下次自动登录
现在的位置:
& 综合 & 正文
matplotlib-绘制精美图表
matplotlib-绘制精美图表
matplotlib是一个在python下实现的类matlib的纯python的三方库，旨在用python实现matlab的功能，是python下最出色的会图库，功能很完善，风格跟matlib很相似。
我们画图的目的是将函数以图片的形式展示出来，所以需要关注两个方面的东西：1.函数 2.图片 函数方面使用的是numpy这个库，其中包括了很多科学计算的功能。
1.matplotlib中的快速绘图的函数库可以通过如下语句载入：
import matplotlib.pyplot as plt
2.接下来调用figure创建一个绘图对象，并且使它成为当前的绘图对象。
plt.figure(figsize=(8,4))
通过figsize参数可以指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。因此本例中所创建的图表窗口的宽度为8*80 = 640像素。
3.通过调用plot函数在当前的绘图对象中进行绘图：
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")
*x,y均为成员数量相同的数组
olabel : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
ocolor : 指定曲线的颜色
olinewidth : 指定曲线的宽度
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()
oxlabel : 设置X轴的文字
oylabel : 设置Y轴的文字
otitle : 设置图表的标题
oylim : 设置Y轴的范围
olegend : 显示图示
4.最后调用plt.show()显示出我们创建的所有绘图对象。
：转载时请以超链接形式标明文章原始出处和作者信息及
matplotlib是python中一个用于画图的一个包，在matplotlib的主页上是这么介绍的：matplotlib is a python 2D plotting library which produces publication quality figures in a variety of hardcopy formats and interactive environments across platforms. 目前matplotlib的最新版本是0.99.1，可以进入他的官网进行下载：http://matplotlib.sourceforge.net/
使用matplotlib来画图已经很长时间了，零零碎碎的也积攒了很多小tips，但是一直没怎么整理，在这个帖子里，我准备将平时所用到的小tips做一个小结，在以后也会不定期的进行更新。
首先介绍一下matplotlib中最常用的一个子模块，pyplot。这个包中包含常用的绘制二维曲线的方法，也是实际中应用最多的一个字包。因此通常我们用matplotlib绘图的时候首先需要引入这个包，即
import matplotlib.pyplot as plt
下面介绍二维图中的常用的几个概念
figure：定义一个图片
fig = plt.figure()
axes：定义图片中的一块绘图区域，在实际作图中，通常使用下面的方法
ax = fig.add_subplot(111)
可以将图片划分为几个绘图区域，括号中的三个数字分别表示将图片划分为几行、 几列，以及选取第几个绘图区域，因此，如下的语句表示，将图片划分为2行2列，供4个区域，ax是其中的第三个区域，注意在这里是按照行来数的，即图片的左下角的区域。
ax = fig.add_subplot(223)
括号中的数字也可以用逗号隔开，即
ax = fig.add_subplot(2,2,3)
axis：表示绘图区域的一个坐标轴，有x轴和y轴之分，分别可以通过以下方法取得
xaxis = ax.xaxis
yaxis = ax.yaxis
以上的三个概念是绘图中使用最多，大部分操作也是在其中完成的。
下面介绍一些经常使用到的一些操作。
1. 画二维曲线图
x = arange(0,5,0.1)
y = [math.sin(a) for a in x]
ax.plot(x,y,"ro-")
图片结果如图1所示，双引号里面的三个字符分别表示曲线颜色，点的形状，线的形状。也可以用以下的方式显示指定：
ax.plot(x,y,color='r',linestyle='-',marker='o')
color的取值可以参见表1，或者使用RGB的值，即color=(1,0,0)。
linestyle与marker的取值可以参见表2，默认的线形为'-'，点形为'o'。如果只想表示散点图，可以使用
ax.plot(x,y,"ro")
ax.plot(x,y,color='r',linestyle='',marker='o')
在实际中，我们可能经常会用到对数坐标轴，这时可以用下面的三个函数来实现
ax.semilogx(x,y)
#x轴为对数坐标轴
ax.semilogy(x,y)
#y轴为对数坐标轴
ax.loglog(x,y)
#双对数坐标轴
2. 图形标注
这个命令很简单，如果在plot语句中使用了label属性，那么使用legend语句即可自动在图片中添加一个标注框，如下：
x = arange(0,5,0.1)
y = [math.sin(a) for a in x]
ax.plot(x,y,"ro-",label = "sin(x)")
y = [math.cos(a) for a in x]
ax.plot(x,y,"bx-",label = "cos(x)")
ax.legend()
程序运行结果如图2所示。
当然我们可以指定legend的位置，如下：
ax.legend(loc='lower left')
ax.legend(loc=3)
location的可选参数见表3.
