Python之Matplotlib画图方法_Linux编程_Linux公社-Linux系统门户网站
你好，游客
Python之Matplotlib画图方法
来源：Linux社区&
作者：flykite
Matplotlib是一个由John Hunter等开发的，用以绘制二维图形的Python模块。Matplotlib可以绘制多种形式的图形包括普通的线图，直方图，饼图，散点图以及误差线图等；可以比较方便的定制图形的各种属性比如图线的类型，颜色，粗细，字体的大小等；它能够很好地支持一部分TeX排版命令，可以比较美观地显示图形中的数学公式。
&&&&Matplotlib的安装方法请参考官方文档：
&&&&为了方便大家下载，这里提供NumPy、SciPy以及Matplotlib的下载地址：
&&& NumPy：
&&& SciPy：
&&& Matplotlib：
&&& 官方提供了Matplotlib很多示例，大家请参考：
&&& 这里简单演示一个示例：from&mpl_toolkits.mplot3d&import&Axes3D &from&matplotlib&import&cm &from&matplotlib.ticker&import&LinearLocator,&FormatStrFormatter &import&matplotlib.pyplot&as&plt &import&numpy&as&np &&fig&=&plt.figure() &ax&=&fig.gca(projection='3d') &X&=&np.arange(-5,&5,&0.25) &Y&=&np.arange(-5,&5,&0.25) &X,&Y&=&np.meshgrid(X,&Y) &R&=&np.sqrt(X**2&+&Y**2) &Z&=&np.sin(R) &surf&=&ax.plot_surface(X,&Y,&Z,&rstride=1,&cstride=1,&cmap=cm.jet, &&&&&&&&&linewidth=0,&antialiased=False) &ax.set_zlim(-1.01,&1.01) &&ax.zaxis.set_major_locator(LinearLocator(10)) &ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f')) &&fig.colorbar(surf,&shrink=0.5,&aspect=5) &&plt.show()&
&&& 效果图如下所示：
相关资讯 & & &
& (07月20日)
& (05/23/:15)
& (07月22日)
& (06月27日)
& (02/11/:04)
　　　同意评论声明
　　　发表
尊重网上道德，遵守中华人民共和国的各项有关法律法规
承担一切因您的行为而直接或间接导致的民事或刑事法律责任
本站管理人员有权保留或删除其管辖留言中的任意内容
本站有权在网站内转载或引用您的评论
参与本评论即表明您已经阅读并接受上述条款下次自动登录
现在的位置:
& 综合 & 正文
matplotlib-绘制精美图表
matplotlib-绘制精美图表
matplotlib是一个在python下实现的类matlib的纯python的三方库，旨在用python实现matlab的功能，是python下最出色的会图库，功能很完善，风格跟matlib很相似。
我们画图的目的是将函数以图片的形式展示出来，所以需要关注两个方面的东西：1.函数 2.图片 函数方面使用的是numpy这个库，其中包括了很多科学计算的功能。
1.matplotlib中的快速绘图的函数库可以通过如下语句载入：
import matplotlib.pyplot as plt
2.接下来调用figure创建一个绘图对象，并且使它成为当前的绘图对象。
plt.figure(figsize=(8,4))
通过figsize参数可以指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。因此本例中所创建的图表窗口的宽度为8*80 = 640像素。
3.通过调用plot函数在当前的绘图对象中进行绘图：
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")
*x,y均为成员数量相同的数组
olabel : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
ocolor : 指定曲线的颜色
