简介
matplotlib是python上的一个2D绘图库，它可以在夸平台上边出很多高质量的图像。综旨就是让简单的事变得更简单，让复杂的事变得可能。我们可以用matplotlib生成 绘图、直方图、功率谱、柱状图、误差图、散点图等 。
matplotlib.pyplot：提供一个类似matlab的绘图框架。
pylab将pyplot与numpy合并为一个命名空间。这对于交互式工作很方便，但是对于编程来说，建议将名称空间分开，例如 :
# 画 y = sin x 图像
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 5, 0.1)
y = np.sin(x)
plt.plot(x, y)
plt.show()
matplotlib实际上为面向对象的绘图库，它所绘制的每个元素都有一个对象与之对应的。例如上述例子中执行完 plt.plot(x,y) 之后得到：[matplotlib.lines.Line2D object at 0x01867D70]
好啦，现在开始学习：
配置属性：
因为是面向对象的绘图库，我们可以为每个对象配置它们的属性，应该说有三个方法，一个是通过对象的方法set_属性名（）函数，二是通过对象的set()函数，三是通过pylot模块提供的setp()函数：
plt.figure()
line = plt.plot(range(5))[0] # plot函数返回的是一个列表,因为可以同时画多条线的哦;
line.set_color('r')
line.set_linewidth(2.0)
plt.show()
#———————————— 或者 ————————————
plt.figure()
line = plt.plot(range(5))[0] # plot函数返回的是一个列表,因为可以同时画多条线的哦;
line.set(color = 'g',linewidth = 2.0)
plt.show()
#———————————— 或者 ————————————
plt.figure()
lines = plt.plot(range(5),range(5),range(5)，range(8,13)) # plot函数返回一个列表;
plt.setp(lines, color = 'g',linewidth = 2.0) # setp函数可以对多条线进行设置的;
plt.show()
如果想查看呢，怎么办呢？同样两个方法，一个是通过对象的方法get_属性名（）函数，一个是通过pylot模块提供的getp()函数。
getp()有两个调用方法，一个是只有要的查看的对象一个参数，一个是要查看的对象现属性两个参数；如：
plt.getp(line)
plt.getp(line, 'color')
Artist 对象
matplotlib API包含有三层：
- backend_bases.FigureCanvas : 图表的绘制领域
- backend_bases.Renderer : 知道如何在FigureCanvas上如何绘图
- artist.Artist : 知道如何使用Renderer在FigureCanvas上绘图
FigureCanvas和Renderer需要处理底层的绘图操作，例如使用wxPython在界面上绘图，或者使用PostScript绘制PDF。Artist则处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道，而不需要关心底层的绘制细节。
Artists分为简单类型和容器类型两种。简单类型的Artists为标准的绘图元件，例如Line2D、 Rectangle、 Text、AxesImage 等等。而容器类型则可以包含许多简单类型的Artists，使它们组织成一个整体，例如Axis、 Axes、Figure等。
直接使用Artists创建图表的标准流程如下：
- 创建Figure对象
- 用Figure对象创建一个或者多个Axes或者Subplot对象
- 调用Axies等对象的方法创建各种简单类型的Artists
Artist 对象
对于上面的很多很多对象，其实都是Artist对象，Artist对象共分为简单类型和容器类型两种哦。
举一个建立简单Artist对象的过程哈，直接上代码：
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1)
ax = fig.add_axes([0.1, 0.5, 0.8, 0.5])
ax.set_xlabel('time')
line =ax.plot(range(5))[0]
line.set_color('r')
plt.show()
输出 为：
在构成图表的各种Artist对象中，最上层的Artist对象是Figure。我们可以调用add_subplot()与add_axes(）方法向图表中添加子图，它们分加到figure的axes的属性列表中。add_subplot()与add_axes(）返回新创建的axes对象，分别为axesSuubplot与axes， axesSuubplot为 axes的派生类。另外，可以通过delaxes()方法来删除哦；
figure对象可以有自己的简单的artist对象。
下面列出Figure对象中包含的其他Artist对象的属性：
- axes：Axes对象列表；
- patch：作为背景的Rectangle对象；
- images：FigureImage对象列表，用于显示图像；
- legends：Legend 对象列表，用于显示图示；
- lines：Line2D对象列表；
- patches：Patch对象列表；
- texts：Text 对象列表，用于显示文字；
# 使用figure对象绘制直线
from matplotlib.lines import Line2D
import matplotlib.pyplot as plt
fig = plt.figure()
line1 = Line2D([0,1],[0,1], transform=fig.transFigure, figure=fig, color="r")