3. 坐标轴的标题
在图2中，我们使用下面语句来定义坐标轴标题
ax.set_xlabel("x")
ax.set_ylabel("sin(x),cos(x)")
4. 数学公式编辑
图2中的图形标签与坐标轴的标题都是用常规字体来显示的，那么很多时候我们希望它们显示成数学公式的样子，或者有时候直接就需要编辑一个数学公式，里面可能包括一些拉丁字母或者数学符号等，这时候我们需要借助用：LaTex。
LaTex是一款排版软件，是编辑论文的常用工具，也可以处理日常生活中的各种文档，如写信、写书、画表格，甚至做幻灯片。它和word的主要区别在于：word是“所见即所得”，而LaTex是“所想即所得”。在LaTex里编辑公式是依靠一系列命令生成的。
当然在这里，我不准备将篇幅全部用于LaTex上面，感兴趣的朋友可以自己google学习之。在matplotlib里面，也可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个“r”即可，这里给大家看一个简单的例子。
x = arange(1,1000,1)
y = [5*(a**r) for a in x]
ax.loglog(x,y,label = r"$y = c*x^{\gamma}, c=5,\gamma=-2$")
ax.legend()
ax.set_xlabel(r"x")
ax.set_ylabel(r"y")
程序执行结果如图3所示，这实际上是一个power-law的例子，有兴趣的朋友可以继续google之。
关于LaTex的更多命令，可以参见matplotlib的官方教程：
http://matplotlib.sourceforge.net/users/mathtext.html#mathtext-tutorial
5. 控制坐标轴的显示
前面所有的例子的坐标轴的所有显示（如最大值，最小值，间隔大小，显示方式等等）都是使用的默认生成方式，而实际上，我们也可以用几句命令很方便的进行修改。下面用例子来说明吧：
x = arange(0,5,0.1)
y = [10*math.sin(a) for a in x]
ax.plot(x,y,"ro-",label = "sin(x)")
ax.set_xlim(1,4)
# 设定x轴范围
ax.set_ylim(-8.5,11)
# 设定y轴范围
ax.set_xticks(range(1,4.1,0.5))
# 设定x轴的标签
ax.set_yticks(range(-8,11,2))
# 设定y轴的标签
程序运行结果如图4所示，而如果你希望你的坐标轴上的标签显示的不是数字，而是一些设定好的文字，当然也可以：
ax.set_xticklabels(list("abcdefg"))
# 设定x轴的标签文字
显示结果如图5所示
通过set_xticks与set_xticklabels的结合，我们就可以任意变换我们想要的x轴标签的显示形式了，记住，set_xticks是设定标签的实际数字，而set_xticklabels则是设定我们希望他显示的结果。
1.label翻转的实现，在输出到页面之前，使用：fig.autofmt_xdate() 或者 ax.set_xticklabels(group_labels, rotation=120)
rotation就是翻转的角度
&&&&推荐文章:
【上篇】【下篇】基于 Python Matplotlib 模块的高质量图形输出
1 关于 Matplotlib 模块Matplotlib 是一个由 John Hunter 等开发的，用以绘制二维图形的 Python 模块。它利用了 Python 下的数值计算模块 Numeric 及 Numarray，克隆了许多 Matlab 中的函数， 用以帮助用户轻松地获得高质量的二维图形。Matplotlib 可以绘制多种形式的图形包括普通的线图，直方图，饼图，散点图以及误差线图等；可以比较方便的定制图形的各种属性比如图线的类型，颜色，粗细，字体的大小等；它能够很好地支持一部分 TeX 排版命令，可以比较美观地显示图形中的数学公式。Matplotlib 掌握起来也很容易，由于 Matplotlib 使用的大部分函数都与 Matlab 中对应的函数同名，且各种参数的含义，使用方法也一致，这就使得熟悉 Matlab 的用户使用起来感到得心应手。对那些不熟悉的 Matlab 的用户而言，这些函数的意义往往也是一目了然的，因此只要花很少的时间就可以掌握。
Matplotlib 目前包含了37个不同的模块, 如 matlab, mathtext, finance, dates
等等，其中与绘图关系最直接的是 matlab 模块。可以用下面的命令装载并查看它提供的函数&&& import matplotlib.matlab
&&& dir(matplotlib.matlab)如果要了解模块中某个函数的使用方法，可以使用 help 命令。如下面的命令&&& help(legend)
