.75’) # 灰度适当很重要
plt.show()

下例给出了网格线的绘制步骤，以及主要、次要网格线分开设置的方法。
from matplotlib.ticker import MultipleLocator, FormatStrFormatter

x = np. linspace (0, 10, 100)
y = 2*x
plt.close(‘all’)

fig, ax = plt.subplots()
ax.plot(x, y)
ax.xaxis.set_major_locator(MultipleLocator(2))
ax.yaxis.set_major_locator(MultipleLocator(5))
ax.xaxis.set_minor_locator(MultipleLocator(1))
ax.yaxis.set_minor_locator(MultipleLocator(1))
ax.xaxis.set_major_formatter(FormatStrFormatter(’%d’))
ax.grid(which=‘major’, linestyle=’-’, color=‘k’)
ax.grid(which=‘minor’, linestyle=’–’, color=‘r’, alpha=0.2)
ax.axis([0, 10, 0, 20])

plt.show()

图像绘制
下面介绍不同种类的图像的绘制，如条形图、散点图等等。
水平竖直线或区域：Axes.axhline / axhspan
参数：图像中坐标轴的百分比位置 xmin/xmax/ymin/ymax。
plt.close(“all”)
f, ax = plt.subplots()
ax.axis([0, 3, 0, 2])
ax.axhline(1, lw=8, color=‘g’)
ax.axhline(y=1.5, ls="–", lw=2, xmin=0.25, xmax=0.75)
ax.axvline(2.5, color=“y”)
ax.axhspan(0.25, 0.75, xmin=0.25, facecolor=‘0.5’)
ax.axvspan(0.5, 1.5, facecolor="#74D2D5", alpha=0.2)
plt.show()

散点图：Axes.scatter
参数：点大小向量 s，点颜色向量 c，透明度 alpha。
此外，直接使用 plot 命令可以绘制简单的点图。只要不指定线属性，绘图时就只绘制点而不绘制线。
np.random.seed(230)
x, y = np.random.rand(2, 10)
np.random.seed(666)
point_size = 1000 * rand(10)

plt.close(“all”)
f, ax = plt.subplots()
ax.scatter(x, y, s=point_size, c=[“b”, “r”] * 5, alpha=0.5)
plt.show()

条形图：Axes.bar / barh
条形图命令 bar 用于绘制竖立的条形图，而 barh 用于绘制水平的。
在 Axes.bar(left, height, width=0.8, bottom=None, **kwargs) 命令中，条形的绘制区域是 [left +/- width], [bottom, bottom + height]。利用 yerr 与 error_kw 参数，可以绘制 error 线在条形图中。
bar_width = 0.35
groups = np.arange(5)
y1 = np.linspace(10, 50, 5)
np.random.seed(0)
y2 = np.random.rand(5) * 40 + 10

plt.close(“all”)
f, ax = plt.subplots(2, 2, figsize=(14, 6), gridspec_kw = {‘height_ratios’:[1, 2]})

并列竖立条形图

ax[0,0].bar(groups, y1, bar_width, label=“Class 1”,
yerr=2 * groups + 1)
ax[0,0].bar(groups + bar_width, y2, bar_width, label=“Class 2”)
ax[0,0].set_xticks(groups + bar_width / 2)
ax[0,0].set_xticklabels(list(“ABCDE”))
ax[0,0].legend(loc=“upper left”)

堆叠竖立条形图

ax[0,1].bar(groups, y1, bar_width, label=“Class 1”)
ax[0,1].bar(groups, y2, bar_width, bottom=y1, label=“Class 2”)
ax[0,1].set_xticks(groups)
ax[0,1].set_xticklabels(list(“ABCDE”))
ax[0,1].legend(loc=“upper left”)

横置条形图

ax[1,0].barh(groups, y1, bar_width, label=“Class 1”)
ax[1,0].barh(groups + bar_width, y2, bar_width, label=“Class 2”)
ax[1,0].set_yticks(groups + bar_width / 2)
ax[1,0].set_yticklabels(list(“ABCDE”))
ax[1,0].legend(loc=“lower right”)

堆叠竖立百分比条形图（附百分比数字）

y1_percent = y1 / (y1 + y2)
y2_percent = y2 / (y1 + y2)
ax[1,1].bar(groups, y1_percent, bar_width, label=“Class 1”)
ax[1,1].bar(groups, y2_percent, bar_width, bottom=y1_percent, label=“Class 2”)

