查看“Matplotlib”的源代码

* ''' ipython中事先执行 %matplotlib '''
:交互式模式：plt.ion()
:关闭交互式:plt.ioff()
 
* 参见 [https://matplotlib.org/index.html] [http://www.cnblogs.com/wei-li/archive/2012/05/23/2506940.html]

==配置==

===pyplot的style配置===
*使用内置的style
 plt.style.use('ggplot')
 print(plt.style.available) （当前使用的style）
*可以自定义style
For example, you might want to create mpl_configdir/stylelib/presentation.mplstyle with the following: 
 axes.titlesize : 24
 axes.labelsize : 20
 lines.linewidth : 3
 lines.markersize : 10
 xtick.labelsize : 16
 ytick.labelsize : 16
Then, when you want to adapt a plot designed for a paper to one that looks good in a presentation, you can just add:
 >>> import matplotlib.pyplot as plt
 >>> plt.style.use('presentation')

===matplotlib的配置===

*使用matplotlib.rcParams
 mpl.rcParams['lines.linewidth'] = 2
 mpl.rcParams['lines.color'] = 'r'

* matplotlib.rcdefaults() 恢复默认配置

* matplotlibrc file
 matplotlib.matplotlib_fname()

==两种不同的画图模式==
===交互式plot===

* 简单的例子
 import matplotlib.pyplot as plt
 plt.clf()
 plt.figure(1,figsize=(9, 3))
 plt.plot(x, y，label='sin') 
 plt.errorbar(x, y, xerr=0.1 * x, yerr=5.0 + 0.75 * y, ls='None', marker='s',uplims=True) #误差棒，ls='None' 表示不连线 
 plt.xlim(0,3)  #调整坐标范围 或者用 plt.axis([40, 160, 0, 0.03])同时设定x和y轴的范围
 plt.xscale('log') # 设置对数坐标格式,，
 plt.xlabel('x label')
 plt.title("Simple Plot")
 plt.legend(loc='upper left') #图例  显示前面plot中的label
 plt.show()

* use keyword args
  lines = plt.plot(x, y)
  plt.setp(lines, color='r', linewidth=2.0) #[https://matplotlib.org/api/_as_gen/matplotlib.lines.Line2D.html#matplotlib.lines.Line2D]
* plt.plot() 中的颜色，线型等
:* options for the color characters are: 'r' , 'g' , 'b' = blue, 'c' = cyan, 'm' = magenta, 'y' = yellow, 'k' = black, 'w' = white
:* Options for line styles are:  '-' = solid, '--' = dashed, ':' = dotted, '-.' = dot-dashed, '.' = points,  'o' = filled circles,  '^' = filled triangles
:* marker style [https://matplotlib.org/api/markers_api.html]

====多个panel====
  plt.subplot(211) # panels
  plt.subplots_adjust(hspace=0.3) #调整多个panel的间隔
  plt.subplot(212)
  plt.scatter(x, y) 
  plt.subtitle('Categorical Plotting')
  plt.tight_layout() #这个是重新排列的神器

==字体大小设置==
*plt.tick_params(labelsize=23) #设置图的坐标轴的字体大小
* label的字体大小，直接添加  ‘size=18’这样的关键词

====latex字符====
 plt.rc(usetex = True)
 plt.xlabel('\\alpha') #转义 参见[https://docs.python.org/2.0/ref/strings.html]
 plt.xlabel(r'\alpha') #r'代表raw string

===coding style ===
*通过关键词来配置图的要素，功能更强大，但是直观性稍弱
 x = np.arange(0, 10, 0.2)
 y = np.sin(x)
 fig, ax = plt.subplots()
 ax.plot(x, y)
 plt.show()

*'''ax也可以在互动模式中通过 plt.gca()获取'''
 ax=plt.gca()

====axes的配置====
:ax.semilogx  : 对数坐标
:ax.grid :添加grid
:ax.set_xlim(xmin=1,xmax=10) #设置坐标范围
:ax.xaxis.tick_top() #坐标轴的tick显示在图的上方
:ax.xaxis.set_label_position('top') #x坐标轴的label显示在图的上方，这一点似乎无法在交互式命令中简单实现

==专题==
===直方图===
'''plt.hist()'''

