Python--matplotlib绘图可视化知识点整理
强烈推荐ipython
原文：http://michaelxiang.me//python-matplotlib-basic/
无论你工作在什么项目上，IPython都是值得推荐的。利用ipython --pylab，可以进入PyLab模式，已经导入了matplotlib库与相关软件包（例如Numpy和Scipy)，额可以直接使用相关库的功能。
本文作为学习过程中对matplotlib一些常用知识点的整理，方便查找。
这样IPython配置为使用你所指定的matplotlib GUI后端（TK/wxPython/PyQt/Mac OS X native/GTK)。对于大部分用户而言，默认的后端就已经够用了。Pylab模式还会向IPython引入一大堆模块和函数以提供一种更接近MATLAB的界面。
import matplotlib.pyplot as pltlabels='frogs','hogs','dogs','logs'sizes=15,20,45,10colors='yellowgreen','gold','lightskyblue','lightcoral'explode=0,0.1,0,0plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)plt.axis('equal')plt.show()
matplotlib图标正常显示中文
为了在图表中能够显示中文和负号等，需要下面一段设置：
import matplotlib.pyplot as pltplt.rcParams['font.sas-serig']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
matplotlib inline和pylab inline
可以使用ipython --pylab打开ipython命名窗口。
%matplotlib inline
这两个命令都可以在绘图时，将图片内嵌在交互窗口，而不是弹出一个图片窗口，但是，有一个缺陷：除非将代码一次执行，否则，无法叠加绘图，因为在这两种模式下，是要有plt出现，图片会立马show出来，因此：
推荐在ipython notebook时使用，这样就能很方便的一次编辑完代码，绘图。
为项目设置matplotlib参数
在代码执行过程中，有两种方式更改参数：
使用参数字典(rcParams)
调用matplotlib.rc()命令 通过传入关键字元祖，修改参数
如果不想每次使用matplotlib时都在代码部分进行配置，可以修改matplotlib的文件参数。可以用matplot.get_config()命令来找到当前用户的配置文件目录。
配置文件包括以下配置项：
axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示backend: 设置目标暑促TkAgg和GTKAggfigure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置font: 字体集（font family）、字体大小和样式设置grid: 设置网格颜色和线性legend: 设置图例和其中的文本的显示line: 设置线条（颜色、线型、宽度等）和标记patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
线条相关属性标记设置
用来该表线条的属性
线条风格linestyle或ls描述线条风格linestyle或ls描述
&None&,& &,&&
什么都不画
标记maker描述标记描述
一角朝下的三角形
一角朝左的三角形
一角朝右的三角形
一角朝上的三角形
&None&,&&,& &
可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。
别名颜色别名颜色
如果这两种颜色不够用，还可以通过两种其他方式来定义颜色值：
使用HTML十六进制字符串&color='eeefff'&使用合法的HTML颜色名字（&red&,&chartreuse&等）。
也可以传入一个归一化到[0,1]的RGB元祖。&color=(0.3,0.3,0.4)
很多方法可以介绍颜色参数，如title()。plt.tilte('Title in a custom color',color='#123456'）
通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的方法提供一个axisbg参数，可以指定坐标这的背景色。
subplot(111,axisbg=(0.8,0.3098)
如果你向plot()指令提供了一维的数组或列表，那么matplotlib将默认它是一系列的y值，并自动为你生成x的值。默认的x向量从0开始并且具有和y同样的长度，因此x的数据是[0,1,2,3].