加上百分比字串

for k in range(len(groups)):
ax[1,1].text(groups[k], y1_percent[k]/2, r"{:.0%}".format(y1_percent[k]),
color=“w”, ha=“center”, va=“center”)
ax[1,1].text(groups[k], y2_percent[k]/2 + y1_percent[k],
r"{:.0%}".format(y2_percent[k]), color=“k”, ha=“center”, va=“center”)
ax[1,1].set_xticks(groups)
ax[1,1].set_xticklabels(list(“ABCDE”))
ax[1,1].legend(loc=“center left”, bbox_to_anchor=(1.0, 0.5))

设置 y 轴刻度

ax[1,1].yaxis.set_major_formatter(mpl.ticker.FuncFormatter(
lambda y, pos: r"{:.0f}%".format(100*y)))

plt.show()

直方图：Axes.hist
参数：histtype 可以指定为 “bar”（默认）或者 “barstacked”, “step”, “stepfilled” 四种类型，其中 “barstacked” 与 “bar” 参数外加 “stacked=True” 的效果是一样的。rwidth 可以指定每组的柱形宽度占组宽的多少。normed 参数用于控制标准化，使各条形面积总和为 1。weights 参数用于添加计数权重，尺寸与数据尺寸一致。最后，color 参数来传入一个控制颜色的元组。
np.random.seed(0)
x = np.random.rand(100, 3)
bins_num = 10

plt.close(“all”)
f, ax = plt.subplots(2, 2, sharex=True, figsize=(12, 8))
ax[0,0].hist(x, bins_num)
ax[0,0].set_title(“Simple”)
ax[0,1].hist(x, bins_num, histtype=“bar”, stacked=True, rwidth=0.5)
ax[0,1].set_title(“Stacked histogram”)
ax[1,0].hist(x, bins_num, normed=True)
ax[1,0].set_title(“Normalized histogram”)
ax[1,1].hist(x, bins_num, color=(“c”, “y”, “b”), weights=1/x)
ax[1,1].set_title(“Weighted histogram”)

plt.show()

箱形图：Axes.boxplot
箱形图的参数比较多：
• labels：字符串列表。作为分组标签。
• width：列表。指定各箱形图的宽度。
• vert：默认为 True。为 False 时，箱形图将横向绘制。
• whis：数字，列表，或者“range”，用于指定正常值范围。一般地，箱形图中会找到低、高两个四分位点 Q1 与 Q3，并在它们之间（IQR=Q3-Q1）绘制箱形图的主体。而箱形图中的高、低的两个 cap 所确定的正常值范围，则是由 Q3 + whis * IQR 与 Q1 - whis * IQR 决定的，其中 whis 的默认值是 1.5。除了给该参数传入数字，也可以传入：
o 字符串“range”，表示将所有数据点纳入正常值范围。
o 数字列表：以 [a, b] 的形式传入，表示正常值范围从 a 百分位到 b 百分位。
• 均值相关的参数：
o showmeans：布尔型，默认 False。显示均值。以下参数在 showmean=True 时有效。
o meanline：布尔型。在箱形图中绘制一条横线，表示均值的位置。
o meanprops：字典。指定均值参数。可以是点属性，也可以是线属性，参考下例。
• 中位数相关的参数：
• medianprops 用法类似均值参数。
• usermedians 传入一个 n 乘 2 数组，数组中非 None 的元素会取代对应位置的正常计算的中位数。
• 箱体相关的参数：showbox，boxprops。
• 异常值（flier）、须（whisker）与区间壁（cap）相关的参数：showcaps，showfliers，flierprops，capprops， whiskerprops。
• 置信区间参数：
• notch：布尔型。绘制 V 型（中值处内缩的）箱形图。
• conf_intervals ：置信区间，n 乘 2 数组（n 为单组数据点个数，下例为 1000）。
• bootstrap：整数。用自助抽样法抽取指定个数的样本，并标注 95% 置信区间。
• 美化参数：patch_artist 默认 False。如果为 True，会填充箱形区域，并支持更改颜色。比如 facecolor 参数，它在 patch_artist=False 时是无法传入给 boxprops 字典的，因为两种模式下 boxplot 返回的类型是不同的。

本例源自：http://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.boxplot.html

mu, sigma = 1, 1/3
np.random.seed(0)
x = np.random.normal(mu, sigma, size=(1000, 3))

Properties

boxprops = dict(linestyle=’–’, linewidth=3, color=‘tan’)
flierprops = dict(marker=‘o’, markerfacecolor=‘lightgreen’, markersize=4,
linestyle=‘none’)
medianprops = dict(linestyle=’-.’, linewidth=2.5, color=‘firebrick’)
meanpointprops = dict(marker=‘D’, markeredgecolor=‘black’,
markerfacecolor=‘firebrick’, markersize=6)
meanlineprops = dict(linestyle=’–’, linewidth=2.5, color=‘purple’)

