matplotlib绘图实例：pyplot、pylab模块及作图参数

阳光穿透心脏的1/2处 2022-09-26 08:44 112阅读 0赞

http://[blog.csdn.net/pipisorry/article/details/40005163][blog.csdn.net_pipisorry_article_details_40005163]

# **Matplotlib.pyplot绘图实例** #

\{使用pyplot模块\}

## matplotlib绘制直线、条形/矩形区域 ##

import numpy as np
    import matplotlib.pyplot as plt
    t = np.arange(-1, 2, .01)
    s = np.sin(2 * np.pi * t)
    
    plt.plot(t,s)
    # draw a thick red hline at y=0 that spans the xrange
    l = plt.axhline(linewidth=4, color='r')
    plt.axis([-1, 2, -1, 2])
    plt.show()
    plt.close()
    
    # draw a default hline at y=1 that spans the xrange
    plt.plot(t,s)
    l = plt.axhline(y=1, color='b')
    plt.axis([-1, 2, -1, 2])
    plt.show()
    plt.close()
    
    # draw a thick blue vline at x=0 that spans the upper quadrant of the yrange
    plt.plot(t,s)
    l = plt.axvline(x=0, ymin=0, linewidth=4, color='b')
    plt.axis([-1, 2, -1, 2])
    plt.show()
    plt.close()
    
    # draw a default hline at y=.5 that spans the the middle half of the axes
    plt.plot(t,s)
    l = plt.axhline(y=.5, xmin=0.25, xmax=0.75)
    plt.axis([-1, 2, -1, 2])
    plt.show()
    plt.close()
    
    plt.plot(t,s)
    p = plt.axhspan(0.25, 0.75, facecolor='0.5', alpha=0.5)
    p = plt.axvspan(1.25, 1.55, facecolor='g', alpha=0.5)
    plt.axis([-1, 2, -1, 2])
    plt.show()

效果图展示

![Center][]

**Note**: 设置直线对应位置的值显示：plt.text(max\_x, 0, str(round(max\_x, 2)))，也就是直接在指定坐标写文字，不知道有没有其它方法？

\[[matplotlib.pyplot.axhline][]\]

**另一种绘制直线的方式**

plt.hlines(hline, xmin=plt.gca().get_xlim()[0], xmax=plt.gca().get_xlim()[1], linestyles=line_style, colors=color)

## 直方图 ##

plt.hist(songs_plays, bins=50,range=(0, 50000), color='lightblue',normed=True)

Note: normed是将y坐标按比例绘图，而不是数目。

![Center 1][]

### hist转换成plot折线图 ###

plt.hist直接绘制数据是hist图

plt.hist(z, bins=500, normed=True)

hist图转换成折线图

cnts, bins = np.histogram(z, bins=500, normed=True)
    bins = (bins[:-1] + bins[1:]) / 2
    plt.plot(bins, cnts)

\[ [numpy教程 - 统计函数][numpy_ -]:histogram\]

## 散点图、梯形图、柱状图、填充图 ##

#### 散列图scatter() ####

使用plot()绘图时，如果指定样式参数为仅绘制数据点，那么所绘制的就是一幅散列图。但是这种方法所绘制的点无法单独指定颜色和大小。  
scatter()所绘制的散列图却可以指定每个点的颜色和大小。  
scatter()的前两个参数是数组，分别指定每个点的X轴和Y轴的坐标。  
s参数指定点的大 小，值和点的面积成正比。它可以是一个数，指定所有点的大小；也可以是数组，分别对每个点指定大小。  
c参数指定每个点的颜色，可以是数值或数组。这里使用一维数组为每个点指定了一个数值。通过颜色映射表，每个数值都会与一个颜色相对应。默认的颜色映射表中蓝色与最小值对应，红色与最大值对应。当c参数是形状为(N,3)或(N,4)的二维数组时，则直接表示每个点的RGB颜色。  
marker参数设置点的形状，可以是个表示形状的字符串，也可以是表示多边形的两个元素的元组，第一个元素表示多边形的边数，第二个元素表示多边形的样式，取值范围为0、1、2、3。0表示多边形，1表示星形，2表示放射形，3表示忽略边数而显示为圆形。  
alpha参数设置点的透明度。  
lw参数设置线宽，lw是line width的缩写。  
facecolors参数为“none”时，表示散列点没有填充色。

#### 柱状图bar() ####

用每根柱子的长度表示值的大小，它们通常用来比较两组或多组值。  
bar()的第一个参数为每根柱子左边缘的横坐标;第二个参数为每根柱子的高度;第三个参数指定所有柱子的宽度,当第三个参数为序列时，可以为每根柱子指定宽度。bar()不自动修改颜色。

n = np.array([0,1,2,3,4,5])
    x = np.linspace(-0.75, 1., 100)
    
    fig, axes = plt.subplots(1, 4, figsize=(12,3))
    
    axes[0].scatter(x, x + 0.25*np.random.randn(len(x)))
    
    axes[1].step(n, n**2, lw=2)
    
    axes[2].bar(n, n**2, align="center", width=0.5, alpha=0.5)
    
    axes[3].fill_between(x, x**2, x**3, color="green", alpha=0.5);

![05211807-fa2c87b28c0046d2843cea6eb2c88a4a.png][]

**Note**: axes子图设置title: axes.set\_title("bar plot")

## 散点图（改变颜色，大小） ##

import numpy as np import matplotlib.pyplot as plt

N = 50  
x = np.random.rand(N)  
y = np.random.rand(N)  
area = np.pi \* (15 \* np.random.rand(N))\*\*2 \# 0 to 15 point radiuses  
color = 2 \* np.pi \* np.random.rand(N)  
plt.scatter(x, y, s=area, c=color, alpha=0.5, cmap=plt.cm.hsv)  
plt.show()

![05221518-29b09cba9e0b4c76b434940c239ff1a2.png][]