确定坐标范围
plt.axis([xmin, xmax, ymin, ymax])上面例子里的axis()命令给定了坐标范围。
xlim(xmin, xmax)和ylim(ymin, ymax)来调整x,y坐标范围
123456789101112131415161718
%matplotlib inlineimport numpy as npimport matplotlib.pyplot as pltfrom pylab import *x = np.arange(-5.0, 5.0, 0.02)y1 = np.sin(x)plt.figure(1)plt.subplot(211)plt.plot(x, y1)plt.subplot(212)#设置x轴范围xlim(-2.5, 2.5)#设置y轴范围ylim(-1, 1)plt.plot(x, y1)
用一条指令画多条不同格式的线。
import numpy as npimport matplotlib.pyplot as plt
plt.figure()
你可以多次使用figure命令来产生多个图，其中，图片号按顺序增加。这里，要注意一个概念当前图和当前坐标。所有绘图操作仅对当前图和当前坐标有效。通常，你并不需要考虑这些事，下面的这个例子为大家演示这一细节。
1234567891011121314
import matplotlib.pyplot as pltplt.figure
figure感觉就是给图像ID，之后可以索引定位到它。
plt.text()添加文字说明
text()可以在图中的任意位置添加文字，并支持LaTex语法
xlable(), ylable()用于添加x轴和y轴标签
title()用于添加图的题目
12345678910111213141516171819
import numpy as npimport matplotlib.pyplot as pltmu, sigma = 100, 15x = mu + sigma * np.random.randn(10000)
text中前两个参数感觉应该是文本出现的坐标位置。
plt.annotate()文本注释
在数据可视化的过程中，图片中的文字经常被用来注释图中的一些特征。使用annotate()方法可以很方便地添加此类注释。在使用annotate时，要考虑两个点的坐标：被注释的地方xy(x, y)和插入文本的地方xytext(x, y)。[^1]
123456789101112131415
import numpy as npimport matplotlib.pyplot as pltax = 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()
plt.xticks()/plt.yticks()设置轴记号
现在是明白干嘛用的了，就是人为设置坐标轴的刻度显示的值。
12345678910111213141516171819202122232425262728
当我们设置记号的时候，我们可以同时设置记号的标签。注意这里使用了 LaTeX。[^2]
移动脊柱 坐标系
ax = gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))
这个地方确实没看懂，囧，以后再说吧，感觉就是移动了坐标轴的位置。
plt.legend()添加图例
plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")plot(X, S, color="red",
linewidth=2.5, linestyle="-", label="sine")legend(loc='upper left')
matplotlib.pyplot
使用plt.style.use('ggplot')命令，可以作出ggplot风格的图片。
12345678910111213141516171819202122232425
给特殊点做注释
好吧，又是注释，多个例子参考一下！
我们希望在 2&/32&/3 的位置给两条函数曲线加上一个注释。首先，我们在对应的函数图像位置上画一个点；然后，向横轴引一条垂线，以虚线标记；最后，写上标签。
1234567891011121314151617
t = 2*np.pi/3
plt.subplot()
plt.subplot(2,3,1)表示把图标分割成2*3的网格。也可以简写plt.subplot(231)。其中，第一个参数是行数，第二个参数是列数，第三个参数表示图形的标号。
plt.axes()
我们先来看什么是Figure和Axes对象。在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。其逻辑关系如下：
axes() by itself creates a default full subplot(111) window axis.
axes(rect, axisbg=&w&) where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.
axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.
rect=[左, 下, 宽, 高] 规定的矩形区域,rect矩形简写，这里的数值都是以figure大小为比例，因此，若是要两个axes并排显示，那么axes[2]的左=axes[1].左+axes[1].宽，这样axes[2]才不会和axes[1]重叠。
show code:
1234567891011121314151617181920212223242526272829303132333435
http://matplotlib.org/examples/pylab_examples/axes_demo.htmlimport matplotlib.pyplot as pltimport numpy as np# create some data to use for the plotdt = 0.001t = np.arange(0.0, 10.0, dt)r = np.exp(-t[:1000]/0.05)
# impulse responsex = np.random.randn(len(t))s = np.convolve(x, r)[:len(x)]*dt
# colored noise# the main axes is subplot(111) by defaultplt.plot(t, s)plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])plt.xlabel('time (s)')plt.ylabel('current (nA)')plt.title('Gaussian colored noise')# this is an inset axes over the main axesa = plt.axes([.65, .6, .2, .2], axisbg='y')n, bins, patches = plt.hist(s, 400, normed=1)plt.title('Probability')plt.xticks([])plt.yticks([])# this is another inset axes over the main axesa = plt.axes([0.2, 0.6, .2, .2], axisbg='y')plt.plot(t[:len(r)], r)plt.title('Impulse response')plt.xlim(0, 0.2)plt.xticks([])plt.yticks([])plt.show()
pyplot.pie参数
colors颜色
找出matpltlib.pyplot.plot中的colors可以取哪些值？
for name,hex in matplotlib.colors.cnames.iteritems():
print name,hex
打印颜色值和对应的RGB值。
plt.axis('equal')避免比例压缩为椭圆
autopct enables you to display the percent value using Python string formatting. For example, if autopct='%.2f', then for each pie wedge, the format string is '%.2f' and the numerical percent value for that wedge is pct, so the wedge label is set to the string '%.2f'%pct.
