在Linux中使用matplotlib进行科学画图
================================================================================

如果你想要在Linxu中获得一个高效、自动化、高质量的科学画图的解决方案，应该考虑尝试下matplotlib库。Matplotlib是基于python的开源科学测绘包，基于python软件基金会许可证发布。大量的文档和例子、集成了Python和Numpy科学计算包、以及自动化能力，是作为Linux环境中进行科学画图的可靠选择的几个原因。这个教程将提供几个用matplotlib画图的例子。

###特性###

- 支持众多的图表类型，如：bar,box,contour,histogram,scatter,line plots....
- 基于python的语法
- 集成Numpy科学计算包
- 数据源可以是 python 的列表、键值对和数组
- 可定制的图表格式（坐标轴缩放、标签位置及标签内容等)
- 可定制文本（字体，大小，位置...)
- 支持TeX格式（等式，符号，希腊字体...)
- 与IPython相兼容（允许在 python shell 中与图表交互）
- 自动化（使用 Python 循环创建图表）
- 用Python 的循环迭代生成图片
- 保存所绘图片格式为图片文件，如：png,pdf,ps,eps,svg等

基于Python语法的matplotlib是其许多特性和高效工作流的基础。世面上有许多用于绘制高质量图的科学绘图包，但是这些包允许你直接在你的Python代码中去使用吗？除此以外，这些包允许你创建可以保存为图片文件的图片吗？Matplotlib允许你完成所有的这些任务。从而你可以节省时间，使用它你能够花更少的时间创建更多的图片。

###安装###
安装Python和Numpy包是使用Matplotlib的前提，安装Numpy的指引请见[该链接][1]。


可以通过如下命令在Debian或Ubuntu中安装Matplotlib：

    $ sudo apt-get install python-matplotlib 

在Fedora或CentOS/RHEL环境则可用如下命令：

    $ sudo yum install python-matplotlib 


###Matplotlib 例子###

本教程会提供几个绘图例子演示如何使用matplotlib:

- 离散图和线性图
- 柱状图
- 饼状图

在这些例子中我们将用Python脚本来执行Mapplotlib命令。注意numpy和matplotlib模块需要通过import命令在脚本中进行导入。

np为nuupy模块的命名空间引用，plt为matplotlib.pyplot的命名空间引用：

    import numpy as np
    import matplotlib.pyplot as plt


###例1：离散和线性图###

第一个脚本，script1.py 完成如下任务:

- 创建3个数据集（xData,yData1和yData2)
- 创建一个宽8英寸、高6英寸的图(赋值1）
- 设置图画的标题、x轴标签、y轴标签（字号均为14）
- 绘制第一个数据集：yData1为xData数据集的函数，用圆点标识的离散蓝线，标识为"y1 data"
- 绘制第二个数据集：yData2为xData数据集的函数，采用红实线，标识为"y2 data"
- 把图例放置在图的左上角
- 保存图片为PNG格式文件

script1.py的内容如下：

    import numpy as np
    import matplotlib.pyplot as plt
     
    xData = np.arange(0, 10, 1)
    yData1 = xData.__pow__(2.0)
    yData2 = np.arange(15, 61, 5)
    plt.figure(num=1, figsize=(8, 6))
    plt.title('Plot 1', size=14)
    plt.xlabel('x-axis', size=14)
    plt.ylabel('y-axis', size=14)
    plt.plot(xData, yData1, color='b', linestyle='--', marker='o', label='y1 data')
    plt.plot(xData, yData2, color='r', linestyle='-', label='y2 data')
    plt.legend(loc='upper left')
    plt.savefig('images/plot1.png', format='png')


所画之图如下：

![](https://farm8.staticflickr.com/7529/15927002365_f5ae11cf02_z.jpg)


###例2：柱状图###

第二个脚本，script2.py 完成如下任务：

- 创建一个包含1000个随机样本的正态分布数据集。
- 创建一个宽8英寸、高6英寸的图(赋值1）
- 设置图的标题、x轴标签、y轴标签（字号均为14）
- 用samples这个数据集画一个40个柱状，边从-10到10的柱状图
- 添加文本,用TeX格式显示希腊字母mu和sigma(字号为16）
- 保存图片为PNG格式。

script2.py代码如下：

    import numpy as np
    import matplotlib.pyplot as plt
     
    mu = 0.0
    sigma = 2.0
    samples = np.random.normal(loc=mu, scale=sigma, size=1000)
    plt.figure(num=1, figsize=(8, 6))
    plt.title('Plot 2', size=14)
    plt.xlabel('value', size=14)
    plt.ylabel('counts', size=14)
    plt.hist(samples, bins=40, range=(-10, 10))
    plt.text(-9, 100, r'$\mu$ = 0.0, $\sigma$ = 2.0', size=16)
    plt.savefig('images/plot2.png', format='png')


结果见如下链接：

![](https://farm8.staticflickr.com/7531/15304765024_1cc271b6e0_z.jpg)


###例3：饼状图###

第三个脚本，script3.py 完成如下任务：

- 创建一个包含5个整数的列表
- 创建一个宽6英寸、高6英寸的图(赋值1）
- 添加一个长宽比为1的轴图
- 设置图的标题（字号为14）
- 用data列表画一个包含标签的饼状图
- 保存图为PNG格式

脚本script3.py的代码如下：

    import numpy as np
    import matplotlib.pyplot as plt
     
    data = [33, 25, 20, 12, 10]
    plt.figure(num=1, figsize=(6, 6))
    plt.axes(aspect=1)
    plt.title('Plot 3', size=14)
    plt.pie(data, labels=('Group 1', 'Group 2', 'Group 3', 'Group 4', 'Group 5'))
    plt.savefig('images/plot3.png', format='png')


结果如下链接所示：

![](https://farm8.staticflickr.com/7504/15926356092_7c3e5217aa_z.jpg)


###总结###

这个教程提供了几个用matplotlib科学画图包进行画图的例子，Matplotlib是在Linux环境中用于解决科学画图的绝佳方案，表现在其无缝地和Python、Numpy连接、自动化能力，和提供多种自定义的高质量的画图产品。matplotlib包的文档和例子详见[这里][2]。

--------------------------------------------------------------------------------

via: http://xmodulo.com/matplotlib-scientific-plotting-linux.html

作者：[Joshua Reed][a]
译者：[ideas4u](https://github.com/ideas4u)
校对：[wxy](https://github.com/wxy)

本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创翻译，[Linux中国](http://linux.cn/) 荣誉推出

[a]:http://xmodulo.com/author/joshua
[1]:http://xmodulo.com/numpy-scientific-computing-linux.html
[2]:http://matplotlib.org/