Table of Contents
源代码在此处 github
所有的代码及素材遵守 Creative Commons Attribution-ShareAlike 4.0 协议.
你使用这个脚本 check-installation.py 来测试 Matplotlib 是否安装成功。
本指南可在此处阅读 http://www.labri.fr/perso/nrougier/teaching/matplotlib/matplotlib.html
请一定也读一下 为了更好的设计而生的十个简单规则(英文), N.P. Rougier, M. Droettboom & P. Bourne, Plos Computational Biology 10(9): e1003833. doi:10.1371/journal.pcbi.1003833.
另请参阅:
Matplotlib 大概是最常用的 Pyrhon 2D 绘图库。它提供从 Python 和其他数据里快速创建可视化图像的方法。我们将要探索 matplotlib 在交互模式下的常见用法。
IPython 是一个增强的 Python 交互式 shell，它有很多有趣的功能,包括命名输入和输出,访问 shell 命令,改进的调试方式和许多其他的功能。当我们使用参数 -pylab （IPython版本大于0.12时请使用 --pylab）启动后，它将允许与 matplotlib 会话交互并提供类似 Matlab/Mathematica 的功能。
pyplot 为 matplotlib 提供了一个方便的面向对象的绘图接口，它的风格非常像 Matlab。此外大多数 pyplot 的绘图命令与 Matlab 有着类似的参数。本教程中重要的命令将会用交互式的例子介绍。
在本章中我们将要在一个简单的画板上画一个 cosine 和 sine 函数。从默认的参数开始，我们将一步一步的完善它。 第一步是从 sine 和 cosine 函数中获取数据：
import numpy as np X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X)
X 现在是有着 256 个变量，范围为从 -π 到 +π（包含）的 numpy 数组。 C 是 cosine 函数（256个变量），S是 sine 函数（256个变量）。
为了演示这个例子，你可以下载每一个例子并用如下命令运行他
$ python exercice_1.py
你可以点击每一步对应的图像来获取代码。
Matplotlib 附带了一组的默认设置,允许定制各种属性。您可以控制几乎所有的属性，比如图的大小和 dpi，线宽，颜色和风格，坐标轴和网格属性，文本和字体属性等等。虽然 matplotlib 的默认属性在大部分情况下是比较好的，但你也许为了一些特殊的场合改变某些参数。
在下面的脚本中，我们将介绍所有影响图外观的参数。这些参数被显式的设定成初始值，但你现在可以交互的改变这些参数并观察它们起的作用。(参见下面的 线属性 和 线风格)。
第一步，我们想要让 cosine 是蓝色 sine 是红色，并用稍微粗点的线标出他们。 我们也会稍微改变图的大小,使之更水平（horizontal）。
plt.figure(figsize=(10,6), dpi=80) plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-") plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
当前的上下界对于这张图来说有点太小了，我们把他弄大点来看清楚所有的数据点。
plt.xlim(X.min()*1.1, X.max()*1.1) plt.ylim(C.min()*1.1, C.max()*1.1)
当前的坐标轴并不理想，因为他们不为 sine 和 cosine 显示有意义的值（+/-π,+/-π/2），我们将改变它们，让它们只显示这些值。
plt.xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi]) plt.yticks([-1, 0, +1])
现在坐标轴刻度被正确的设置了，但他们的单位并不是很明确。我们可以猜想 3.142 = π 但让它直接显示 π 会更加明确。在我们设置坐标轴刻度时可以在第二个参数列表里提供对应的单位。注意：我们将使用 LaTeX 来更好的描述单位。
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
脊（Spines）是连接轴刻度和提示边界的线。它们可以被放置在任意的位置，现在它们在边界上。我们将把它放到中心。因为有四个脊（顶部/底部/左边/右边），我们将通过设置颜色为 "none" 来隐藏他们，同时我们将移动底部和左边的两个到坐标为0的位置。
ax = plt.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))
让我们在左上角添加图例。这只需要添加一个标签关键字（它在图例框中显示）到 plot 命令。
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine") plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine") plt.legend(loc='upper left', frameon=False)
