matplotlib 详细入门学习笔记

“matplotlib具有广泛的代码库，可能会使许多新用户望而却步” ————懒惰的中文手册

参考资料：
官网中文手册
 Matplotlib简易教程|csdn|作者：汪雯琦

一、一些基本概念

1.1. 绘图原理（层次）

绘图需要在一系列级别上进行操作，实现从构想到命令再到细节操作控制，matplotlib中的所有内容都是按层次结构组织的。

顶层结构： matplotlib.pyplot ，模块提供的“状态机环境” 。此级别使用简单功能将绘图元素添加到当前图形中的当前轴。
- Pyplot的状态机环境的行为类似于MATLAB
面向对象的界面的第一层：在此级别上，用户使用pyplot来创建图形，通过这些图形，可以创建一个或多个轴对象。然后将这些轴对象用于大多数绘图动作。
- 其中pyplot仅用于诸如图形创建之类的一些功能，并且用户明确创建并跟踪图形和轴对象。为了进行更多控制（这对于在GUI应用程序中嵌入matplotlib图等至关重要），可以完全删除pyplot级别，从而保留纯面向对象的方法。

1.2. 图的基本要素

figure：画布
axes：坐标系
axis：坐标轴
Artist：基本上你可以在图中看到的一切都是一个Artist（甚至 Figure，Axes和Axis对象）。

绘制图形后，所有Artist都被绘制到画布上。大多数Artist都被绑在axes上。这样的Artist不能被多个轴共享，也不能从一个轴移动到另一个轴
一个figure上，可以有多个区域axes，我们在每个axes上绘图，每个axes中都有一个axis。
如图：

1.3. 绘图准备工作

输入类型：通常，您将使用numpy数组。
实际上，所有序列都在内部转换为numpy数组 !!!
所以一开始就用numpy数组会使后续更加方便
所有绘图功能均预期np.array或np.ma.masked_array作为输入
Matplotlib本机仅支持PNG图像
matplotlib，pyplot和pylab关系
Matplotlib是整个软件包，
matplotlib.pyplot是其中的模块。
pylab是一个方便的模块，可以在单个名称空间中批量导入（用于绘图）和（用于数学以及使用数组）。
- pylab已过时，并且由于命名空间污染而强烈不建议使用pylab，使用pyplot代替
  对于非交互式绘图，建议使用pyplot创建图形，然后使用OO接口进行绘图。

对于pyplot样式，脚本顶部的导入通常为：

import matplotlib.pyplot as plt
import numpy as np 

然后调用一个，例如，np.arange，np.zeros，np.pi，plt.figure，plt.plot，plt.show等。使用pyplot接口创建图形，然后使用对象方法进行其余操作：

x = np.arange(0, 10, 0.2)
y = np.sin(x)
fig, ax = plt.subplots()
ax.plot(x, y)
plt.show()

二、绘图方法

pyplot：创建新图形的最简单方法，作用于当前图形(figure)的当前坐标系(axes)。

开始前，推荐先浏览初级绘制，对文章中提到的每个方法有过印象后继续阅读下列教程。
在看完本文该部分后再回头看看上附文中的例子，结合每一部分教程，体会精美作图

2.1 常用方法

参考文章|博客园

（1）plt.figure()：创建一个新图

  参数说明
  num	          新图的编号，默认递增
  figsize	      宽度，高度，以英寸为单位
  dpi	          分辨率，整数
  facecolor	      背景颜色
  edgecolor	      边框颜色
  frameon	      若为False，则没有边框
  clear	          若为True，如果图的编号已存在则先清除

如果有多个figure，请显示的调用 pyplot.close() 关闭你不需要使用的figure，以便pyplot能正确的清理内存。

对于只有一张图时，不写figure会隐式创建一个图

plt.figure(num=1)
plt.plot(X,C)
#plt.close()

plt.figure(2)
plt.plot(X,S)

plt.figure(3)
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.show()