line2 = Line2D([0,1],[1,0], transform=fig.transFigure, figure=fig, color="b")
fig.lines.extend([line1, line2])
fig.show()
运行结果：
axes 容器
它是整个matplotlib的核心，它包含了组成图表的众多的artist对象。并且有很多方法。我们常用的Line2D啦，Xaxis，YAxis等都是它的属性哦；可以通过这个对象的属性来设置坐标轴的label啦，范围啦等之类的。干脆直接用plt.getp()查看它的属性，然后通过set_属性名（）函数来设置就好啦。
axis 容器
axis容器包括了坐标轴上的刻度线、刻度标签等、坐标网络等内容。
对于坐标轴上的刻度相关的知识，它是这么分的：首先是major_ticks()和minor_ticks(), 然后呢，每个刻度又包括刻度线（ticklines)、刻度标签(ticklabels)、刻度位置(ticklocs)。本来呢，axis应该刻度，然后呢，刻度再包含那三个，但是呢，为了方便，axis就都包含了。其实也是有点交叉吧。上面的axes也会交叉包含它所包含对象的对象的。
看个例子：
from matplotlib.lines import Line2D
import matplotlib.pyplot as plt
plt.plot([1,2,3],[4,5,6])
axis = plt.gca().xaxis
axis.get_ticklocs()
axis.get_ticklabels()
axis.get_ticklines()
axis.get_ticklines(minor = True)
for label in axis.get_ticklabels():
label.set_color('red')
label.set_rotation(45)
label.set_fontsize(16)
for line in axis.get_ticklines():
line.set_color('green')
line.set_markersize(15)
line.set_markeredgewidth(3)
plt.show()
运行结果：
pyplot函数提供了两个绘制文字的函数:text()和figtext()。它们分别调用了当前的Axes对象与当前的Figure对象的text()方法进行绘制文字。text()默认在数字坐标系（就是axes在的坐标系，用坐标轴的数字来表示坐标）中画， figtext()默认在图表坐标系（就是figure在图表中啦，坐标范围从0 到 1 ）中画，我们可能通过trransform参数进行坐标系的转换。反正吧，matplotlib中一共有四种坐标系，并且可以转换的哦，提一下哈。
简单的调用：
plt.text(1, 1, ‘hello,world’, color = ‘bule’) #还可以写更多参数的；
plt.figtexe(0.1, 0.8 ,”i am in figure’, color = ‘green’)
上面说了一大堆了，现在说几个常用的画图函数吧:
常用函数
plot()
可以画出很简单线图，基本用法：
plot(x, y)
plot(x, y, 'bo')
plot(y)
plot(y, 'r+')
plot(x1, y1, 'g^', x2, y2, 'g-')
对于参数中，常用的format：线的颜色、线的形状、点的标记形状，我们用这三个的时候经常用缩写，它们之间的顺序怎么都可以哦，
如它俩一个意思：’r+–’、’+–r’。如果我们不想缩写的话，可以分别写成如： color=’green’, linestyle=’dashed’, marker=’o’。
线的形状：
‘-’ solid line style
‘–’ dashed line style
‘-.’ dash-dot line style
‘:’ dotted line style
点的标记：
‘.’ 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
线的颜色：
‘b’ blue
‘g’ green
‘r’ red
‘c’ cyan
‘m’ magenta
‘y’ yellow
‘k’ black
‘w’ white
常见线的属性有：color,labor,linewidth,linestyle,maker,等，具体要看全的话，见：lines–matplotlib。
看一个例子：
import matplotlib.pyplot as plt
import numpy as np
plt.figure(1)
t = np.arange(0.0, 2.0, 0.1)
s = np.sin(2*np.pi*t)
plt.plot(t, s, 'r--o', label = 'sinx')
plt.legend()
plt.xlabel('time (s)')
plt.ylabel('voltage (mV)')
plt.title('About as simple as it gets, folks')
plt.grid(True)
plt.show()
运行结果：
subplot()
利用subplot()函数可以返回一个axes的对象哦，函数为：subplot(numRows, numCols, plotnum)，当这三个参数都小于10时，我们可以把它们写一起，如下所示：
import matplotlib.pyplot as plt
import numpy as np
for i, color in enumerate('rgbyck'):
plt.subplot(321+i, axis_bgcolor = color)
plt.show()
利用subplot_adjust()函数可以对画的多个子图进行调整,优化间隔，它一共有left、right, bottom, top, wspace, hspase 六个参数，取 值从0至1。
"""
Simple demo with multiple subplots.
