matplotlib 是 python 最著名的绘图库，它提供了一整套和 matlab 相似的命令 API，十分适合交互式进行绘图。

它的文档相当完备，并且 Gallery 页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。

这是要实现的效果图，利用 Matplotlib 绘制函数 y = x^2^ 的图像。

代码实现

import matplotlib.pyplot as plt
import numpy as np

# 定义 x 变量的范围 (-3，3) 数量 50 
x=np.linspace(-3,3,50)
y=x**2

# Figure 并指定大小
plt.figure(num=3,figsize=(8,5))
# 绘制 y=x^2 的图像，设置 color 为 red，线宽度是 1，线的样式是 --
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x，y 轴的范围以及 label 标注
plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y')

# 设置坐标轴刻度线 
# Tick X 范围 (-1，2) Tick Label(-1，-0.25，0.5，1.25，2) 刻度数量 5 个
new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ，Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)
plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])


# 设置坐标轴 gca() 获取坐标轴信息
ax=plt.gca()
# 使用.spines设置边框：x轴；将右边颜色设置为 none。
# 使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 移动坐标轴
# 将 bottom 即是 x 坐标轴设置到 y=0 的位置。
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))

# 将 left 即是 y 坐标轴设置到 x=0 的位置。
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

# 设置标签
ax.set_title('y = x^2',fontsize=14,color='r')

# 显示图像
plt.show()

首先一幅 Matplotlib 的图像组成部分介绍。

基本构成

在 matplotlib 中，整个图像为一个 Figure 对象。在 Figure 对象中可以包含一个或者多个 Axes 对象。每个 Axes(ax) 对象都是一个拥有自己坐标系统的绘图区域。

所属关系如下（图片来自网络）：

图上：Title 为图像标题，Axis 为坐标轴, Label 为坐标轴标注，Tick 为刻度线，Tick Label 为刻度注释。

各个对象关系可以梳理成以下内容（图片来自网络）：

Matplotlib 绘图步骤分析

注意

这里不讲解 matplotlib 的安装，我使用的是 Anaconda 的 notebook，因此，可以直接导入 matplotlib 的module，想要安装 Anaconda 的请查看的写的另一篇文章。

如果说不想使用 Anaconda，可以看看这篇推荐文章，教你如何安装 matplotlib（视频和文章教程）— 莫烦 Python -- Matplotlib

上面虽然贴了全部的代码，有 matplotlib 基础的人一看便懂，但是对于初学者来说，就比较抓脑了。

一、matplotlib 实现简单图像

使用 import 导入模块 matplotlib.pyplot，并简写成 plt 使用 import 导入模块 numpy，并简写成 np。

#导入 module
import matplotlib.pyplot as plt
import numpy as np

使用 np.linspace 定义 x：范围是 (-3，3)，个数是50，仿真一维数据组 (x ,y) 表示曲线。

# 定义 x 变量的范围 (-3，3) 数量 50 
x=np.linspace(-3,3,50)
y=x**2

使用 plt.figure 定义一个图像窗口，使用 plt.plot 画 (x ,y) 曲线，使用 plt.show 显示图像。

#绘制及显示
plt.figure()
plt.plot(x, y)
plt.show()

最终代码

import matplotlib.pyplot as plt
import numpy as np

# 定义 x 变量的范围 (-3，3) 数量 50 
x=np.linspace(-3,3,50)
y=x**2

plt.figure()
plt.plot(x, y)
plt.show()

运行结果

看到这个，是不是和最终效果图差距很大，没关系，我们接着往下看。

二、设置 Figure 图像

使用 plt.figure 定义一个图像窗口：编号为 3，大小为 (8, 5)。使用plt.plot画(x ,y)曲线，曲线的颜色属性(color)为红色。曲线的宽度(linewidth)为1.0。曲线的类型(linestyle)为虚线，使用plt.show显示图像。

plt.figure(num=3,figsize=(8,5))
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

最终代码

import matplotlib.pyplot as plt
import numpy as np

# 定义 x 变量的范围 (-3，3) 数量 50 
x=np.linspace(-3,3,50)
y=x**2

# Figure 并指定大小
plt.figure(num=3,figsize=(8,5))
# 绘制 y=x^2 的图像，设置 color 为 red，线宽度是 1，线的样式是 --
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

plt.show()