Plot

plt.close(“all”)
f, ax = plt.subplots(2, 3, figsize=(15, 8))
ax[0,0].boxplot(x)
ax[0,0].set_title(“Default boxplot”)
ax[0,1].boxplot(x, whis=1, labels=list(“ABC”),
patch_artist=True, boxprops = dict(facecolor=(“lightblue”)))
ax[0,1].set_title(“Bboxplot with labels and 1X range”)
ax[0,2].boxplot(x, medianprops=medianprops, whis=“range”, labels=list(“ABC”))
ax[0,2].set_title(“Boxplot with medianline and\nfull-length whiskers”)
ax[1,0].boxplot(x, showcaps=False, showfliers=False, labels=list(“ABC”),
showmeans=True, meanline=True, meanprops=meanlineprops,)
ax[1,0].set_title(“Customized boxplot: meanline”)
ax[1,1].boxplot(x, showmeans=True, flierprops=flierprops,
meanprops=meanpointprops, labels=list(“ABC”))
ax[1,1].set_title(“Customized boxplot: meanpoint”)
ax[1,2].boxplot(x, vert=False, boxprops=boxprops, labels=list(“ABC”))
ax[1,2].set_title(“Horizontal customized boxplot”)

plt.show()

附：GIF 动态图保存
这是一个非常有趣的功能。GIF 动态图的绘制与生成不同于静态图像。主要使用 matplotlib 中的 animation 模块。
前提工作
在开始绘制动态图之前，你可能需要一些工作来保证命令正常运行：

1. 下载并安装 ImageMagick，比如 Windows 用户选择“ImageMagick-x.x.x-0-Q16-x64-dll.exe”版本。其中 Q16 表示颜色的位深度，x.x.x 是版本号。请记录你将它安装到了何处。安装成功后，在命令行下输入“convert”应当会正常调用 ImageMagick。
2. 如果在安装后仍不能生成 GIF，那可能需要编辑你的 matplotlib 配置文件。你可以这样查找你的配置文件路径：
   import matplotlib as mpl
   mpl.matplotlib_fname()
   ‘e:\python\lib\site-packages\matplotlib\mpl-data\matplotlibrc’
   然后用文本编辑器打开 matplotlibrc，找到被“#”注释的以下两行：
   #animation.ffmpeg_path: ‘ffmpeg’
   #animation.convert_path: ‘convert’
   替换为（路径改成你的 ImageMagick 安装路径）：
   animation.ffmpeg_path: F:\ProgramFiles\ImageMagick-7.0.5-Q16\ffmpeg.exe
   animation.convert_path: F:\ProgramFiles\ImageMagick-7.0.5-Q16\convert.exe
   例子
   至于如何生成 GIF，例子如下。一些要点：
   • 通常需要定义一个 update 函数。
   • 通过 FuncAnimation 函数的 interval 参数，控制每帧停留的时间。
   • 你可以使用 set_data（需要传入一个两行 n 列的 np.array 对象，或者两个类 List 对象） 代替 set_ydata / set_xdata。
   from matplotlib.animation import FuncAnimation

x = np.linspace(0, 1, 100)
y = np.arange(0.05, 5, 0.05)

fig, ax = plt.subplots(figsize=(8,6))

注意这里把 plot 的结果保存到一个 Lines 对象

这个初始帧不会写入到 GIF

frames, = ax.plot(x, x)

def update_gif(k, X=x):
frames.set_ydata(np.power(X, k))
ax.set_title(“Curve of $y=x^k$ when k={:.2f}”.format(k))
ax.axis([0, 1, 0, 1])
return frames,

anim = FuncAnimation(fig, update_gif, y, interval=0.1*1000) # 依次传入y并更新帧

以下是保存为 gif

gif_path = os.path.join(os.getcwd(), “{0}_files”.format(“Py3-matplotlib”))

if not os.path.exists(gif_path):

os.makedirs(gif_path)

anim.save(os.path.join(gif_path, “matplotlib-eg.gif”), dpi=100, writer=‘imagemagick’)

由于不能直接 plt.show（否则会把每一帧输出为单独的图片），这里我用 Markdown 的语法来嵌入这个 GIF:

如果你觉得 matplotlib + ImageMagick 的操作仍不能满足一些复杂的 GIF 要求，我推荐使用第三方的、带有图形界面的 GIF 制作软件，
例如 Ulead Gif Animator.
相关帖子