plot用于matlab二维绘图：
句法：

1.plot(X,Y) 在Y中创建数据的二维线图，而在X中创建相应的值。

2.plot(X,Y,LineSpec) 设置线条样式、标记符号和颜色。

3.plot(X1,Y1,...,Xn,Yn)对所有线使用相同的轴绘制多个x，Y对。

4.plot(X1,Y1,LineSpec1,...,Xn,Yn,LineSpecn)  设置每一行的线条样式、标记类型和颜色。你可以把X，Y，L：tneSpec三重态和x，v对混合在一起

5.plot(Y) 创建Y中数据的二维线图与每个值的索引。 6.plot(Y,LineSpec)

https://matplotlib.org/api/pyplot_summary.html

在交互环境中查看帮助文档：

import matplotlib.pyplot as plt
help(plt.plot)

以下是对帮助文档重要部分的翻译：

plot函数的一般的调用形式：

#单条线：
plot([x], y, [fmt], data=None, **kwargs)
#多条线一起画
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

可选参数[fmt] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle），

具体形式  fmt = '[color][marker][line]' 

fmt接收的是每个属性的单个字母缩写，例如： 

plot(x, y, 'bo-')  # 蓝色圆点实线

若属性用的是全名则不能用*fmt*参数来组合赋值，应该用关键字参数对单个属性赋值如：

plot(x,y2,color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)

plot(x,y3,color='#900302',marker='+',linestyle='-')

常见的颜色参数：**Colors**


 

也可以对关键字参数color赋十六进制的RGB字符串如 color='#900302'

    =============    ===============================
    character        color
    =============    ===============================
    ``'b'``          blue 蓝
    ``'g'``          green 绿
    ``'r'``          red 红
    ``'c'``          cyan 蓝绿
    ``'m'``          magenta 洋红
    ``'y'``          yellow 黄
    ``'k'``          black 黑
    ``'w'``          white 白
    =============    ===============================

 点型参数**Markers**,如：marker='+' 这个只有简写，英文描述不被识别

=============    ===============================
    character        description
    =============    ===============================
    ``'.'``          point marker
    ``','``          pixel marker
    ``'o'``          circle marker
    ``'v'``          triangle_down marker
    ``'^'``          triangle_up marker
    ``'<'``          triangle_left marker
    ``'>'``          triangle_right marker
    ``'1'``          tri_down marker
    ``'2'``          tri_up marker
    ``'3'``          tri_left marker
    ``'4'``          tri_right marker
    ``'s'``          square marker
    ``'p'``          pentagon marker
    ``'*'``          star marker
    ``'h'``          hexagon1 marker
    ``'H'``          hexagon2 marker
    ``'+'``          plus marker
    ``'x'``          x marker
    ``'D'``          diamond marker
    ``'d'``          thin_diamond marker
    ``'|'``          vline marker
    ``'_'``          hline marker
    =============    ===============================

线型参数**Line Styles**，linestyle='-'

    =============    ===============================
    character        description
    =============    ===============================
    ``'-'``          solid line style 实线
    ``'--'``         dashed line style 虚线
    ``'-.'``         dash-dot line style 点画线
    ``':'``          dotted line style 点线
    =============    ===============================

样例1

函数原型：matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
>>> plot('xlabel', 'ylabel', data=obj)
解释：All indexable objects are supported. This could e.g. be a dict, a pandas.DataFame or a structured numpy array.
data 参数接受一个对象数据类型，所有可被索引的对象都支持，如 dict 等

import matplotlib.pyplot as plt  
import numpy as np
'''read file 
fin=open("para.txt")
a=[]
for i in fin:
  a.append(float(i.strip()))
a=np.array(a)
a=a.reshape(9,3)
'''
a=np.random.random((9,3))*2 #随机生成y
 
y1=a[0:,0]
y2=a[0:,1]
y3=a[0:,2]
 
x=np.arange(1,10)
 
ax = plt.subplot(111)
width=10
hight=3
ax.arrow(0,0,0,hight,width=0.01,head_width=0.1, head_length=0.3,length_includes_head=True,fc='k',ec='k')
ax.arrow(0,0,width,0,width=0.01,head_width=0.1, head_length=0.3,length_includes_head=True,fc='k',ec='k')
 
ax.axes.set_xlim(-0.5,width+0.2)
ax.axes.set_ylim(-0.5,hight+0.2)

plotdict = { 'dx': x, 'dy': y1 }
ax.plot('dx','dy','bD-',data=plotdict)

ax.plot(x,y2,'r^-')
ax.plot(x,y3,color='#900302',marker='*',linestyle='-')

plt.show()