941 点声望
愿有岁月可回首，愿有前程可奔赴！努力向上，乐观开心！fighting！
阅读(...) 评论() 上传我的文档
 下载
 收藏
粉丝量：32
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
【精品】如何用sigma plot作图
下载积分：800
内容提示：【精品】如何用sigma plot作图
文档格式：PPT|
浏览次数：130|
上传日期： 06:04:51|
文档星级：
全文阅读已结束，如果下载本文需要使用
 800 积分
下载此文档
该用户还上传了这些文档
【精品】如何用sigma plot作图
关注微信公众号sigma plot_中华文本库
第1页/共48页
吉林大学病理生理教研室康劲松工具栏 数据输入区图的类型横坐标标准差 测定的 OD值线图的制作 柱形图的制作选择线图带标准差的线图选择默认下一步既有x值亦 有Y值，所 以选择XY pair
选择线和 散点图继续选 择带有 标准差 的线图
将第二组 数据填入
如何将0点重合首先选 择X轴然后 选择 标尺最后将起始 点改为0此处作 为标题将其改为 OD value 双击此处将其 改为ConA （ug/ml）此处为图注可选择 的字体旋转角度如何将两条曲线用不 同的颜色表现出来？修改后的图选择类型，如圆 形、三角形等选择 symbol填充的 颜色边缘的 颜色线条的 颜色、 类型等标准差的 类型、颜 色等
柱图的 形式柱图的 颜色
颜色形式标记线选择带有标准差 的柱图
第1页/共48页
寻找更多 ""当前位置：
&Sigma Plot的图例问题
Sigma Plot的图例问题
作者 acer0422
如图所示， 我的图例共有6项。前三项是先做了散点图，后三项是根据分别根据散点图拟合出的曲线。
如何将6项图例合并为3项？
QQ截图24.png
木有人知道麽。。。。
没用过，都用origin。origin中可以分别调成一样的～
额&&谢谢楼上
引用回帖:: Originally posted by MANOWAR at
没用过，都用origin。origin中可以分别调成一样的～ 您好！我想问一下用Origin如何将多次实验结果同时做散点图并求回归，数据应该怎么输入？我试了好几次，可能是数据输入方式不对，只能分别求回归，而不是对所有数据求回归，
如何对多次重复实验结果做散点图并求回归？
24小时热帖
下载小木虫APP
与700万科研达人随时交流SigmaPlot12User‘sGuide Worksheet.工作表选项包括数字设置,统计,日期和时间,工作表显示,默认列宽度, 小数字数, 以及工程记号法的使用.
Page.页选项控制曲线图页属性.
General.常规标签控制应用程序设置.
Report.设置报告选项,例如度量单位或显示标尺,在报告标签上. Graph.曲线图默认控制那些被应用于所有新建曲线图的属性. Macro.选择宏选项,例如代码颜色以及哪一个宏指令库在宏标签上使用. 3. 点击OK应用改变并关闭对话框.
1.3.6曲线图类型和风格
SigmaPlot12的可选择Graph Type决定你的曲线图的结构.SigmaPlot12提供许多不同类型二- 和三-维笛卡尔坐标(XY 和XYZ)曲线图,也有饼形图和极坐标图.
GraphStyle决定数据如何被绘图到一个曲线图上.可用的风格取决于挑选的曲线图类型.SigmaPlot12的曲线图向导方便地显示与每一个曲线图类型相联系的全部可用曲线图风格.
1.3.7曲线图风格库和模板
使用SigmaPlot曲线图风格库创建并且储存使用任何现有的曲线图风格作为模型的真实的曲线图模板.你添加到曲线图风格库的每一个曲线图都被保存为一个位图图像，你稍后能应用这个作为将来曲线图的一个模板,节省你的时间和努力，要获取更多信息,查看2.6 使用曲线图风格库.
1.3.8AxisScales 图 1.1曲线图风格库
模板.SigmaPlot模板笔记薄包含多种页面.应用这些预定的模板属性到先前保存的页和曲线图,或创建一个用户自定义模板.在一个SigmaPlot笔记薄模板文件(.JNT)中储存一个模板. 你可能想去创建自己的模板笔记薄.要获取更多信息,查看 3.5 使用曲线图页作为模板.
1.3.8轴比例
为 2D 曲线图创建多个轴.按照默认,SigmaPlot12自动地计算轴范围并且允许每一个绘图包含分开的X轴和Y轴. 刻度线.使用主要刻度线、短轴刻度线和网格线.标记区间,长度, 方向,厚度和颜色都是可调整的;网格线类型也可调整.标记标签可以是数值的,时间序列,或自定义的,在工作表专栏中的使用标签. 轴打破.你能指定一个轴打破一个不同的立柱-断裂标记区间. 要获取更多信息,查看 9修正轴,刻度线,和网格.