运行效果

三、设置坐标轴

设置 x，y 轴坐标范围及标注 label

使用 plt.xlim 设置x坐标轴范围：(-1, 2)；使用 plt.ylim 设置 y 坐标轴范围：(-2, 3)；

使用 plt.xlabel 设置 x 坐标轴名称：’x’；使用 plt.ylabel 设置 y 坐标轴名称：’I am y’；

代码实现

import matplotlib.pyplot as plt
import numpy as np

# 定义 x 变量的范围 (-3，3) 数量 50 
x=np.linspace(-3,3,50)
y=x**2

# Figure 并指定大小
plt.figure(num=3,figsize=(8,5))
# 绘制 y=x^2 的图像，设置 color 为 red，线宽度是 1，线的样式是 --
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x，y 轴的范围以及 label 标注
plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y')

plt.show()

运行结果

设置 x, y 刻度范围及刻度标注

设置 x 轴 使用 np.linspace 定义范围以及个数：范围是(-1,2); 个数是 5。

使用 plt.xticks 设置 x 轴刻度：范围是(-1,2); 个数是5。

设置 y 轴 使用 plt.yticks 设置 y 轴刻度以及名称：刻度为 [-2, -1.8, -1, 1.22, 3]；对应刻度的名称为 [‘really bad’,’bad’,’normal’,’good’, ‘really good’]。

# 设置坐标轴刻度线 
# Tick X 范围 (-1，2) Tick Label(-1，-0.25，0.5，1.25，2) 刻度数量 5 个
new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ，Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)
plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

最终代码

import matplotlib.pyplot as plt
import numpy as np

# 定义 x 变量的范围 (-3，3) 数量 50 
x=np.linspace(-3,3,50)
y=x**2

# Figure 并指定大小
plt.figure(num=3,figsize=(8,5))
# 绘制 y=x^2 的图像，设置 color 为 red，线宽度是 1，线的样式是 --
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x，y 轴的范围以及 label 标注
plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y')

# 设置坐标轴刻度线 
# Tick X 范围 (-1，2) Tick Label(-1，-0.25，0.5，1.25，2) 刻度数量 5 个
new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ，Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)
plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

# 显示图像
plt.show()

运行效果，注意看 x, y 轴刻度以及标注变化

四、移动坐标轴

隐藏右边框和上边框

使用 plt.gca 获取当前坐标轴信息。
使用 .spines 设置边框：右侧边框；使用.set_color设置边框颜色：默认白色；

使用 .spines 设置边框：上边框；使用.set_color设置边框颜色：默认白色；

调整坐标轴至中心（将 left 边框调整到 x=0 处，将 bottom 边框调整到 y=0 处）

使用 .xaxis.set_ticks_position 设置 x 坐标刻度数字或名称的位置：bottom。（所有位置：top，bottom，both，default，none）。
使用 .spines 设置边框：x 轴；使用 .set_position设置边框位置：y=0 的位置；（位置所有属性：outward，axes，data）

# 设置坐标轴 gca() 获取坐标轴信息
ax=plt.gca()
# 使用.spines设置边框：x轴；将右边颜色设置为 none。
# 使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 移动坐标轴
# 将 bottom 即是 x 坐标轴设置到 y=0 的位置。
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))

# 将 left 即是 y 坐标轴设置到 x=0 的位置。
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

最终代码

import matplotlib.pyplot as plt
import numpy as np

# 定义 x 变量的范围 (-3，3) 数量 50 
x=np.linspace(-3,3,50)
y=x**2

# Figure 并指定大小
plt.figure(num=3,figsize=(8,5))
# 绘制 y=x^2 的图像，设置 color 为 red，线宽度是 1，线的样式是 --
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x，y 轴的范围以及 label 标注
plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y')

# 设置坐标轴刻度线 
# Tick X 范围 (-1，2) Tick Label(-1，-0.25，0.5，1.25，2) 刻度数量 5 个
new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ，Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)
plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])

# 设置坐标轴 gca() 获取坐标轴信息
ax=plt.gca()
# 使用.spines设置边框：x轴；将右边颜色设置为 none。
# 使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 移动坐标轴
# 将 bottom 即是 x 坐标轴设置到 y=0 的位置。
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))

# 将 left 即是 y 坐标轴设置到 x=0 的位置。
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

# 显示图像
plt.show()

运行结果

五、设置标题

使用 .set_title 设置标题，声明标题为 y = x^2^，字体大小 14，颜色为 red。

# 设置标签
ax.set_title('y = x^2',fontsize=14,color='r')

最终代码

import matplotlib.pyplot as plt
import numpy as np

# 定义 x 变量的范围 (-3，3) 数量 50 
x=np.linspace(-3,3,50)
y=x**2

# Figure 并指定大小
plt.figure(num=3,figsize=(8,5))
# 绘制 y=x^2 的图像，设置 color 为 red，线宽度是 1，线的样式是 --
plt.plot(x,y,color='red',linewidth=1.0,linestyle='--')