# 会连续展现三张图

（2）subplot和subplots：创建子图

使用方法：
fig,ax = plt.subplots(nrows=1,ncols=2,figsize = (20,8), dpi=100) 
# 相当于先新建个figure，再add_subplot,如果要多个画板则多次使用此命令: fig1，ax1 = plt.subplots()
ax[0].plot()
ax[1].plot()
ax[0].set_title()     #面向对象设置格式

plt.subplot(221)
plt.plot(X,C)         #面向过程设置格式
  或
a = plt.subplot(221)  #面向对象设置格式
a.plot(X,C)
b = plt.subplot(2,2,2) 
b.plot(X,S)

对比 plt.subplot()、plt.subplots()、add_subplots以及add_axes

plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法
subplots 把画板规划好了，可以直接指定画板的大小，返回一个坐标数组对象
subplot 每次只能返回一个坐标对象
- 一般用subplots方便

每条subplot命令只会创建一个子图，而一条subplots就可以将所有子图创建好

绘制奇数个、大小不同的子坐标系时，用subplot方便

plt.subplot(221)
plt.plot(X,C)

plt.subplot(2,2,2) #可以隔开，也可以不隔开(一位数时)
plt.plot(X,S)

plt.subplot(212)
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

fig.suptitle('画板标题')、plt.title（"子图标题”）: 修改标题

# 方法一 ，面向过程
plt.figure(figsize=(8,6), dpi=80) 
plt.suptitle('画板标题')
plt.subplot(2,2,1) 
plt.plot(X,C)
plt.title('子图标题1')
plt.subplot(2,2,2) 
plt.plot(X,S)
plt.title('子图标题2')

# 方法二 ，面向对象
a = plt.figure(figsize=(8,6), dpi=80) 
a.suptitle('画板标题')
b = plt.subplot(2,1,1) 
b.plot(X,C)
b.set_title('子图标题1')
c = plt.subplot(2,1,2) 
c.plot(X,S)
c.set_title('子图标题2')

fig,ax = plt.subplots(nrows=1,ncols=2,figsize = (20,8), dpi=100) 
fig.suptitle("画板标题")
ax[0].plot(X, C)
ax[1].plot(X, C)
ax[0].set_title("子标题1")
ax[1].set_title("子标题2")

（3）plt.xlim(-4.0,4.0)：设置横轴的上下限

（4）plt.xticks(x, labels, rotation='旋转的角度值')：设置横轴要显示的刻度值

参数说明：
x           要在x坐标轴显示label的位置，label默认与位置号同
labels      对应x的位置的显示的标记
rotation    lable显示的旋转角度

#只给出x则只显示给出的x数字
plt.xticks(np.linspace(-4,4,9,endpoint=True))

#设置将刻度映射为具体标签
xticks(arange(5), ("Tom", "Dick", "Harry", "Sally", "Sue") )
    
#正则表达式处理特殊符号
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
      [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.yticks([-1, 0, +1],
      [r'$-1$', r'$0$', r'$+1$'])

# 通过调整边框透明度防遮挡，bbox参数后面会见到
for label in ax.get_xticklabels() + ax.get_yticklabels():
  label.set_fontsize(16)
  label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))

（5）plt.xlabel("坐标轴标题")

（6）plt.grid(b, which, axis, color, linestyle, linewidth，**kwargs)：添加网格线

  plt.grid(True, linestyle='--', alpha=0.5)

常用参数说明
b                是否显示网格线 
which            取'major', 'minor'，'both' ，默认'major'
axis             绘制某个方向的网格线,取"both"， "x"，"y" 
color/c          网格线的颜色
linestyle/ls     设置网格线的风格
linewidth        设置网格线的宽度

（7）plt.legend()：图例

参数说明
(1)设置图例位置
     plt.legend(loc='upper center')
          0: ‘best'               1：‘upper right'
          2: ‘upper left'         3: ‘lower left'
          4: ‘lower right'        5: ‘right'
          6: ‘center left'        7: ‘center right'
          8: ‘lower center'       9: ‘upper center'
          10: ‘center'

(2)设置图例字体大小
     fontsize : 直接写数字：int or float 
                或者写：{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}

(3)设置图例边框及背景
     plt.legend(loc='best',frameon=False) #去掉图例边框
     plt.legend(loc='best',edgecolor='blue') #设置图例边框颜色
     plt.legend(loc='best',facecolor='blue') #设置图例背景颜色,若无边框,参数无效

