4.1 使用Matplotlib绘图

Python界不缺少绘图包，目前应用最广泛的还是Matplotlib。Matplotlib不仅可用作可视化和高质量图形生成，与IPython的集成也非常之好。

4.1.1 配置IPython

IPython实现了事件循环集成系统（event loop integration system），从而可以在不阻塞控制台的前提下，在命令行调整图形显示。以后你会了解到这一点多么有用。

配置与选项

要激活上述循环集成系统，可使用%pylab命令或--pylab选项。--pylab选项还可指定后端展现方式，如--pylab qt。若在脚本中使用Matplotlib，按惯例一般这样引用：

import matplotlib.pyplot as plt

在脚本执行时，在show函数调用时，图形才会显示，而在IPython命令行下，图形的显示是即时的。

交互式导航

在Matplotlib图形显示时，可看到若干导航按钮。

在IPython notebook中使用

在加载notebook时，使用选项：

ipython notebook --pylab inline

或在开始处执行：%pylab inline。

4.1.2 标准绘图功能

这一节将介绍Matplotlib的基本绘图功能，如直线、曲线、散点图、柱状图等。下一节我们会看到图像和地图方面的功能。但Matplotlib的功能远不限于这些，还要你多多发现和挖掘。

绘制曲线

在绘制函数曲线时，需要自变量和因变量的值。不过对于plot函数来说，只要y就可以绘图了：

In [1]: y = randn(1000)
In [2]: plot(y)
# [<matplotlib.lines.Line2D at 0x9decd68>]

散点图

import pandas as pd
cd data
filename = 'worldcitiespop.txt'
data = pd.read_csv(filename, low_memory=False)
plot(data.Longitude, data.Latitude, ',')
# [<matplotlib.lines.Line2D at 0x2b86fb70>]

这里通过城市的经纬度来绘制出散点图，看起来就是一副有点酷的世界地图。如果仔细检查，会发现这个地图比例有点失真，因为我们使用的笛卡尔坐标系，后面会介绍如何使用地图投影方法。

直方图

import networkx as nx
g = nx.read_edgelist('0.edges')
hist(g.degree().values(), bins=20)

要了解Matplotlib的更多功能和示例，看看它的Gallery页面，以及Nicolas Rougier的教程。

4.1.3 自定义绘图

样式和颜色

在同时显示多个图形时，最好使用不同的样式和颜色。plot函数的第三个参数，使用一种非常简单的“语法”指定样式和颜色，如果你用过matlab或R，那么会觉得这种语法很熟悉。

'-r'表示continuous and red；'--g'表示dashed and green；','表示像素等等，总共有数十种样式之多，总有一款适合你。

对于颜色，rgb是三种基本颜色，还有c(yan)、m(agenta)和y(ellow)，k（black）和w（white）。还可以使用RGB和RGBA来指定颜色。

在同时显示多个图形时，每个图形的颜色通过预定义的一组颜色来设定，这个也是可以自定义的：

rcParams['axes.color_cycle'] = ['r', 'k', 'c']

rcParams是一个全局性的dict-like的变量，几乎Matplotlib的每个方面都可以通过它来设定，如果把自定义设置保存在matplotlibrc文件中，这些设置就可以在以后继续使用了。

网格、坐标轴和图例（legend）

x = linspace(-10, 10, 100)
plot(x, sin(x), '-r', label='sinus')
plot(x, cos(x), '--g', label='cosinus')
xticks([-10, 0, 10])
yticks([-1, 0, 1])
ylim(-2, 2)
legend()
grid()

subplots

x = linspace(0, 2 * pi, 1000)
y = 1 + 2 * cos(5 * x)
subplot(1,2,1)
plot(x, y)
subplot(1,2,2, polar=True)
polar(x, y)

这里将同一个函数的图像用两种不同的坐标系绘制了出来。