标签：
因为学习机器学习以及试图通过python实现相应的算法，因此学习了Matplotlib中的画图，那么就问到，问啥不用matlab呢，答：多一门技术，多一口饭；而且发现Matplotlib的画图功能还是蛮强大的，这次仅仅只是学习了以前在MATLAB里面会的相应的东西，然后学习一下在python中对应的知识。
matplotlib在Python中应用最多的2D图像的绘图工具包，使用matplotlib能够非常简单的可视化数据。在matplotlib中使用最多的模块就是pyplot。pyplot非常接近Matlab的绘图实现，而且大多数的命令及其类似Matlab.当然，与Matlab类似，需要很多的数学运算，因此numpy这个组件同样是必不可少的。所以很多人说python+matplotlib+numpy就是MATLAB。当然在此之前，需要配置好相应的环境，在Linux 14.04下版本，利用sublime Text 3可以非常快捷的搭建好开发环境，可以参见博客http://blog.csdn.net/mao19931004/article/details/51834616。
首先，在matplotlib建议使用别名，引入包，这样方便以后模块的使用，一般以以下两句开始：
import numpy as np import matplotlib.pyplot as plt
接下来以绘制正弦余弦函数曲线为例，介绍相应的函数。
x=np.linspace(-np.pi,np.pi,256,endpoint=True) C,S=np.cos(x),np.sin(x) plt.plot(x,C) plt.plot(x,S)
plt.plot(x,C,color='red',linewidth=2.5,linestyle='-') plt.plot(x,S,color='blue',linewidth=2.5,linestyle='-')
上面介绍了简单的绘图，用的基本上都是plot，因此有必要对plot函数进行简单的介绍。官网参考网址：plot使用。熟悉Matlab的人对plot不会陌生，在matplotlib中的使用方式大致和Matlab中是一致的，使用plot，可以对点的标记的样式以及线条的样式进行设置。
函数的声明为：matplotlib.pyplot.plot(*args, **kwargs)。args的参数的长度是不定
的，可以设置很多的属性，kwargs主要是应用于设置线条的属性。对于标注和线条的样式，可以通过简单的字符来表示：
以及标注和线条的颜色：
当然线条的颜色可以以其他方式定制。比如16进制的字符串(‘#008000‘)或者是RGB、RGBA元组的方式RGB
or RGBA ((0,1,0,1)) 来实现不同的颜色。
在接下来会应用到更多的属性。对于Line2D的具体细节，也就是线条的属性等，可以进一步查阅Line2D.
很多时候，需要设置横轴和纵轴的界面，从而得到更加清晰明了的图形：
plt.xlim(X.min()*1.1, X.max()*1.1) plt.ylim(C.min()*1.1, C.max()*1.1)此外为了更好的表示横轴和纵轴数据的含义，可以通过ticks对横轴和纵轴的含义进行设置和定制。
plt.xlim(x.min()*1.1, x.max()*1.1)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.ylim(C.min()*1.1,C.max()*1.1)
plt.yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])看到yticks和xticks后面一串的数字，看到就觉得可能有点不知道写的什么，熟悉LaTex的人觉得我们这种想法的人有点傻。其实就是很简单的字符串，但是是为了方便Latex去解析这段字符串。一般以r开始，中间的字符串用$字符串$包围起来。这里是matplotlib中的有关LaTex的使用介绍：Latex的使用
上面的\pi代表的意义就是π。以下是有关希腊字符的表示：
最后的显示图像为：
这样数据的意义就更加清晰明了了。
Spines are the lines connecting the axis tick marks and noting the boundaries of the data area. They can be placed at arbitrary positions。
Spines应该可以理解为坐标轴的位置。但是也不全是，因为它分为上下左右四个位置，就如上图的四个边界，那么左边界和下边界就是我们通常认为的横坐标和纵坐标。我们可以将上边界和右边界隐藏，同时将左边界和下边界移动至中心的位置，看看效果：
这样就和我们通常画数学曲线的方式就一样了。
实现的完整代码是：
import numpy as np
import matplotlib.pyplot as plt
ax = plt.subplot(111)
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
x=np.linspace(-np.pi,np.pi,256,endpoint=True)
C,S=np.cos(x),np.sin(x)
plt.plot(x,C,color='red',linewidth=2.5,linestyle='-',label=r'$cos(t)$')
plt.plot(x,S,color='blue',linewidth=2.5,linestyle='-',label=r'$sin(t)$')
plt.xlim(x.min()*1.1, x.max()*1.1)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.ylim(C.min()*1.1,C.max()*1.1)
plt.yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
plt.show()
说到作图，当然必须要有图例，图例是帮助我们理解曲线指代的类型，如果让我们不去仔细分析曲线，就可以知道曲线指代的类型。比如上图的正弦和余弦，我们要经过分析过后，才知道红色是余弦函数，蓝色是正弦函数，因此图例就非常重要的帮助我们分析图形。
在画图时候，我们需要多线条加上label，这样才可以在最后将图例显示出来。
plt.plot(x,C,color='red',linewidth=2.5,linestyle='-',label=r'$cos(t)$') plt.plot(x,S,color='blue',linewidth=2.5,linestyle='-',label=r'$sin(t)$') plt.legend(loc='upper left',frameon=False)
位置的可选参数有：
函数的参数的关键字有：
大致的plot的绘图方式入门就这么多，当然plot还有很多很多的内容，需要的什么比较好的方式绘图，就可以去参阅相关的资料，当然以后如果遇到新的内容，会继续介绍。
标签：
原文地址：http://blog.csdn.net/mao19931004/article/details/51915016
