>

什么运用Python绘制学术随想图表,使用python中的

- 编辑:正版管家婆马报彩图 -

什么运用Python绘制学术随想图表,使用python中的

什么样使用Python绘制学术故事集图表,

散文中图纸方式二种,常用的管理工科具有excel、MATLAB以及Python等,excel自管理的秘籍有四个缺欠:1.当数码比较多时,轻便并发excel“翻白眼”的光景;2.亟需采纳subplot成效或批量管理时,使用MATLAB或Python更为有利于;3.excel拍卖的图在美貌程度上较杂文图表标准有一定的距离。相比MATLAB以及Python的plot功用,从图的美观角度出发,Python稍占优势,下文讲简介将excel中的数据提取到Python中并使用Python的matplotlib库制图的经过。

 

一.如何将Excel中的数据导入Python中:

此部分重视介绍如何将Excel中的数据导入python中(原始数据或者在.txt或.out文件中,且数据相比较混乱,可以先使用MATLAB或python将数据开展管理存入Excel中,蕴涵部分回顾的臆度、排列等,以便于其后的绘图,或直接动用python提取.txt中数量,在此不做详细介绍),首要措施是行使python的xlrd库,流程如下:

# 导入xlrd库
import xlrd
# 读取指定Excel文件(此处为excel_dir)中的数据
data=xlrd.open_workbook(excel_dir)
# 读取指定data中某sheet(此处命名为sheetname)中的数据
table=data.sheet_by_name(sheetname)
#读取table中某一列的数据
needs=table.col_values(0)

 在那之中有多少个须要证实的点:

1.excel_dir和sheetname怎么着定义?

excel_dir应写成字符串的格式(即' '大概" "),最后应以.xls或.xlsx等Excel的后缀结尾,譬如读取Administrator桌面上的名叫result.xls的文书可写为:

excel_dir = 'C:UsersAdministratorDesktopresult.xls'
data=xlrd.open_workbook(excel_dir)

sheetname定义的法子同上,除了那几个之外sheet还会有通过索引顺序的读取方法:

table = data.sheets()[0]       #通过索引顺序获取
table = data.sheet_by_index(0) #通过索引顺序获取

2.怎么着读取某单元格恐怕某行的数额?

流程中所示为读取某sheet中某列的数据,同理某行数据为:

table.col_values(i)

读取某单元格数据命令为:

table.cell(i,j).value

 3.读取某行或某列数据时,数据的限量是怎么?

举个例子:当某sheet中表格如下时,会读取4×3报表中的数据。

 

 

 

 

 

 

即若想读取B列数据,代码应写为

table.col_values(1)

瞩目:python是从0起先计数的,故column number应该为1,此时计入的音讯为:[u'',u'',4,u'']

且注意table的维度由各样sheet决定,及若某excel表格有多少个sheet,只怕出现list长度分歧的事态。

4.万一想取某列2-5行如何做呢?

table.col_values(i)[1:5]

5.若想取到最后二个数字,应如何编写代码?

鉴于各行/列的数据类型只怕两样,大概会冒出第一列仅4个数字,而第二列有9个数字,而最多的一列有玖拾八个数字等周边的事态,若直接用取整列的吩咐,会使list中掺入u'',导致下一步的绘图出错,此时能够利用如下方法:

a_col=table.col_values(i)
a=a_col[0,a_col.index(u'')]

但需注意,此命令不能够对调整行数的列使用,不然也会报错,可编制其他剖断语句进行辨认是不是利用该命令。

 

二.怎么使用Python实行绘图:

 此处介绍利用matplotlib库进行绘图的法子,首先应导入matplotlib库:

import numpy as np
import matplotlib.pyplot as plt

绘图方法很简短,大约流程如下:

# 绘图命令,1为图号,并设置figsize
fig_drift= plt.figure(1,figsize=(12,4))
# 设置数据在x轴和y轴的坐标,以及颜色、标签等属性,此处用了两组数据
plt.plot(drift[0], story,"g-",label='$Damped$')
plt.plot(drift[1], story,"r-.",label='$Undamped$')
# 设置x轴和y轴的标签
plt.xlabel('Drift')
plt.ylabel('Storey')
# 选择显示数据组标签
plt.legend()
# 设置x轴和y轴的间隔及范围
plt.xticks((0.000,0.005,0.010,0.015))
plt.yticks(range(1,5,1))
# 设置图名
plt.title('minor')

里头供给注明的几点:

1.哪些绘制多图?

