本文作为学习过程中对matplotlib一些常用知识点的整理，方便查找。
这样IPython配置为使用你所指定的matplotlibGUI后端（TK/wxPython/PyQt/MacOSXnative/GTK)。对于大部分用户而言，默认的后端就已经够用了。Pylab模式还会向IPython引入一大堆模块和函数以提供一种更接近MATLAB的界面。
12345678importmatplotlib.pyplotaspltlabels='frogs','hogs','dogs','logs'sizes=15,20,45,10colors='yellowgreen','gold','lightskyblue','lightcoral'explode=0,0.1,0,0plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)plt.axis('equal')plt.show()matplotlib图标正常显示中文为了在图表中能够显示中文和负号等，需要下面一段设置：
123importmatplotlib.pyplotaspltplt.rcParams['font.sas-serig']=['SimHei']#用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False#用来正常显示负号
可以使用ipython--pylab打开ipython命名窗口。
12%matplotlibinline#notebook模式下%pylabinline#ipython模式下这两个命令都可以在绘图时，将图片内嵌在交互窗口，而不是弹出一个图片窗口，但是，有一个缺陷：除非将代码一次执行，否则，无法叠加绘图，因为在这两种模式下，是要有plt出现，图片会立马show出来，因此：
推荐在ipythonnotebook时使用，这样就能很方便的一次编辑完代码，绘图。
在代码执行过程中，有两种方式更改参数：
如果不想每次使用matplotlib时都在代码部分进行配置，可以修改matplotlib的文件参数。可以用matplot.get_config()命令来找到当前用户的配置文件目录。
配置文件包括以下配置项：
axex:设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示backend:设置目标暑促TkAgg和GTKAggfigure:控制dpi、边界颜色、图形大小、和子区(subplot)设置font:字体集（fontfamily）、字体大小和样式设置grid:设置网格颜色和线性legend:设置图例和其中的文本的显示line:设置线条（颜色、线型、宽度等）和标记patch:是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。savefig:可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。verbose:设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。xticks和yticks:为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。
如果这两种颜色不够用，还可以通过两种其他方式来定义颜色值：
很多方法可以介绍颜色参数，如title()。plt.tilte('Titleinacustomcolor',color='#123456'）
通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的方法提供一个axisbg参数，可以指定坐标这的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098)
如果你向plot()指令提供了一维的数组或列表，那么matplotlib将默认它是一系列的y值，并自动为你生成x的值。默认的x向量从0开始并且具有和y同样的长度，因此x的数据是[0,1,2,3].
用一条指令画多条不同格式的线。
123456789importnumpyasnpimportmatplotlib.pyplotasplt#evenlysampledtimeat200msintervalst=np.arange(0.,5.,0.2)#reddashes,bluesquaresandgreentrianglesplt.plot(t,t,'r--',t,t**2,'bs',t,t**3,'g^')plt.show()
你可以多次使用figure命令来产生多个图，其中，图片号按顺序增加。这里，要注意一个概念当前图和当前坐标。所有绘图操作仅对当前图和当前坐标有效。通常，你并不需要考虑这些事，下面的这个例子为大家演示这一细节。
1234567891011121314importmatplotlib.pyplotaspltplt.figure(1)#第一张图plt.subplot(211)#第一张图中的第一张子图plt.plot([1,2,3])plt.subplot(212)#第一张图中的第二张子图plt.plot([4,5,6])plt.figure(2)#第二张图plt.plot([4,5,6])#默认创建子图subplot(111)plt.figure(1)#切换到figure1;子图subplot(212)仍旧是当前图plt.subplot(211)#令子图subplot(211)成为figure1的当前图plt.title('Easyas1,2,3')#添加subplot211的标题
figure感觉就是给图像ID，之后可以索引定位到它。
在数据可视化的过程中，图片中的文字经常被用来注释图中的一些特征。使用annotate()方法可以很方便地添加此类注释。在使用annotate时，要考虑两个点的坐标：被注释的地方xy(x,y)和插入文本的地方xytext(x,y)。[^1]
现在是明白干嘛用的了，就是人为设置坐标轴的刻度显示的值。
1234567ax=gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))这个地方确实没看懂，囧，以后再说吧，感觉就是移动了坐标轴的位置。
使用plt.style.use('ggplot')命令，可以作出ggplot风格的图片。
好吧，又是注释，多个例子参考一下！
我们希望在2π/32π/3的位置给两条函数曲线加上一个注释。首先，我们在对应的函数图像位置上画一个点；然后，向横轴引一条垂线，以虚线标记；最后，写上标签。
1234567891011121314151617t=2*np.pi/3#作一条垂直于x轴的线段，由数学知识可知，横坐标一致的两个点就在垂直于坐标轴的直线上了。这两个点是起始点。plot([t,t],[0,np.cos(t)],color='blue',linewidth=2.5,linestyle="--")scatter([t,],[np.cos(t),],50,color='blue')annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',xy=(t,np.sin(t)),xycoords='data',xytext=(+10,+30),textcoords='offsetpoints',fontsize=16,arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=.2"))plot([t,t],[0,np.sin(t)],color='red',linewidth=2.5,linestyle="--")scatter([t,],[np.sin(t),],50,color='red')annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',xy=(t,np.cos(t)),xycoords='data',xytext=(-90,-50),textcoords='offsetpoints',fontsize=16,arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=.2"))
plt.subplot(2,3,1)表示把图标分割成2*3的网格。也可以简写plt.subplot(231)。其中，第一个参数是行数，第二个参数是列数，第三个参数表示图形的标号。
rect=[左,下,宽,高]规定的矩形区域,rect矩形简写，这里的数值都是以figure大小为比例，因此，若是要两个axes并排显示，那么axes[2]的左=axes[1].左+axes[1].宽，这样axes[2]才不会和axes[1]重叠。
showcode:
找出matpltlib.pyplot.plot中的colors可以取哪些值？
12forname,hexinmatplotlib.colors.cnames.iteritems():printname,hex