ipython での matplotlib の使用方法の詳細な説明

    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)           # plot y using x as index array 0..N-1
    plot(y, 'r+')     # ditto, but with red plusses
如果没有使用命名参数，那么可以设置任意组的x，y，格式字符串，例如：

a.plot(x1, y1, 'g^', x2, y2, 'g-')
plot的返回值类型是matplotlib.lines.Line2D object
如果不指定plot会采用默认的线条和颜色，下面给出线条和颜色的可设值
线条值

================    ===============================
character           description
================    ===============================
``'-'``             solid line style 实线
``'--'``            dashed line style 虚线
``'-.'``            dash-dot line style 虚点线
``':'``             dotted line style 点线
``'.'``             point marker 圆点作点
``','``             pixel marker
``'o'``             circle marker 蓝色圆圈作点
``'v'``             triangle_down marker 下三角作点
``'^'``             triangle_up marker 上三角作点
``''``             triangle_right marker
``'1'``             tri_down marker
``'2'``             tri_up marker
``'3'``             tri_left marker
``'4'``             tri_right marker
``'s'``             square marker
``'p'``             pentagon marker
``'*'``             star marker
``'h'``             hexagon1 marker
``'H'``             hexagon2 marker
``'+'``             plus marker
``'x'``             x marker
``'D'``             diamond marker
``'d'``             thin_diamond marker
``'|'``             vline marker
``'_'``             hline marker
================    ===============================


颜色值

==========  ========
character   color
==========  ========
'b'         blue
'g'         green
'r'         red
'c'         cyan
'm'         magenta
'y'         yellow
'k'         black
'w'         white
==========  ========
命名参数可以用来设置线条的属性，每个属性都有一个set_...的方法，可以用来设置线条的标签，线宽等等

<span style="font-size: 14px">plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class>, **kwargs)<br>作用：创建一个新的figure或者返回当前已存在的figure<br>参数<br>num:可选参数，可以是整数或字符串如果没有指定该参数，则会创建一个新figure，同时返回的figure对象里的num属性自动加1；如果指定了该参数，那么如果指定num的figure对象已存在，则返回这个已存在的figure对象，否则就创建一个新的figure对象。<br>figsize：可选参数，整形的元组，指定figure的宽度和长度，单位为英寸,缺省值为[6.4, 4.8]<br>dpi:可选参数，指定figure的分辨率，即每英寸多少个像素，缺省值为100。<br>facecolor:背景颜色<br>edgecolor：边框颜色<br>返回值：figure对象<br>说明：如果创建了很多figure对象，要确保对不用的figure对象调用了close方法，因为这有利于减少内存占用。</class></span>

<span style="font-size: 14px">plt类的rcParams字典属性定义了各属性的默认值，这可以在matplotlibrc文件中修改，rcParams是一个字典类型，可以查看其全部的属性值，也可以通过下标查看指定的属性值,<br>例如：<br><img src="https://img.php.cn/upload/article/000/000/013/0f64ec74f2dc2b2077beac5654308794-6.png" alt="ipython での matplotlib の使用方法の詳細な説明"    style="max-width:90%"  style="max-width:90%" title="ipython での matplotlib の使用方法の詳細な説明"></span>

>>> import matplotlib>>> matplotlib.get_configdir()'C:\\Documents and Settings\\suntp\\.matplotlib'

matplotlib.matplotlib_fname()
Out[2]: 'C:\\ProgramData\\Anaconda3\\lib\\site-packages\\matplotlib\\mpl-data\\matplotlibrc'

<span style="font-size: 14px">由于在当前路径和用户配置路径中都没有找到位置文件，因此最后使用的是系统配置路径下的配置文件。<br>在matplotlib模块载入的时候会调用rc_params，并把得到的配置字典保存到rcParams变量中</span>

>>> matplotlib.rcParams["lines.marker"] = "o">>> import pylab>>> pylab.plot([1,2,3])>>> pylab.show()

>>> matplotlib.rc("lines", marker="x", linewidth=2, color="red")

>>> matplotlib.rcdefaults()

