matplotlib是python最著名的绘图库，它提供了一整套和MATLAB类似的绘图函数集。
一. 快速绘图
1. 使用pyplot模块绘图
pyplot模块提供了快速绘制二维图表的API，例子：
1 # -*- coding: utf-8 -*- 2 """ 3 绘制简单的曲线。 4 """ 5 import numpy as np 6 import matplotlib.pyplot as plt #导入pyplot模块 7 8 x = np.linspace(0, 10, 1000) 9 y = np.sin(x) 10 z = np.cos(x**2) 11 12 #创建一个Figure对象, figsize指定Figure对象的宽度和高度, 单位英寸 13 plt.figure(figsize=(8,4)) 14 15 # 调用plot()函数在当前Figure对象上绘图 16 # 指定X, Y轴数据 17 # label: 给曲线指定一个标签名称, 前后的‘$‘使标签用LaTex引擎来显示文字 18 # color: 曲线的颜色 19 # linewidth(lw): 曲线宽度 20 plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2) 21 22 # 使用"b--"指定曲线的颜色和线型，b表示蓝色, ‘--‘表示虚线 23 plt.plot(x,z,"b--",label="$cos(x^2)$") 24 # X, Y轴标题文字 25 plt.xlabel("Time(s)") 26 plt.ylabel("Volt") 27 28 # 标题 29 plt.title("PyPlot First Example") 30 31 # Y轴范围 32 plt.ylim(-1.2,1.2) 33 34 # 显示图示, 即图中表示每条曲线的标签和样式的矩形区域 35 plt.legend() 36 37 # 显示绘图窗口 38 plt.show()
PyPlot First Example的显示效果
可以调用savefig()批量保存图片：
1 plt.savefig("test.png", dpi=120)
2. 以面向对象方式绘图
matplotlib所绘制的图标中每一个绘图元素都是一个对象：
1 #获取当前图标， Get Current Figure 2 fig = plt.gcf() 3 #获取当前子图，Get Current Axes 4 axes = plt.gca()
3. 配置属性
使用matplotlib绘制的图表的每个组成部分都和一个对象对应，可以通过调用这些对象的属性设置方法set_*()或者pyplot模块的属性设置函数setp()来设置它们的属性值。
1 x = np.arange(0, 5, 0.1) 2 line = plt.plot(x, x * x)[0] 3 line.set_antialiased(False) #取消反锯齿效果
1 # 同时绘制正弦余弦曲线 2 lines = plt.plot(x, np.sin(x), x, np.cos(x)) 3 # 同时配置多个对象的属性 4 plt.setp(lines, color= ‘r‘, linewidth = 2.0)
可以用get_*()和plt.getp()获取对象属性。
4. 绘制多个子图
一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘制区域(子图)。可以用subplot()快速绘制包含多个子图的图表：
1 # 图表的整个绘制区域被等分为numRows行和numCols列 2 # plotNum参数指定创建的Axes对象所在的区域 3 subplot(numRows, numCols, plotNum)
1 for idx, color in enumerate("rgbyck"): 2 plt.subplot(321 + idx, axisbg = color) 3 plt.show()
如果希望某个子图占据整行或者整列:
1 plt.subplot(221) 2 plt.subplot(222) 3 plt.subplot(212) 4 plt.show()
subplot()返回所创建的Axes对象，可以保存起来，然后用sca()交替让它们成为当前Axes对象：
1 #-*- coding:utf8 2 import numpy as np 3 import matplotlib.pyplot as plt 4 5 plt.figure(1) # 创建图表1 6 plt.figure(2) # 创建图表2 7 ax1 = plt.subplot(211) # 在图表2中创建子图1 8 ax2 = plt.subplot(212) # 在图表2中创建子图2 9 10 x = np.linspace(0, 3, 100) 11 for i in xrange(5): 12 plt.figure(1) # 选中图表1 13 plt.plot(x, np.exp(i * x / 3)) 14 plt.sca(ax1) # 在图表2中选中子图1 15 plt.plot(x, np.sin(i * x)) 16 plt.sca(ax2) # 在图表2中选中子图2 17 plt.plot(x, np.cos(i * x)) 18 19 plt.show()
原文：http://www.cnblogs.com/skycore/p/4971867.html