在这篇教程文章中，我们将介绍 pyplot 接口。
pyplot简介
matplotlib.pyplot是命令样式函数的集合，使matplotlib像MATLAB一样工作。每个pyplot函数对图形进行一些更改。例如，创建图形，在图形中创建绘图区域，绘制绘图区域中的某些线条，使用标签装饰图形等。
在matplotlib.pyplot中，各种状态在函数调用中保留，以便跟踪当前图形和绘图区域等内容，并且绘图函数指向当前轴(请注意“轴”在此处以及在大多数位置 文档是指图形的轴部分，而不是多个轴的严格数学术语。)
注意 - pyplot API通常不如面向对象的API灵活。在此处看到的大多数函数调用也可以作为Axes对象中的方法调用。我们建议您阅读浏览教程和示例以了解其工作原理。
使用pyplot生成可视化，非常简单：
#! /usr/bin/env python
#coding=utf-8
import matplotlib.pyplot as plt
import numpy as np
import math
import seaborn as sns
plt.rcParams['font.sans-serif'] = ['SimHei'] #
plt.rcParams['axes.unicode_minus'] = False
# 原文出自【许虎虎】，商业转载请联系作者获得授权，非商业请保留原文链接。
plt.plot([1, 2, 3, 4])
plt.ylabel('简单数字序列')
plt.show()
执行上面示例代码，得到以下结果 -
你可能想知道为什么x轴的范围是0-3，y轴的范围是1-4。如果为plot()命令提供单个列表或数组，则matplotlib假定它是一系列y值，并自动生成x值。由于python范围以0开头，因此默认的x和y向量具有相同的长度，但从0开始。因此x数据为[0,1,2,3]。
plot()是一个多功能命令，将采用任意数量的参数。例如，要绘制x与y的关系，您可以使用以下命令：
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
得到的绘图结果如下 -
格式化绘图的样式
对于每对x，y对的参数，有一个可选的第三个参数，它是指示绘图的颜色和线型的格式字符串。格式字符串的字母和符号来自MATLAB，可以将颜色字符串与线型字符串连接起来。默认格式字符串为“b-”，为蓝色实线。例如，要用红色圆圈绘制上述内容，使用以下代码：
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 6, 0, 20])
plt.show()
上面代码将得到以下结果 -
有关线型和格式字符串的完整列表，请参阅plot()文档。上面示例例中的axis()命令采用[xmin，xmax，ymin，ymax]列表并指定轴的视口。
如果matplotlib仅限于使用列表，那么数字处理将毫无用处。通常使用numpy数组。实际上，所有序列都在内部转换为numpy数组。下面的示例说明了使用数组在一个命令中绘制具有不同格式样式的多行。
import numpy as np
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()
执行上面代码将得到以下结果 -
使用关键字字符串绘图
在某些情况下，可以使用字符串访问特定变量的格式的数据。例如，使用numpy.recarray或pandas.DataFrame。
Matplotlib用于使用data关键字参数提供此类对象。如果提供，那么可以生成包含与这些变量对应的字符串的绘图。
data = {'a': np.arange(50),
'c': np.random.randint(0, 50, 50),
'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100
plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()
执行上面代码将得到以下结果 -
用分类变量绘图
也可以使用分类变量创建绘图。Matplotlib可将分类变量直接传递给许多绘图函数。例如：
#! /usr/bin/env python
#coding=utf-8
import matplotlib.pyplot as plt
import numpy as np
import math
import seaborn as sns
plt.rcParams['font.sans-serif'] = ['SimHei'] #
plt.rcParams['axes.unicode_minus'] = False
# 原文出自【许虎虎】，商业转载请联系作者获得授权，非商业请保留原文链接。
names = ['分组-A', '分组-B', '分组-C']
values = [1, 10, 100]
plt.figure(figsize=(9, 3))
plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('分类绘图')
plt.show()
执行上面示例代码，得到以下结果 -
控制线属性
行可以设置许多属性：linewidth，dash style，antialiased等; 请参阅matplotlib.lines.Line2D。有几种方法可以用来设置线属性 -
第1种： 使用关键字args：
plt.plot(x, y, linewidth=2.0)
第2种： 使用Line2D实例的setter方法。plot返回Line2D对象列表; 例如，line1，line2 = plot(x1，y1，x2，y2)。在下面的代码中，假设只有一行，因此返回的列表的长度为1。我们使用tuple解压缩为line，以获取该列表的第一个元素：
line, = plt.plot(x, y, '-')
line.set_antialiased(False) # turn off antialiasing
第3种： 使用setp()命令。下面的示例使用MATLAB样式命令在行列表上设置多个属性。setp透明地使用对象列表或单个对象。可以使用python关键字参数或MATLAB样式的字符串/值对：