>>> matplotlib.rcParams.update( matplotlib.rc_params() )

>>> import numpy as np>>> import matplotlib.pyplot as plt>>> x = np.arange(0, 5, 0.1)>>> line, = plt.plot(x, x*x) # plot返回一个列表，通过line,获取其第一个元素>>> # 调用Line2D对象的set_*方法设置属性值>>> line.set_antialiased(False)>>> # 同时绘制sin和cos两条曲线，lines是一个有两个Line2D对象的列表>>> lines = plt.plot(x, np.sin(x), x, np.cos(x)) #>>> # 调用setp函数同时配置多个Line2D对象的多个属性值>>> plt.setp(lines, color="r", linewidth=2.0)

>>> line.get_linewidth()1.0
>>> plt.getp(lines[0], "color") # 返回color属性'r'>>> plt.getp(lines[1]) # 输出全部属性alpha = 1.0animated = False
antialiased or aa = True
axes = Axes(0.125,0.1;0.775x0.8)
... ...

>>> f = plt.gcf()>>> plt.getp(f)
alpha = 1.0animated = False
...

>>> plt.getp(f, "axes")
[<matplotlib.axes.axessubplot>]>>> plt.gca()<matplotlib.axes.axessubplot></matplotlib.axes.axessubplot></matplotlib.axes.axessubplot>

>>> alllines = plt.getp(plt.gca(), "lines")>>> alllines<a>
>>> alllines[0] == line # 其中的第一条曲线就是最开始绘制的那条曲线True</a>

subplot(numRows, numCols, plotNum)

for idx, color in enumerate("rgbyck"):
    plt.subplot(320+idx+1, axisbg=color)
plt.show()

plt.subplot(221) # 第一行的左图plt.subplot(222) # 第一行的右图plt.subplot(212) # 第二整行plt.show()

>>> import matplotlib.pyplot as plt>>> fig = plt.figure()>>> ax = fig.add_axes([0.15, 0.1, 0.7, 0.3])

>>> line, = ax.plot([1,2,3],[1,2,1])>>> ax.lines
[<matplotlib.lines.line2d>]>>> line<matplotlib.lines.line2d></matplotlib.lines.line2d></matplotlib.lines.line2d>

>>> ax.set_xlabel("time")

self.xaxis.set_label_text(xlabel)

>>> ax.xaxis<matplotlib.axis.xaxis></matplotlib.axis.xaxis>

>>> ax.xaxis.label<matplotlib.text.text></matplotlib.text.text>

>>> ax.xaxis.label._text'time'

>>> ax.xaxis.label.get_text()'time'

>>> fig = plt.figure()>>> fig.show()>>> fig.patch.set_color("g")>>> fig.canvas.draw()

>>> fig.set_alpha(0.5*fig.get_alpha())

>>> fig.set(alpha=0.5, zorder=2)

>>> plt.getp(fig.patch)
    aa = True
    alpha = 1.0
    animated = False
    antialiased or aa = True
    ... ...

>>> fig = plt.figure()>>> ax1 = fig.add_subplot(211)>>> ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3])>>> ax1<matplotlib.axes.axessubplot>
>>> ax2<matplotlib.axes.axes>
>>> fig.axes
[<matplotlib.axes.axessubplot>,<matplotlib.axes.axes>]</matplotlib.axes.axes></matplotlib.axes.axessubplot></matplotlib.axes.axes></matplotlib.axes.axessubplot>

for ax in fig.axes: 
ax.grid(True)

>>> from matplotlib.lines import Line2D>>> fig = plt.figure()>>> line1 = Line2D([0,1],[0,1], transform=fig.transFigure, figure=fig, color="r")>>> line2 = Line2D([0,1],[1,0], transform=fig.transFigure, figure=fig, color="g")>>> fig.lines.extend([line1, line2])>>> fig.show()

>>> fig = plt.figure()>>> ax = fig.add_subplot(111)>>> ax.patch.set_facecolor("green")