相当粗略,只需在设置了图号名之后,插入:

ax2 = plt.subplot(132)
plt.sca(ax2)

前面包车型地铁授命与前述一样,值得一说的是,plt.subplot(131)指的是绘制四个分包1×3子图的图,且ax2代表的是第2张图,而plt.sca(ax2)表示选取该子图。

2.安装x轴、y轴以及任何命令如何剖断是授予哪张图的性质呢?

matplotlib会直接将该属性赋予上一plot对象。

3.怎样绘制散点图?

把pl.plot(x, y)改成pl.plot(x, y, 'o')即可。

4.别样部分设置参数:

# 设置x轴和y轴的上下限
pl.xlim(i, j)
pl.ylim(m,n)
# 显示图
pl.show()
# 保存图,自动存为png格式
plt.savefig(dir+name.png,dpi=600)

除了还帮忙设置x轴(y轴)坐标展现,绘制饼状图、直方图等作用,在此不再一一介绍。

 

三.说点题外话:

现已看过一句话:“世界上尚未烂语言,独有写语言的烂人”。

种种语言各自有其优势,也可以有其劣点,在此不做过多评价。怎样选拔言语实现绘图或达到越多指标,在于大家什么选拔。恰如其分地动用for或def、class等话语,能使一段代码锦上添花,写在此地,作为给和谐的升迁:遭逢标题先明了措施、产生类别再进来编写,不要盲目地将看似不错的语言举行强行拼凑,返工率极高。

究竟第一篇,有一点点激动,再极其介绍一下大家组织的成员吧(尽管唯有多少人):算了依然不介绍了。

 

如上内容若有失水准或难点,请联系[email protected]

故事集中图纸情势各个,常用的管理工科具有excel、MATLAB以及Python等,excel自处理的办法有五个毛病:1.当数据...

行使python中的matplotlib举办绘图解析数据

 

matplotlib 是python最盛名的绘图库,它提供了一站式和matlab相似的命令API,十分合乎交互式地扩充绘图。何况也得以实惠地将它看作绘图控件,嵌入GUI应用程序中。

它的文书档案非常完备,而且 Gallery页面 中有这些幅缩略图,展开以往皆有源程序。由此只要您供给绘制某体系型的图,只必要在这些页面中浏览/复制/粘贴一下,基本上都能解决。

 

在Linux下相比较著名的数据图工具还可能有gnuplot,那个是免费的,Python有一个包能够调用gnuplot,可是语法相比不习于旧贯,何况画图质量不高。

而 Matplotlib则相比较强:Matlab的语法、python语言、latex的图画品质(还足以利用内嵌的latex引擎绘制的数学公式)。

连忙绘图图片 1

matplotlib的pyplot子库提供了和matlab类似的绘图API,方便客户快捷绘制2D图纸。例子:

 

# coding=gbk
'''
Created on Jul 12, 2014
python 科学计算学习:numpy快速处理数据测试
@author: 皮皮
'''
import string
import matplotlib.pyplot as plt  
import numpy as np

if __name__ == '__main__':    
    file = open(E:machine_learningdatasetshousing_datahousing_data_ages.txt, 'r')
    linesList = file.readlines()
#     print(linesList)
    linesList = [line.strip().split(,) for line in linesList]
    file.close()    
    print(linesList:)
    print(linesList)
#     years = [string.atof(x[0]) for x in linesList]
    years = [x[0] for x in linesList]
    print(years)
    price = [x[1] for x in linesList]
    print(price)
    plt.plot(years, price, 'b*')#,label=$cos(x^2)$)
    plt.plot(years, price, 'r')
    plt.xlabel(years(+2000))
    plt.ylabel(housing average price(*2000 yuan))
    plt.ylim(0, 15)
    plt.title('line_regression & gradient decrease')
    plt.legend()
    plt.show()

图片 2

 

matplotlib中的快速绘图的函数库能够由此如下语句载入:

import matplotlib.pyplot as plt

pylab模块

matplotlib还提供了名字为pylab的模块,其中囊括了好多numpy和pyplot中常用的函数,方便客户飞快打开测算和制图,能够用来IPython中的急忙交互式使用。

接下去调用figure成立一个绘制对象,何况使它成为当前的绘图对象。

plt.figure(figsize=(8,4))

