在学习机器学习与PYTHON的相关内容中，接触到了pyplot这个子库，感觉非常有用，可是网络上的文章大部分都是比较零散的，于是打算按照官方文档，进行一个简单翻译与演示，详细记录一下该库的使用方法。这是本系列的第五篇，每篇大约讲解20个方法，但有些方法官方也未给出详细的用法，待以后使用中慢慢摸索后再补充。

二、方法介绍（81~100）

81、contour() —— 绘制等值线

82、contourf() —— 绘制等值线

83、csd() —— 绘制交叉谱密度

84、errorbar() —— 绘制误差线图表

85、eventplot() —— 绘制条形码

86、fill() —— 绘制填充图

填充x轴与曲线y之间的区域

87、fill_between() —— 绘制填充图

填充x区间内不同曲线之间的区域

88、fill_betweenx() —— 绘制填充图

填充y区间内不同x的函数曲线之间区域

89、hexbin() —— 绘制hexagonal binning图

90、hist() —— 绘制直方图

91、hist2d() —— 绘制2维直方图

92、hlines() —— 绘制水平线

93、imshow() —— 在axes上显示image图像

参考代码：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg  # 用于导入图片
img = mpimg.imread('D:\\python\\ML\\test.jpg')  # 导入图片
plt.imshow(img)  # 将图片在plt中显示
plt.show() # 展示plt更直观的看到图像

操作结果：

94、loglog() —— x、y均为指数刻度

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.loglog()
plt.show()

操作结果：

95、magnitude_spectrum() —— 绘制幅度谱

96、pcolor() —— 绘制二维数组的伪彩色图

97、pcolormesh() —— 绘制四边形网格

98、phase_spectrum() —— 绘制相位谱

99、pie() —— 绘制饼状图

100、plot() —— 绘制当前axes

在学习机器学习与PYTHON的相关内容中，接触到了pyplot这个子库，感觉非常有用，可是网络上的文章大部分都是比较零散的，于是打算按照官方文档，进行一个简单翻译与演示，详细记录一下该库的使用方法。这是本系列的第四篇，每篇大约讲解20个方法，但有些方法官方也未给出详细的用法，待以后使用中慢慢摸索后再补充。

二、方法介绍（61~80）

61、set_cmap() —— 设置当前image的colormap

关于colormap，可参考help(colormap)

62、imread() —— 读取图像（从图形文件中提取数组）

63、imsave() —— 保存为图像文件中的数组

64、matshow() —— 在新figure中显示数组矩阵

65、polar() —— 绘制极坐标图

参考代码：

import matplotlib.pyplot as plt
plt.polar()
plt.show()

操作结果：

66、plotfile() —— 将图绘入文件

67、spy() —— 绘制二维数组Z的稀疏模式

68、acorr() —— 绘制X的自相关

69、angle_spectrum() —— 绘制角度谱？

70、arrow(x, y, dx, dy) —— 添加箭头

绘制箭头从（x,y）指向（dx，dy）

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.arrow(0,1,2,7,shape='full',overhang=0.2,head_width=0.2)
plt.show()

操作结果：

71、axhline(y=0, xmin=0, xmax=1, hold=none) —— 添加一条穿越axis的水平线

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.axhline(1,0.5,1) # 0.5表示中间，0表示最左，1表示最右
plt.show()

操作结果：

72、axhspan(ymin,ymax,xmin,xmax) —— 添加一个穿越axis的水平矩形（span）

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.axhspan(1,2,0.5,1)
plt.show()

操作结果：

73、axvline(x, ymin, ymax) —— 添加一条穿越axis的竖线

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.axvline(1,0.5,1)
plt.show()

操作结果：

74、axvspan(xmin,xmax, ymin, ymax) —— 添加一条穿越axis的矩形

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.axvspan(1,2,0.5,1)
plt.show()

操作结果：

75、bar() —— 条状图

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.bar(0,1,width=1)
plt.show()

操作结果：

76、barh() —— 绘制横向条形图

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.barh(0,1,height=1)
plt.show()

操作结果：

77、broken_barh() —— 绘制水平柱状图

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,3,4,8])
plt.barh((1,2,3),(1,2,3))
plt.show()

操作结果：

78、boxplot() —— 绘制方框和线

79、cohere() —— 绘制x与y的相关性

80、clabel() —— 为等值线图设置标签

在学习机器学习与PYTHON的相关内容中，接触到了pyplot这个子库，感觉非常有用，可是网络上的文章大部分都是比较零散的，于是打算按照官方文档，进行一个简单翻译与演示，详细记录一下该库的使用方法。这是本系列的第三篇，每篇大约讲解20个方法，但有些方法官方也未给出详细的用法，待以后使用中慢慢摸索后再补充。