样例2，

import matplotlib.pyplot as plt  
import numpy as np  
  
x = np.arange(0, 2*np.pi, 0.02)  
y = np.sin(x)  
y1 = np.sin(2*x)  
y2 = np.sin(3*x)  
ym1 = np.ma.masked_where(y1 > 0.5, y1)  
ym2 = np.ma.masked_where(y2 < -0.5, y2)  
  
lines = plt.plot(x, y, x, ym1, x, ym2, 'o')  
#设置线的属性
plt.setp(lines[0], linewidth=1)  
plt.setp(lines[1], linewidth=2)  
plt.setp(lines[2], linestyle='-',marker='^',markersize=4)  
#线的标签
plt.legend(('No mask', 'Masked if > 0.5', 'Masked if < -0.5'), loc='upper right')  
plt.title('Masked line demo')  
plt.show()  



例3 ：圆

import numpy as np
import matplotlib.pyplot as plt

theta = np.arange(0, 2*np.pi, 0.01)
xx = [1,2,3,10,15,8]
yy = [1,-1,0,0,7,0]
rr = [7,7,3,6,9,9]

fig = plt.figure()
axes = flg.add_subplot(111)

i = 0
while i < len(xx):
    x = xx[i] + rr[i] *np.cos(theta)
    x = xx[i] + rr[i] *np.cos(theta)
    axes.plot(x,y)
    axes.plot(xx[i], yy[i], color='#900302', marker='*')
     i = i+1
width = 20
hight = 20
axes.arrow(0,0,0,hight,width=0.01,head_width=0.1,head_length=0.3,fc='k',ec='k')
axes.arrow(0,0,width,0,width=0.01,head_width=0.1,head_length=0.3,fc='k',ec='k')
plt.show()

 

 

  在matlab中，plot函数用来绘制二维图像。
1.plot默认格式
  plot(x,y)这种格式中，若x,y是向量，则它们必须具有相同的长度。函数将以x为横轴，绘制y。
                                   若x,y都是矩阵，则它们必须具有相同的尺寸，plot函数将针对x的各列绘制y的每列。更确切的说，将x和y的对应的各列取出来，绘制曲线。比如x和y分别为n*n的矩阵，则plot函数将x的第1列和y的第1列对应取出来，绘制一条曲线，然后将x的第二列与y的第二列对应起来，绘制一条曲线，如此下去直到第n条匹配绘制完成。
                                    若x和y之一为向量，另一个为矩阵，则矩阵必须有一维与向量的长度相等。如果矩阵的行数等于向量的长度，则针对向量绘制矩阵的每列；如果矩阵的列数等于向量长度，则针对向量绘制矩阵的每行；若矩阵为方阵，则针对向量绘制矩阵的每列。
                                      若x和y之一为标量，另一个为标量或者向量，则绘制离散的点；然而想要看到绘制的点，用户必须指定表示点位的记号。
2.plot属性应用
  带属性的格式中。增加了线属性的设置，这些属性包括线型设置，绘制线条时是否使用标记符号以及使用什么样的标记符号，线条的颜色、粗细等等。
  在plot函数中，无论是线型、标记符号还是颜色，具体制定时，都是以字符串的形式出现。字符串中的颜色可以以任何顺序出现，用户也可以省略其中的一个或多个选项。如果用户省略了线条样式，但制定了标记字符，则plot函数只显示标记符，但不会显示线条。
  plot函数在绘制线条时，线条属性主要包括三个方面，一是线型的使用。
符号
含义
符号
含义
符号
含义
符号
含义
-
细实线
：
虚点线
-.
点画线
--
虚画线
  二是颜色的使用，其中最常用的颜色如下所示，更多的颜色可以采用RGB来表示。
点线颜色允许的设置值
符号
含义
符号
含义
符号
含义
符号
含义
r
红
b
蓝
y
黄
w
白
g
绿
c
青
k
黑
m
品红
  三是标志符的应用，它可以更有效的显示出数据点的位置。
标识符符号与含义
符号
含义
符号
含义
符号
含义
符号
含义
.
实心点
<
朝左三角
d
菱形
p
五角星
+
十字号
>
朝右三角
h
六角星
s
方块
*
星号
v
朝下三角
o
空心圆圈
x
叉字符
^
朝上三角
 