**matplotlib绘制散点图给点加上注释**

plt.scatter(data_arr[:, 0], data_arr[:, 1], c=class_labels)
    for i, class_label in enumerate(class_labels):
        plt.annotate(class_label, (data_arr[:, 0][i], data_arr[:, 1][i]))

\[ [matplotlib scatter plot with different text at each data point][]\]

\[[matplotlib.pyplot.scatter][]\]

## 对数坐标图 ##

plot()所绘制图表的X-Y轴坐标都是算术坐标。  
绘制对数坐标图的函数有三个：semilogx()、semilogy()和loglog(),它们分别绘制X轴为对数坐标、Y轴为对数坐标以及两个轴都为对数坐标时的图表。  
下面的程序使用4种不同的坐标系绘制低通滤波器的频率响应曲线。  
其中，左上图为plot()绘制的算术坐标系，右上图为semilogx()绘制的X轴对数坐标系，左下图 为semilogy()绘制的Y轴对数坐标系，右下图为loglog()绘制的双对数坐标系。使用双对数坐标系表示的频率响应曲线通常被称为波特图。  
import numpy as np  
import matplotlib.pyplot as plt  
  
w = np.linspace(0.1, 1000, 1000)  
p = np.abs(1/(1+0.1j\*w)) \# 计算低通滤波器的频率响应  
plt.subplot(221)  
plt.plot(w, p, linewidth=2)  
plt.ylim(0,1.5)  
  
plt.subplot(222)  
plt.semilogx(w, p, linewidth=2)  
plt.ylim(0,1.5)  
  
plt.subplot(223)  
plt.semilogy(w, p, linewidth=2)  
plt.ylim(0,1.5)  
  
plt.subplot(224)  
plt.loglog(w, p, linewidth=2)  
plt.ylim(0,1.5)  
  
plt.show()  
![Center 2][]

## 极坐标图 ##

极坐标系是和笛卡尔(X-Y)坐标系完全不同的坐标系，极坐标系中的点由一个夹角和一段相对中心点的距离来表示。polar(theta, r, \*\*kwargs)  
可以polar()直接创建极坐标子图并在其中绘制曲线。也可以使用程序中调用subplot()创建子图时通过设 polar参数为True,创建一个极坐标子图，然后调用plot()在极坐标子图中绘图。

### 示例1    ###

fig = plt.figure()  
ax = fig.add\_axes(\[0.0, 0.0, .6, .6\], polar=True)  
t = linspace(0, 2 \* pi, 100)  
ax.plot(t, t, color='blue', lw=3);

![05211943-37950a5e0d6c4c64b8951a242fb160d5.png][]

### 示例2 ###

import numpy as np  
import matplotlib.pyplot as plt  
  
theta = np.arange(0, 2\*np.pi, 0.02)  
plt.subplot(121, polar=True)  
plt.plot(theta, 1.6\*np.ones\_like(theta), linewidth=2) \#绘制同心圆  
plt.plot(3\*theta, theta/3, "--", linewidth=2)  
  
plt.subplot(122, polar=True)  
plt.plot(theta, 1.4\*np.cos(5\*theta), "--", linewidth=2)  
plt.plot(theta, 1.8\*np.cos(4\*theta), linewidth=2)  
plt.rgrids(np.arange(0.5, 2, 0.5), angle=45)  
plt.thetagrids(\[0, 45\])  
  
plt.show()  
Note:rgrids()设置同心圆栅格的半径大小和文字标注的角度。因此右图中的虚线圆圈有三个， 半径分别为0.5、1.0和1.5,这些文字沿着45°线排列。  
Thetagrids()设置放射线栅格的角度， 因此右图中只有两条放射线，角度分别为0°和45°。

![Center 3][]

\[[matplotlib.pyplot.polar(\*args, \*\*kwargs)][matplotlib.pyplot.polar_args_ _kwargs]\]

## 等值线图 ##

### 使用等值线图表示二元函数z=f(x,y) ###

所谓等值线，是指由函数值相等的各点连成的平滑曲线。等值线可以直观地表示二元函数值的变化趋势，例如等值线密集的地方表示函数值在此处的变化较大。  
matplotlib中可以使用contour()和contourf()描绘等值线，它们的区别是：contourf()所得到的是带填充效果的等值线。  
import numpy as np  
import matplotlib.pyplot as plt  
  
y, x = np.ogrid\[-2:2:200j, -3:3:300j\]  
z = x \* np.exp( - x\*\*2 - y\*\*2)  
  
extent = \[np.min(x), np.max(x), np.min(y), np.max(y)\]  
  
plt.figure(figsize=(10,4))  
plt.subplot(121)  
cs = plt.contour(z, 10, extent=extent)  
plt.clabel(cs)  
plt.subplot(122)  
plt.contourf(x.reshape(-1), y.reshape(-1), z, 20)  
plt.show()  
为了更淸楚地区分X轴和Y轴，这里让它们的取值范围和等分次数均不相同.这样得 到的数组z的形状为(200, 300),它的第0轴对应Y轴、第1轴对应X轴。  
调用**contour**()绘制数组z的等值线图，第二个参数为10,表示将整个函数的取值范围等分为10个区间,即显示的等值线图中将有9条等值线。可以使用extent参数指定等值线图的X轴和Y轴的数据范围。  
contour()所返回的是一个QuadContourSet对象， 将它传递给clabel(),为其中的等值线标上对应的值。  
调用**contourf**(),绘制将取值范围等分为20份、带填充效果的等值线图。这里演示了另外一种设置X、Y轴取值范围的方法，它的前两个参数分别是计算数组z时所使用的X轴和Y轴上的取样点,这两个数组必须是一维的。  
![Center 4][]