&&& help(plot)会返回 legend 和 plot 这两个函数的信息。本文拟通过一些实例来说明 matplotlib 的这些主要特点。相信通过阅读这些例子，您能对 Matplotlib 的使用有一个基本的了解。 2 绘制一组幂函数先从一个简单的例子开始讨论。假设要在一个图形中显示一组幂函数。这组幂函数的基不同，分别为10，自然对数 e 和2。可以用如下 Python 脚本去描绘这组曲线，生成的图形如图1所示。
from matplotlib.matlab import *
x = linspace(-4, 4, 200)
f1 = power(10, x)
f2 = power(e, x)
f3 = power(2, x)
plot(x, f1, 'r',
x, f2, 'b', x, f3, 'g', linewidth=2)
axis([-4, 4, -0.5, 8])
text(1, 7.5, r'$10^x$', fontsize=16)
text(2.2, 7.5, r'$e^x$', fontsize=16)
text(3.2, 7.5, r'$2^x$', fonsize=16)
title('A simple example', fontsize=16)
savefig('power.png', dpi=75)
show()图1: 一组幂函数程序的第一行装载了 matlab 模块。接下来的几行语句（至 savefig 之前）好像是在运行 Matlab 程序，因为 linspace， power, plot，axis, text, title 这些函数在 Matlab 中也存在。这个例子展示了 Matplotlib 中几个比较常用的绘图函数，如 plot，axis，title 等的用法。其中 plot 是一个功能十分强大的函数, 通过改变它的参数选项，可以灵活地修改图形的各种属性，比如选用的线型，颜色，宽度等。 2 显示图形中的数学公式Matplotlib 可以支持一部分 TeX 的排版指令，因此用户在绘制含有数学公式的图形时会感到很方便并且可以得到比较满意的显示效果，所需要的仅仅是一些 TeX 的排版知识。下面的这个例子显示了如何在图形的不同位置上, 如坐标轴标签，图形的标题以及图形中适当的位置处，显示数学公式。相应的 Python 程序如下, 生成的图形见图2。from matplotlib.matlab import *
m1 = sin(2*pi*x)
m2 = exp(-c*x)
return multiply(m1, m2)
x = linspace(0, 4, 100)
sigma = 0.5
plot(x, f(x, sigma), 'r', linewidth=2)
xlabel(r'$\rm{time}
t$', fontsize=16)
ylabel(r'$\rm{Amplitude} \ f(x)$', fontsize=16)
title(r'$f(x) \ \rm{is \ damping
\ with} \ x$', fontsize=16)
text(2.0, 0.5, r'$f(x) = \rm{sin}(2 \pi
x^2) e^{\sigma x}$', fontsize=20)
savefig('latex.png', dpi=75)
show()图2: 图形中数学公式的显示从程序中可以看出，在 Matplotlib 中进行有关数学公式的排版是很简单的。与 TeX 排版时的约定一样，要插入的公式部分由一对美元符号 $ 来进行标识，而具体的排版命令与 TeX 一样。在任何可以显示文本的地方（如轴的标签，标题处等）都可以插入需要的公式。需要注意的是，数学公式所在的字符串开始之处有一个标记 r，表示该字符串是一个 raw string。这是因为排版公式时，字符串所包含的内容必须按照 TeX 的规范，而不是其他的规范，来进行解析。所以使用 raw string 可以避免其它规则解释字符串中某些特殊字符所带来的歧义。从生成的图形可以看到，公式显示的效果是比较美观的。3 绘制其他格式的图形除了常用的线图，Matplotlib 还可以绘制其他种类的图形，如直方图，饼图，误差线图等等。下面是一个处理实验数据的例子。它用直方图的形式比较了实际测量电流和理论计算电流，同时还显示了测量的误差分布情况。程序首先读取实验数据 current.dat，获得数据后利用函数 bar 进行绘图。from matplotlib.matlab import
filename = "d:\\wei\\exp\\current.dat"
X = load(filename)
dp = X[:, 0]
i_mea = X[:, 1]
i_mea_err = X[:, 2]
i_cal = X[:, 3]
i_cal_err = X[:, 4]
h1 = bar(dp, i_mea, width, color='r', yerr=i_mea_err)
h2 = bar(dp+width, i_cal, width, color='b', yerr=i_cal_err)
xlabel('Particle diameter (nm)', fontsize=16)
xticks(dp+width, dp)
ylabel('Signal current (nA)', fontsize=16)
title('Measured current vs. calculated current')
