NumPy - Matplotlib

Matplotlib 是 Python 的繪相簿。 它可與 NumPy 一起使用，提供了一種有效的 MatLab 開源替代方案。 它也可以和圖形工具包一起使用，如 PyQt 和 wxPython。

Matplotlib 模組最初是由 John D. Hunter 編寫的。 自 2012 年以來，Michael Droettboom 是主要開發者。 目前，Matplotlib 1.5.1 是可用的穩定版本。 該軟體包可以二進位制分發，其原始碼形式在 www.matplotlib.org 上提供。

通常，通過新增以下語句將包匯入到 Python 指令碼中：

from matplotlib import pyplot as plt

這裡pyplot()是 matplotlib 庫中最重要的函式，用於繪製 2D 資料。 以下指令碼繪製方程y = 2x + 5：

範例

import numpy as np 
from matplotlib import pyplot as plt 

x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y) plt.show()

ndarray物件x由np.arange()函式建立為x軸上的值。y軸上的對應值儲存在另一個陣列物件y中。 這些值使用matplotlib軟體包的pyplot子模組的plot()函式繪製。

圖形由show()函式展示。

上面的程式碼應該產生以下輸出：

作為線性圖的替代，可以通過向plot()函式新增格式字串來顯示離散值。 可以使用以下格式化字元。

還定義了以下顏色縮寫。

要顯示圓來代表點，而不是上面範例中的線，請使用ob作為plot()函式中的格式字串。

範例

import numpy as np 
from matplotlib import pyplot as plt 

x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y,"ob") 
plt.show()

上面的程式碼應該產生以下輸出：

繪製正弦波

以下指令碼使用 matplotlib 生成正弦波圖。

範例

import numpy as np 
import matplotlib.pyplot as plt 
# 計算正弦曲線上點的 x 和 y 坐標
x = np.arange(0,  3  * np.pi,  0.1) 
y = np.sin(x)
plt.title("sine wave form")  
# 使用 matplotlib 來繪製點
plt.plot(x, y) 
plt.show()

subplot()

subplot()函式允許你在同一圖中繪製不同的東西。 在下面的指令碼中，繪製正弦和餘弦值。

範例

import numpy as np 
import matplotlib.pyplot as plt 
# 計算正弦和餘弦曲線上的點的 x 和 y 坐標 
x = np.arange(0,  3  * np.pi,  0.1) 
y_sin = np.sin(x) 
y_cos = np.cos(x)  
# 建立 subplot 網格，高為 2，寬為 1  
# 啟用第一個 subplot
plt.subplot(2,  1,  1)  
# 繪製第一個影象 
plt.plot(x, y_sin) 
plt.title('Sine')  
# 將第二個 subplot 啟用，並繪製第二個影象
plt.subplot(2,  1,  2) 
plt.plot(x, y_cos) 
plt.title('Cosine')  
# 展示影象
plt.show()

上面的程式碼應該產生以下輸出：

bar()

pyplot子模組提供bar()函式來生成條形圖。 以下範例生成兩組x和y陣列的條形圖。

範例

from matplotlib import pyplot as plt 
x =  [5,8,10] 
y =  [12,16,6] 
x2 =  [6,9,11] 
y2 =  [6,15,7] 
plt.bar(x, y, align =  'center') 
plt.bar(x2, y2, color =  'g', align =  'center') 
plt.title('Bar graph') 
plt.ylabel('Y axis') 
plt.xlabel('X axis') 
plt.show()