Matplotlib将大部分的绘图对象都封装成为对象，故理论上所有的图表元素（如Line2D, Text，Label等）都是对象，都可以将其在图表中提取出来并配置实例的属性。同时，Matplotlib提供了一套类似于Matlab的API接口，可以让我们能够实现快速绘图而无需进行相对于复杂的对象操作。快速绘图适合于简单的绘图程序，而面向对象则适合于复杂的大型程序。
1. 采用matplotlib.pyplot接口进行绘图，返回的是一个Line2D对象（每一条线返回一个Line2D对象，且不管你的图上有多少线，都是返回一个列表）
#-*- coding:utf-8 -*-import matplotlib.pyplot as pltimport numpy as npimport pandas as pd%pylab%matplotlib inline#创建示例用的x轴数据x=np.linspace(-2,2,100)#定义需要用到的计算函数def func(inx): return (-np.exp(-x))*np.sin(np.pi*x)line,=plt.plot(x,func(x))#只返回第一个对象
-
也可以给plt.plot()函数传递多个序列(元组或列表)，每两个序列是一个X,Y向量对，就可以在一个图里存在多条曲线。
line1,line2=plt.plot(x,-x*2,x,np.sin(x**2*np.pi))#返回两个对象，分别赋值在line1和line2上
设置曲线的属性：
- 通过plot（）函数中的关键字参数进行设置；
- 通过Line2D的Setter方法（set_*）进行设置；
- 通过pyplot.setp（）进行批量设置；
#通过Line2D的Setter方法（set_*）进行设置；#主要是通过返回的Line2D对象进行设置，这里的设置非常多，可以参考手册内容line1,line2=plt.plot(x,-x*2,x,np.sin(x**2*np.pi))#设置line1的属性line1.set_linewidth(2)line1.set_color('b')line1.set_linestyle("--")#设置line2的属性line2.set_color('k')line2.set_linestyle('-')
#通过pyplot.setp（）进行批量设置；line1,line2=plt.plot(x,-x*2,x,np.sin(x**2*np.pi))plt.setp(line1,color='r',linewidth=2)#采用关键字参数plt.setp(line2,"color",'k','linewidth',2,'linestyle','-.')#采用变量形式，这时候属性必须用字符串形式成对表示（数值除外）
###-----------------------------------------------------------------------------------------------------------##其它的一些常用设置line1,=plt.plot(x,-x**2,label=r"$-x^2$")line2,=plt.plot(x,np.sin(2*x**2*np.pi),label=r'$\sin(2\pi\dotx^2)$')#设置的标记plt.annotate(unicode("Original",encoding="utf-8"),xy=(0,0), xytext=(0.5,1.5), arrowprops=dict(facecolor='red',arrowstyle='-|>') )#设置图标的标题：plt.title("Matplotlib Learning")#设置x和y轴的名称plt.xlabel("x value")plt.ylabel("result value")#设置x轴和y轴的范围：xlim和ylimplt.xlim(-2.0,1)plt.ylim(-2,2)#设置图例plt.legend(loc='upper left')plt.show()
2. 处理多个Axes——子图
MATLAB和pyplot都有当前图和当前axe的概念。所有的作图命令都作用在当前axe。
- 利用plt.subplot(nrows,ncols,char_num)快速创建子图
这里有一点要注意，当选定了子图后，那么这个子图就是当前选定子图，后续所有操作都是在这个子图上，可以通过gca()获取当前的axe。
ax=plt.subplot(221)#创建2*2个子图，并选定第一个（一般选定的顺序是从左到右，从上到下）#print type(ax),打印显示器为AxesSubplot对象#<class 'matplotlib.axes._subplots.AxesSubplot'>ax.plot(np.arange(0,10),np.arange(0,10))plt.plot(np.arange(0,10),-np.arange(0,10),'k--')#两种操作等价#------------------------------------------------ax2=plt.subplot(222,axisbg='y')#选取第一行，第二个axe,并设置背景颜色为黄色ax2.plot(np.arange(0,10),np.arange(0,10))plt.plot(np.arange(0,10),-np.arange(0,10),'y-')#设置其y轴的值不显示,x轴只显示[0,5,9]plt.yticks([])plt.xticks([0,5,9])#------------------------------------------------ax3=plt.subplot(212)#重新建立分区，并选定第二个，这时初始的分区方法被覆盖。ax3.plot(x,func(x),label="new value")ax3.legend(loc='best')