legend((h1[0], h2[0]), ('measured current', 'calculated current'), loc=2)
savefig('current.png', dpi=75)
show()图3 :测量电流 vs. 计算电流从程序中可以看出，函数 load 极大地方便了数据文件的读取工作（不需要自己写代码来处理数据文件了），它的输出直接被传递至函数 bar 中，进而完成直方图和误差线图的绘制。4 GLP 集合计算结果的可视化Python 是一种比较适合用来进行科学计算的脚本语言，如果利用了 Numeric 及 Numarray 模块，它的计算能力还能得到进一步的增强。 Matplotlib 也充分利用了这两个模块，可以高质量地完成计算结果可视化的工作。下面是一个计算和显示两维好格子点 GLP (Good Lattice Point Set)集合的例子。 GLP 集合是一种用算法产生的伪随机数的集合,它在一些优化计算中很有用，详细的介绍可以在参考文献里找到。下面的 Python 程序先定义了一个函数 glp(n1, n2) 用以产生需要的 GLP 集合, 接着利用 Matplotlib 来显示它的分布情况（应该是均匀分布的）。 # A two dimensional GLP set
# with n1=377,
from matplotlib.matlab import *
def glp(n1, n2):
q = zeros((2, n2), Float)
h1 = 1; h2 = n1
for i in arange(n2-1):
q[0][ i] = (fmod(h1*(i+1), n2)-0.5)/n2
q[1][ i] = (fmod(h2*(i+1), n2)-0.5)/n2
q[0][n2-1] = (n2-0.5)/n2
q[1][n2-1] = (n2-0.5)/n2
n1 = 377; n2 = 610
q = glp(n1, n2)
x = q[0, :]
y = q[1, :]
plot(x, y, 'r.', linewidth=2)
axis([0, 1, 0, 1])
title(r'$\rm{GLP \ set \ with} \ n_1 = 377, \ n_2 = 610$')
savefig('glp.png', dpi = 75)
show()图4: GLP 集合的分布最初我们是用 Matlab 来完成这个工作的，现在用 Python 来实现一样很简洁。程序中函数 glp 的实现主要是利用了模快 Numeric，计算得到的结果用 plot 函数直接加以显示，十分方便。这个例子（包括上一个例子）显示了，在利用 Python 进行某些科学及工程计算时，Matplotlib 往往能简洁高效地完成计算结果可视化的工作。5 工作模式及图形的输出方式最后简单的介绍一下 Matplotlib 的工作模式以及输出图形的方式。Matplotlib 有两种工作模式：交互模式 (interactive mode) 以及批处理模式 (batch mode)。很容易理解这两种模式的差别。第一种模式就是在某个 Python Shell 的提示符下逐个运行绘图的命令。第二种模式是先把绘图命令写成一个脚本文件然后在适当的环境中执行这个文件。 最终图形的输出也有两种方式，即 GUI 输出方式和非 GUI 输出方式。简单地说，GUI 方式的输出是把产生的图形直接显示在屏幕上；而非 GUI 方式的输出则是把图形保存为某种格式的文件，比如ps，png格式的文件。不论哪一种方式都与系统使用的 backend 有关 （backend 可以理解为后端的绘图引擎）。与 GUI方式输出有关的 backend 包括 WxPython, TkAgg, Tkinter 等。而与非 GUI 方式有关的 backend 包括 GD, PS，Paint 等。下图总结了目前 Matplotlib 支持的主要backend。 图5: Matplotlib 支持的主要 backend用户可以根据自己的实际需要选用其中的某种输出方式，当然也可以两种同时使用。以上的几个例子都是同时使用了这两种方式。以上几个 Python 脚本的最后一行命令 show 负责把图形在屏幕上显示出来，而命令 savefig 会把图形保存为相应格式的文件，目前缺省的输出格式是 png 格式。6 总结作为一个仍在进行中的项目，Matplotlib 充分利用了 Python 下的 Numeric(Numarray) 模块，提供了一种利用 Python 进行数据可视化的解决方案，进一步加强了 Python 用来进行科学计算的能力。Matplotlib 简单易学，它克隆了众多 Matlab 中的函数，这会让了解 Matlab 的用户受益不少。其他的特点还包括能够绘制多种类型的图形，可以简单灵活对图形的各种属性进行修改，能比较美观地显示图形中的数学公式。与其他的一些绘图程序相比，如 Gnuplot，Matplotlib 的一个吸引人之处就是输出图形的质量较高。不足之处是 Matplotlib 的功能目前还不是很完善, 比如目前还不能支持三维绘图，对 TeX 排版的支持还不充分等等。不过考虑到它是一个还在进行中的项目，这些就不应求全责备了。总的说来，如果您需要一种可视化的工具，并且希望它能有高质量的输出效果，那么 Python 的 Matplotlib 模块应该是一个值得考虑的选择。