也能够不成立绘图对象直接调用接下去的plot函数直接绘图,matplotlib会为我们自行创设八个绘制对象。假若要求相同的时间绘制多幅图片的话,能够是给figure传递七个大背头参数钦点Logo的序号,假若所内定序号的绘图对象已经存在的话,将不成立新的对象,而只是让它成为当前绘制对象。

因此figsize参数能够钦赐绘图对象的上升的幅度和中度,单位为英寸;dpi参数钦点绘图对象的分辨率,即每英寸多少个像素,缺省值为80。由此本例中所成立的图片窗口的大幅为8*80 = 640像素。

只是用工具栏中的保存按键保存下去的png图像的轻重缓急是800*400像素。那是因为保存图表用的函数savefig使用差别的DPI配置,savefig函数也是有四个dpi参数,如果不安装的话,将应用matplotlib配置文件中的配置,此陈设可以透过如下语句举行查看:

>>> import matplotlib
>>> matplotlib.rcParams[savefig.dpi]
100

上面包车型地铁两行程序通过调用plot函数在当前的绘图对象中展开绘图:

    plt.plot(years, price, 'b*')#,label=$cos(x^2)$)
    plt.plot(years, price, 'r')

plot函数的调用方式很灵敏,第一句将x,y数组传递给plot之后,用关键字参数钦赐各样品质:

  • label : 给所绘制的曲线一个名字,此名字在图示(legend)中突显。只要在字符串前后增加$符号,matplotlib就能够利用其内嵌的latex引擎绘制的数学公式。
  • color : 钦点曲线的颜色
  • linewidth : 钦定曲线的宽窄

    其次句直接通过首个参数b--内定曲线的水彩和线型,那些参数称为格式化参数,它亦可通过一些易记的号子急忙钦点曲线的样式。个中b表示浅灰,--表示线型为虚线。

    在IPython中输入 plt.plot? 能够查阅格式化字符串的详实铺排。

    接下去通过一多种函数设置绘图对象的顺序属性:

        plt.xlabel(years(+2000))
        plt.ylabel(housing average price(*2000 yuan))
        plt.ylim(0, 15)
        plt.title('line_regression & gradient decrease')
        plt.legend()
    
    • xlabel : 设置X轴的文字
    • ylabel : 设置Y轴的文字
    • title : 设置图表的标题
    • ylim : 设置Y轴的界定
    • legend : 显示图示

      末尾调用plt.show()呈现出大家创设的具有绘图对象。

      ### 配置属性图片 3

      matplotlib所绘制的图的每种组成都部队分都对应该多个对象,大家能够通过调用这个指标的性质设置情势set_*或许pyplot的质量设置函数setp设置其属性值。比如plot函数再次回到二个matplotlib.lines.Line2D 对象的列表,上面包车型客车事例展现怎么设置Line2D对象的习性:

      >>> 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)
      

      这段例子中,通过调用Line2D对象line的set_antialiased方法,关闭指标的反锯齿效果。恐怕通过调用plt.setp函数配置多少个Line2D对象的水彩和线宽属性。

      一样大家得以经过调用Line2D对象的get_*主意,可能plt.getp函数获取对象的属性值:

      >>> 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 = 1.0
      animated = False
      antialiased or aa = True
      axes = Axes(0.125,0.1;0.775x0.8)
      ... ...
      

      在意getp函数只可以对贰个目的开展操作,它有二种用法:

      • 点名属性名:重返对象的钦点属性的值
      • 不点名属性名:打字与印刷出目的的富有属性和其值

        matplotlib的漫天图表为三个Figure对象,此目的在调用plt.figure函数时重回,大家也得以透过plt.gcf函数获取当前的绘图对象:

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

        Figure对象有二个axes属性,其值为AxesSubplot对象的列表,每一个AxesSubplot对象表示图表中的三个子图,前面所绘制的图形只包涵贰个子图,当前子图也足以经过plt.gca获得:

        >>> plt.getp(f, axes)
        []
        >>> plt.gca()
        

        用plt.getp可以窥见AxesSubplot对象有无好些天性,举个例子它的lines属性为此子图所包涵的 Line2D 对象列表:

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

        经过这种格局大家能够很轻松地查看对象的性质和它们之间的含有关系,找到须求配备的习性。

         

        more:

        Python图表绘制:matplotlib绘图库入门

        matplotlib 是python最闻名的绘图库,它提供了一条龙和matlab相似的命令API,十三分顺应交互式地行制图。何况也能够方便地将它当做绘图控件,嵌入GUI应用程序中。

        它的文书档案拾贰分齐备,何况Gallery页面中有成都百货上千幅缩略图,张开今后都有源程序。因而一旦您需求绘制某种类型的图,只需求在这些页面中浏览/复制/粘贴一下,基本上都能化解。

        在Linux下比较盛名的数据图工具还会有gnuplot,这几个是无需付费的,Python有三个包能够调用gnuplot,可是语法相比较不习贯,况且画图品质不高。

        而 Matplotlib则相比强:Matlab的语法、python语言、latex的水墨画质量(还能动用内嵌的latex引擎绘制的数学公式)。

        正文目录

        1. Matplotlib.pyplot飞速绘图

        2. 面向对象画图

        3. Matplotlib.pylab快捷绘图

        4. 在图纸中显得中文

        5. 对LaTeX数学公式的援救

        6. 对数坐标轴

        7. 读书能源

         


        Matplotlib.pyplot快速绘图


        敏捷绘图和面向对象格局绘图

        matplotlib实际上是一套面向对象的绘图库,它所绘制的图形中的各个绘图成分,比如线条Line2D、文字Text、刻度等在内部存款和储蓄器中皆有三个对象与之相应。

        为了便利高效绘图matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API,将众多制图对象所结合的复杂结构掩饰在那套API内部。大家只需求调用pyplot模块所提供的函数就能够实现神速绘图以及安装图表的种种细节。pyplot模块就算用法轻巧,但不合乎在非常的大的应用程序中选择。

        为了将面向对象的绘图库包装成只行使函数的调用接口,pyplot模块的里边保存了近日图表以及当前子图等新闻。当前的图形和子图能够运用plt.gcf()和plt.gca()得到,分别代表Get Current Figure和Get Current Axes。在pyplot模块中,大多函数都以对脚下的Figure或Axes对象进行处理,比方说:

        plt.plot()实际上会由此plt.gca()获得当前的Axes对象ax,然后再调用ax.plot()方法达成真正的绘图。

        能够在Ipython中输入类似plt.plot??的命令查看pyplot模块的函数是何许对各个绘图对象实行包装的。

        陈设属性

        matplotlib所绘制的图纸的各样组成都部队分都和三个对象对应,我们能够经过调用这一个目的的属性设置情势set_*()只怕pyplot模块的习性设置函数setp()设置它们的属性值。

        因为matplotlib实际上是一套面向对象的绘图库,由此也能够一向获得对象的习性

        配置文件

        制图一幅图供给对众多目标的特性实行安插,比如颜色、字体、线型等等。大家在绘图时,并未各样对那么些属性进行配备,许多都直接行使了matplotlib的缺省配置。

        matplotlib将这么些缺省配置保存在一个名称为“matplotlibrc”的配备文件中,通过修改配置文件,大家得以修改图表的缺省体制。配置文件的读入能够利用rc_params(),它回到四个配置字典;在matplotlib模块载入时会调用rc_params(),并把获得的安顿字典保存到rcParams变量中;matplotlib将应用rcParams字典中的配置进行绘图;顾客能够向来改变此字典中的配置,所做的转移会议及展览示到后来创造的绘图成分。

        制图多子图(神速绘图)

        Matplotlib 里的常用类的隐含关系为 Figure -> Axes -> (Line2D, Text, etc.)二个Figure对象能够分包五个子图(Axes),在matplotlib中用Axes对象表示二个绘制区域,能够精晓为子图。

        能够运用subplot()飞快绘制包蕴多个子图的图样,它的调用格局如下:

        subplot(numRows, numCols, plotNum)
        

        subplot将全部绘图区域等分为numRows行* numCols列个子区域,然后依照从左到右,从上到下的逐个对各样子区域进行编号,左上的子区域的号码为1。借使numRows,numCols和plotNum那多少个数都自愧不及10的话,可以把它们缩写为一个整数,举例subplot(323)和subplot(3,2,3)是均等的。subplot在plotNum钦定的区域中开创贰个轴对象。假如新创制的轴和从前创造的轴重叠的话,在此以前的轴将被去除。