### 使用等值线绘制隐函数f(x,y)=0曲线 ###

显然，无法像绘制一般函数那样，先创建一个等差数组表示变量的取值点，然后计算出数组中每个x所对应的y值。

可以使用等值线解决这个问题，显然隐函数的曲线就是值等于0的那条等值线。  
程序绘制函数在f(x,y)=0和 f(x,y)-0.1 = 0时的曲线。  
import numpy as np  
import matplotlib.pyplot as plt  
  
y, x = np.ogrid\[-1.5:1.5:200j, -1.5:1.5:200j\]  
f = (x\*\*2 + y\*\*2)\*\*4 - (x\*\*2 - y\*\*2)\*\*2  
plt.figure(figsize=(9,4))  
plt.subplot(121)  
extent = \[np.min(x), np.max(x), np.min(y), np.max(y)\]  
cs = plt.contour(f, extent=extent, levels=\[0, 0.1\], colors=\["b", "r"\], linestyles=\["solid", "dashed"\], linewidths=\[2, 2\])  
plt.subplot(122)  
for c in **cs.collections**:  
    data = c.get\_paths()\[0\].vertices  
    plt.plot(data\[:,0\], data\[:,1\], color=c.get\_color()\[0\], linewidth=c.get\_linewidth()\[0\])  
  
plt.show()

![Center 5][]

contour() levels参数指定所绘制等值线对应的函数值，这里设置levels参数为\[0，0.1\],因此最终将绘制两条等值线。  
观察图会发现，表示隐函数f(x)=0蓝色实线并不是完全连续的，在图的中间部分它由许多孤立的小段构成。因为等值线在原点附近无限靠近，因此无论对函数f的取值空间如何进行细分，总是会有无法分开的地方，最终造成了图中的那些孤立的细小区域。

而表示隐函数f(x,y)=0的红色虚线则是闭合且连续的。

### contour()返回对象QuadContourSet ###

可以通过contour()返回对象获得等值线上每点的数据，下面我们在IPython中观察变量cs,它是一个 QuadContourSet 对象：  
cs对象的collections属性是一个等值线列表，每条等值线用一个LineCollection对象表示：  
>>> cs.collections  
<a list of 2 collections.LineCollection objects>  
每个LineCollection对象都有它自己的颜色、线型、线宽等属性，注意这些属性所获得的结果外面还有一层封装，要获得其第0个元素才是真正的配置：  
>>> c0.get\_color()\[0\]  
array(\[ 0., 0., 1., 1.\])  
>>> c0.get\_linewidth()\[0\]  
2  
由类名可知，LineCollection对象是一组曲线的集合，因此它可以表示像蓝色实线那样由多条线构成的等值线。它的get\_paths()方法获得构成等值线的所有路径，本例中蓝色实线  
所表示的等值线由42条路径构成：  
>>> len(cs.collections\[0\].get\_paths())  
42  
路径是一个Path对象，通过它的vertices属性可以获得路径上所有点的坐标:  
>>> path = cs.collections\[0\].get\_paths()\[0\]  
>>> type(path)  
<class 'matplotlib.path.Path'>  
>>> path.vertices  
array(\[\[-0.08291457, -0.98938936\],  
\[-0.09039269, -0.98743719\],  
…,  
\[-0.08291457, -0.98938936\]\])  
上面的程序plt.subplot(122)就是从等值线集合cs中找到表示等值线的路径，并使用plot()将其绘制出来。

[皮皮blog][blog]

# Matplotlib.pylab绘图实例 #

\{使用pylab模块\}

matplotlib还提供了一个名为pylab的模块，其中包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块：

>>> import pylab as pl

**Note**:import pyplot as plt也同样可以   
**两种常用图类型**  
Line and scatter plots(使用plot()命令), histogram(使用hist()命令)

**1 折线图&散点图 Line and scatter plots**

**折线图 Line plots(关联一组x和y值的直线)**

import numpy as np

import pylab as pl

x = [1, 2, 3, 4, 5]# Make an array of x values

y = [1, 4, 9, 16, 25]# Make an array of y values for each x value

pl.plot(x, y)# use pylab to plot x and y

pl.show()# show the plot on the screen

[![image][]][image 1]

**散点图 Scatter plots**

把pl.plot(x, y)改成pl.plot(x, y, 'o')

[![image][image 2]][image_image 2]

美化 Making things look pretty

**线条颜色 Changing the line color**

红色：把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)

**线条样式 Changing the line style**

虚线:plot(x,y, '--')

**marker样式 Changing the marker style**

蓝色星型markers：plot(x,y, ’b\*’)

**具体见附录**  \- matplotlib中的作图参数

**图和轴标题以及轴坐标限度 Plot and axis titles and limits**

import numpy as np

import pylab as pl

x = [1, 2, 3, 4, 5]# Make an array of x values

y = [1, 4, 9, 16, 25]# Make an array of y values for each x value

pl.plot(x, y)# use pylab to plot x and y

pl.title(’Plot of y vs. x’)# give plot a title

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

pl.xlim(0.0, 7.0)# set axis limits

pl.ylim(0.0, 30.)

pl.show()# show the plot on the screen

[![image][image 3]][image_image 3]

**一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes**

依次作图即可

import numpy as np

import pylab as pl

x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph

y1 = [1, 4, 9, 16, 25]

x2 = [1, 2, 4, 6, 8]

y2 = [2, 4, 8, 12, 16]

pl.plot(x1, y1, ’r’)# use pylab to plot x and y

pl.plot(x2, y2, ’g’)

pl.title(’Plot of y vs. x’)# give plot a title

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

pl.xlim(0.0, 9.0)# set axis limits

pl.ylim(0.0, 30.)

pl.show()# show the plot on the screen

[![image][image 4]][image_image 4]

**图例 Figure legends**

pl.legend((plot1, plot2), (’label1, label2’),*loc*='best’, numpoints=1)

第三个参数*loc*=表示图例放置的位置:'best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.