 
 
 
 
 
  matlab对plot函数中线条属性的修改，提供了属性名称和属性值的设置方法。
线条属性名称和设置值
属性名称
含义
属性值
备注
Color
设置线条或点的颜色
[r,g,b],各颜色强度介于0~1
常用颜色可使用色彩符号进行设置
使用RGB颜色数据也可
默认蓝色
LineStyle
线型
细实线、虚点线、点画线、虚画线
通过线型符号设置
默认细实线
LineWidth
线条宽度/粗细
正实数
正版出版物使用1.4为宜
默认为0.5
Marker
数据点标识符
菱形、空心圆圈等13种
通过标识符符号设置
MarkerSize
标识符大小
正实数
默认值为6.0
MarkerEdgeColor
标识符边界色彩
[r,g,b],各颜色强度介于0~1
 
MarkerFaceColor
标识符内部填充色彩
[r,g,b],各颜色强度介于0~1
 
3.其他几种格式
plot(x1,y1,...,xn,yn)
       在这种格式中，将使用相同的坐标轴绘制多条曲线。
plot(x1,y1,linespec1,...,xn,yn,linespecn)
       这种格式允许用户对每条线进行属性设置
plot(y)
       这种格式中，只有数据y，plot将绘制二维的线条。具体来讲，针对y的每个数据，以数据的索引当做x与其值配对绘制曲线。如果y是向量，那么x轴的尺度范围从1到y的长度。如果y是矩阵，则绘制y的每列，列中数据对应的x，则取各值对应的行号。若y是复数，则复数的实部设定为x，虚部设定为y。
ploy(y,linespec)
       统一设定各线条的属性。
plot(ax,______)
       这种格式不是在当前的轴框绘图，而是在由句柄ax指定的轴框内绘图，这种格式允许用户对特定绘图对象进行属性设置。
h=plot(______)
      这种格式返回由图中各线条的句柄构成的列向量h，即h中的每个元素就是图中一条线的句柄，当绘制多条线时，用户可通过某条线的句柄对该线进行特定的修改。

原创 黄小仙
上次分享了小提琴曲线(violin plot)的作图方法,今天小仙同学给大家介绍一下如何用R画出漂亮的密度图(density plot)。
Step1. 绘图数据的准备

首先还是要把你想要绘图的数据调整成R语言可以识别的格式，把excel保存成csv格式。

数据的格式如下图：一列表示一种变量，第一行是列名



Step2. 绘图数据的读取

data<-read.csv(“your file path”, header = T)

#注释：header=T表示数据中的第一行是列名，如果没有列名就用 header=F
Step3.绘图所需package的安装、调用

install.package(“ggplot2”)

#注释：ggplot2是目前公认绘图很强的一个安装包，如果已经安装，这句就不需要啦

library(ggplot2)

#注释：package使用之前需要调用(每次用前都要调用哦)
Step4绘图

p<-ggplot(data, aes(x = weight))

#注释：x轴表示weight，y轴表示频率就不需要指定啦

p + geom_density(color = “black”, fill = “gray”)

#注释：color是线条的颜色参数，fill表示填充颜色



Step5.美化

p + geom_density(aes(color = sex))

#注释:按照性别不同组改变线条颜色



p + geom_density(aes(fill = sex), alpha=0.4)

#注释:按照性别不同组改变填充颜色，alpha表示调整透明度


到这里你已经可以画出比较高B格的density plot了，不过有些同学可能有

特殊的要求，比如把两组的平均值画出来，那本小仙再小秀一下?


1.准备平均值数据并读取

mean<-read.csv(“your file path”)

2.画图

p+ geom_density(aes(color = sex), alpha=0.4)+

geom_vline(data = mean, aes(xintercept = mean, color=sex),linetype=“dashed”)

#注释:前面是和之前一样作图语句，在后面直接加上这一句就好啦，xintercept表示x轴截断线，dashed表示是虚线



好啦，今天的分享就到这里了，希望可以帮助到大家。有什么新的作图要求，可以留言给我哦！
导出高清图的方法在这里：

R语言作图技巧——导出高清图

R语言作图系列还有：

R语言作图——Histogram

R语言作图——Violin plot

R语言作图——Facet violin plot

R语言作图——Line plot

R语言作图——Density plot

R语言作图——Bubble matrix

R语言作图——Radar chart

R语言作图——Pie chart
（公众号：生信了）