让我们使用注解命令来注释一些有趣的点。我们选择 2π/3，并想同时注释 sine 和 cosine 。我们首先在曲线上做一些标记并画一条虚线。然后使用注释命令来显示一些文本和箭头。
t = 2*np.pi/3
plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=1.5, linestyle="--")
plt.scatter([t,],[np.cos(t),], 50, color ='blue')
plt.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"))
plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=1.5, linestyle="--")
plt.scatter([t,],[np.sin(t),], 50, color ='red')
plt.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"))
因为蓝色和红色的线。坐标轴现在很难被看见。我们可以让坐标轴更大并调整他们的属性让他们有一个半透明的白色背景，这回让我们更清楚的看见坐标轴上的数据。
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(16)
label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))
到目前为止，我们已经使用隐式图和轴的创建（implicit figure and axes creation）来快速的绘图，但我们能通过 figure, subplot, 和 axes explicitly 进一步控制绘图。figures 在 matplotlib 代表着用户界面里的整个窗口，figures 里可以有把其他坐标限定在常规坐标里的子坐标，轴可以在图中的任意位置。根据你的意图，这都是十分有用的。我们已经在没有正式称呼使用 figures 和 subplots 的情况下使用了他们。当我们调用 plot，matplotlib 会调用 gca() 来获取当前轴（axes），同时 gca 调用 gcf() 来获取当前 figure，如果没有 figure，它便会调用 figure() 来创建一个，严格地说是创建一个 subplot。让我们来看看细节。
figure 是一个有着 “Figure #” 的GUI窗口。figures 从1开始编号，而不是像 Python 一样从0开始。这是 MATLAB 风格。这是几个确定 figure 的样子的参数
| 参数 | 默认值 | 解释 |
|---|---|---|
| num | 1 | figure的编号 |
| figsize | figure.figsize | figure的大小(宽，高，单位英尺) |
| dpi | figure.dpi | 每英尺内的像素点 |
| facecolor | figure.facecolor | 背景色 |
| edgecolor | figure.edgecolor | 边缘的颜色 background |
| frameon | True | 是否有边界 |
默认值可以在配置文件中指定，大部分时候都会使用默认值。只有 figure 的数量经常改变。
当你使用 GUI 可以关闭图通过点击右上角的 x 。但是你可以关闭图编程通过调用关闭。closes() 的行为取决于给定的参数，无参数时会关闭当前 figure，给定 figure 序号时会关闭特定的 figure，使用 all 作为参数时会关闭所有 figure。
与其他对象一样,你可以设置图的属性与 set_something 方法。
通过 subplots ，你可以把其他坐标限定在常规坐标里。你需要指定行数和列数，注意 gridspec 命令是一个更强大的候选
axes 非常类似于 subplots，但 axes 允许把 plots 放置在 figure 的任何位置。所以如果我们想把一个小的坐标放在大坐标里，我们应该用 axes。
被良好格式化的坐标轴是准备发布（publishing-ready）的 figures 的重要的一部分。Matplotlib 为坐标轴提供了一个完全可配置的系统。tick 定位器（tick locators）是用来指定ticks 应该在哪里出现，tick 格式化器（tick formatters）则是让 ticks 拥有你希望的外观。主要和次要的 ticks 可以单独指定位置和格式化。每个默认的次要 ticks 不会被显示，也就是说那里只会显示一个空的列表，因为它是 NullLocator（见下文）。
这是为了应对不同需求的几种定位器:
| Class | Description |
|---|---|
NullLocator |
没有 ticks. 
|
IndexLocator |
在每一个点的基础上绘制一个刻度。 
|
FixedLocator |
Tick 的位置是固定的。 
|
LinearLocator |
每隔一个间隔放置一个 Tick 
|
MultipleLocator |
每隔单位间隔放置一个 Tick 
|
AutoLocator |
Select no more than n intervals at nice locations. 
|
LogLocator |
Determine the tick locations for log axes. 