相关主题访问 Matplotlib 的主页
以获得更多关于它的信息
Matplotlib 提供的所有模块可在
Gnuplot的主页
K. T. Fang and Y. Wang, Numer-theoretic Methods in Statistics, 1993, Chapman & HallIBM developerWorks 网站上由 David Mertz 撰写的一篇很好的关于 Numeric Python 模快的文章: Charming Python: Numerical Python -- Working with the numeric and numarray packages
添加或订阅评论，请先或。
有新评论时提醒我
static.content.url=/developerworks/js/artrating/SITE_ID=10Zone=LinuxArticleID=58175ArticleTitle=基于 Python Matplotlib 模块的高质量图形输出publish-date=参考：http://matplotlib.org/api/pyplot_api.html
画图功能总结（2）：
1、matplotlib.pyplot.plot(*args,&**kwargs)，最简单的沿坐标轴划线函数：
下面四种格式都合法：
plot(x, y)
# plot x and y using default line style and color
plot(x, y, 'bo')
# plot x and y using blue circle markers
# plot y using x as index array 0..N-1
plot(y, 'r+')
# ditto, but with red plusses
&pre name=&code& class=&python&&import numpy as np
import matplotlib.pyplot as plt
x1=np.arange(0,5,0.1)
y1=np.sin(x1)
x2=np.linspace(1,10,20,True)
y2=np.cos(x2)
plt.plot(x1,y1,'b^')
也可以同时画一组图：
plt.plot(x1, y1, 'go', x2, y2, 'r-')
如果颜色不显示指出，则默认循环使用不同的颜色，支持的颜色有：
支持的line style有：
solid line style
dashed line style
dash-dot line style
dotted line style
point marker
pixel marker
circle marker
triangle_down marker
triangle_up marker
triangle_left marker
triangle_right marker
tri_down marker
tri_up marker
tri_left marker
tri_right marker
square marker
pentagon marker
star marker
hexagon1 marker
hexagon2 marker
plus marker
diamond marker
thin_diamond marker
vline marker
hline marker
添加图例：
plt.plot([1,2,3], [1,2,3], 'go-', label='line 1', linewidth=2)
plt.plot([1,2,3], [1,4,9], 'rs',
label='line 2')
plt.legend()
指定坐标范围：
plt.plot([1,2,3], [1,2,3], 'go-', label='line 1', linewidth=2)
plt.plot([1,2,3], [1,4,9], 'rs',
label='line 2')
plt.&strong&axis(&/strong&[0, 4, 0, 10])
plt.legend()
添加坐标轴说明和标题说明：
plt.plot([1,2,3], [1,2,3], 'go-', &strong&label=&/strong&'line 1', linewidth=2)
plt.plot([1,2,3], [1,4,9], 'rs',
label='line 2')
plt.axis([0, 4, 0, 10])
plt.&strong&xlabel&/strong&('data x')
plt.ylabel('target y')
plt.&strong&title&/strong&('test plot')
plt.&strong&legend()&/strong&
添加网格：
plt.grid()
plt.legend(['3','4','5'], loc='upper right')
plt.show()
