在制图数据齐备的情况下，matplotlib制作二维图形变得非常轻松，本节以二维坐标系中图形制作为例讲解matplotlib制图要素。

1.简单函数图

以制作[-π，π]区间内的sin（x）图形为例，其程序代码如下：

程序的执行结果如图8.2.1所示。

可以总结matplotlib的制图步骤如下：

①引入matplotlib；

②准备数据；

③plot方法制图；

④show方法显示。

用户可以右击生成的图形，选择保存，将生成的图形保存成jpg、png等多种格式的图像文件。

图8.2.1　程序制作的sin图形

2.坐标轴设定

使用axis（[x1，x2，y1，y2]）可以设定作图横、纵坐标的范围，也可以单独使用xlim（x1，x2）设定横轴坐标范围，ylim（y1，y2）设置纵轴坐标范围，如下例：

程序的运行结果如图8.2.2所示。请观察整个图形的标题、各坐标轴的标题。本例故意将y轴的范围设得很大，所以制作的曲线被压缩在图形的底部。

图8.2.2　设定纵横坐标轴范围作图

3.画网格线

选择画网格线，可使图内的坐标值更加清晰，grid（True）函数可完成该任务。如上例中，将代码修改为（去掉纵、横坐标范围限制）：

plt.grid(True)

plt.plot(x，y)

plt.show( )

程序运行结果如图8.2.3所示。

图8.2.3　设置网格线制图

4.图形修饰

图形修饰指生成的图形的颜色、线型、线宽、图例、坐标轴刻度等内容的设定。下面例子使用颜色、线宽、线型设置生成的图形。

import numpy as np

from pylab import*

x=np.linspace(-np.pi，np.pi，100)

sin，cos=np.sin(x)，np.cos(x)

plot（x，sin，color=ˈblueˈ，linewidth=2.0，linestyle=ˈ-ˈ） #设置蓝色、2像素宽划线

plot（x，cos，color=ˈredˈ，linewidth=2.0，linestyle=ˈ-.ˈ） #用虚线画图

show( )

程序生成的图如图8.2.4，请参阅代码中颜色、线宽、线型的设置。

图8.2.4　设置颜色、线宽制图

图8.2.5　自定义坐标轴刻度

5.设定坐标轴刻度

用户可以指定坐标轴的刻度，制作出更能表达意义的图形，xticks（yticks）方法实现了该功能。参见下面坐标轴刻度设置的例子。

import numpy as np

from pylab import*

x=np.linspace(-np.pi，np.pi，100)

cos=np.cos(x)

xticks（np.linspace（-np.pi，np.pi，5）） #设置图形刻度

plot(x，cos，color=ˈredˈ，linewidth=2.0，linestyle=ˈ-ˈ)

show( )

得到的图形如8.2.5所示，坐标轴的刻度与三角函数的周期紧密相关。

6.设置样例

多曲线并列画在同一幅图形中时，制图者需要指定每条线的具体含义，这就是样例。通过设定plot函数的label参数，再配合legend函数可设置图例，见下例：

生成的图形如图8.2.6，在图形的左上角，增加了图例说明。

图8.2.6　增加图例

图8.2.7　scatter制作的散点图

7.散点图

对给定一组实验数据（xi，yi），将实验点在二维坐标中显示出来，就需要制作散点图，使用的函数是scatter，见下面的例子。

import numpy as np

from pylab import*

n=10

x=np.linspace(-10，10，n)

y=np.random.normal(0，1，n)

scatter(x，y)

show( )

上面例子，先产生两组数据，组成两维空间中的10个实验点，然后通过scatter函数制作散点图，程序运行的结果如图8.2.7。

scatter函数还可以通过其他参数，设定每个点的面积大小及颜色。下面代码在制作散点图的同时，设置每个点的大小及颜色。

程序的运行结果图8.2.8。

8.饼图

pie函数用于制作饼图，它使用一个列表作为数据源，并自动计算列表中的每项占总和的百分比，以百分比数据制作饼图。如下面代码：

图8.2.8　点大小及颜色不同的散点图

import numpy as np

import matplotlib.pyplot as plt

import matplotlib as mpl(www.daowen.com)

mpl.rcParams[ˈfont.familyˈ]=ˈsans-serifˈ

mpl.rcParams[ˈfont.sans-serifˈ]=[uˈSim Heiˈ]

data=np.random.randint(1，11，5)

#在区间[1，11）中产生5个随机整数

plt.pie(data，explode=[0，0，0.3，0，0])