            对于边框还可以采用面向对象方式：
            legend = plt.legend(["First", "Second"])
            frame = legend.get_frame()
            frame.set_facecolor('blue')

(4)设置图例标题
     legend = plt.legend(["CH", "US"], title='China VS Us')

(5)设置图例名字及对应关系
     legend = plt.legend([p1, p2], ["CH", "US"])
     或者在plot中参数标注label   *推荐

     代码例:  p1 = plt.scatter(train_x, train_y_1, c='red', marker='v' )
              p2= plt.scatter(train_x, train_y_2, c='blue', marker='o' )
              legend = plt.legend([p1, p2], ["CH", "US"], facecolor='blue')

（8）plt.text()和plt.annotate()添加数据标签

该函数参数使用进阶请看
 函数使用annotate

无指向型注释 text( )

plt.text(x, y, s, fontsize, verticalalignment, horizontalalignment, rotation , **kwargs)

参数说明
x,y                     标签的坐标
fontsize                字体大小，int
verticalalignment       垂直对齐方式  ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等
horizontalalignment     水平对齐方式  ‘center’ ， ‘right’ ，‘left’ 等
rotation                旋转角度，逆时针计算，int
family                  设置字体
style                   设置字体的风格
weight                  字体的粗细
bbox                    给字体添加框,如 bbox=dict(facecolor='red', alpha=0.5)

#批量给散点加标签
for i in range(len(x)):
    plt.text(x[i]*1.01, y[i]*1.01, label[i], fontsize=10, color = "r",
            style = "italic", weight = "light", verticalalignment='center',
            horizontalalignment='right',rotation=0)

指向型注释 annotate( ) ，适用范围更广

annotate(s='str' , xy=(x1,y1) , xytext=(x2,y2) , arrowprops)

参数说明
s           为注释文本内容 
xy          为被注释的坐标点
xytext      为注释文字的坐标位置
xycoords    选择指定的坐标轴系统
textcoords  设置注释文字偏移量
arrowprops  箭头参数,参数类型为字典dict
            width       点箭头的宽度
            headwidth   点的箭头底座的宽度
            headlength  点箭头的长度
            shrink      总长度为分数从两端“缩水”
            facecolor   箭头颜色
bbox        给字体添加框

# 设置坐标的常见案例
x = np.arange(0, 6)
y = x * x
plt.plot(x, y, marker='o')
for xy in zip(x, y):
    plt.annotate("(%s,%s)" % xy, xy=xy, xytext=(-20, 10), textcoords='offset points')
plt.show()

# 设置箭头
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),arrowprops = dict(facecolor='black', shrink=0.05))

# 一个完美的例子
plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
             xy=(t, np.cos(t)), xycoords='data',
             xytext=(-90, -50), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

（9）plt.gca()：获取当前坐标轴

（10）移动坐标轴：设置零点在坐标轴的位置 ,set_position(tuple) 元素为tuple

坐标系有四条边框（脊柱）围成，轴线和上面的记号连在一起就形成了脊柱（Spines），它记录了数据区域的范围。

每幅图有四条脊柱（上下左右），为了将脊柱放在图的中间，我们必须将其中的两条（上和右）设置为无色，然后调整剩下的两条到合适的位置------数据空间的 0 点。

ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')          # 隐藏top和right边框
ax.xaxis.set_ticks_position('bottom')       # x轴'top': ticks值显示在top坐标轴上
ax.spines['bottom'].set_position(('data',0))# data 表示position是相对于数据坐标系
ax.yaxis.set_ticks_position('left')         # y轴'right': 刻度值显示在right坐标轴上
ax.spines['left'].set_position(('data',0))

animation =

（9）plt.savefig('路径',dpi=72)：保存图片,在show之前使用

plt.savefig('test1.png')    #默认保存在当前程序所在文件夹
plt.savefig('./test2.jpg')