二、方法介绍（41~60）

41、tight_layout() —— 自动填充

该操作会自动将当前的图形填充满空白区域

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.tight_layout() # 充满画布
plt.show()

操作结果：

42、box() —— 是否展示容器边框（坐标轴）

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.box()
plt.show()

操作结果：

43、title() —— 定义标题

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.title('I\'m a title!')
plt.show()

操作结果：

44、axis() —— 获取或设置轴属性

演示中我们设置了轴的范围，依次为x轴最小值、x轴最大值、y轴最小值、y轴最大值，当然实际中还可以对很多属性进行设置和获取。

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
v = [10,100,10,100] # [xmin,xmax,ymin,ymax]
plt.axis(v)
plt.show()

操作结果：

45、xlabel() —— x轴标签

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.xlabel('XLABEL')
plt.show()

操作结果：

46、ylabel() —— y轴标签

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.ylabel('YLABEL')
plt.show()

操作结果：

47、xlim() —— 设置x轴刻度

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.xlim((10,100))
plt.show()

操作结果：

48、ylim() —— 设置y轴刻度

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.ylim((10,100))
plt.show()

操作结果：

49、xscale() —— 指定x轴线性刻度、指数刻度

参数取值linear/log，指定线性或对数刻度

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.xscale('log')
plt.show()

操作结果：

50、yscale() —— 指定y轴线性刻度、指数刻度

参数取值linear/log，指定线性或对数刻度

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.yscale('log')
plt.show()

操作结果：

51、xticks() —— 获取或设置x轴刻度及对应标签

参考代码：

import matplotlib.pyplot as plt
import numpy as np
plt.plot([1,2,3,3])
plt.xticks( np.arange(5), ('2000', '2005', '2010', '2015', 'Future') )
plt.show()

操作结果：

52、yticks() —— 获取或设置y轴刻度及对应标签

参考代码：

import matplotlib.pyplot as plt
import numpy as np
plt.plot([1,2,3,3])
plt.yticks( np.arange(5), ('2000', '2005', '2010', '2015', 'Future') )
plt.show()

操作结果：

53、minorticks_on() —— 显示最小刻度线

参考代码：

import matplotlib.pyplot as plt
import numpy as np
plt.plot([1,2,3,3])
plt.minorticks_on()
plt.show()

操作结果：

54、minorticks_off() —— 隐藏最小刻度线

参考代码：

import matplotlib.pyplot as plt
import numpy as np
plt.plot([1,2,3,3])
plt.minorticks_on() # 展示最小刻度线
plt.minorticks_off() # 关闭最小刻度线
plt.show()

操作结果：

55、rgrids() —— 获取或设置极坐标网格

参考代码：

import matplotlib.pyplot as plt
plt.subplot(122, polar=True)
plt.rgrids((0.5, 1, 1.5), angle=0)
plt.show()

操作结果：

56、thetagrids() —— 获取或设置极坐标网格θ位置

待补充

57、get_plot_commands() —— 获取所有绘制命令的排序列表

参考代码：

import matplotlib.pyplot as plt
print(plt.get_plot_commands())

操作结果：

58、colormaps() —— 获取所有颜色

参考代码：

import matplotlib.pyplot as plt
print(plt.colormaps())

操作结果：

59、colorbar() —— 彩条标值

待补充

60、clim() —— 设置当前图像的颜色取值范围

文档说是载入图像后，设置两个参数，例如：

plt.clim(0, 0.5)

但实际测试没效果
待补充

在学习机器学习与PYTHON的相关内容中，接触到了pyplot这个子库，感觉非常有用，可是网络上的文章大部分都是比较零散的，于是打算按照官方文档，进行一个简单翻译与演示，详细记录一下该库的使用方法。这是本系列的第二篇，每篇大约讲解20个方法，但有些方法官方也未给出详细的用法，待以后使用中慢慢摸索后再补充。

二、方法介绍（21~40）

21、draw() —— 重新绘制当前figure

主要用于更新一个没有设置为自动更新的figure，应用于交互环境中

参考代码：待补充

22、savefig() —— 保存当前figure

来自于Figure.savefig类，用于将当前figure输出到postscript

基本格式：

savefig(fname, dpi=None, facecolor='w', edgecolor='w',
        orientation='portrait', papertype=None, format=None,
        transparent=False, bbox_inches=None, pad_inches=0.1,
        frameon=None)