如果在当前figure里plot的时候已经指定了label，如plt.plot(x,z,label="cos(x2)")，直接调用plt.legend()就可以了。

import numpy as np

import pylab as pl

x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph

y1 = [1, 4, 9, 16, 25]

x2 = [1, 2, 4, 6, 8]

y2 = [2, 4, 8, 12, 16]

plot1 = pl.plot(x1, y1, ’r’)# use pylab to plot x and y : Give your plots names

plot2 = pl.plot(x2, y2, ’go’)

pl.title(’Plot of y vs. x’)# give plot a title

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

pl.xlim(0.0, 9.0)# set axis limits

pl.ylim(0.0, 30.)

pl.legend([plot1, plot2], (’red line’, ’green circles’), ’best’, numpoints=1)# make legend

pl.show()# show the plot on the screen

[![image][image 5]][image_image 5]

**2 直方图 Histograms**

import numpy as np

import pylab as pl

# make an array of random numbers with a gaussian distribution with

# mean = 5.0

# rms = 3.0

# number of points = 1000

data = np.random.normal(5.0, 3.0, 1000)

# make a histogram of the data array

pl.hist(data)

# make plot labels

pl.xlabel(’data’)

pl.show()

如果不想要黑色轮廓可以改为pl.hist(data, histtype=’stepfilled’)

[![image][image 6]][image_image 6]

**自定义直方图bin宽度 Setting the width of the histogram bins manually**

增加两行

bins = np.arange(-5., 16., 1.) \#浮点数版本的range  
pl.hist(data, bins, histtype=’stepfilled’)

[![image][image 7]][image_image 7]

**同一画板上绘制多幅子图 Plotting more than one axis per canvas**

如果需要同时绘制多幅图表的话，可以是给figure传递一个整数参数指定图标的序号，如果所指定  
序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。

fig1 = pl.figure(1)  
pl.subplot(211)  
subplot(211)把绘图区域等分为2行\*1列共两个区域, 然后在区域1(上区域)中创建一个轴对象. pl.subplot(212)在区域2(下区域)创建一个轴对象。  
[![image][image 8]][image_image 8]

You can play around with plotting a variety of layouts. For example, Fig. 11 is created using the following commands:

f1 = pl.figure(1)  
pl.subplot(221)  
pl.subplot(222)  
pl.subplot(212)

[![image][image 9]][image_image 9]

当绘图对象中有多个轴的时候，可以通过工具栏中的Configure Subplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话，可以调用subplots\_adjust函数，它有left, right, bottom, top, wspace, hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。

pl.subplots\_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)

[皮皮blog][blog]

# **绘制圆形Circle和椭圆Ellipse** #

**1. 调用包函数**

**\[python\]** [ view plain][view plain] [ copy][view plain] [ print][view plain] [?][view plain] [![在CODE上查看代码片][CODE]][CODE_CODE] [![派生到我的代码片][ico_fork.svg]][ico_fork.svg 1]

1.  \#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#  
2.  \#   coding=utf-8  
3.  \#   !/usr/bin/env python  
4.  \#   \_\_author\_\_ = 'pipi'  
5.  \#   ctime 2014.10.11  
6.  \#   绘制椭圆和圆形  
7.  \#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#\#  
8.  from matplotlib.patches import Ellipse, Circle  
9.  import matplotlib.pyplot as plt  
10.   
11. fig = plt.figure()  
12. ax = fig.add\_subplot(111)  
13.   
14. ell1 = Ellipse(xy = (0.0, 0.0), width = 4, height = 8, angle = 30.0, facecolor= 'yellow', alpha=0.3)  
15. cir1 = Circle(xy = (0.0, 0.0), radius=2, alpha=0.5)  
16. ax.add\_patch(ell1)  
17. ax.add\_patch(cir1)  
18.   
19. x, y = 0, 0  
20. ax.plot(x, y, 'ro')  
21.   
22. plt.axis('scaled')  
23. \# ax.set\_xlim(-4, 4)  
24. \# ax.set\_ylim(-4, 4)  
25. plt.axis('equal')   \#changes limits of x or y axis so that equal increments of x and y have the same length  
26.   
27. plt.show()

**参见Matplotlib.pdf Release 1.3.1文档**

p187

18.7 **Ellipses** (see arc)

p631class matplotlib.patches.**Ellipse**(xy, width, height, angle=0.0, \*\*kwargs)Bases: matplotlib.patches.PatchA scale-free ellipse.xy center of ellipsewidth total length (diameter) of horizontal axisheight total length (diameter) of vertical axisangle rotation in degrees (anti-clockwise)p626class matplotlib.patches.**Circle**(xy, radius=5, \*\*kwargs)

**或者参见Matplotlib.pdf Release 1.3.1文档contour绘制圆**

1.  \#coding=utf-8  
2.  import numpy as np  
3.  import matplotlib.pyplot as plt  
4.    
5.  x = y = np.arange(-4, 4, 0.1)  
6.  x, y = np.meshgrid(x,y)  
7.  plt.contour(x, y, x\*\*2 + y\*\*2, \[9\])     \#x\*\*2 + y\*\*2 = 9 的圆形  
8.    
9.  plt.axis('scaled')  
10. plt.show()

p478  
Axes3D. **contour**(X, Y, Z, \*args, \*\*kwargs)  
Create a 3D contour plot.  
Argument Description  
X, Y, Data values as numpy.arrays  
Z  
extend3d  
stride  
zdir  
offset  
Whether to extend contour in 3D (default: False)  
Stride (step size) for extending contour  
The direction to use: x, y or z (default)  
If specified plot a projection of the contour lines on this position in plane normal to zdir  
The positional and other

p1025

matplotlib.pyplot.**axis**(\*v, \*\*kwargs)  
Convenience method to get or set axis properties.