上面所有的格式都可以通过关键词来控制（格式，即参数kwargs）：
plot(x, y, color='green', linestyle='dashed', marker='o', markerfacecolor='blue', markersize=12).The kwargs are&&properties：
float (0.0 transparent through 1.0 opaque)
[True | False]
[True | False]
an&&instance
a&&instance
[True | False]
any matplotlib color
a callable function
[‘butt’ | ‘round’ | ‘projecting’]
[‘miter’ | ‘round’ | ‘bevel’]
sequence of on/off ink in points
[‘default’ | ‘steps’ | ‘steps-pre’ | ‘steps-mid’ | ‘steps-post’]
a&&instance
[‘full’ | ‘left’ | ‘right’ | ‘bottom’ | ‘top’ | ‘none’]
an id string
string or anything printable with ‘%s’ conversion.
['-'&|&'--'&|&'-.'&|&':'&|&'None'&|&'&'&|&'']
float value in points
[True | False]
any matplotlib color
float value in points
any matplotlib color
any matplotlib color
[None | int | length-2 tuple of int | slice | list/array of int | float | length-2 tuple of float]
float distance in points or callable pick function&fn(artist,&event)
float distance in points
[True | False | None]
[‘butt’ | ‘round’ | ‘projecting’]
[‘miter’ | ‘round’ | ‘bevel’]
a&&instance
a url string
[True | False]
any number
2、matplotlib.pyplot.scatter(x,&y,&s=20,&c=u'b',&marker=u'o',&cmap=None,&norm=None,&vmin=None,&vmax=None,&alpha=None,&linewidths=None,verts=None,&hold=None,&**kwargs)散点图：
本质上和plot没甚区别，但要注意：
1）不能同时画多个曲线，plt.scatter(x1, y1, c='b', marker='o', x2, y2, c='r', marker='^', s=5)不合法。
2）color、marker等不能同时作为一个参数，plt.scatter(x1, y1, 'bo', s=5)不合法。
3）给个例子：
plt.scatter(x1, y1, c='b', marker='o', s=5)
4）我们看到，scatter会自动在坐标的头尾加上“延长”的部分，但plot如果不指定axis，则不会延长。
5）为了同时在一个图上画多条曲线，可以使用hold关键字：
（When&hold&is&True,
subsequent plot commands will be added to the current axes. When&hold&is&False,
the current axes and figure will be cleared on the next plot command.）
plt.scatter(x1, y1, s=10, c='b', marker='o', label='test plot 1')
plt.&strong&hold(True)&/strong&
plt.scatter(x2, y2, s=5, c='r', marker='^', label='test plot 2')
plt.legend()
如果不使用hold，效果如下：
plt.scatter(x1, y1, s=10, c='b', marker='o', label='test plot 1')
plt.hold(&strong&False)&/strong&
plt.scatter(x2, y2, s=5, c='r', marker='^', label='test plot 2')
plt.legend()
待续。。。。
本文已收录于以下专栏：
相关文章推荐
最近开始学习Python编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下：
1、scatter函数原型
2、其中散点的形状参数marker如下：
...