"""
import numpy as np
import matplotlib.pyplot as plt
x1 = np.linspace(0.0, 5.0)
x2 = np.linspace(0.0, 2.0)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
y2 = np.cos(2 * np.pi * x2)
plt.subplot(2, 2, 1)
plt.plot(x1, y1, 'yo-')
plt.title('A tale of 2 subplots')
plt.ylabel('Damped oscillation')
plt.subplot(2, 2, 2)
plt.title('It is a empty figure')
plt.subplot(2, 2, 4)
plt.plot(x2, y2, 'r.-')
plt.xlabel('time (s)')
plt.ylabel('Undamped')
plt.show()
运行结果：
subplots()
plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, **fig_kw)
作用:创建一个已有subplots的figures;
参数:
nrows : int ,指创建的sublots的行数,默认为1.
ncols : int ,指创建的sublots的列数,默认为1.
sharex : 为一个string或bool类型; 当为Ture时,所有的subpots将要共享x轴,如果它们是上下的关系的话,上面的图的刻度label就没有,只有下面那个图的.
If a string must be one of "row", "col", "all", or "none".
"all" has the same effect as *True*, "none" has the same effect
as *False*.
If "row", each subplot row will share a X axis.
If "col", each subplot column will share a X axis and the x tick
labels on all but the last row will have visible set to *False*.
*sharey* : 同上
*squeeze* : bool 它是用来控制返回值的,根据返回的axis的结果决定要不要把没有的维度进行压缩一下.
当为Ture时,如果返回的axis只有一个,则表示成标量,如果有一行或一列,则表示为一维数组,如果多行多列,则表示为2D数组;
当为False时,不管多少个返回的axis,都以二维数组的方式返回;
*subplot_kw* : dict
Dict with keywords passed to the
:meth:`~matplotlib.figure.Figure.add_subplot` call used to
create each subplots.
*fig_kw* : dict
Dict with keywords passed to the :func:`figure` call. Note that all
keywords not recognized above will be automatically included here.
返回值
有两个fig和 axt(它是元组的方式哦)
*fig* is the :class:matplotlib.figure.Figure object
*ax * can be either a single axis object or an array of axis objects if more than one subplot was created. The dimensions of the resulting array can be controlled with the squeeze keyword, see above.
import matplotlib.pyplot as plt
import numpy as np
x = range(0,30,1)
y = np.sin(x)
f,(ax1, ax2) = plt.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)
plt.show()
figure_1
twinx()或twiny()
twinx()：在同一图画中，共享x轴，但是拥有各自不同的y轴
create a twin of Axes for generating a plot with a sharex
x-axis but independent y axis. The y-axis of self will have
ticks on left and the returned axes will have ticks on the
right.
twiny():和上面一样，不同之处在于，它共享y轴。
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1)
ax1 =plt.subplot(111)
ax2 = ax1.twinx()
ax1.plot(np.arange(1,5),'g--')
ax1.set_ylabel('ax1',color = 'r')
ax2.plot(np.arange(7,10),'b-')
ax2.set_ylabel('ax2',color = 'b')
plt.show()
运行结果：
参考文章：
matplotlib.pyplot 官方文档
博客园——matplotlib 常用知识
博客园——matplotlib 绘图入门
matplotlib-绘制精美的图表（Figure容器，Artist对象，Axes容器）
博客园——Matplotlib 详解图像各个部分