或者参见demo【[pylab\_examples example code: ellipse\_demo.py][pylab_examples example code_ ellipse_demo.py]】

**2. 直接绘制**

1.  \#coding=utf-8  
2.  ''''' 
3.  Created on Jul 14, 2014 
4.  @author: pipi 
5.  '''  
6.  from math import pi  
7.  from numpy import cos, sin  
8.  from matplotlib import pyplot as plt  
9.    
10. if \_\_name\_\_ == '\_\_main\_\_':      
11.     '''''plot data margin'''  
12.     angles\_circle = \[i\*pi/180 for i in range(0,360)\]                 \#i先转换成double  
13.     \#angles\_circle = \[i/np.pi for i in np.arange(0,360)\]             \# <=>   
14.     \# angles\_circle = \[i/180\*pi for i in np.arange(0,360)\]    X  
15.     x = cos(angles\_circle)  
16.     y = sin(angles\_circle)  
17.     plt.plot(x, y, 'r')  
18.       
19.     plt.axis('equal')  
20.     plt.axis('scaled')  
21.     plt.show()

\[[http://www.zhihu.com/question/25273956/answer/30466961?group\_id=897309766\#comment-61590570][http_www.zhihu.com_question_25273956_answer_30466961_group_id_897309766_comment-61590570]\]

[皮皮blog][blog]

# **绘图小技巧** #

### 控制坐标轴的显示——使x轴显示名称字符串而不是数字的两种方法 ###

plt.xticks(range(len(list)), x, rotation='vertical')

**Note**:x代表一个字符串列表，如x轴上要显示的名称。

axes.set\_xticklabels(x, rotation='horizontal', lod=True)

**Note**:这里axes是plot的一个subplot()

\[[控制坐标轴的显示——set\_xticklabels][set_xticklabels]\]

### **获取x轴上坐标最小最大值** ###

xmin， xmax = plt.gca().get\_xlim()

### 在指定坐标写文字 ###

plt.text(max_x, 0, str(round(max_x, 2)))

其他进阶\[[matplotlib绘图进阶][matplotlib]\]

[皮皮blog][blog]

# **附录 - matplotlib中的作图参数** #

a set of tables that show main properties and styles  
在IPython中输入 "plt.plot?" 可以查看格式化字符串的详细配置。

**颜色（color 简写为 c）：**

*  蓝色： 'b' (blue)
 *  绿色： 'g' (green)
 *  红色： 'r' (red)
 *  蓝绿色(墨绿色)： 'c' (cyan)
 *  红紫色(洋红)： 'm' (magenta)
 *  黄色： 'y' (yellow)
 *  黑色： 'k' (black)
 *  白色： 'w' (white)
 *  灰度表示： e.g. 0.75 (\[0,1\]内任意浮点数)
 *  RGB表示法： e.g. '\#2F4F4F' 或 (0.18, 0.31, 0.31)
 *  任意合法的html中的颜色表示： e.g. 'red', 'darkslategray'

\[[Colormaps][]\]

## 线属性Line properties ##

<table>      
 <thead> 
  <tr> 
   <th>Property</th> 
   <th>Description</th> 
   <th>Appearance</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>alpha (or a)</td> 
   <td>alpha transparency on 0-1 scale</td> 
   <td><img alt="figures/alpha.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/alpha.png"></td> 
  </tr> 
  <tr> 
   <td>antialiased</td> 
   <td>True or False - use antialised rendering</td> 
   <td><img alt="figures/aliased.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/aliased.png"><img alt="figures/antialiased.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/antialiased.png"></td> 
  </tr> 
  <tr> 
   <td>color (or c)</td> 
   <td>matplotlib color arg</td> 
   <td><img alt="figures/color.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/color.png"></td> 
  </tr> 
  <tr> 
   <td>linestyle (or ls)</td> 
   <td>see <a href="http://www.labri.fr/perso/nrougier/teaching/matplotlib/#line-properties" rel="nofollow"> Line properties</a></td> 
   <td>&nbsp;</td> 
  </tr> 
  <tr> 
   <td>linewidth (or lw)</td> 
   <td>float, the line width in points</td> 
   <td><img alt="figures/linewidth.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linewidth.png"></td> 
  </tr> 
  <tr> 
   <td>solid_capstyle</td> 
   <td>Cap style for solid lines</td> 
   <td><img alt="figures/solid_capstyle.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/solid_capstyle.png"></td> 
  </tr> 
  <tr> 
   <td>solid_joinstyle</td> 
   <td>Join style for solid lines</td> 
   <td><img alt="figures/solid_joinstyle.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/solid_joinstyle.png"></td> 
  </tr> 
  <tr> 
   <td>dash_capstyle</td> 
   <td>Cap style for dashes</td> 
   <td><img alt="figures/dash_capstyle.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/dash_capstyle.png"></td> 
  </tr> 
  <tr> 
   <td>dash_joinstyle</td> 
   <td>Join style for dashes</td> 
   <td><img alt="figures/dash_joinstyle.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/dash_joinstyle.png"></td> 
  </tr> 
  <tr> 
   <td>marker</td> 
   <td>see <a href="http://www.labri.fr/perso/nrougier/teaching/matplotlib/#markers" rel="nofollow"> Markers</a></td> 
   <td>&nbsp;</td> 
  </tr> 
  <tr> 
   <td>markeredgewidth (mew)</td> 
   <td>line width around the marker symbol</td> 
   <td><img alt="figures/mew.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/mew.png"></td> 
  </tr> 
  <tr> 
   <td>markeredgecolor (mec)</td> 
   <td>edge color if a marker is used</td> 
   <td><img alt="figures/mec.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/mec.png"></td> 
  </tr> 
  <tr> 
   <td>markerfacecolor (mfc)</td> 
   <td>face color if a marker is used</td> 
   <td><img alt="figures/mfc.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/mfc.png"></td> 
  </tr> 
  <tr> 
   <td>markersize (ms)</td> 
   <td>size of the marker in points</td> 
   <td><img alt="figures/ms.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/ms.png"></td> 
  </tr> 
 </tbody> 
</table>

## 线型Line styles（简写为 ls）： ##

*  实线： '-'
 *  虚线： '--'
 *  虚点线： '-.'
 *  点线： ':'
 *  点： '.'