lines = plt.plot(x1, y1, x2, y2)
# use keyword args
plt.setp(lines, color='r', linewidth=2.0)
# or MATLAB style string value pairs
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
以下是Line2D的属性。
| 属性 | 值类型 |
|---|---|
| alpha | float |
| animated | [True Ι False] |
| antialiased 或 aa | [True Ι False] |
| clip_box | 一个matplotlib.transform.Bbox实例 |
| clip_on | [True Ι False] |
| clip_path | 一个Path实例和Transform实例 |
| color or c | 任意 matplotlib 颜色 |
| contains | 命中测试功能 |
| dash_capstyle | [‘butt’ Ι ‘round’ Ι ‘projecting’] |
| dash_joinstyle | [‘miter’ Ι ‘round’ Ι ‘bevel’] |
| dashes | 点的开/关墨水序列 |
| data | (np.array xdata, np.array ydata) |
| figure | 一个 matplotlib.figure.Figure 实例 |
| label | any string |
| linestyle or ls | [ ‘-‘ Ι ‘—‘ Ι ‘-.’ Ι ‘:’ Ι ‘steps’ Ι …] |
| linewidth or lw | 浮点数值 |
| marker | [ ‘+’ Ι ‘,’ Ι ‘.’ Ι ‘1’ Ι ‘2’ Ι ‘3’ Ι ‘4’ ] |
| markeredgecolor or mec | 任意 matplotlib 颜色 |
| markeredgewidth or mew | 浮点数值 |
| markerfacecolor or mfc | 任意 matplotlib 颜色 |
| markersize or ms | float |
| markevery | [ None Ι integer Ι (startind, stride) ] |
| picker | 用于交互式行选择 |
| pickradius | 行选择半径 |
| solid_capstyle | [‘butt’ Ι ‘round’ Ι ‘projecting’] |
| solid_joinstyle | [‘miter’ Ι ‘round’ Ι ‘bevel’] |
| transform | matplotlib.transforms.Transform 实例 |
| visible | [True Ι False] |
| xdata | np.array |
| ydata | np.array |
| zorder | 任意数字 |
要获取可设置的行属性列表，请使用一行或多行作为参数调用setp()函数
In [69]: lines = plt.plot([1, 2, 3])
In [70]: plt.setp(lines)
alpha: float
animated: [True | False]
antialiased or aa: [True | False]
...snip
使用多个图形和轴
MATLAB和pyplot具有当前图形和当前轴的概念。所有绘图命令都适用于当前轴。函数gca()返回当前轴(matplotlib.axes.Axes实例)，gcf()返回当前数字(matplotlib.figure.Figure实例)。通常情况下，不必担心这一点，因为它完全在后台处理。下面是一个创建两个子图的脚本。
#! /usr/bin/env python
#coding=utf-8
import matplotlib.pyplot as plt
import numpy as np
import math
import seaborn as sns
plt.rcParams['font.sans-serif'] = ['SimHei'] #
plt.rcParams['axes.unicode_minus'] = False
# 原文出自【许虎虎】，商业转载请联系作者获得授权，非商业请保留原文链接。
def f(t):
return np.exp(-t) * np.cos(2*np.pi*t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.figure()
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()
执行上面示例代码，得到以下结果 -
这里的figure()命令是可选的，因为默认情况下会创建图(1)，就像默认情况下创建子图(111)一样，如果不手动指定任何轴。subplot()命令指定numrows，numcols，plot_number，其中plot_number的范围从1到numrows * numcols。如果numrows * numcols <10，则subplot命令中的逗号是可选的。因此子图(211)与子图(2,1,1)相同。
可以创建任意数量的子图和轴。如果要手动放置轴，即不在矩形网格上，请使用axes()命令，该命令用于将位置指定为轴([left，bottom，width，height])，其中所有值均为小数 (0到1)坐标。
可以使用具有增加的图号的多个figure()调用来创建多个数字。当然，每个图形可以包含心中所需的轴和子图：
import matplotlib.pyplot as plt
plt.figure(1) # the first figure
plt.subplot(211) # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212) # the second subplot in the first figure
plt.plot([4, 5, 6])