1.3.9平滑数据 平滑的锐利变化依赖于在2D和3D数据集使用的 SigmaPlot12平滑算法.要获取更多信息,查看14.2平滑2D和3D数据.
SigmaPlot12User‘sGuide
1.3.10 SigmaPlot工作表
SigmaPlot12工作表能够包含多达32,000,000 行及32,000列的数据.在行或列中输入数据, 并且运行计算行-wise 或列-wise.
工作表列单元格是可调整的,并且有能力掌控16个有效数字.放置标签,自定义填充颜色和图案,并且进入这些单元格的误差棒流向码为了指导曲线图的变化.要获取更多信息,查看5工作表基础.
1.3.11统计
SigmaPlot提供了超过50种常用统计检验来分析数据,包括一个顾问向导指导你完成选择恰当测试的整个过程.详细的报告被提供在一个容易阅读的格式中而且包括许多结果的解释. 结果曲线图也被提供. 可以对你所有工作表列进行统计描述.统计工作表列出了针对所有工作表列的基本统计. 用置信度和预测数的变化范围显示线性回归线,为曲线图的列绘制误差棒,并且在两个工作表列之间运行匹配和不匹配的t-检验.使用直方图特性为数据集计算和绘制分布. 要获取更多信息,查看SigmaPlot12用户指南.
1.3.12回归向导
回归向导逐步引导你进行曲线拟合,绘图,而且产生一个报告.要获取更多信息,查看16非线性回归.
1.3.13变换
使用SigmaPlot12的广泛的变换语言修改和计算数据.要获取更多信息,查看14使用变换.
1.3.14迷你工具栏中的画图工具
当你在曲线图页上选择对象时,你能使用一个立即看得见仍然透明的迷你工具栏修改它们.你可以排列对象和文本,改变字体,大小,和风格,和改变颜色,线型,厚度,和填充曲线图的图案以及扭歪对象.你也可以从前到后移动对象的深度.
1.3.15报告
SigmaPlot12报告编辑器显示回归结果而且以完全的文本编辑功能性为特色.要获取更多信息,查看 10使用报告编辑器.
1.4AnatomyofSigmaPlotGraphs
1.4SigmaPlot曲线图解析
一个SigmaPlot曲线图由一个或多个绘图数据组成,和一个或多个轴系.它使用一个特殊的坐标系(例如., 2D 笛卡尔,3D 笛卡尔,饼图,或极坐标)而且在页上有特定的大小和位置.
绘图是图示工作表数据.举例来说,作为一个垂直的条形图查看数据或改变该绘图成为水平条形图,甚至在创建曲线图之后.你甚至能在大多数曲线图上显示超过一个的绘图.
轴是确定曲线图的数据点位置的比例尺,比例尺确定曲线图的数据点位置.每一个轴都包含刻度线来确定所使用的比例尺的类型.比例尺范围在一个笛卡尔坐标系里的线性到非线性.用工作表单元格自定义刻度线标签或使用数值或时间序列标签.
X,Y,和为3D曲线图的Z坐标,在刻度线旁边的每个轴上被标记出来.一个轴可以使用一个线性数值比例尺,非线性比例尺如 log,自然log,而且可能,或者一个日期/时间比例尺.2D曲线图能有多组X和Y轴.轴的刻度线和刻度标签,可以是数值,时间系列,或用工作表列标签自定义的.
1.4.12D笛卡尔曲线图
下面的图显示了一个在SigmaPlot 中可用的2D笛卡尔曲线图的例子. 这个例子中的分组误差棒条形图包括: ? 一个立柱断裂标记区间设定到一个新值.
? 一个Y轴断裂在沿着这个轴长度的75%处.
? 使用中的工作表列数据误差棒.
? 条形图使用来自一个工作表列的一个模式填充颜色.
? X轴标记标签使用来自一个工作表列的文本.
? 一个分组条形图带有指定的条形图和组宽度.
? 图例符号和文本标签.
? 剪切自画图程序并且使用Windows剪切板粘贴在该页面上的图像艺术.
SigmaPlot12User‘sGuide 图1.2一个2D笛卡尔曲线图例子.
这个例子的一个多重散布绘图包括:
? 使用主要和次要刻度线的普通对数分度Y轴. ? 使用一个增量球色调配色方案的自定义符号.
图1.3一个多重散布绘图的例子.
这个例子的一个箱体绘图包括:
? 可变的箱体宽度表示另外的可变尺寸. ? 刻度线方向指向外面. ? X轴记号标签使用一个种类轴比例尺. ? 一个用平均值线绘图的Tukey箱体. ? 自定义填充颜色.}