Python利用Matplotlib画曲线和柱状图

首先补充一下：两种体系7种颜色 r g b y m c k （红，绿，蓝，黄，品红，青，黑）

在科研的过程中，坐标系中的XY不一定就是等尺度的。例如在声波中对Y轴取对数。肆意我们也必须知道这种坐标系如何画出来的。

 1：对数坐标图

    有3个函数可以实现这种功能，分别是：semilogx（），semilogy（），loglog（）。它们分别表示对X轴，Y轴，XY轴取对数。下面在一个2*2的figure里面来比较这四个子图（还有plot（））。

[python]  view plain  copy

1. def drawsemilogx():  
2.     w=np.linspace(0.1,1000,1000)    
3.     p=np.abs(1/(1+0.1j*w))    
4.            
5.     plt.subplot(221)    
6.     plt.plot(w,p,lw=2)    
7.     plt.xlabel('X')    
8.     plt.ylabel('y');  
9.           
10.     plt.subplot(222)    
11.     plt.semilogx(w,p,lw=2)    
12.     plt.ylim(0,1.5)    
13.     plt.xlabel('log(X)')    
14.     plt.ylabel('y')    
15.           
16.     plt.subplot(223)    
17.     plt.semilogy(w,p,lw=2)    
18.     plt.ylim(0,1.5)    
19.     plt.xlabel('x')    
20.     plt.xlabel('log(y)')    
21.           
22.     plt.subplot(224)    
23.     plt.loglog(w,p,lw=2)    
24.     plt.ylim(0,1.5)    
25.     plt.xlabel('log(x)')    
26.     plt.xlabel('log(y)')    
27.     plt.show()   

如上面的代码所示，对一个低通滤波器函数绘图。得到四个不同坐标尺度的图像。如下图所示：

2，极坐标图像
    极坐标系中的点由一个夹角和一段相对于中心位置的距离来表示。其实在plot（）函数里面本来就有一个polar的属性，让他为True就行了。下面绘制一个极坐标图像：

[python]  view plain  copy

1. def drawEightFlower():  
2.       
3.     theta=np.arange(0,2*np.pi,0.02)    
4.     plt.subplot(121,polar=True)    
5.     plt.plot(theta,2*np.ones_like(theta),lw=2)    
6.     plt.plot(theta,theta/6,'--',lw=2)    
7.            
8.     plt.subplot(122,polar=True)    
9.     plt.plot(theta,np.cos(5*theta),'--',lw=2)    
10.     plt.plot(theta,2*np.cos(4*theta),lw=2)    
11.     plt.rgrids(np.arange(0.5,2,0.5),angle=45)    
12.     plt.thetagrids([0,45,90]);  
13.       
14.     plt.show();    

整个代码很好理解，在后面的13，14行没见过。第一个 plt.rgrids(np.arange(0.5,2,0.5),angle=45) 表示绘制半径为0.5 1.0 1.5的三个同心圆，同时将这些半径的值标记在45度位置的那个直径上面。 plt.thetagrids([0,45,90]) 表示的是在theta为0，45，90度的位置上标记上度数。 得到的图像是：

3，柱状图：

核心代码matplotlib.pyplot.bar(left, height, width=0.8, bottom=None, hold=None, **kwargs)里面重要的参数是左边起点，高度，宽度。下面例子：

[python]  view plain  copy

1. def drawPillar():     
2.     n_groups = 5;       
3.     means_men = (20, 35, 30, 35, 27)    
4.     means_women = (25, 32, 34, 20, 25)    
5.          
6.     fig, ax = plt.subplots()    
7.     index = np.arange(n_groups)    
8.     bar_width = 0.35    
9.          
10.     opacity = 0.4    
11.     rects1 = plt.bar(index, means_men, bar_width,alpha=opacity, color='b',label=    'Men')    
12.     rects2 = plt.bar(index + bar_width, means_women, bar_width,alpha=opacity,color='r',label='Women')    
13.          
14.     plt.xlabel('Group')    
15.     plt.ylabel('Scores')    
16.     plt.title('Scores by group and gender')    
17.     plt.xticks(index + bar_width, ('A', 'B', 'C', 'D', 'E'))    
18.     plt.ylim(0,40);    
19.     plt.legend();    
20.       
21.     plt.tight_layout();   
22.     plt.show();    