#explode的第三个参数为0.3，意味着对应饼块被拖出饼

plt.show( )

程序：男女成绩直方图

上述代码在区间[1，11）中产生5个随机整数，然后调用pie函数画图，参数explode用于决定每块饼放置情况。当它的某个元素不为0时，意味着对应的饼块从饼图中分离出来。如程序中第三个参数为0.3，使得图中的第3饼块离开了整个饼图。程序的运行结果如图8.2.9。

9.柱状图

使用bar函数完成柱状图的制作。简单的代码如下：

图8.2.9　饼图

import matplotlib as mpl

import matplotlib.pyplot as plt

mpl.rcParams[ˈfont.sans-serifˈ]=[ˈSim Heiˈ] #提供汉字支持

plt.bar((0，1)，(173，69)，width=0.2，align=ˈcenterˈ)

plt.ylabel（ˈ人数ˈ）

plt.xlabel（ˈ课程ˈ）

plt.xticks((0，1)，("C"，"Python"))

plt.show( )

上述代码中，bar函数中的参数，（0，1）指横坐标，位置分别为0，1，（173，69）指两个柱各自的高度，width指定柱的宽度，align则指定对齐方式。程序的执行结果如图8.2.10。

代码中有几个语句需要注意，由于Python3默认状态下不支持汉字，所以使用语句

图8.2.10　简单柱状图，并支持汉字显示

mpl.rcParams[ˈfont.sans-serifˈ]=[ˈSim Heiˈ]

增加它对汉字的支持。

下面例子考虑3个班级的男女生的高等数学、普通物理、大学计算机三门课程的平均成绩及标准偏差。制图方案中要求在图中直方图上显示均值，方差显示在其上方。制图程序如下：

程序的运行结果如图8.2.11所示。

图8.2.11　均值加方差显示的柱状图

10.子窗口画图

matplotlib支持在同一个图形中包含多个子窗口，在每个子窗口完成图形的不同部分，这个任务使用subplot函数实现。

subplot函数有三个整数参数，前两个指定子图的行、列，后面一个参数指定第几个子图。例如subplot（1，2，1）指定图形中有两个子图（1行2列），它们处于第一行上。最后一个参数1通知maplotlib，这是第一个子图，其后续的plot制图语句所制作的图形，在当前子窗口中进行。

下面代码在同一行的两个子图上完成制图。

import numpy as np

import matplotlib.pyplot as plt

x=np.linspace(0，5，10)

y=x**2

plt.subplot（1，2，1） #第一个子图

plt.plot(x，y，ˈr--ˈ)

plt.subplot（1，2，2） #第二个子图

plt.plot(y，x，ˈg*-ˈ)

plt.show( )

程序运行的结果所图8.2.12（a）所示。将上述代码的两个subplot换成如下代码，制图如8.2.12（b）所示。

plt.subplot（2，1，1） #两个处于同一列的子图，第一个子图

plt.plot(x，y，ˈr--ˈ)

plt.subplot（2，1，2） #第二个子图

plt.plot(y，x，ˈg*-ˈ)

上面代码中，plt.subplot（1，2，1）指图表中有一行二列，在第一列制图，plt.subplot（1，2，2）指在图表中第二列制图。所以，制作的图形中，两个子图形在同一行。后面代码中，plt.subplot（2，1，1）指图分2行1列，在第一行制图，plt.subplot（2，1，2）则在第二行制图，所以得到的图形，两个子图形在同一列。

图8.2.12　多子图制图

除了使用subplot函数外，也可以使用subplots函数实现多窗口制图，其过程与subplot类似。如下面代码：

该段代码运行的结果如图8.2.13所示。

图8.2.13　用sunplots制作子图

11.图形的大小、分辨率

matplotlib支持用户指定图形的分辨率、大小和长宽比例（aspect ratio）。这些功能通过subplots函数中的figsize、dpi等参数实现。如创建一个800×600像素、100 dpi分辨率的图形，可使用如下语句：

fig，axes=plt.subplots(figsize=(8，6)，dpi=100)

下面代码制作大小为800×600，分辨率为100dpi的图形。

import numpy as np

import matplotlib.pyplot as plt

x=np.linspace(0，5，10)

y=x**2

fig，axes=plt.subplots(figsize=(8，6)，dpi=100)

axes.plot(x，y，ˈrˈ)

axes.set_xlabel(ˈxˈ)

axes.set_ylabel(ˈyˈ)

axes.set_title(ˈtitleˈ)

plt.show( )

该段代码的运行结果如图8.2.14所示。

图8.2.14　用户指定分辨率制图