绘图库 Matplotlib 入门教程( 二 ) 前言本文的文字及图片来源于

因此，下面这段代码的结果是一样的：
import matplotlib.pyplot as pltimport numpy as np data = http://kandian.youth.cn/index/np.arange(100, 201)plt.subplot(211)plt.plot(data) data2 = np.arange(200, 301)plt.subplot(212)plt.plot(data2) plt.show()subplot函数的详细说明参见这里：matplotlib.pyplot.subplot
常用图形示例Matplotlib可以生成非常多的图形式样，多到令人惊叹的地步。大家可以在这里：Matplotlib Gallery 感受一下。
本文作为第一次的入门教程，我们先来看看最常用的一些图形的绘制。
线性图前面的例子中，线性图的横轴的点都是自动生成的，而我们很可能希望主动设置它。另外，线条我们可能也希望对其进行定制。看一下下面这个例子：
# plot.py import matplotlib.pyplot as plt plt.plot([1, 2, 3], [3, 6, 9], '-r')plt.plot([1, 2, 3], [2, 4, 9], ':g') plt.show()这段代码可以让我们得到这样的图形：
文章插图
这段代码说明如下：

plot函数的第一个数组是横轴的值，第二个数组是纵轴的值，所以它们一个是直线，一个是折线；
最后一个参数是由两个字符构成的，分别是线条的样式和颜色。前者是红色的直线，后者是绿色的点线。关于样式和颜色的说明请参见plot函数的API Doc：matplotlib.pyplot.plot

散点图scatter函数用来绘制散点图。同样，这个函数也需要两组配对的数据指定x和y轴的坐标。下面是一段代码示例：

# scatter.py import matplotlib.pyplot as pltimport numpy as np N = 20 plt.scatter(np.random.rand(N) * 100,np.random.rand(N) * 100,c='r', s=100, alpha=0.5) plt.scatter(np.random.rand(N) * 100,np.random.rand(N) * 100,c='g', s=200, alpha=0.5) plt.scatter(np.random.rand(N) * 100,np.random.rand(N) * 100,c='b', s=300, alpha=0.5) plt.show()

这段代码说明如下：

这幅图包含了三组数据，每组数据都包含了20个随机坐标的位置
参数c表示点的颜色， s是点的大小， alpha是透明度

这段代码绘制的图形如下所示：

文章插图
scatter函数的详细说明参见这里：matplotlib.pyplot.scatter
饼状图pie函数用来绘制饼状图。饼状图通常用来表达集合中各个部分的百分比。
【绘图库 Matplotlib 入门教程】

# pie.py import matplotlib.pyplot as pltimport numpy as np labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'] data = http://kandian.youth.cn/index/np.random.rand(7) * 100 plt.pie(data, labels=labels, autopct='%1.1f%%')plt.axis('equal')plt.legend() plt.show()

这段代码说明如下：

data是一组包含7个数据的随机数值
图中的标签通过labels来指定
autopct指定了数值的精度格式
plt.axis('equal')设置了坐标轴大小一致
plt.legend()指明要绘制图例（见下图的右上角）

这段代码输出的图形如下所示：

文章插图
pie函数的详细说明参见这里：matplotlib.pyplot.pie
条形图bar函数用来绘制条形图。条形图常常用来描述一组数据的对比情况，例如：一周七天，每天的城市车流量。
下面是一个代码示例：

# bar.py import matplotlib.pyplot as pltimport numpy as np N = 7 x = np.arange(N)data = http://kandian.youth.cn/index/np.random.randint(low=0, high=100, size=N)colors = np.random.rand(N * 3).reshape(N, -1)labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'] plt.title("Weekday Data")plt.bar(x, data, alpha=0.8, color=colors, tick_label=labels)plt.show()

这段代码说明如下：

这幅图展示了一组包含7个随机数值的结果，每个数值是[0, 100]的随机数
它们的颜色也是通过随机数生成的。 np.random.rand(N * 3).reshape(N, -1)表示先生成21（N x 3）个随机数，然后将它们组装成7行，那么每行就是三个数，这对应了颜色的三个组成部分。如果不理解这行代码，请先学习一下Python 机器学习库 NumPy 教程
title指定了图形的标题， labels指定了标签， alpha是透明度

这段代码输出的图形如下所示：

文章插图
bar函数的详细说明参见这里：matplotlib.pyplot.bar
直方图hist函数用来绘制直方图。直方图看起来是条形图有些类似。但它们的含义是不一样的，直方图描述了数据中某个范围内数据出现的频度。这么说有些抽象，我们通过一个代码示例来描述就好理解了：