得到的图像是：

再贴一图：

这是我关于pose识别率的实验结果，感觉结果真是令人不可思议！（非博主原文！）

[python]  view plain  copy

1. def drawBarChartPoseRatio():  
2.     n_groups = 5      
3.     means_VotexF36 = (0.84472049689441, 0.972477064220183, 1.0, 0.9655172413793104, 0.970970970970971)    
4.     means_VotexF50 = (1.0,              0.992992992992993, 1.0, 0.9992348890589136, 0.9717125382262997)  
5.     means_VFH36    = (0.70853858784893, 0.569731081926204, 0.8902900378310215, 0.8638638638638638, 0.5803008248423096)  
6.     means_VFH50    = (0.90786948176583, 0.796122576610381, 0.8475120385232745, 0.8873762376237624, 0.5803008248423096)    
7.       
8.     fig, ax = plt.subplots()    
9.     index = np.arange(n_groups)    
10.     bar_width = 0.3    
11.     opacity   = 0.4    
12.       
13.     rects1 = plt.bar(index,             means_VFH36,    bar_width/2, alpha=opacity, color='r', label='VFH36'   )    
14.     rects2 = plt.bar(index+ bar_width/2,  means_VFH50,  bar_width/2, alpha=opacity, color='g', label='VFH50'   )    
15.      
16.     rects3 = plt.bar(index+bar_width, means_VotexF36,     bar_width/2, alpha=opacity, color='c', label='VotexF36')    
17.     rects4 = plt.bar(index+1.5*bar_width, means_VotexF50, bar_width/2, alpha=opacity, color='m', label='VotexF50')    
18.       
19.     plt.xlabel('Category')    
20.     plt.ylabel('Scores')    
21.     plt.title('Scores by group and Category')    
22.       
23.     #plt.xticks(index - 0.2+ 2*bar_width, ('balde', 'bunny', 'dragon', 'happy', 'pillow'))  
24.     plt.xticks(index - 0.2+ 2*bar_width, ('balde', 'bunny', 'dragon', 'happy', 'pillow')，fontsize =18)  
25.   
26.     plt.yticks(fontsize =18)  #change the num axis size  
27.   
28.     plt.ylim(0,1.5)  #The ceil  
29.     plt.legend()    
30.     plt.tight_layout()    
31.     plt.show()  

柱状图显示：

4：散列图，由离散的点构成的。

函数是：

matplotlib.pyplot.scatter(x, y, s=20, c='b', marker='o', cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, hold=None,**kwargs)，其中，xy是点的坐标，s点的大小，maker是形状可以maker=（5，1）5表示形状是5边型，1表示是星型（0表示多边形，2放射型，3圆形）；alpha表示透明度；facecolor=‘none’表示不填充。例子如下：

[python]  view plain  copy

1. def drawStar():  
2.     plt.figure(figsize=(8,4))    
3.     x=np.random.random(100)    
4.     y=np.random.random(100)    
5.     plt.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none')    
6.     plt.xlim(0,1)    
7.     plt.ylim(0,1)    
8.          
9.     plt.show()   

上面代码的facecolors参数使得前面的c=‘y’不起作用了。图像：

5，3D图像，主要是调用3D图像库。看下面的例子：

[python]  view plain  copy

1. def draw3Dgrid():  
2.       
3.     x,y=np.mgrid[-2:2:20j,-2:2:20j]    
4.     z=x*np.exp(-x**2-y**2)     
5.     ax=plt.subplot(111,projection='3d')    
6.     ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8)    
7.     ax.set_xlabel('x')    
8.     ax.set_ylabel('y')    
9.     ax.set_zlabel('z')    
10.          
11.     plt.show()  

得到的图像如下图所示：

到此，matplotlib基本操作的学习结束了，相信大家也可以基本完成自己的科研任务了。下面将继续学习python的相关课程，请继续关注。

参考书目：

《python科学计算》

《matplotlib手册》

原文链接：http://blog.csdn.net/ikerpeng/article/details/20523679

参考资料：http://matplotlib.org/gallery.html   matplotlib画廊

有少量修改，如有疑问，请访问原作者！

转自：http://blog.csdn.net/ikerpeng/article/details/20523679