Matplotlib.pyplot 常用方法

plt.figure()
line = plt.plot(range(5))[0]                # plot函数返回的是一个列表,因为可以同时画多条线的哦;
line.set_color(‘r‘)
line.set_linewidth(2.0)
plt.show()
####################################
plt.figure()
line = plt.plot(range(5))[0]    　　　　　　　　# plot函数返回的是一个列表,因为可以同时画多条线;
line.set(color = ‘g‘,linewidth = 2.0)
plt.show() 
####################################
plt.figure()
lines = plt.plot(range(5),range(5),range(5)，range(8,13))    # plot函数返回一个列表;
plt.setp(lines, color = ‘g‘,linewidth = 2.0)                # setp函数可以对多条线进行设置的;
plt.show()

# getp(obj, property=None)
plt.getp(line)
plt.getp(line, ‘color‘)

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(1)        # 创建了一个figure对象;

# figure对象的add_axes()可以在其中创建一个axes对象,
# add_axes()的参数为一个形如[left, bottom, width, height]的列表,取值范围在0与1之间;
# 我们把它放在了figure图形的上半部分，对应参数分别为：left, bottom, width, height;
ax = fig.add_axes([0.1, 0.5, 0.8, 0.5])
ax.set_xlabel(‘x‘)           # 用axes对象的set_xlabel函数来设置它的xlabel
ax.set_ylabel(‘y‘)
line =ax.plot(range(5))[0]      # 用axes对象的plot()进行绘图,它返回一个Line2D的对象;
line.set_color(‘g‘)             # 再调用Line2D的对象的set_color函数设置color的属性;
plt.show()

import numpy as np
import matplotlib.pyplot as plt

# 通过axis来更改坐标轴
plt.plot([1,2,3],[4,5,6])
# gca()获取当前的axes绘图区域，调用gcf()来获得当前的figure
axis = plt.gca().xaxis
axis.get_ticklocs()                 # 得到刻度位置;
axis.get_ticklabels()               # 得到刻度标签;
axis.get_ticklines()                # 得到刻度线;
axis.get_ticklines(minor = True)    # 得到次刻度线; 举个例子:就像我们的尺子上的厘米的为主刻度线,毫米的为次刻度线;
for label in axis.get_ticklabels():
    label.set_color(‘blue‘)          # 设置每个刻度标签的颜色;
    label.set_rotation(90)          # 旋转45度;
    label.set_fontsize(16)          # 设置字体大小;
for line in axis.get_ticklines():
    line.set_color(‘green‘)
    line.set_markersize(3)         # 设置刻度线的长短;
    line.set_markeredgewidth(2)     # 设置线的粗细
plt.show()

import numpy as np
import matplotlib.pyplot as plt

plt.figure(‘正弦曲线‘)                   # 调用figure函数创建figure(1)对象,可以省略,这样那plot时,它就自动建一个啦;

t = np.arange(0.0, 4.0, 0.1)
s = np.sin(np.pi*t)
plt.plot(t, s, ‘g--o‘, label = ‘sinx‘)

plt.legend()                    # 显示右上角的那个label,即上面的label = ‘sinx‘
plt.xlabel(‘time (s)‘)          # 设置x轴的label，pyplot模块提供了很直接的方法，内部也是调用的上面当然讲述的面向对象的方式来设置；
plt.ylabel(‘voltage (mV)‘)      # 设置y轴的label;
#plt.xlim(-1,3)                 # 可以自己设置x轴的坐标的范围哦;
#plt.ylim(-1.5,1.5)
plt.title(‘About as simple as it gets, folks‘)
plt.grid(True)                  # 显示网格;

plt.show()

# 填充彩色子图
import matplotlib.pyplot as plt
import numpy as np

for i, color in enumerate(‘rgbyck‘):
    plt.subplot(321+i, facecolor = color)
plt.show()

# 填充彩色子图
import matplotlib.pyplot as plt
import numpy as np
x1 = np.linspace(0.0, 5.0)   #生成一个一维的array,linspace(起始点,结束点,点数(默认为50))
x2 = np.linspace(0.0, 2.0)

y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
y2 = np.cos(2 * np.pi * x2)

plt.subplot(2, 2, 1)      #表示在subplot为2*1的样式,并在第一个子图上画出;
plt.plot(x1, y1, ‘yo-‘)
plt.title(‘A tale of 2 subplots‘)
plt.ylabel(‘Damped oscillation‘)

plt.subplot(2, 2, 2)      #  我们在第二个子图上加个空图哈,去理解它的图的排序(即注意第二个子图的位置
                                    #  为第一行第二列)是按行优先的,这个正好和matlab里相反哦;
plt.title(‘It is a empty figure‘)

plt.subplot(2, 2, 4)
plt.plot(x2, y2, ‘g.-‘)
plt.xlabel(‘time (s)‘)
plt.ylabel(‘Undamped‘)

plt.show()

If a string must be one of "row", "col", "all", or "none".
    "all" has the same effect as *True*, "none" has the same effect
    as *False*.
    If "row", each subplot row will share a X axis.
    If "col", each subplot column will share a X axis and the x tick
    labels on all but the last row will have visible set to *False*.

  *sharey* : 同上

  *squeeze* : bool  它是用来控制返回值的,根据返回的axis的结果决定要不要把没有的维度进行压缩一下.
       当为Ture时,如果返回的axis只有一个,则表示成标量,如果有一行或一列,则表示为一维数组,如果多行多列,则表示为2D数组;
       当为False时,不管多少个返回的axis,都以二维数组的方式返回;
  *subplot_kw* : dict
    Dict with keywords passed to the
    :meth:`~matplotlib.figure.Figure.add_subplot` call used to
    create each subplots.

  *fig_kw* : dict
    Dict with keywords passed to the :func:`figure` call.  Note that all
    keywords not recognized above will be automatically included here.

# subplots() 返回值
import matplotlib.pyplot as plt
import numpy as np  

x = range(0,30,1)
y = np.sin(x)

# 接收返回的两个对象
f,(ax1, ax2) = plt.subplots(1, 2, sharey=True)
# 两个对象分别画图
ax1.plot(x, y)
ax1.set_title(‘Sharing Y axis‘)
ax2.scatter(x, y)
plt.show()

# twinx() 共享x轴实例
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(1)
ax1 =plt.subplot(111)

ax2 = ax1.twinx()

ax1.plot(np.arange(1,5),‘g--‘)
ax1.set_ylabel(‘ax1‘,color = ‘r‘)
ax2.plot(np.arange(7,10),‘b-‘)
ax2.set_ylabel(‘ax2‘,color = ‘b‘)

plt.show()