        图片 4

        subplot()再次回到它所创造的Axes对象,大家得以将它用变量保存起来,然后用sca()交替让它们变成当前Axes目的,并调用plot()在中间绘图。

        制图多图表(快捷绘图)

        尽管急需同一时候绘制多幅图片,能够给figure()传递叁个整数参数钦赐Figure对象的序号,假如序号所钦定的Figure对象已经存在,将不成立新的对象,而只是让它形成近年来的Figure对象。

        import numpy as np
        
        import matplotlib.pyplot as plt
        
            plt.figure(1) # 创建图表1

            plt.figure(2) # 创建图表2

            ax1 = plt.subplot(211) # 在图表2中创建子图1

            ax2 = plt.subplot(212) # 在图表2中创建子图2



            x = np.linspace(0, 3, 100)

            for i in xrange(5):

                plt.figure(1)  #? # 选择图表1

                plt.plot(x, np.exp(i*x/3))

                plt.sca(ax1)   #? # 选择图表2的子图1

                plt.plot(x, np.sin(i*x))

                plt.sca(ax2)  # 选择图表2的子图2

                plt.plot(x, np.cos(i*x))



            plt.show()

        ![](http://www.bkjia.com/uploads/allimg/140723/2204252952-4.png)

        **在图表中显示中文**

        matplotlib的缺省配置文件中所使用的字体无法正确显示中文。为了让图表能正确显示中文,可以有几种解决方案。

        1.  在程序中直接指定字体。
        2.  在程序开头修改配置字典rcParams。
        3.  修改配置文件。

            比较简便的方式是,中文字符串用unicode格式,例如:u''测试中文显示'',代码文件编码使用utf-8
            加上 # coding = utf-8 一行。

            matplotlib输出图象的中文显示问题

            ------------------------------------------------------------------------

            **面向对象画图**

            ------------------------------------------------------------------------

            matplotlib
            API包含有三层,Artist层处理所有的高层结构,例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道,而不需要关心底层的绘制细节。

            直接使用Artists创建图表的标准流程如下:

            -   创建Figure对象
            -   用Figure对象创建一个或者多个Axes或者Subplot对象
            -   调用Axies等对象的方法创建各种简单类型的Artists

                import matplotlib.pyplot as plt



                X1 = range(0, 50) Y1 = [num**2 for num in X1] #
                y = x^2 X2 = [0, 1] Y2 = [0, 1] # y = x



                Fig = plt.figure(figsize=(8,4)) # Create a
                `figure' instance Ax = Fig.add_subplot(111) #
                Create a `axes' instance in the figure Ax.plot(X1,
                Y1, X2, Y2) # Create a Line2D instance in the axes



                Fig.show() Fig.savefig(test.pdf)

                 

                参考:

                **《Python科学计算》(Numpy视频)**
                matplotlib-绘制精美的图表(快速绘图)(面向对象绘图)(深入浅出适合系统学习)

                什么是 Matplotlib
                (主要讲面向对象绘图,对于新手可能有点乱)

                 

                ------------------------------------------------------------------------

                **Matplotlib.pylab快速绘图**

                ------------------------------------------------------------------------

                matplotlib还提供了一个名为pylab的模块,其中包括了许多NumPy和pyplot模块中常用的函数,方便用户快速进行计算和绘图,十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块:

                    >>> import pylab as pl

                **1 安装numpy和matplotlib**

                >>> import numpy  
                >>> numpy.__version__

                >>> import matplotlib  
                >>> matplotlib.__version__

                 

                **2 两种常用图类型**:Line and scatter
                plots(使用plot()命令), histogram(使用hist()命令)

                **2.1 折线图&散点图** Line and scatter plots

                **2.1.1 折线图 Line plots**(关联一组x和y值的直线)

                    import numpy as np

                    import pylab as pl



                    x = [1, 2, 3, 4, 5]# Make an array of x values

                    y = [1, 4, 9, 16, 25]# Make an array of y values for each x value



                    pl.plot(x, y)# use pylab to plot x and y

                    pl.show()# show the plot on the screen

                ![](http://www.bkjia.com/uploads/allimg/140723/22042514G-5.png)

                 

                **2.1.2 散点图 Scatter plots**

                把pl.plot(x, y)改成pl.plot(x, y,
                'o')即可,下图的蓝色版本

                 

                **2.2 美化 Making things look pretty**

                **2.2.1 线条颜色 Changing the line color**

                红色:把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)