olinewidth : 指定曲线的宽度
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.ylim(-1.2,1.2)
plt.legend()
oxlabel : 设置X轴的文字
oylabel : 设置Y轴的文字
otitle : 设置图表的标题
oylim : 设置Y轴的范围
olegend : 显示图示
4.最后调用plt.show()显示出我们创建的所有绘图对象。
：转载时请以超链接形式标明原始出处和作者信息及
matplotlib是python中一个用于画图的一个包，在matplotlib的主页上是这么介绍的：matplotlib is a python 2D plotting library which produces publication quality figures in a variety of hardcopy formats and interactive environments across platforms. 目前matplotlib的最新版本是0.99.1，可以进入他的官网进行下载：http://matplotlib.sourceforge.net/
使用matplotlib来画图已经很长时间了，零零碎碎的也积攒了很多小tips，但是一直没怎么整理，在这个帖子里，我准备将平时所用到的小tips做一个小结，在以后也会不定期的进行更新。
首先介绍一下matplotlib中最常用的一个子模块，pyplot。这个包中包含常用的绘制二维曲线的方法，也是实际中应用最多的一个字包。因此通常我们用matplotlib绘图的时候首先需要引入这个包，即
import matplotlib.pyplot as plt
下面介绍二维图中的常用的几个概念
figure：定义一个图片
fig = plt.figure()
axes：定义图片中的一块绘图区域，在实际作图中，通常使用下面的方法
ax = fig.add_subplot(111)
可以将图片划分为几个绘图区域，括号中的三个数字分别表示将图片划分为几行、 几列，以及选取第几个绘图区域，因此，如下的语句表示，将图片划分为2行2列，供4个区域，ax是其中的第三个区域，注意在这里是按照行来数的，即图片的左下角的区域。
ax = fig.add_subplot(223)
括号中的数字也可以用逗号隔开，即
ax = fig.add_subplot(2,2,3)
axis：表示绘图区域的一个坐标轴，有x轴和y轴之分，分别可以通过以下方法取得
xaxis = ax.xaxis
yaxis = ax.yaxis
以上的三个概念是绘图中使用最多，大部分操作也是在其中完成的。
下面介绍一些经常使用到的一些操作。
1. 画二维曲线图
x = arange(0,5,0.1)
y = [math.sin(a) for a in x]
ax.plot(x,y,"ro-")
图片结果如图1所示，双引号里面的三个字符分别表示曲线颜色，点的形状，线的形状。也可以用以下的方式显示指定：
ax.plot(x,y,color='r',linestyle='-',marker='o')
color的取值可以参见表1，或者使用RGB的值，即color=(1,0,0)。
linestyle与marker的取值可以参见表2，默认的线形为'-'，点形为'o'。如果只想表示散点图，可以使用
ax.plot(x,y,"ro")
ax.plot(x,y,color='r',linestyle='',marker='o')
在实际中，我们可能经常会用到对数坐标轴，这时可以用下面的三个函数来实现
ax.semilogx(x,y)
#x轴为对数坐标轴
ax.semilogy(x,y)
#y轴为对数坐标轴
ax.loglog(x,y)
#双对数坐标轴
2. 图形标注
这个命令很简单，如果在plot语句中使用了label属性，那么使用legend语句即可自动在图片中添加一个标注框，如下：
x = arange(0,5,0.1)
y = [math.sin(a) for a in x]
ax.plot(x,y,"ro-",label = "sin(x)")
y = [math.cos(a) for a in x]
ax.plot(x,y,"bx-",label = "cos(x)")
ax.legend()
运行结果如图2所示。
当然我们可以指定legend的位置，如下：
ax.legend(loc='lower left')
ax.legend(loc=3)
location的可选参数见表3.