参数说明：

dpi：[None | scalar>0] 每英寸的分辨率
facecolor,edgecolor：matplotlib色彩 figure图像颜色
orientation： ['landscape'|'portait'] 不支持所有的后台，目前只能在PostScript输出
papertype：'letter','legal','executive','ledger','a0' through 'a10', 'b0' throuth 'b10'等 纸张类型
format： png,pdf,ps,eps,svg等，扩展名
transparent：透明度
frameon：[True|False] 背景图是否现实
bbox_inches: 'tight' 边缘空白区域大小设置

参考代码：

import matplotlib.pyplot as plt
plt.figure(1)
plt.plot([1,3,3,8])
plt.savefig('D:\\python\\ML\\test')

操作结果（在指定目录生成了test.png图片）：

23、ginput() —— 交互式标注

可以利用该工具实现图像中点的拾取等操作

参考代码：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg  # 用于导入图片
print(plt.gci()) # 在未向plt中添加内容时，返回None
img = mpimg.imread('D:\\python\\ML\\test.png')  # 导入图片
plt.imshow(img)  # 将图片在plt中显示
print('Please click 3 porints') # 输出一个提示语句
x = plt.ginput(3)  # 捕获用户点击坐标
print(x) # 打印坐标

操作结果：

暂时请忽略这个报错。

24、waitforbuttonpress() —— 监听键盘按键

如果用户按的是键盘，返回True，如果是其他（如鼠标单击），则返回False

参考代码：

import matplotlib.pyplot as plt
plt.figure(1) # 创建figure
plt.grid() # 展示网格
print('Please enter a key') # 提示按键
a = plt.waitforbuttonpress() # 捕捉按键
print(a) # 打印捕捉返回结果

操作结果：

1、按下某个键盘按键，返回True

2、单击鼠标，返回False

25、figtext() —— 为figure添加文字

参考代码：

import matplotlib.pyplot as plt
plt.figure(1)
plt.figtext(0.5,0.5,'Hello!') # 前两个参数为坐标，取值范围0~1，0.5表示中间，第三个参数是文字内容
plt.show()

操作结果：

26、suptitle() —— 为figure添加总标题

参考代码：

import matplotlib.pyplot as plt
plt.figure(1)
plt.suptitle('Hello!')
plt.show()

操作结果：

27、figimage() —— 添加一个非重采样图像

[待补充]

28、figlegend(arg1,arg2,arg3) —— 为figure添加图例

参数说明：
arg1：一条Line2D实例
arg2：字符串，图例的说明
arg3：图例的位置，对应的位置如下图：

参考代码：

import matplotlib.pyplot as plt
plt.figure(1)
line = plt.plot([1,3,3,4]) # 生成一条Line2D
plt.figlegend(line,'a',10) # 将该图例设置为a，位置在中间
plt.show()

操作结果：

28、hold() —— 锁定当前状态

[待补充] 这里的锁定状态与坐标轴axes有关，看起来像是要锁定当前图像。但是在pyplot中，可以在不锁定的情况下继续绘制第二条线路并不影响。这个问题后边再说。

29、ishold() —— 返回锁定状态

[待补充] 还未研究透彻

30、over() —— 以Hold(True)的方式调用函数并保存当前状态

[待补充]

30、axes() —— 为figure添加axes（坐标轴）

参考代码：

import matplotlib.pyplot as plt
rect = [0.1,0.1,0.8,0.8] # [left,bottom,width,height]
plt.axes(rect,facecolor='y') # 生成坐标体系，取值范围rect，颜色：yellow
plt.show()

操作结果：

31、delaxes() —— 删除坐标轴

参考代码：

import matplotlib.pyplot as plt
rect = [0.1,0.1,0.8,0.8] # [left,bottom,width,height]
a = plt.axes(rect,facecolor='y') # 生成坐标体系，取值范围rect，颜色：yellow
plt.delaxes(a) # 删除黄色的坐标体系
a = plt.axes(rect,facecolor='b') # 生成坐标体系，取值范围rect，颜色：blue
plt.show()

操作结果：

32、sca() —— 为ax设置当前坐标轴

[待补充]