                ![](http://www.bkjia.com/uploads/allimg/140723/2204254100-6.png)

                ![](http://www.bkjia.com/uploads/allimg/140723/2204256038-7.png)

                 

                **2.2.2 线条样式 Changing the line style**

                虚线:plot(x,y, '--')

                ![](http://www.bkjia.com/uploads/allimg/140723/22042535N-8.png)

                 

                **2.2.3 marker样式 Changing the marker style**

                蓝色星型markers:plot(x,y, ’b*’)

                ![](http://www.bkjia.com/uploads/allimg/140723/2204254103-9.png)

                 

                **2.2.4 图和轴标题以及轴坐标限度 Plot and axis
                titles and limits**

                    import numpy as np

                    import pylab as pl



                    x = [1, 2, 3, 4, 5]# Make an array of x values

                    y = [1, 4, 9, 16, 25]# Make an array of y values for each x value

                    pl.plot(x, y)# use pylab to plot x and y



                    pl.title(’Plot of y vs. x’)# give plot a title

                    pl.xlabel(’x axis’)# make axis labels

                    pl.ylabel(’y axis’)



                    pl.xlim(0.0, 7.0)# set axis limits

                    pl.ylim(0.0, 30.)



                    pl.show()# show the plot on the screen

                ![](http://www.bkjia.com/uploads/allimg/140723/22042522C-10.png)

                 

                2.2.5 **在一个坐标系上绘制多个图 Plotting more than
                one plot on the same set of axes**

                做法是很直接的,依次作图即可:

                    import numpy as np

                    import pylab as pl



                    x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph

                    y1 = [1, 4, 9, 16, 25]

                    x2 = [1, 2, 4, 6, 8]

                    y2 = [2, 4, 8, 12, 16]



                    pl.plot(x1, y1, ’r’)# use pylab to plot x and y

                    pl.plot(x2, y2, ’g’)



                    pl.title(’Plot of y vs. x’)# give plot a title

                    pl.xlabel(’x axis’)# make axis labels

                    pl.ylabel(’y axis’)





                    pl.xlim(0.0, 9.0)# set axis limits

                    pl.ylim(0.0, 30.)





                    pl.show()# show the plot on the screen

                ![](http://www.bkjia.com/uploads/allimg/140723/2204252458-11.png)

                 

                **2.2.6 图例 Figure legends**

                pl.legend((plot1, plot2), (’label1, label2’),
                'best’, numpoints=1)

                其中第三个参数表示图例放置的位置:'best’‘upper
                right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower
                right’.

                如果在当前figure里plot的时候已经指定了label,如plt.plot(x,z,label=cos(x2)),直接调用plt.legend()就可以了哦。

                    import numpy as np

                    import pylab as pl



                    x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph

                    y1 = [1, 4, 9, 16, 25]

                    x2 = [1, 2, 4, 6, 8]

                    y2 = [2, 4, 8, 12, 16]



                    plot1 = pl.plot(x1, y1, ’r’)# use pylab to plot x and y : Give your plots names

                    plot2 = pl.plot(x2, y2, ’go’)



                    pl.title(’Plot of y vs. x’)# give plot a title

                    pl.xlabel(’x axis’)# make axis labels

                    pl.ylabel(’y axis’)





                    pl.xlim(0.0, 9.0)# set axis limits

                    pl.ylim(0.0, 30.)





                    pl.legend([plot1, plot2], (’red line’, ’green circles’), ’best’, numpoints=1)# make legend

                    pl.show()# show the plot on the screen

                ![](http://www.bkjia.com/uploads/allimg/140723/2204251126-12.png)

                 

                **2.3 直方图 Histograms**

                    import numpy as np

                    import pylab as pl



                    # make an array of random numbers with a gaussian distribution with

                    # mean = 5.0

                    # rms = 3.0

                    # number of points = 1000

                    data = np.random.normal(5.0, 3.0, 1000)



                    # make a histogram of the data array

                    pl.hist(data)



                    # make plot labels

                    pl.xlabel(’data’)

                    pl.show()

                如果不想要黑色轮廓可以改为pl.hist(data,
                histtype=’stepfilled’)

                ![](http://www.bkjia.com/uploads/allimg/140723/2204254532-13.png)

                 

                **2.3.1 自定义直方图bin宽度 Setting the width of the
                histogram bins manually**

                增加这两行

                bins = np.arange(-5., 16., 1.) #浮点数版本的range  
                pl.hist(data, bins, histtype=’stepfilled’)