# 设置 x，y 轴的范围以及 label 标注
plt.xlim(-1,2)
plt.ylim(-2,3)
plt.xlabel('x')
plt.ylabel('y')

# 设置坐标轴刻度线 
# Tick X 范围 (-1，2) Tick Label(-1，-0.25，0.5，1.25，2) 刻度数量 5 个
new_ticks=np.linspace(-1,2,5)
plt.xticks(new_ticks)

# Tick Y 范围(-2.2,-1,1,1.5,2.4) ，Tick Label (-2.2, -1, 1, 1.5, 2.4) 别名(下面的英文)
plt.yticks([-2.2,-1,1,1.5,2.4],
          [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$'])


# 设置坐标轴 gca() 获取坐标轴信息
ax=plt.gca()
# 使用.spines设置边框：x轴；将右边颜色设置为 none。
# 使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 移动坐标轴
# 将 bottom 即是 x 坐标轴设置到 y=0 的位置。
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))

# 将 left 即是 y 坐标轴设置到 x=0 的位置。
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

# 设置标签
ax.set_title('y = x^2',fontsize=14,color='r')

# 显示图像
plt.show()

运行结果

最后，附上 matplotlib 整体结构图（图片来自网络）：

推荐阅读

来北京的日子

这么多年都白学了，原来是方法没有用对

贝斯狸的 Python 之旅 -- 深入切片操作及原理

墙裂推荐 Anaconda | 安利 Python IDE

编程界的半壁江山

好书推荐

统计学习方法

最近正在研究机器学习中的算法和公式，朋友给我推荐了这本书，经过一番考察，总算是觉得这本书对得起读者，也值得推荐。

李航，日本京都大学电气工程系毕业，日本东京大学计算机科学博士。曾任职于日本 NEC 公司中央研究所，微软亚洲研究院高级研究员及主任研究员，现任华为诺亚方舟实验室首席科学家。北京大学、南开大学、西安交通大学客座教授。研究方向包括信息检索、自然语言处理、统计机器学习及数据挖掘。

豆瓣简介

详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。

思维力：高效的系统思维

王世民，深圳尔雅 CEO，YouCore 创始人，知乎专栏“框架的力量”作者。

一个矛盾体。心里挺鄙视学历，但不小心念了名校、拿了硕士；崇尚个人自由，但又创办公司绑死了自己；特不喜欢教书，但现在干着培训。一个不安分的人。短短十来年，当过苦逼的IT码农、做过装逼的咨询顾问、现在干着土鳖的民企老板。

这本书对我的思维能力提升帮助蛮大的，书中提供的很多学习方法都值得借鉴，自从阅读了本书以后，我也喜欢画脑图总结，不断尝试系统学习。我强烈建议读者们去看看【框架的力量】的专栏，对提高你的思维和学习效率很有帮助。

豆瓣简介

“真正有用”正是这本书不同于其它思维书籍之处！

你有没有遇到过以下窘境——分析时想不明白、表达时说不清楚、学习时学不快速？你想不想全面提升你的思维能力？你知道问题解决技巧和表达技巧有哪些吗？

此书中有你想知道的答案。

本书分为 3 个部分共 10 章，各章可自成体系地解决一个问题，同时整书又形成一套体系化的系统思维。

第一部分探秘了“框架”力量的根源。万事万物的本质其实是一个个的系统，而掌握了系统的“框架”也就把握了事物的本质。没有什么问题是不能利用框架解决的，如果一个不行，那就两个。

第二部分将运用“框架”解决问题分解为五个步骤——界定问题、构建框架、明晰关键、高效执行及检查调整，并精炼了相应的优秀思考方法和工具。此外，还传授了在有限时间、有限资源限制下高质量地解决问题的秘诀——“假设思考”。

第三部分传授如何运用“框架”有效表达。逐层递进地演示了自上而下表达的魅力，并用丰富的图表阐述了何为“形象化表达”。

对于想全面提升思维能力的读者，建议按照本书章节顺序阅读；对于迫切想寻求具体问题解决技巧或表达技巧的读者，也可以直接阅读相应章节。