33、gca() —— 获取当前实例，用于设置属性

[待补充] 经测试，可以通过plt.gca() 捕获当前坐标体系，但无法通过set设置属性，也无法输出

34、subplot(行，列，序号，背景色) —— 在一个图表中绘制多个子图

注意序号决定了放在哪个格子中，从左到右、从上到下依次增加

演示代码：

import matplotlib.pyplot as plt
plt.subplot(1,2,1,axisbg = 'y') # 在一行两列格子中放置1号图，背景为黄色
plt.subplot(1,2,2,axisbg = 'b') # 在一行两列格子中放置2号图，背景为蓝色
plt.show()

操作结果：

35、supplots() —— 顾名思义，一次弄多张图

演示代码：

import matplotlib.pyplot as plt
plt.subplots(2,2)
plt.show()

操作结果：

36、subplot2grid() —— 在网格中创建subplot

演示代码：

import matplotlib.pyplot as plt
plt.subplot2grid((2,2),[0,1])  # 添加2行2列的网格，并将图形放置到1行2列[0,1]
plt.show()

操作结果：

37、twinx() —— 绘制与之前axes图轴共用x轴的axes，新的图将被放在右侧。如果ax=None，则覆盖ax，并返回ax2

演示代码：

import matplotlib.pyplot as plt
ax = plt.subplot2grid((1,2),[0,0])
plt.twinx(ax)
plt.show()

操作结果：

38、twiny() —— 使用方法类似twinx，不同的是变成了y轴

演示代码：

import matplotlib.pyplot as plt
plt.subplot2grid((1,2),[0,0])
plt.twinx()
plt.twiny()
plt.show()

操作结果：

39、subplots_adjust() —— 调整subplot布局

参数：subplots_adjust(left=None, bottom=None, right=None, top=None,
wspace=None, hspace=None)，参数取值[0,1]

参考代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.subplots_adjust(left=0.2, bottom=0.1, top=0.3)
plt.show()

操作结果：

40、subplot_tool() —— 打开图像的subplot工具窗口

可以通过点击蓝色进度条，调整图形参数。

演示代码：

import matplotlib.pyplot as plt
plt.plot([1,2,3,3])
plt.subplot_tool()
plt.show()

操作结果：

在学习机器学习与PYTHON的相关内容中，接触到了pyplot这个子库，感觉非常有用，可是网络上的文章大部分都是比较零散的，于是打算按照官方文档，进行一个简单翻译与演示，详细记录一下该库的使用方法。

一、pyplot简介

pyplot是matplotlib库的一个子库，提供了类似MATLAB的绘图方法，虽然没有MATLAB功能强大，但是对于想学习如何在PYTHON环境下练习机器学习的初学者来说，是一个比较方便的小工具。它主要用来绘制2D图表，例如：

通过对数据进行图形化展示（有点像EXCEL里生成折线图的功能），可以直观的了解数据的分布情况，更好的制定出学习方法。同时，它还可以展示出我们机器学习到的计算方法，了解其与实际情况是否相符等问题。如上图中的黄色虚线，是我通过学习算法得出了数据模拟走势。

二、方法介绍

1、show() —— 显示图形界面。

当我们将图形界面配置完成后，通过调用show()方法来展示界面。

参考代码：

import matplotlib.pyplot as plt # 从matplotlib库导入子库pyplot，缩写为plt
plt.grid() # 显示网格，后面介绍
plt.show() # 显示图形

效果如图所示：

2、isinteractive() —— 返回交互模式状态，布尔值

该命令的作用是返回一个布尔值（True OR False），以此确定交互模式的开关。
该命令决定了是否视图窗口绘图面板在每个pyplot命令后都绘制，如果为False，则每个命令后都更新（但只会在调用draw()命令后才进行绘制）。如果设置为True，则每个pyplot命令都会重新绘制。
该命令与以下四个命令配合密切：
ion() 打开交互模式
ioff() 关闭交互模式
draw() 强制窗口重新绘制

参考代码：暂无

3、ioff() —— 关闭交互模式

参考代码：

import matplotlib.pyplot as plt
print(plt.isinteractive()) # 默认返回False
plt.ion() # 打开交互模式
print(plt.isinteractive()) # 模式已打开，返回True
plt.ioff() # 关闭交互模式
print(plt.isinteractive()) # 模式已关闭，返回False

4、ion() —— 打开交互模式

参考代码：

同3、ioff()

5、pause() —— 暂停若干秒

该命令用于暂停运行，有点类似sleep，但不同之处在于，如果有活动的内容，暂停期间，GUI事件循环仍然会继续运行，就像一个简单的动画。当然，真正动画实现，请参考matplotlib库的animation子库。

参考代码：

import matplotlib.pyplot as plt
print('Pause start')
plt.pause(3) # 暂停3秒
print('Pause end')