<table>      
 <thead> 
  <tr> 
   <th>Symbol</th> 
   <th>Description</th> 
   <th>Appearance</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>-</td> 
   <td>solid line</td> 
   <td><img alt="figures/linestyle--.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle--.png"></td> 
  </tr> 
  <tr> 
   <td><span>--</span></td> 
   <td>dashed line</td> 
   <td><img alt="figures/linestyle---.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle---.png"></td> 
  </tr> 
  <tr> 
   <td><span>-.</span></td> 
   <td>dash-dot line</td> 
   <td><img alt="figures/linestyle--dot.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle--dot.png"></td> 
  </tr> 
  <tr> 
   <td>:</td> 
   <td>dotted line</td> 
   <td><img alt="figures/linestyle-:.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-:.png"></td> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td>points</td> 
   <td><img alt="figures/linestyle-dot.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-dot.png"></td> 
  </tr> 
  <tr> 
   <td>,</td> 
   <td>pixels</td> 
   <td><img alt="figures/linestyle-,.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-,.png"></td> 
  </tr> 
  <tr> 
   <td>o</td> 
   <td>circle</td> 
   <td><img alt="figures/linestyle-o.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-o.png"></td> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td>triangle up</td> 
   <td><img alt="figures/linestyle-^.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-%5E.png"></td> 
  </tr> 
  <tr> 
   <td>v</td> 
   <td>triangle down</td> 
   <td><img alt="figures/linestyle-v.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-v.png"></td> 
  </tr> 
  <tr> 
   <td>&lt;</td> 
   <td>triangle left</td> 
   <td><img alt="figures/linestyle-<.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-%3C.png"></td> 
  </tr> 
  <tr> 
   <td>&gt;</td> 
   <td>triangle right</td> 
   <td><img alt="figures/linestyle->.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-%3E.png"></td> 
  </tr> 
  <tr> 
   <td>s</td> 
   <td>square</td> 
   <td><img alt="figures/linestyle-s.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-s.png"></td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>plus</td> 
   <td><img alt="figures/linestyle-+.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-+.png"></td> 
  </tr> 
  <tr> 
   <td>x</td> 
   <td>cross</td> 
   <td><img alt="figures/linestyle-x.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-x.png"></td> 
  </tr> 
  <tr> 
   <td>D</td> 
   <td>diamond</td> 
   <td><img alt="figures/linestyle-dd.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-dd.png"></td> 
  </tr> 
  <tr> 
   <td>d</td> 
   <td>thin diamond</td> 
   <td><img alt="figures/linestyle-d.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-d.png"></td> 
  </tr> 
  <tr> 
   <td>1</td> 
   <td>tripod down</td> 
   <td><img alt="figures/linestyle-1.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-1.png"></td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>tripod up</td> 
   <td><img alt="figures/linestyle-2.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-2.png"></td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>tripod left</td> 
   <td><img alt="figures/linestyle-3.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-3.png"></td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>tripod right</td> 
   <td><img alt="figures/linestyle-4.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-4.png"></td> 
  </tr> 
  <tr> 
   <td>h</td> 
   <td>hexagon</td> 
   <td><img alt="figures/linestyle-h.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-h.png"></td> 
  </tr> 
  <tr> 
   <td>H</td> 
   <td>rotated hexagon</td> 
   <td><img alt="figures/linestyle-hh.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-hh.png"></td> 
  </tr> 
  <tr> 
   <td>p</td> 
   <td>pentagon</td> 
   <td><img alt="figures/linestyle-p.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-p.png"></td> 
  </tr> 
  <tr> 
   <td>|</td> 
   <td>vertical line</td> 
   <td><img alt="figures/linestyle-|.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-%7C.png"></td> 
  </tr> 
  <tr> 
   <td>_</td> 
   <td>horizontal line</td> 
   <td><img alt="figures/linestyle-_.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/linestyle-_.png"></td> 
  </tr> 
 </tbody> 
</table>

**点型Markers（标记）：**

*  像素： ','
 *  圆形： 'o'
 *  上三角： '^'
 *  下三角： 'v'
 *  左三角： '<'
 *  右三角： '>'
 *  方形： 's'
 *  加号： '+' 
 *  叉形： 'x'
 *  棱形： 'D'
 *  细棱形： 'd'
 *  三脚架朝下： '1'（就是丫）
 *  三脚架朝上： '2'
 *  三脚架朝左： '3'
 *  三脚架朝右： '4'
 *  六角形： 'h'
 *  旋转六角形： 'H'
 *  五角形： 'p'
 *  垂直线： '|'
 *  水平线： '\_'
 *  gnuplot 中的steps： 'steps' （只能用于kwarg中）