*关键词有 bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, normed=None
** bins=np.arange(2,3,0.1)
** density=Ture #默认是False，如果是Trure相当于归一化
** histtype: 可选{'bar', 'barstacked', 'step', 'stepfilled'}之一，默认为bar，推荐使用默认配置，step使用的是梯状，stepfilled则会对梯状内部进行填充，效果与bar类似
** log: bool，默认False,即y坐标轴是否选择指数刻度
** ls(linestyle),这是个通用参数
 linestyle	description
 '-' or 'solid'	solid line
 '--' or 'dashed'	dashed line
 '-.' or 'dashdot'	dash-dotted line
 ':' or 'dotted'	dotted line
** color，通用参数

*输出三个列表，前两个分别是直方图的数值和bin的取值，第三个patches啥意思不清楚
 Freq, bins, patches = plt.hist(x, 50, normed=1)

===图像===
*imshow()
 delta = 0.025
 x = y = np.arange(-3.0, 3.0, delta)
 X, Y = np.meshgrid(x, y)
 Z = np.exp(-X**2 - Y**2)
 fig, ax = plt.subplots()
 im = ax.imshow(Z, interpolation='bilinear', cmap=cm.RdYlGn,
               origin='lower', extent=[-3, 3, -3, 3],
               vmax=abs(Z).max(), vmin=-abs(Z).max())     #lower 就是把index[0,0]放在左下，extent是数轴上标志的范围
 plt.imshow(Z)
 Zm = np.ma.masked_where(Z > 1.2, Z) #mask image
 plt.imshow(Zm)

===contour图===
 xx=np.arange(7,12,0.10)
 yy=np.arange(0.,3,0.05)
 X,Y=np.meshgrid(xx,yy)
 zdens=densxy(Spax_Ms[Lsel],Spax_RtoRe[Lsel],.10,0.05,xmin=7.,ymin=0.,nx=50,ny=60) # my own pro
 plt.contour(X,Y,zdens,[50,200,500],color='blue')
 plt.annotate('blue: high $\mu$ spaxels',(7.2,2.6),color='blue',size=20)

contour不直接支持label和legend，要用legend，参见 [https://stackoverflow.com/questions/10490302/how-do-you-create-a-legend-for-a-contour-plot-in-matplotlib]

===colorbar===
*自己定制的一个colorbar的实际例子，两个panel，共用一个colorbar
 fig, axes=plt.subplots(2,1)
 fig.subplots_adjust(right=0.9)
 #fig.subplots_adjust(hspace=0.)
 Mbin=np.range(5)+4
 MR50=np.range(5)***2
 SR50=np.ones(1)
 age=np.log10(np.array([0.01,0.05,0.5,2.,8.])) #这个是颜色的取值
 plt.subplot(2,1,1)#panel 1
 plt.scatter(Mbin,MR50, c=age,cmap="rainbow")
 plt.ylabel('Mean ln(R50) (log Age)')
 plt.subplot(2,1,2)#panel 2
 ax=plt.scatter(Mbin,SR50,c=age,cmap="rainbow")    
 plt.xlabel('log(M*)')
 plt.ylabel('$\sigma$ ln(R50) (log Age)')
 position = fig.add_axes([0.92, 0.12, 0.015, .78 ])#位置[左,下,右,上]  
 cb = fig.colorbar(ax,cax=position)  #color bar
 cb.set_ticks(age) #设置colorbar 的ticks的位置
 str=['{:.2f}'.format(v) for i,v in enumerate(10**age)] #设置colorbar的ticks的数值
 cb.set_ticklabels(str)

===patch===
matplotlib.patches.Ellipse
*[[ellipse]]  matplotlib.patches.Ellipse(xy, width, height, angle=0, **kwargs)[https://matplotlib.org/3.1.0/api/_as_gen/matplotlib.patches.Ellipse.html]

=== 保存图片文件 ===
*plt.savefig("filename.png")
*plt.savefig('SFH_LMC_miles.pdf',format='pdf')
*保存文件一片空白
:在 plt.show() 后调用了 plt.savefig() ，在 plt.show() 后实际上已经创建了一个新的空白的图片（坐标轴），这时候你再 plt.savefig() 就会保存这个新生成的空白图片。
::plt.show() 放在最后，或者
     # gcf: Get Current Figure
    fig = plt.gcf()
    plt.show()
    fig1.savefig('tessstttyyy.png', dpi=100)
*matplotlib.use('PS')   # generate postscript output by default #在importing matplotlib.pyplot之前用压倒一切设置

*按照原始图片分辨率保存图片
  if you want to save a image with 3841 x 7195 pixels, you could do the following:
 plt.figure(figsize=(3.841, 7.195), dpi=100)
 ( your code ...)
 plt.savefig('myfig.png', dpi=1000)