效果如下：

6、rc、tc_context、rcdefaults，实际上是同步了matplotlib的同名子类，这里不说了，将来我们在相关文章中专门来说。

7、gci() —— 获取当前元素的基本属性（待编辑）

该命令功能不太明确，我尝试了一下，如果给plt中赋值了，那么会返回一个元组，里面包含图片尺寸等；如果plt为空，则返回None。

参考代码：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg  # 用于导入图片
print(plt.gci()) # 在未向plt中添加内容时，返回None
img = mpimg.imread('D:\\python\\test.png')  # 导入图片
plt.imshow(img)  # 将图片在plt中显示
plt.axis('off') # 关闭坐标轴
print(plt.gci()) # 打印当前plt中内容的属性，返回AxesImage(80,52.8;496x369.6)
plt.show() # 展示plt更直观的看到图像

操作结果：

8、sci() —— 设置当前图像（Set Current Image）（待编辑）

这张图片将作为地图的目标，类似于jet()方法，当前图像是当前轴的属性。
还不是很清楚怎么用。

9、setp() —— 设置或获取artist属性

比如设置一个线段的属性为短间隔线

参考代码：

import matplotlib.pyplot as plt
line = plt.plot([1,3,3,4]) # 设置一条趋势线
setp(line, linestyle='--') # 设置线的格式为短间隔线
plt.show() # 展示plt

操作结果：

10、xkcd() —— 素描风格绘图模式

他只会对你设置后的代码起作用，而且建议提前安装字体“Humor Sans”

参考代码：

import matplotlib.pyplot as plt
with plt.xkcd(): # 采用素描风格绘图模式
    plt.plot([1,3,3,4]) # 随意设置一组数字方便演示
    plt.show() # 展示内容

操作结果：

11、figure() —— 创建图表

用于创建图表，可创建多个，可通过参数指定序号/分辨率/背景色等信息

参考代码：

import matplotlib.pyplot as plt
plt.figure(1, dpi=100, facecolor='r') # 创建图表1，主色用红色r，分辨率100
plt.plot([1,3,3,4])  # 随意输入个折线
plt.grid() # 显示网格
plt.figure(2, dpi=70, facecolor='b') # 创建图表2，主色用蓝色b，分辨率70
plt.plot([1,3,3,4])
plt.grid()
plt.show()

操作结果：

12、gcf() —— 获取当前figure的尺寸

参考代码：

import matplotlib.pyplot as plt
plt.figure(1)
plt.grid()
print(plt.gcf()) # 返回： Figure(640×480)
plt.show()

操作结果：

13、fignum_exists(num) —— 判断figure编号是否存在，返回布尔值

参考代码：

import matplotlib.pyplot as plt
plt.figure(1)
print(plt.fignum_exists(1))  # 返回True
print(plt.fignum_exists(2))  # 返回False

操作结果：

14、get_fignums() —— 获取figures序号的数组

参考代码：

import matplotlib.pyplot as plt
plt.figure(1)
plt.figure(2)
plt.figure(3)
print(plt.get_fignums())

操作结果：

15、get_figlabels() —— 获取所有figures的标签的数组

未测试到理想结果。缺少相关参考文档。

16、get_current_fig_manager() —— 获取当前的figure的manager的ID

参考代码：

import matplotlib.pyplot as plt
plt.figure(1)
print(plt.get_current_fig_manager().num)
plt.figure(2)
print(plt.get_current_fig_manager().num)

操作结果：

17、connect() —— 作用暂未明确

该方法继承自：FigureCanvasBase.mpl_connect

18、disconnect() —— 作用暂未明确

该方法继承自：FigureCanvasBase.mpl_connect

19、close() —— 关闭figure窗口

参考代码：

import matplotlib.pyplot as plt
plt.figure(1) # 创建窗口1
plt.figure(2) # 创建窗口2
plt.grid() # 窗口增加网格
plt.close(1) # 关闭窗口1
plt.show() # 展示剩余窗口

操作结果：只有窗口2会展示出来，因为窗口1已经关闭了。可以尝试删掉plt.close(1)这一行再试，会发现窗口1和窗口2都被打开了。

20、clf() —— 清空当前窗口

参考代码：

import matplotlib.pyplot as plt
plt.figure(1) # 创建窗口1
plt.grid() # 增加网格
plt.clf() # 清空窗口
plt.show() # 展示窗口

操作结果：注意已经将窗口清空了，如果去掉plt.clf()一行，会发现网格还有展示