3. 坐标轴的标题
在图2中，我们使用下面语句来定义坐标轴标题
ax.set_xlabel("x")
ax.set_ylabel("sin(x),cos(x)")
4. 数学公式编辑
图2中的图形标签与坐标轴的标题都是用常规字体来显示的，那么很多时候我们希望它们显示成数学公式的样子，或者有时候直接就需要编辑一个数学公式，里面可能包括一些拉丁字母或者数学符号等，这时候我们需要借助用：LaTex。
LaTex是一款排版软件，是编辑论文的常用工具，也可以处理日常生活中的各种文档，如写信、写书、画表格，甚至做幻灯片。它和word的主要区别在于：word是“所见即所得”，而LaTex是“所想即所得”。在LaTex里编辑公式是依靠一系列命令生成的。
当然在这里，我不准备将篇幅全部用于LaTex上面，感兴趣的朋友可以自己google学习之。在matplotlib里面，也可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个“r”即可，这里给大家看一个简单的例子。
x = arange(1,1000,1)
y = [5*(a**r) for a in x]
ax.loglog(x,y,label = r"$y = c*x^{\gamma}, c=5,\gamma=-2$")
ax.legend()
ax.set_xlabel(r"x")
ax.set_ylabel(r"y")
程序执行结果如图3所示，这实际上是一个power-law的例子，有兴趣的朋友可以继续google之。
关于LaTex的更多命令，可以参见matplotlib的官方教程：
http://matplotlib.sourceforge.net/users/mathtext.html#mathtext-tutorial
5. 控制坐标轴的显示
前面所有的例子的坐标轴的所有显示（如最大值，最小值，间隔大小，显示方式等等）都是使用的默认生成方式，而实际上，我们也可以用几句命令很方便的进行修改。下面用例子来说明吧：
x = arange(0,5,0.1)
y = [10*math.sin(a) for a in x]
ax.plot(x,y,"ro-",label = "sin(x)")
ax.set_xlim(1,4)
# 设定x轴范围
ax.set_ylim(-8.5,11)
# 设定y轴范围
ax.set_xticks(range(1,4.1,0.5))
# 设定x轴的标签
ax.set_yticks(range(-8,11,2))
# 设定y轴的标签
程序运行结果如图4所示，而如果你希望你的坐标轴上的标签显示的不是数字，而是一些设定好的文字，当然也可以：
ax.set_xticklabels(list("abcdefg"))
# 设定x轴的标签文字
显示结果如图5所示
通过set_xticks与set_xticklabels的结合，我们就可以任意变换我们想要的x轴标签的显示形式了，记住，set_xticks是设定标签的实际数字，而set_xticklabels则是设定我们希望他显示的结果。
1.label翻转的实现，在输出到页面之前，使用：fig.autofmt_xdate() 或者 ax.set_xticklabels(group_labels, rotation=120)
rotation就是翻转的角度
&&&&推荐文章:
【上篇】【下篇】原文：http://michaelxiang.me//python-matplotlib-basic/
强烈推荐ipython无论你工作在什么项目上，IPython都是值得推荐的。利用ipython --pylab，可以进入PyLab模式，已经导入了matplotlib库与相关软件包（例如Numpy和Scipy)，额可以直接使用相关库的功能。
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matplotlib GUI后端（TK/wxPython/PyQt/Mac OS X native/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。
import matplotlib.pyplot as plt
labels='frogs','hogs','dogs','logs'
sizes=15,20,45,10
colors='yellowgreen','gold','lightskyblue','lightcoral'
explode=0,0.1,0,0
plt.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：
import matplotlib.pyplot as plt
plt.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
matplotlib inline和pylab inline
可以使用ipython --pylab打开ipython命名窗口。
%matplotlib inline
%pylab inline
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ipython notebook时使用，这样就能很方便的一次编辑完代码，绘图。
为项目设置matplotlib参数
在代码执行过程中，有两种方式更改参数：
使用参数字典(rcParams)
调用matplotlib.rc()命令 通过传入关键字元祖，修改参数
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（font family）、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。
线条相关属性标记设置
用来该表线条的属性
线条风格linestyle或ls描述线条风格linestyle或ls描述
‘None’,’ ‘,’’
什么都不画
标记maker描述标记描述
一角朝下的三角形
一角朝左的三角形
一角朝右的三角形
一角朝上的三角形
‘None’,’’,’ ‘
可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。
别名颜色别名颜色
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：
使用HTML十六进制字符串&color='eeefff'&使用合法的HTML颜色名字（’red’,’chartreuse’等）。
也可以传入一个归一化到[0,1]的RGB元祖。&color=(0.3,0.3,0.4)
很多方法可以介绍颜色参数，如title()。plt.tilte('Title in a custom color',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=(0.8,0.3098)
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].