plt.figure(2) # a second figure
plt.plot([4, 5, 6]) # creates a subplot(111) by default
plt.figure(1) # figure 1 current; subplot(212) still current
plt.subplot(211) # make subplot(211) in figure1 current
plt.title('Easy as 1, 2, 3') # subplot 211 title
可以使用clf()清除当前图形，使用cla()清除当前轴。如果发现在后台维护状态(特别是当前图像，图形和轴)很烦人，请不要绝望：这只是围绕面向对象API的瘦状态包装器，可以使用它。
如果要制作大量的数字，还需要注意一件事：在用close()显式关闭数字之前，数字所需的内存不会完全释放。删除对图的所有引用，和/或使用窗口管理器来杀死屏幕上出现图形的窗口是不够的，因为pyplot会保持内部引用，直到调用close()。
使用文本
text()命令可用于在任意位置添加文本，xlabel()，ylabel()和title()用于在指定位置添加文本。
#! /usr/bin/env python
#coding=utf-8
import matplotlib.pyplot as plt
import numpy as np
import math
import seaborn as sns
plt.rcParams['font.sans-serif'] = ['SimHei'] #
plt.rcParams['axes.unicode_minus'] = False
# 原文出自【许虎虎】，商业转载请联系作者获得授权，非商业请保留原文链接。
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=1, facecolor='g', alpha=0.75)
plt.xlabel('聪明')
plt.ylabel('可能性')
plt.title('智商直方图')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()
执行上面示例代码，得到以下结果 -
所有text()命令都返回一个matplotlib.text.Text实例。与上面的行一样，可以通过将关键字参数传递给文本函数或使用setp()来自定义属性：
t = plt.xlabel('my data', fontsize=14, color='red')
在文本中使用数学表达式
matplotlib在任何文本表达式中接受TeX方程表达式。例如，要在标题中写入表达式σi= 15，可以编写由美元符号包围的TeX表达式：
plt.title(r'$\sigma_i=15$')
标题字符串前面的r很重要 - 它表示该字符串是一个原始字符串，而不是将反斜杠视为python转义。matplotlib有一个内置的TeX表达式解析器和布局引擎，并提供自己的数学字体。因此，您可以跨平台使用数学文本，而无需安装TeX。对于那些安装了LaTeX和dvipng的人，还可以使用LaTeX格式化文本并将输出直接合并到显示图或保存的postscript中。
注释文本
上面的基本text()命令的使用将文本放在Axes上的任意位置。文本的常见用途是注释绘图的某些功能，annotate()方法提供帮助功能以使注释变得容易。在注释中，有两点需要考虑：由参数xy表示的注释位置和文本xytext的位置。这两个参数都是(x，y)元组。
ax = plt.subplot(111)
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05),
)
plt.ylim(-2, 2)
plt.show()
执行上面示例代码，得到以下结果 -
在此基本示例中，xy(箭头提示)和xytext位置(文本位置)都在数据坐标中。可以选择各种其他坐标系。
对数和其他非线性轴
matplotlib.pyplot不仅支持线性轴刻度，还支持对数和logit刻度。如果数据跨越许多数量级，则通常使用此方法。更改轴的比例很容易：
plt.xscale('log')
下面显示了具有相同数据和y轴不同比例的四个图的示例。
from matplotlib.ticker import NullFormatter # useful for `logit` scale
# Fixing random state for reproducibility
np.random.seed(19680801)
# make up some data in the interval ]0, 1[
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))
# plot with various axes scales
plt.figure()
# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)
# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)
# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthreshy=0.01)
plt.title('symlog')
plt.grid(True)
# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Format the minor tick labels of the y-axis into empty strings with
# `NullFormatter`, to avoid cumbering the axis with too many labels.
plt.gca().yaxis.set_minor_formatter(NullFormatter())
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
wspace=0.35)
plt.show()
执行上面示例代码，得到以下结果 -