（10）plt.show(): 显示已缓存的所有画板和子图

(11)rcParams显示中文字符

pyplot并不默认支持中文显示，需要rcParams修改字体来实现

rcParams的属性：
‘font.family’    用于显示字体的名字
‘font.style’     字体风格，正常’normal’ 或斜体’italic’
‘font.size’      字体大小，整数字号或者’large’   ‘x-small’

# 设定绘制区域的全部字体变成 华文仿宋，字体大小为20
matplotlib.rcParams[‘font.family’] = ‘STSong’
matplotlib.rcParams[‘font.size’] = 20

# 只希望在某地方绘制中文字符，不改变别的地方的字体
# 在有中文输出的地方，增加一个属性： fontproperties
plt.xlabel(‘横轴：时间’, fontproperties = ‘simHei’, fontsize = 20)

（12）一些参数的补充说明

各种方法中常常用到同一类参数，附以下补充

参数可以简写

    linestyle  /ls	               {'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
    linewidth  /lw	               float
    markeredgecolor /mec	       color
    markeredgewidth /mew	       float
    markerfacecolor /mfc	       color
    markersize /ms	               float
    size   /s	                   大小
    color  /c	                   颜色

多方法都用到的参数值如下

字体大小fontsize : 直接写数字：int or float 
              或者写：{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}

有文字的方法参数都是通用的，线条也是如此，比如设置bbox等。参数使用时大同小异

颜色字符	      风格字符
r 红色	      - 实线
g 绿色	      -- 虚线
b 蓝色	      -. 点划线
w 白色	      : 点虚线
c 青色	      ’ ’ 留空、空格
m 洋红	
y 黄色	
k 黑色
RGB16进制都可

2.2 例代码全览：

只在一个坐标系中绘制

fig = plt.figure(figsize=(8,6), dpi=80)  
                                # 创建一个 8 * 6 点（point）的图，并设置分辨率为 80,
                                # 只绘制一个图的话不用去设置绘图区域
fig.suptitle('图名')            # 命名图

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C,S = np.cos(X), np.sin(X)
  
plt.plot(X, C, color="b", linewidth=1.0, linestyle="-"，label="正弦")
plt.plot(X, S, color="green", linewidth=1.0, linestyle='--', label="正弦")
                                # 绘制折线图
                                # 使用多次plot可以画多个折线
plt.legend(loc="best")        # 显示图例

plt.xlim(-4.0,4.0)                           # 设置横轴的上下限
plt.xticks(np.linspace(-4,4,9,endpoint=True))# 设置横轴要显示的刻度值
plt.ylim(-1.0,1.0)                           # 设置纵轴的上下限
plt.yticks(np.linspace(-1,1,5,endpoint=True))# 设置纵轴要显示的刻度值

plt.grid(True, linestyle='--', alpha=0.5)    #添加网格线 linestyle线型 alpha透明度

plt.savefig('./安徽省宣城市泾县未来一周最低气温折线图.png',dpi=72)
                                              # 以分辨率 72 来保存图片，savefig必须在show之前
plt.show()                                   # 在屏幕上显示

在子图中绘制（多个坐标系）:

#创建画布
fig,ax = plt.subplots(nrows=1,ncols=2,figsize = (20,8), dpi=100)
                                            
#绘制两个折线图
x = range(60)
y_jingxian = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(3,8) for i in x]

ax[0].plot(x,y_jingxian , label = '泾县')
ax[1].plot(x,y_beijing , label = '北京' , color='r')

plt.rcParams['font.family']=['SimHei']

#添加描述信息
ax[0].set_xlabel('时间',fontsize = 20)
ax[0].set_ylabel('温度',fontsize = 20)
ax[0].set_title('安徽省宣城市泾县每分钟的温度变化折线图',fontsize = 30)
ax[1].set_xlabel('时间',fontsize = 20)
ax[1].set_ylabel('温度',fontsize = 20)

ax[1].set_title('北京市每分钟的温度变化折线图',fontsize = 30)

# 添加坐标轴刻度
x_tick_label = ["11点{}分".format(i) for i in x]

ax[0].set_xticks(x[::5])
ax[0].set_xticklabels(x_tick_label[::5])
ax[1].set_xticks(x[::5])
ax[1].set_xticklabels(x_tick_label[::5])# [::5]是每隔五个选一个，后面的也要对应上

y_range = range(40)
ax[0].set_yticks(y_range[::5])
ax[1].set_yticks(y_range[::5])