>>> x, y = np.random.rand(2, 100)>>> line, = ax.plot(x, y, "-", color="blue", linewidth=2)>>> line<matplotlib.lines.line2d>
>>> ax.lines
[<matplotlib.lines.line2d>]</matplotlib.lines.line2d></matplotlib.lines.line2d>

>>> ax = fig.add_subplot(111)>>> n, bins, rects = ax.hist(np.random.randn(1000), 50, facecolor="blue")>>> rects<a>
>>> rects[0]<matplotlib.patches.rectangle>
>>> ax.patches[0]<matplotlib.patches.rectangle></matplotlib.patches.rectangle></matplotlib.patches.rectangle></a>

    >>> fig = plt.figure()    >>> ax = fig.add_subplot(111)    >>> rect = matplotlib.patches.Rectangle((1,1), width=5, height=12)    >>> print rect.get_axes() # rect的axes属性为空    None    >>> rect.get_transform() # rect的transform属性为缺省值
    BboxTransformTo(Bbox(array([[  1.,   1.],
           [  6.,  13.]])))    >>> ax.add_patch(rect) # 将rect添加进ax
    <matplotlib.patches.rectangle>
    >>> rect.get_axes() # 于是rect的axes属性就是ax
    <matplotlib.axes.axessubplot>
    >>> # rect的transform属性和ax的transData相同
    >>> rect.get_transform()
    ... # 太长，省略
    >>> ax.transData
    ... # 太长，省略
    >>> ax.get_xlim() # ax的X轴范围为0到1，无法显示完整的rect
    (0.0, 1.0)    >>> ax.dataLim._get_bounds() # 数据的范围和rect的大小一致
    (1.0, 1.0, 5.0, 12.0)    >>> ax.autoscale_view() # 自动调整坐标轴范围
    >>> ax.get_xlim() # 于是X轴可以完整显示rect
    (1.0, 6.0)    >>> plt.show()</matplotlib.axes.axessubplot></matplotlib.patches.rectangle>

>>> fig = plt.figure()>>> ax = fig.add_subplot(111)>>> t = ax.scatter(np.random.rand(20), np.random.rand(20))>>> t # 返回值为CircleCollection对象<matplotlib.collections.circlecollection>
>>> ax.collections # 返回的对象已经添加进了collections列表中[<matplotlib.collections.circlecollection>]>>> fig.show()>>> t.get_sizes() # 获得Collection的点数20</matplotlib.collections.circlecollection></matplotlib.collections.circlecollection>

>>> axis.get_minor_locator() # 计算副刻度的对象<matplotlib.ticker.nulllocator>
>>> axis.get_major_locator() # 计算主刻度的对象<matplotlib.ticker.autolocator></matplotlib.ticker.autolocator></matplotlib.ticker.nulllocator>

# -*- coding: utf-8 -*-import matplotlib.pyplot as plfrom matplotlib.ticker import MultipleLocator, FuncFormatterimport numpy as np
x = np.arange(0, 4*np.pi, 0.01)
y = np.sin(x)
pl.figure(figsize=(8,4))
pl.plot(x, y)
ax = pl.gca()def pi_formatter(x, pos):    """
    比较罗嗦地将数值转换为以pi/4为单位的刻度文本    """
    m = np.round(x / (np.pi/4))
    n = 4    if m%2==0: m, n = m/2, n/2    if m%2==0: m, n = m/2, n/2    if m == 0:        return "0"
    if m == 1 and n == 1:        return "$\pi$"
    if n == 1:        return r"$%d \pi$" % m    if m == 1:        return r"$\frac{\pi}{%d}$" % n    return r"$\frac{%d \pi}{%d}$" % (m,n)# 设置两个坐标轴的范围pl.ylim(-1.5,1.5)
pl.xlim(0, np.max(x))# 设置图的底边距pl.subplots_adjust(bottom = 0.15)
pl.grid() #开启网格# 主刻度为pi/4ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )# 主刻度文本用pi_formatter函数计算ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) )# 副刻度为pi/20ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )# 设置刻度文本的大小for tick in ax.xaxis.get_major_ticks():
    tick.label1.set_fontsize(16)
pl.show()