                ![](http://www.bkjia.com/uploads/allimg/140723/2204255258-14.png)

                 

                **3 同一画板上绘制多幅子图 Plotting more than one
                axis per canvas**

                如果需要同时绘制多幅图表的话,可以是给figure传递一个整数参数指定图标的序号,如果所指定  
                序号的绘图对象已经存在的话,将不创建新的对象,而只是让它成为当前绘图对象。

                fig1 = pl.figure(1)  
                pl.subplot(211)  
                subplot(211)把绘图区域等分为2行*1列共两个区域,
                然后在区域1(上区域)中创建一个轴对象.
                pl.subplot(212)在区域2(下区域)创建一个轴对象。  
                ![](http://www.bkjia.com/uploads/allimg/140723/2204253P6-15.png)

                You can play around with plotting a variety of
                layouts. For example, Fig. 11 is created using the
                following commands:

                f1 = pl.figure(1)  
                pl.subplot(221)  
                pl.subplot(222)  
                pl.subplot(212)

                ![](http://www.bkjia.com/uploads/allimg/140723/22042555Z-16.png)

                当绘图对象中有多个轴的时候,可以通过工具栏中的Configure
                Subplots按钮,交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话,可以调用subplots_adjust函数,它有left,
                right, bottom, top, wspace,
                hspace等几个关键字参数,这些参数的值都是0到1之间的小数,它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。

                pl.subplots_adjust(left=0.08, right=0.95,
                wspace=0.25, hspace=0.45)

                 

                **4 绘制文件中的数据Plotting data contained in
                files**

                **4.1 从Ascii文件中读取数据 Reading data from ascii
                files**

                读取文件的方法很多,这里只介绍一种简单的方法,更多的可以参考官方文档和NumPy快速处理数据(文件存取)。

                numpy的**loadtxt**方法可以直接读取如下文本数据到numpy二维数组

                **********************************************

                # fakedata.txt  
                0 0  
                1 1  
                2 4  
                3 9  
                4 16  
                5 25  
                6 36  
                7 49  
                8 64  
                9 81  
                0 0  
                1 1  
                2 4  
                3 9  
                4 16  
                5 25  
                6 36  
                7 49  
                8 64  
                9 81

                **********************************************

                    import numpy as np

                    import pylab as pl



                    # Use numpy to load the data contained in the file

                    # ’fakedata.txt’ into a 2-D array called data

                    data = np.loadtxt(’fakedata.txt’)



                    # plot the first column as x, and second column as y

                    pl.plot(data[:,0], data[:,1], ’ro’)

                    pl.xlabel(’x’)

                    pl.ylabel(’y’)

                    pl.xlim(0.0, 10.)

                    pl.show()

                ![](http://www.bkjia.com/uploads/allimg/140723/2204255951-17.png)

                 

                **4.2 写入数据到文件 Writing data to a text file**

                写文件的方法也很多,这里只介绍一种可用的写入文本文件的方法,更多的可以参考官方文档。

                    import numpy as np

                    # Let’s make 2 arrays (x, y) which we will write to a file

                    # x is an array containing numbers 0 to 10, with intervals of 1

                    x = np.arange(0.0, 10., 1.)

                    # y is an array containing the values in x, squared

                    y = x*x

                    print ’x = ’, x

                    print ’y = ’, y



                    # Now open a file to write the data to

                    # ’w’ means open for ’writing’

                    file = open(’testdata.txt’, ’w’)

                    # loop over each line you want to write to file

                    for i in range(len(x)):

                        # make a string for each line you want to write

                        # ’ ’ means ’tab’

                        # ’
                    ’ means ’newline’

                        # ’str()’ means you are converting the quantity in brackets to a string type

                        txt = str(x[i]) + ’ ’ + str(y[i]) + ’ 
                    ’

                        # write the txt to the file

                        file.write(txt)

                    # Close your file

                    file.close()

                这部分是翻译自:Python Plotting Beginners Guide

                ------------------------------------------------------------------------

                **对LaTeX数学公式的支持**

                Matlplotlib对LaTeX有一定的支持,如果记得使用raw字符串语法会很自然:

                > xlabel(rx2y4)

                在matplotlib里面,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

                Here is a simple example:

                > # plain text  
                > plt.title('alpha > beta')

                produces “alpha > beta”.