确定坐标范围
plt.axis([xmin, xmax, ymin, ymax])上面例子里的axis()命令给定了坐标范围。
xlim(xmin, xmax)和ylim(ymin, ymax)来调整x,y坐标范围
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
from pylab import *
x = np.arange(-5.0, 5.0, 0.02)
y1 = np.sin(x)
plt.figure(1)
plt.subplot(211)
plt.plot(x, y1)
plt.subplot(212)
#设置x轴范围
xlim(-2.5, 2.5)
#设置y轴范围
ylim(-1, 1)
plt.plot(x, y1)
用一条指令画多条不同格式的线。
import numpy as np
import matplotlib.pyplot as plt
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()
plt.figure()
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。
import matplotlib.pyplot as plt
plt.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figure 1 ; 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('Easy as 1,2,3')
# 添加subplot 211 的标题
figure感觉就是给图像ID，之后可以索引定位到它。
plt.text()添加文字说明
text()可以在图中的任意位置添加文字，并支持LaTex语法
xlable(), ylable()用于添加x轴和y轴标签
title()用于添加图的题目
import numpy as np
import matplotlib.pyplot as plt
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()
text中前两个参数感觉应该是文本出现的坐标位置。
plt.annotate()文本注释
在数据可视化的过程中，图片中的文字经常被用来注释图中的一些特征。使用annotate()方法可以很方便地添加此类注释。在使用annotate时，要考虑两个点的坐标：被注释的地方xy(x, y)和插入文本的地方xytext(x, y)。[^1]
import numpy as np
import matplotlib.pyplot as plt
ax = plt.subplot(111)
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05),
plt.ylim(-2,2)
plt.show()
plt.xticks()/plt.yticks()设置轴记号
现在是明白干嘛用的了，就是人为设置坐标轴的刻度显示的值。
from pylab import *
figure(figsize=(8,6), dpi=80)
subplot(1,1,1)
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
plot(X, C, color="blue", linewidth=1.0, linestyle="-")
plot(X, S, color="r", lw=4.0, linestyle="-")
plt.axis([-4,4,-1.2,1.2])
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
当我们设置记号的时候，我们可以同时设置记号的标签。注意这里使用了 LaTeX。[^2]
移动脊柱 坐标系
ax = 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。
plt.legend()添加图例
plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(X, S, color="red",
linewidth=2.5, linestyle="-", label="sine")
legend(loc='upper left')
matplotlib.pyplot
使用plt.style.use('ggplot')命令，可以作出ggplot风格的图片。
# Import necessary packages
import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('ggplot')
from sklearn import datasets
from sklearn import linear_model
import numpy as np
# Load data
boston = datasets.load_boston()
yb = boston.target.reshape(-1, 1)
Xb = boston['data'][:,5].reshape(-1, 1)
# Plot data
plt.scatter(Xb,yb)
plt.ylabel('value of house /1000 ($)')
plt.xlabel('number of rooms')
# Create linear regression object
regr = linear_model.LinearRegression()
# Train the model using the training sets
regr.fit( Xb, yb)
# Plot outputs
plt.scatter(Xb, yb,
color='black')
plt.plot(Xb, regr.predict(Xb), color='blue',
linewidth=3)
plt.show()
给特殊点做注释
好吧，又是注释，多个例子参考一下！
我们希望在 2π/32π/3 的位置给两条函数曲线加上一个注释。首先，我们在对应的函数图像位置上画一个点；然后，向横轴引一条垂线，以虚线标记；最后，写上标签。
t = 2*np.pi/3
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')
annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
xy=(t, np.sin(t)), xycoords='data',
xytext=(+10, +30), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="-&", connectionstyle="arc3,rad=.2"))
plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')
annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
xy=(t, np.cos(t)), xycoords='data',
xytext=(-90, -50), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="-&", connectionstyle="arc3,rad=.2"))
plt.subplot()
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。
plt.axes()
我们先来看什么是Figure和Axes对象。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对象都是一个拥有自己坐标系统的绘图区域。其逻辑关系如下：
axes() by itself creates a default full subplot(111) window axis.
axes(rect, axisbg=’w’) where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.
axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.