<table>      
 <thead> 
  <tr> 
   <th>Symbol</th> 
   <th>Description</th> 
   <th>Appearance</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>0</td> 
   <td>tick left</td> 
   <td><img alt="figures/marker-i0.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-i0.png"></td> 
  </tr> 
  <tr> 
   <td>1</td> 
   <td>tick right</td> 
   <td><img alt="figures/marker-i1.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-i1.png"></td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>tick up</td> 
   <td><img alt="figures/marker-i2.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-i2.png"></td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>tick down</td> 
   <td><img alt="figures/marker-i3.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-i3.png"></td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>caret left</td> 
   <td><img alt="figures/marker-i4.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-i4.png"></td> 
  </tr> 
  <tr> 
   <td>5</td> 
   <td>caret right</td> 
   <td><img alt="figures/marker-i5.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-i5.png"></td> 
  </tr> 
  <tr> 
   <td>6</td> 
   <td>caret up</td> 
   <td><img alt="figures/marker-i6.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-i6.png"></td> 
  </tr> 
  <tr> 
   <td>7</td> 
   <td>caret down</td> 
   <td><img alt="figures/marker-i7.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-i7.png"></td> 
  </tr> 
  <tr> 
   <td>o</td> 
   <td>circle</td> 
   <td><img alt="figures/marker-o.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-o.png"></td> 
  </tr> 
  <tr> 
   <td>D</td> 
   <td>diamond</td> 
   <td><img alt="figures/marker-dd.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-dd.png"></td> 
  </tr> 
  <tr> 
   <td>h</td> 
   <td>hexagon 1</td> 
   <td><img alt="figures/marker-h.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-h.png"></td> 
  </tr> 
  <tr> 
   <td>H</td> 
   <td>hexagon 2</td> 
   <td><img alt="figures/marker-hh.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-hh.png"></td> 
  </tr> 
  <tr> 
   <td>_</td> 
   <td>horizontal line</td> 
   <td><img alt="figures/marker-_.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-_.png"></td> 
  </tr> 
  <tr> 
   <td>1</td> 
   <td>tripod down</td> 
   <td><img alt="figures/marker-1.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-1.png"></td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>tripod up</td> 
   <td><img alt="figures/marker-2.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-2.png"></td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>tripod left</td> 
   <td><img alt="figures/marker-3.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-3.png"></td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>tripod right</td> 
   <td><img alt="figures/marker-4.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-4.png"></td> 
  </tr> 
  <tr> 
   <td>8</td> 
   <td>octagon</td> 
   <td><img alt="figures/marker-8.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-8.png"></td> 
  </tr> 
  <tr> 
   <td>p</td> 
   <td>pentagon</td> 
   <td><img alt="figures/marker-p.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-p.png"></td> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td>triangle up</td> 
   <td><img alt="figures/marker-^.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-%5E.png"></td> 
  </tr> 
  <tr> 
   <td>v</td> 
   <td>triangle down</td> 
   <td><img alt="figures/marker-v.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-v.png"></td> 
  </tr> 
  <tr> 
   <td>&lt;</td> 
   <td>triangle left</td> 
   <td><img alt="figures/marker-<.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-%3C.png"></td> 
  </tr> 
  <tr> 
   <td>&gt;</td> 
   <td>triangle right</td> 
   <td><img alt="figures/marker->.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-%3E.png"></td> 
  </tr> 
  <tr> 
   <td>d</td> 
   <td>thin diamond</td> 
   <td><img alt="figures/marker-d.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-d.png"></td> 
  </tr> 
  <tr> 
   <td>,</td> 
   <td>pixel</td> 
   <td><img alt="figures/marker-,.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-,.png"></td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>plus</td> 
   <td><img alt="figures/marker-+.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-+.png"></td> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td>point</td> 
   <td><img alt="figures/marker-dot.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-dot.png"></td> 
  </tr> 
  <tr> 
   <td>s</td> 
   <td>square</td> 
   <td><img alt="figures/marker-s.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-s.png"></td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>star</td> 
   <td><img alt="figures/marker-*.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-*.png"></td> 
  </tr> 
  <tr> 
   <td>|</td> 
   <td>vertical line</td> 
   <td><img alt="figures/marker-|.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-%7C.png"></td> 
  </tr> 
  <tr> 
   <td>x</td> 
   <td>cross</td> 
   <td><img alt="figures/marker-x.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-x.png"></td> 
  </tr> 
  <tr> 
   <td><span>r'$\sqrt{2}$'</span></td> 
   <td>any latex expression</td> 
   <td><img alt="figures/marker-latex.png" src="http://www.labri.fr/perso/nrougier/teaching/matplotlib/figures/marker-latex.png"></td> 
  </tr> 
 </tbody> 
</table>

**标记大小（markersize 简写为 ms）： **

*  markersize： 实数

**标记边缘宽度（markeredgewidth 简写为 mew）：**

*  markeredgewidth：实数

**标记边缘颜色（markeredgecolor 简写为 mec）：**

*  markeredgecolor：颜色选项中的任意值

**标记表面颜色（markerfacecolor 简写为 mfc）：**

*  markerfacecolor：颜色选项中的任意值

**透明度（alpha）：**

*  alpha： \[0,1\]之间的浮点数

**线宽（linewidth）：**

*  linewidth： 实数

\[ [Quick references][]\]

\[[matplotlib中的作图参数][matplotlib 1]\]

from:[http://blog.csdn.net/pipisorry/article/details/40005163][blog.csdn.net_pipisorry_article_details_40005163]

ref:[matplotlib Plotting commands summary][]\*

[matplotlib下载及API手册地址][matplotlib_API]

[Screenshots:example figures][Screenshots_example figures]

[Gallery:Click on any image to see full size image and source code][Gallery_Click on any image to see full size image and source code]

[用Python做科学计算-基础篇——matplotlib-绘制精美的图表][Python_-_matplotlib-]

[Matplotlib 教程][Matplotlib]

[matplotlib绘图手册][Matplotlib]  /subplot[  
][Python_-_matplotlib-]

[matplotlib画等高线的问题][Python_-_matplotlib-]

[matplotlib - 2D and 3D plotting in Python][]

matplotlib绘图库入门  
[绘制精美的图表][Link 1]  
[使用 python Matplotlib 库绘图][python Matplotlib]  
barChart:http://www.cnblogs.com/qianlifeng/archive/2012/02/13/2350086.html   
[matplotlib--python绘制图表 | PIL--python图像处理][matplotlib--python_ _ PIL--python]  
[魔法(Magic)命令%magic \-%matplotlibinline][Magic_magic _-_matplotlibinline]

Gnuplot的介绍

*  [Gnuplot简介][Gnuplot]
 *  IBM:[gnuplot 让您的数据可视化][gnuplot],[Linux 上的数据可视化工具][Linux]
 *  [利用Python绘制论文图片: Gnuplot,pylab][Python_ Gnuplot_pylab]

IBM: [基于 Python Matplotlib 模块的高质量图形输出][Python Matplotlib](2005年的文章有点旧)

[matplotlib技巧集][matplotlib 2](绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y轴不同区间使用不同颜色填充的曲线区域。)

[Python:使用matp绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y轴不同区间使用不同颜色填充的曲线区域。lotlib绘制图表][Python_matp_Y_lotlib]