|
所有的定位器都是从基类 matplotlib.ticker.Locator 派生。你可以自己制作定位器。使用 ticker 来处理日期数据可能尤为棘手。因此，matplotlib 在 matplotlib.dates 里提供特殊的定位器。
在很长的一段时间里，动画在 matplotlib 并不是一件容易的事，完成动画需要高超的 hack 技巧。但 1.1 版本提供了一些工具来使创造动画变得非常直观。现在能以各种方式来保存动画（但不要指望以60fps来运行非常复杂的动画）
文档
- See Animation
在 matolotlib 中制作动画的最简单的方法是声明一个 FuncAnimation 对象，FuncAnimation 对象可以告知 matplotlib 哪个数字或哪个函数需要更新、使用什么函数来更新和每个帧之间的间隔。
这是一个非常简单的雨滴效果，它可以通过把一个正在长大的小环通过一个随机数放在 figure 上获得。当然，它们不会一直生长，因为波的生存时间是有限的。为了模拟这一点，随着环的增长，我们可以使用一个越来越透明的颜色，直到这个环变得不可以看见。当环不可见时我们便删除这个环并创建一个新的。
第一步是创建一个空白figure:
# New figure with white background
fig = plt.figure(figsize=(6,6), facecolor='white')
# New axis over the whole figure, no frame and a 1:1 aspect ratio
ax = fig.add_axes([0,0,1,1], frameon=False, aspect=1)下一步，我们需要创建许多环。我们可以使用散点图对象来完成这个。散点图经常用来可视化点云，但我们可以用它来画环，只要不指定 facecolors 。 同时，我们需要注意初始化每一个环的大小和颜色。保证环的大小在允许范围内，并确定大的环几乎是透明的。
# Number of ring
n = 50
size_min = 50
size_max = 50*50
# Ring position
P = np.random.uniform(0,1,(n,2))
# Ring colors
C = np.ones((n,4)) * (0,0,0,1)
# Alpha color channel goes from 0 (transparent) to 1 (opaque)
C[:,3] = np.linspace(0,1,n)
# Ring sizes
S = np.linspace(size_min, size_max, n)
# Scatter plot
scat = ax.scatter(P[:,0], P[:,1], s=S, lw = 0.5,
edgecolors = C, facecolors='None')
# Ensure limits are [0,1] and remove ticks
ax.set_xlim(0,1), ax.set_xticks([])
ax.set_ylim(0,1), ax.set_yticks([])现在我们需要为了动画写出更新函数。我们已经知道每一帧后环应该会更大、更透明，到达最大值的环应该完全透明并被删除。当然，我们并不是真正删除环，我们只是重新调整环的大小，让它成为一个新环，并用正常的大小和透明度放置它。也就是我们保证环数量不变。
def update(frame):
global P, C, S
# Every ring is made more transparent
C[:,3] = np.maximum(0, C[:,3] - 1.0/n)
# Each ring is made larger
S += (size_max - size_min) / n
# Reset ring specific ring (relative to frame number)
i = frame % 50
P[i] = np.random.uniform(0,1,2)
S[i] = size_min
C[i,3] = 1
# Update scatter object
scat.set_edgecolors(C)
scat.set_sizes(S)
scat.set_offsets(P)
# Return the modified object
return scat,最后一部是告诉 matplotlib 使用这个函数作为动画的更新函数并显示结果或者保存：
animation = FuncAnimation(fig, update, interval=10, blit=True, frames=200)
# animation.save('rain.gif', writer='imagemagick', fps=30, dpi=40)
plt.show()我们将要使用刚刚的下雨动画来可视化最近 30 天的地震。美国地质调查局的地震灾害项目是国家地震灾害减少计划（NEHRP）的一部分，并且它提供了一些数据在它的`网站 <http://earthquake.usgs.gov>`_。这些数据根据地震的等级从大到小排序。你会感到惊讶：地球每小时都在发生小地震。这意味着有太多的说数据了，所有我们只选取大于 4.5 级的地址。在编写本文时已经有了多余 300 次地震在上个月。
第一步是读取并转换数据。我们使用 urllib 来打开并读取远程数据，数据使用 CSV 格式保存在网站上，看起来想这样。
time,latitude,longitude,depth,mag,magType,nst,gap,dmin,rms,net,id,updated,place,type 2015-08-17T13:49:17.320Z,37.8365,-122.2321667,4.82,4.01,mw,... 2015-08-15T07:47:06.640Z,-10.9045,163.8766,6.35,6.6,mwp,...