最近开始学习python编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下：
1、scatter函数原型
2、其中散点的形状参数marker如下：
3、其中颜色参数...
直接看注释吧，知行合一！# -*- coding: utf-8 -*-
Created on Tue Mar 21 10:36:28 2017
罗干，同济大学图书馆
我爱婷婷和臭臭@autho...
转载自：Segment Fault
本文作为学习过程中对matplotlib一些常用知识点的整理，方便查找。
强烈推荐ipython
无论你工作在什么项目上，IPython都是值得推荐的。利用i...
本文是学习《matplotlib for python developers》的一点笔记
plot画图时可以设定线条参数。包括：颜色、线型、标记风格。
1）控制颜色
颜色之间的对应关系为
pyplot介绍matplotlib.pyplot是一个有命令风格的函数集合，它看起来和MATLAB很相似。每一个pyplot函数都使一副图像做出些许改变，例如创建一幅图，在图中创建一个绘图区域，在绘...
设置 X,Y 轴变量
http://blog.csdn.net/pipisorry/article/details/
Matplotlib绘图实例(使用pyplot模块)
matplotli...
在这里我介绍一下plot方法的函数的使用。
Series.plot方法的函数：
用于图例的标签
最近在学习python著名的绘图包matplotlib时发现，有时候图例等设置无法正常显示中文，于是就想把这个问题解决了。PS：本文仅针对Windows，其他平台仅供参考。...
他的最新文章
讲师：李江龙
讲师：司徒正美
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)社会化媒体
了解更多>>
桂ICP备 号
桂公网安备 36号
阅读下一篇
自媒体运营攻略
行业经验交流
Hi，在你登录以后，就可以永久免费的收藏任何您感兴趣的内容，关注感兴趣的作者！
请输入正确的邮箱
已有帐号请点击
帐号创建成功！
我们刚刚给你发送了一封验证邮件
请在48小时内查收邮件,并按照提示验证邮箱
感谢你对微口网的信任与支持
如果你没有收到邮件，请留意垃圾箱 或 重新发送
你输入的邮箱还未注册
还没有帐号请点击
你输入的邮箱还未注册
又想起来了？
邮件发送成功！
我们刚刚给你发送了一封邮件
请在5分钟内查收邮件,并按照提示重置密码
感谢你对微口网的信任与支持
如果你没有收到邮件，请留意垃圾箱 或 重新发送
对不起，你的帐号尚未验证
如果你没有收到邮件，请留意垃圾箱 或
意见与建议
请留下您的联系方式
* 留下您正确的联系方式，以便工作人员尽快与你取得联系
新！变现功能上线
现在，只要登录微口网账号，点击“我要变现”，就能领取任务，轻松推广商品，坐收丰厚佣金，只要一分钟操作，就能获取50%超高提成！
合适的商品更容易推广，你可以根据公众号定位，选择调性最适合推广的商品；如果没有公众号，你也可以选择自己喜爱或者符合自己品味的商品。
优秀的产品文案能让我们赚更多钱，你可以直接使用我们平台提供的文案素材；如果你不想用，那么你可以自己随心撰写合适的产品文案。
关于购买链接
你可以将购买链接粘贴在“阅读原文”处；或者分享购买链接/二维码至社交平台或社交群内。只要有用户通过此链接购买了商品即可获得丰厚提成！
转藏至我的藏点}