Matplotlib用户指南中文翻译

用户指南

这份辅导指南包括最基本的使用方法和最好的训练帮助你开始使用matplotlib

import matplotlib.pyplot as plt
import numpy as np

入门例子

Matplotlib将你的图片在FIgure中绘制：包括一个或多个Axes（坐标轴，包括x-y坐标、极坐标、3D坐标） 最简单的是利用pyplot.subplots来创建一个包含坐标轴Axes的Figure，然后可以用Axes.plot的方式绘制数据

fig,ax=plt.subplots() #创建一个figure，包含一个坐标轴
ax.plot([1,2,3,4],[1,4,3,2])
[<matplotlib.lines.Line2D at 0x1270552e0>]

添加图片注释，不超过 140 字（可选）

在一些其他的绘图语言或者工具中并不要求你创建一个坐标轴，比如Matlab中，直接使用plot。

事实上，你可以同样实现在Matplotlib：对于任意一个Axes的绘图方法，都会有对应的方式在matplotlib.pyplot模块中让你可以在现有的坐标中中绘制。比如上面可以换写成：

plt.plot([1,2,3,4],[1,4,3,2])
[<matplotlib.lines.Line2D at 0x12727e400>]

添加图片注释，不超过 140 字（可选）

Figure的组成

添加图片注释，不超过 140 字（可选）

Figure

完整的Figure包括坐标轴Axes的所有字类，少量的特殊特质（title、figure legend等），以及绘图各种图形元素，其中创建Figure中至少要包含一个坐标轴

可以用以下的方法创建Figure和Axes同时，也可以之后添加坐标轴来实现更加复杂的布局

fig=plt.figure() #没有坐标轴的Figure
fig,ax=plt.subplots() # 一个坐标轴的Figure
fig,axs=plt.subplots(2,2) #四个坐标轴的Figure
<Figure size 432x288 with 0 Axes>

添加图片注释，不超过 140 字（可选）

添加图片注释，不超过 140 字（可选）

坐标轴Axes

这就是认识到关于绘图plot的地方，这是数据空间的绘制区域。一个给定的Figure可能包含很多Axes，但是一个Axes必须包含在一个Figure中 每个二维坐标轴具有两个Axis对象，具有以下的功能：

• axes.Axes.set_xlim( )
• axes.Axes.set_ylim( )
• axes.Axes.set_title( )
• axes.Axes.set_xlabel( )
• axes.Axes.set_ylabel( )

单根轴axis

用于控制数据的上下限，数据的刻度ticks，以及对应刻度的名称ticklabels

object- oriented interface 和 pyplot interface

在matplotlib中主要存在两种方式

• 一种是制定特定的Figures和axes，之后在其中添加各种方法method（object- oriented）
• 一种是依赖于pyplot，来管理figure和axes，利用pyplot- function来绘制（pyplot ）

x=np.linspace(0,2,100)
fig,ax=plt.subplots()
ax.plot(x,x,label='linear')
ax.plot(x,x**2,label='quad')
ax.plot(x,x**3,label='cubic')
ax.set_xlabel('x label')
ax.set_ylabel('y label')
ax.set_title('Simple')
ax.legend()
<matplotlib.legend.Legend at 0x1273fe850>

添加图片注释，不超过 140 字（可选）

x=np.linspace(0,2,100)
plt.plot(x,x,label='linear')
plt.plot(x,x**2,label='quad')
plt.plot(x,x**3,label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title('simple')
plt.legend()
<matplotlib.legend.Legend at 0x127487760>

添加图片注释，不超过 140 字（可选）

在matplotlib的官方教程中实例的实现方法中均包含其中两个方法，但是希望使用者可以选择其中的一个然后坚持使用它，这样才能熟练掌握，而不是将两者混淆。

通常我们建议在jupyter notebook等即时可见中使用pyplot，而在脚本环境中使用oo方式

Note from pylab import *这个方式已经被弃用了，这种方式现在并不鼓励使用，所以请删除

Backends 后段

什么是backends？

现在许多网站上大量的文档都存在“backend”这个词，许多新学者可能会被专用名词弄混淆。matplotlib旨在利用不同的backend得到不同的输出，不同的人使用不同的手段使用matplotlib，这种通过后端来交互、嵌入到其他用户图形接口中、web应用场景、批处理脚本中应用场景

为了支持这些特殊场景，matplotlib可以设置不同的输出，这些设置变成为backedns

• 第一种是user interface backends（PyQt/PySide, PyGObject, Tkinter, wxPython, or macOS/Cocoa）
• 一种是输出格式 hardcopy backends（PNG, SVG, PDF, PS; also referred to as “non-interactive backends”）

第一种作为和其他系统的接口一般使用频率不大

制定图片格式并保存

• matplotlib.pyplot.savefig(‘filename’)

import numpy as np
import matplotlib.pyplot as plt

plt.ion()
for i in range(3):
    plt.plot(np.random.rand(10))
    plt.show()

添加图片注释，不超过 140 字（可选）

添加图片注释，不超过 140 字（可选）

添加图片注释，不超过 140 字（可选）