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。
show code:
http://matplotlib.org/examples/pylab_examples/axes_demo.html
import matplotlib.pyplot as plt
import numpy as np
dt = 0.001
t = np.arange(0.0, 10.0, dt)
r = np.exp(-t[:1000]/0.05)
x = np.random.randn(len(t))
s = np.convolve(x, r)[:len(x)]*dt
plt.plot(t, s)
plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])
plt.xlabel('time (s)')
plt.ylabel('current (nA)')
plt.title('Gaussian colored noise')
a = plt.axes([.65, .6, .2, .2], axisbg='y')
n, bins, patches = plt.hist(s, 400, normed=1)
plt.title('Probability')
plt.xticks([])
plt.yticks([])
a = plt.axes([0.2, 0.6, .2, .2], axisbg='y')
plt.plot(t[:len(r)], r)
plt.title('Impulse response')
plt.xlim(0, 0.2)
plt.xticks([])
plt.yticks([])
plt.show()
pyplot.pie参数
colors颜色
找出matpltlib.pyplot.plot中的colors可以取哪些值？
for name,hex in matplotlib.colors.cnames.iteritems():
print name,hex
打印颜色值和对应的RGB值。
plt.axis('equal')避免比例压缩为椭圆
autopct enables you to display the percent value using Python string formatting. For example, if autopct='%.2f', then for each pie wedge, the format string is '%.2f' and the numerical percent value for that wedge is pct, so the wedge label is set to the string '%.2f'%pct.
阅读(...) 评论()python之matplotlib中plt.show()不显示图的解决办法 - 简书
<div class="fixed-btn note-fixed-download" data-toggle="popover" data-placement="left" data-html="true" data-trigger="hover" data-content=''>
写了323字，被0人关注，获得了0个喜欢
python之matplotlib中plt.show()不显示图的解决办法
最近，我重新安装了ubuntu，使用virtualenv安装了matplotlib。然后，问题来了。当我运行下列代码时，没有图框跳出来。
import matplotlib.pyplot as plt
plt.show()
plt.bar(left = 0,height = 1)
我使用%pylab查看matplotlib后端，发现居然是agg。兄弟姐妹们，agg是不会画图的！
In [4]:%pylab
Using matplotlib backend: agg
Populating the interactive namespace from numpy and matplotlib
1. 安装Tkinter 和 matplotlib
我的问题在于我原来的python居然没有Tkinter！！
sudo apt-get install tk-dev
pip uninstall -y matplotlib
pip --no-cache-dir install -U matplotlib #这是最关键的
2. 设置agg
其实经过上面的步骤，已经可以画图了补充2种设置agg方法
临时的import matplotlibmatplotlib.use('TkAgg')这个命令必须在第一次使用%pylab 或者import matplotlib.pyplot as plt之前使用常见的agg有：Qt4Agg Qt5Agg TkAgg WX WXAgg Agg Cairo GDK PS PDF SVG
永久的修改matplotlibrc文件matplotlibrc文件的位置在：[~/.virtualenvs/myenv]/lib/python2.7/site-packages/matplotlib/mpl-data/修改位置：backend
至此，matplotlib可以正常工作了。
如果觉得我的文章对您有用，请随意打赏。您的支持将鼓励我继续创作！
打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮
被以下专题收入，发现更多相似内容：
如果你是程序员，或者有一颗喜欢写程序的心，喜欢分享技术干货、项目经验、程序员日常囧事等等，欢迎投稿《程序员》专题。
专题主编：小...
· 247554人关注
如果觉得我的文章对您有用，请随意打赏。您的支持将鼓励我继续创作！
选择支付方式：