[matplotlib图表中图例大小及字体相关问题][matplotlib 3]

[blog.csdn.net_pipisorry_article_details_40005163]: http://blog.csdn.net/pipisorry/article/details/40005163
[Center]: /images/20220717/651d074ae8ea420c99dd3d8bbbe6fbeb.png
[matplotlib.pyplot.axhline]: http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.axhline
[Center 1]: /images/20220717/fb6a356365cb422f97c7b44602d18825.png
[numpy_ -]: http://blog.csdn.net/pipisorry/article/details/48770785
[05211807-fa2c87b28c0046d2843cea6eb2c88a4a.png]: /images/20220717/b59e6cf62aac4511bf330450c5ce7c45.png
[05221518-29b09cba9e0b4c76b434940c239ff1a2.png]: /images/20220717/9c257b33f3c24cdb90762d4c115af6d1.png
[matplotlib scatter plot with different text at each data point]: http://stackoverflow.com/questions/14432557/matplotlib-scatter-plot-with-different-text-at-each-data-point
[matplotlib.pyplot.scatter]: http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.scatter
[Center 2]: /images/20220717/0bf20bc79c404485bf5514dfc4426036.png
[05211943-37950a5e0d6c4c64b8951a242fb160d5.png]: /images/20220717/67dfbaf5b77548ca8c608dd299f850ce.png
[Center 3]: /images/20220717/d082292fec7a4dd19f11c8725af54138.png
[matplotlib.pyplot.polar_args_ _kwargs]: http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.polar
[Center 4]: /images/20220717/0ecfcf4cc08b4ebab425db468941a861.png
[Center 5]: /images/20220717/1ccf57282f8848a6affcc64515394748.png
[blog]: http://blog.csdn.net/pipisorry
[image]: /images/20220717/8eb9e299d707429289249d694a939a61.png
[image 1]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001187415.png
[image 2]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001201644.png
[image_image 2]: /images/20220717/5caf765f6fec4f2ab8642c725ba5ad13.png
[image 3]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001278966.png
[image_image 3]: /images/20220717/fced964855d54526995313934783e110.png
[image 4]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001282945.png
[image_image 4]: /images/20220717/6de47a2806214b37adba6d18c6837009.png
[image 5]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001308320.png
[image_image 5]: /images/20220717/6e241b28b20c4e678e821922502e589b.png
[image 6]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/20120523000131107.png
[image_image 6]: /images/20220717/df0b061f2e9c4dacbd6485ffd13d4c85.png
[image 7]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001337466.png
[image_image 7]: /images/20220717/ad46834c6e1e49aeaa936ba0b10a94e1.png
[image 8]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001355317.png
[image_image 8]: /images/20220717/fb6c75bccb46484f8d5c84a6c9e954e5.png
[image 9]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/20120523093234632.png
[image_image 9]: /images/20220717/e03a9fdcbe7242b8a3dc6db8e1ee6ba5.png
[view plain]: http://blog.csdn.net/pipisorry/article/details/40005163#
[CODE]: https://code.csdn.net/assets/CODE_ico.png
[CODE_CODE]: https://code.csdn.net/snippets/482652
[ico_fork.svg]: https://code.csdn.net/assets/ico_fork.svg
[ico_fork.svg 1]: https://code.csdn.net/snippets/482652/fork
[pylab_examples example code_ ellipse_demo.py]: http://matplotlib.org/examples/pylab_examples/ellipse_demo.html
[http_www.zhihu.com_question_25273956_answer_30466961_group_id_897309766_comment-61590570]: http://www.zhihu.com/question/25273956/answer/30466961?group_id=897309766#comment-61590570
[set_xticklabels]: http://www.xuebuyuan.com/1102103.html
[matplotlib]: http://blog.csdn.net/pipisorry/article/details/37766161
[Colormaps]: http://www.labri.fr/perso/nrougier/teaching/matplotlib/#colormaps
[Quick references]: http://www.labri.fr/perso/nrougier/teaching/matplotlib/#quick-references
[matplotlib 1]: https://sites.google.com/site/guyingbo/matplotlib%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0
[matplotlib Plotting commands summary]: http://matplotlib.org/api/pyplot_summary.html
[matplotlib_API]: http://sourceforge.net/projects/matplotlib/files/matplotlib/
[Screenshots_example figures]: http://matplotlib.sourceforge.net/users/screenshots.html
[Gallery_Click on any image to see full size image and source code]: http://matplotlib.sourceforge.net/gallery.html
[Python_-_matplotlib-]: http://liam0205.me/2014/09/11/matplotlib-tutorial-zh-cn/
[Matplotlib]: http://my.oschina.net/swuly302/blog/94613
[matplotlib - 2D and 3D plotting in Python]: http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb
[Link 1]: http://sebug.net/paper/books/scipydoc/matplotlib_intro.html
[python Matplotlib]: http://blog.csdn.net/daniel_ustc/article/details/9714163
[matplotlib--python_ _ PIL--python]: http://blog.csdn.net/xiarendeniao/article/details/7991305
[Magic_magic _-_matplotlibinline]: http://hyry.dip.jp/tech/book/page/scipynew/ipython-200-notebook-magic.html
[Gnuplot]: http://darksair.org/wiki/Gnuplot.html
[gnuplot]: http://www.ibm.com/developerworks/cn/linux/l-gnuplot/
[Linux]: http://www.ibm.com/developerworks/cn/linux/l-datavistools/
[Python_ Gnuplot_pylab]: http://tiger-beach.blogspot.com/2008/08/python-gnuplot-latex.html
[Python Matplotlib]: http://www.ibm.com/developerworks/cn/linux/l-matplotlib/index.html
[matplotlib 2]: http://hyry.dip.jp/tech/slice/slice.html/17
[Python_matp_Y_lotlib]: http://blog.csdn.net/dyx1024/article/details/7296748
[matplotlib 3]: http://www.zeuux.org/group/scipython/bbs/content/5260/