# 添加网格线
ax[0].grid(linestyle='--', alpha=0.8)
ax[1].grid(linestyle='--', alpha=0.8)

#添加图例 loc指定图例的位置
ax[0].legend(loc = 'best')
ax[1].legend(loc = 'best')

#保存图像
plt.savefig('./安徽省宣城市泾县对比北京市11点到12点1小时内每分钟的温度变化折线图.png')

#显示图像
plt.show()#如果不用show的话，只是在缓存中

常见技巧：构造中文轴刻度标签典型例子

# 构造中文轴刻度标签典型例子
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

二、 2D绘图基本图形

散点图

plt.scatter(x,y,s=20,c='b',marker='')

          或者：plt.plot_date(date, y, '-')    
          #plt的plot_date默认画的的是散点

     参数说明
   x,y	        X和Y是长度相同的数组
   s	        size,点的大小，标量或与数据长度相同的数组
   c	        color,点的颜色，标量或与数据长度相同的数组
   marker	    MarketStyle，可选，点的形状，默认'o'
   cmap	        Colormap，可选，默认'None'
   norm	        Normalize，亮度设置,0-1
   vmin,vmax	亮度设置
   alpha	    透明度，0-1
   linewidths	线宽

其中散点的形状参数marker如下：

  #绘制彩色泡泡效果
  N = 50
  x = np.random.rand(N)
  y = np.random.rand(N)
  colors = np.random.rand(N)
  area = (30 * np.random.rand(N))**2  # 0 to 15 point radii

  plt.scatter(x, y, s=area, c=colors, alpha=0.5)
  plt.show()

线图

  plt.plot(x, y, fmt)

 参数说明：
 x, y	       数据
 fmt	       format，格式，形状，例如，'ro--'表示红圈虚线
 data	       标有数据的对象，可选

plt.plot()是一个通用命令，将(x, y)绘制成线条或散点图。
如果为命令提供单个列表或数组，则默认是y值的序列，并自动生成x值（从0开始与y数量相当）

  其中，线条的格式还可以使用如下线属性：
  alpha	                     float，透明度
  fillstyle	                 {'full', 'left', 'right', 'bottom', 'top', 'none'}
  linestyle/ls	             {'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
  linewidth/lw	             float
  marker	                 marker style
  markeredgecolor /mec	     color
  markeredgewidth /mew	     float
  markerfacecolor /mfc	     color
  markersize /ms	         float

设置格式有两种方法：当线属性与fmt冲突时，线属性优先：

     plt.plot(X, C, 'go--')   # fmt
     plt.plot(X, S, color='green', marker='o', linestyle='--')   # 线属性
     # 一个是fmt，一个是线属性，但是它们的格式是一样的

也可以只用一个命令，绘制多行具有不同格式样式的线条

    plt.plot(X, C, 'go--', X, S, 'go--', X, X**3, 'g^')
    #与上一个代码图相同

    # 填充包围面积
    plt.plot (X, Y-1, color='blue', alpha=1.00)
    plt.fill_between(X, -1, Y-1, (Y-1) > -1, color='blue', alpha=.25)
    plt.fill_between(X, -1, Y-1, (Y-1) < -1, color='red',  alpha=.25)

条形图

plt.bar(x, height, width=0.8, bottom=None, ***, align='center', data=None, **kwargs)

 参数说明   
 x            数值位置
 height       柱状图的高度，相当于y
 width        柱状图的宽度
 align        条形的中心与刻度的对齐方式，{‘center’, ‘edge’}，默认 ‘center’
 botton	      条形的起始位置，y轴的起始坐标！
 color        柱状图的颜色
 edgecolor	  边框的颜色
 linewidth	  边框的宽度，像素，默认无，int
 tick_label	  下标的标签	可以是元组类型的字符组合
 log	      y轴是否使用科学计算法表示，bool

 orientation	是竖直条还是水平条	
 竖直："vertical"，水平条："horizontal"