                Whereas this:

                ![](http://www.bkjia.com/uploads/allimg/140723/2204255Q7-18.jpg)

                produces
                ![](http://www.bkjia.com/uploads/allimg/140723/22042512V-19.png).

                这里给大家看一个简单的例子。

                > import matplotlib.pyplot as plt
                >
                > x = arange(1,1000,1)  
                > r = -2  
                > c = 5  
                > y = [5*(a**r) for a in x]
                >
                >  
                >
                > fig = plt.figure()
                >
                > ax = fig.add_subplot(111)  
                > ax.loglog(x,y,label = ry=12σ21,c=5,σ1=−2)  
                > ax.legend()  
                > ax.set_xlabel(rx)  
                > ax.set_ylabel(ry)

                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。

                再看一个《用Python做科学计算》中的简单例子,下面的两行程序通过调用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(x2))

                plot函数的调用方式很灵活,第一句将x,y数组传递给plot之后,用关键字参数指定各种属性:

                -   **label** :
                    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。
                -   **color** : 指定曲线的颜色
                -   **linewidth** : 指定曲线的宽度

                     

                    **详细的可以参考matplotlib**官方教程:

                    Writing mathematical expressions

                    -   Subscripts and superscripts
                    -   Fractions, binomials and stacked numbers
                    -   Radicals
                    -   Fonts
                        -   Custom fonts
                        -   Accents
                        -   Symbols
                        -   Example

                            Text rendering With LaTeX

                            -   usetex with unicode
                            -   Postscript options
                            -   Possible hangups
                            -   Troubleshooting

                                有几个问题:

                                -   matplotlib.rcParams属性字典
                                -   想要它正常工作,在matplotlibrc配置文件中需要设置text.markup
                                    = tex。
                                -   如果你希望图表中所有的文字(包括坐标轴刻度标记)都是LaTeX'd,需要在matplotlibrc中设置text.usetex
                                    =
                                    True。如果你使用LaTeX撰写论文,那么这一点对于使图表和论文中其余部分保持一致是很有用的。

                                    matplotlib使用小结

                                    LaTeX科技排版

                                    参考文献自动搜集管理完美攻略(图文版):Latex+Lyx+Zotero

                                     

                                    ------------------------------------------------------------------------

                                    **对数坐标轴**

                                    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

                                    ------------------------------------------------------------------------

                                    **学习资源**

                                    Gnuplot的介绍

                                    -   Gnuplot简介
                                    -   IBM:gnuplot
                                        让您的数据可视化,Linux
                                        上的数据可视化工具
                                    -   利用Python绘制论文图片:
                                        Gnuplot,pylab

                                        官方英文资料:

                                        -   matplotlib下载及API手册地址
                                        -   Screenshots:example
                                            figures
                                        -   Gallery:Click on any
                                            image to see full size
                                            image and source code
                                        -   matplotlib所使用的数学库numpy下载及API手册

                                            IBM:基于 Python
                                            Matplotlib
                                            模块的高质量图形输出(2005年的文章有点旧)

                                            matplotlib技巧集(绘制不连续函数的不连续点;参数曲线上绘制方向箭头;修改缺省刻度数目;Y轴不同区间使用不同颜色填充的曲线区域。)

                                            Python:使用matp绘制不连续函数的不连续点;参数曲线上绘制方向箭头;修改缺省刻度数目;Y轴不同区间使用不同颜色填充的曲线区域。lotlib绘制图表

                                            matplotlib图表中图例大小及字体相关问题

                                             

                                             

                                            from:http://blog.csdn.net/pipisorry/article/details/37742423

                                            ref:matplotlib绘图库入门http://www.cnblogs.com/wei-li/archive/2012/05/23/2506940.html

                                            http://sebug.net/paper/books/scipydoc/matplotlib_intro.html

                                            使用 python Matplotlib
                                            库绘图http://blog.csdn.net/daniel_ustc/article/details/9714163

                                             

                                            barChart:http://www.cnblogs.com/qianlifeng/archive/2012/02/13/2350086.html
                                            ==========================================================================



                                             

matplotlib 是python最闻明的绘图库,它提供了一条龙和matlab相似的命令API,十三分契合交互式地拓宽制图...

本文由编程应用发布,转载请注明来源:什么运用Python绘制学术随想图表,使用python中的