水平条形图

1. 用bar
水平条形图需要把：orientation="horizontal"，然后x,与y的数据交换，再添加bottom=x,即可。

N = 5
x = [20, 10, 30, 25, 15]
y = np.arange(N)
# 绘图 x= 起始位置， bottom= 水平条的底部(左侧), y轴， height 水平条的宽度， width 水平条的长度
p1 = plt.bar(x=0, bottom=y, height=0.5, width=x, orientation="horizontal")

2. 用barh
 #barh()函数表示水平方向画柱状图
使用barh()时，bottom改为left, 然后宽变高，高变宽。
  # 数据
  N = 5
  x = [20, 10, 30, 25, 15]
  y = np.arange(N)
  # 绘图 y= y轴， left= 水平条的底部， height 水平条的宽度， width 水平条的长度
  p1 = plt.barh(y, left=0, height=0.5, width=x)

并列条形图

# 数据
x = np.arange(4)
Bj = [52, 55, 63, 53]
Sh = [44, 66, 55, 41]
bar_width = 0.3
# 绘图 x 表示从那里开始，关键在改变第二个图的x位置
plt.bar(x, Bj, bar_width)
plt.bar(x+bar_width, Sh, bar_width, align="center")

层叠条形图：

# 数据
x = np.arange(4)
Bj = [52, 55, 63, 53]
Sh = [44, 66, 55, 41]
bar_width = 0.3
# 绘图，关键让y从上一个图的位置衔接，利用bottle
plt.bar(x, Bj, bar_width)
plt.bar(x, Sh, bar_width, bottom=Bj)

直方图

 plt.hist(x,bins=10,clolor='blue',normed=True)

饼状图

n = 20
Z = np.ones(n)
Z[-1] *= 2

plt.axes([0.025, 0.025, 0.95, 0.95])

plt.pie(Z, explode=Z*.05, colors=['%f' % (i/float(n)) for i in range(n)],
        wedgeprops={"linewidth": 1, "edgecolor": "black"})
plt.gca().set_aspect('equal')

极轴图

ax = plt.axes([0.025,0.025,0.95,0.95], polar=True)

N = 20
theta = np.arange(0.0, 2*np.pi, 2*np.pi/N)
radii = 10*np.random.rand(N)
width = np.pi/4*np.random.rand(N)
bars = plt.bar(theta, radii, width=width, bottom=0.0)

for r,bar in zip(radii, bars):
    bar.set_facecolor( plt.cm.jet(r/10.))
    bar.set_alpha(0.5)

等高线图

def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
X,Y = np.meshgrid(x,y)

plt.axes([0.025,0.025,0.95,0.95])

plt.contourf(X, Y, f(X,Y), 8, alpha=.75, cmap=plt.cm.hot)
C = plt.contour(X, Y, f(X,Y), 8, colors='black', linewidth=.5)
plt.clabel(C, inline=1, fontsize=10)

灰度图（Imshow）

def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n = 10
x = np.linspace(-3,3,3.5*n)
y = np.linspace(-3,3,3.0*n)
X,Y = np.meshgrid(x,y)
Z = f(X,Y)

plt.axes([0.025,0.025,0.95,0.95])
plt.imshow(Z,interpolation='bicubic', cmap='bone', origin='lower')
plt.colorbar(shrink=.92)

量场图(quiver)

n = 8
X,Y = np.mgrid[0:n,0:n]
T = np.arctan2(Y-n/2.0, X-n/2.0)
R = 10+np.sqrt((Y-n/2.0)**2+(X-n/2.0)**2)
U,V = R*np.cos(T), R*np.sin(T)

plt.axes([0.025,0.025,0.95,0.95])
plt.quiver(X,Y,U,V,R, alpha=.5)
plt.quiver(X,Y,U,V, edgecolor='k', facecolor='None', linewidth=.5)

plt.xlim(-1,n), plt.xticks([])
plt.ylim(-1,n), plt.yticks([])

更多图形请看官网

三、 3D绘图

mplot3d工具包（请参阅入门和 3D绘图）支持简单的3d图形，包括表面图，线框图，散点图和条形图
3D绘图推荐 mayavi

本文章使用limfx的vsocde插件快速发布