我们只关注维度（latitude），精度（longitude）和震级（magnitude）我们不关注时间或者其他的（我知道这很坏，请给我发 PR）
import urllib
from mpl_toolkits.basemap import Basemap
# -> http://earthquake.usgs.gov/earthquakes/feed/v1.0/csv.php
feed = "http://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/"
# Significant earthquakes in the last 30 days
# url = urllib.request.urlopen(feed + "significant_month.csv")
# Magnitude > 4.5
url = urllib.request.urlopen(feed + "4.5_month.csv")
# Magnitude > 2.5
# url = urllib.request.urlopen(feed + "2.5_month.csv")
# Magnitude > 1.0
# url = urllib.request.urlopen(feed + "1.0_month.csv")
# Reading and storage of data
data = url.read()
data = data.split(b'\n')[+1:-1]
E = np.zeros(len(data), dtype=[('position', float, 2),
('magnitude', float, 1)])
for i in range(len(data)):
row = data[i].split(',')
E['position'][i] = float(row[2]),float(row[1])
E['magnitude'][i] = float(row[4])现在我们需要在 figure 上画出地球来精确的显示震中并转换精度维度为坐标来让 matplotlib 处理，幸运的是有 `basemap<http://matplotlib.org/basemap/>`_ 来帮忙（也可以用更完整的 cartopy 来取代）。它十分容易安装和使用。第一步是定义一个投影来画出地球（有许多不同的投影）。对于像我们这样非专业人士来说应该使用 mill 投影。
fig = plt.figure(figsize=(14,10))
ax = plt.subplot(1,1,1)
earth = Basemap(projection='mill')接下来，我们来绘制海岸线和填充大陆：
earth.drawcoastlines(color='0.50', linewidth=0.25)
earth.fillcontinents(color='0.95')earth 对象也可以用来自动翻译坐标，我们已经快完工了。最后一部是修改雨滴代码并让它更好看。
P = np.zeros(50, dtype=[('position', float, 2),
('size', float, 1),
('growth', float, 1),
('color', float, 4)])
scat = ax.scatter(P['position'][:,0], P['position'][:,1], P['size'], lw=0.5,
edgecolors = P['color'], facecolors='None', zorder=10)
def update(frame):
current = frame % len(E)
i = frame % len(P)
P['color'][:,3] = np.maximum(0, P['color'][:,3] - 1.0/len(P))
P['size'] += P['growth']
magnitude = E['magnitude'][current]
P['position'][i] = earth(*E['position'][current])
P['size'][i] = 5
P['growth'][i]= np.exp(magnitude) * 0.1
if magnitude < 6:
P['color'][i] = 0,0,1,1
else:
P['color'][i] = 1,0,0,1
scat.set_edgecolors(P['color'])
scat.set_facecolors(P['color']*(1,1,1,0.25))
scat.set_sizes(P['size'])
scat.set_offsets(P['position'])
return scat,
animation = FuncAnimation(fig, update, interval=10)
plt.show()如果一切顺利，你应该得到这样的东西：
提示
从下面的代码开始，尝试重现右边的图形，注意填充区域。
import numpy as np import matplotlib.pyplot as plt n = 256 X = np.linspace(-np.pi,np.pi,n,endpoint=True) Y = np.sin(2*X) plt.plot (X, Y+1, color='blue', alpha=1.00) plt.plot (X, Y-1, color='blue', alpha=1.00) plt.show()
点击图片获取答案。
提示
颜色由（X，Y）的角度给出。
从下面的代码开始，尝试重现右侧的图形，注意点的大小，颜色和透明度。
import numpy as np import matplotlib.pyplot as plt n = 1024 X = np.random.normal(0,1,n) Y = np.random.normal(0,1,n) plt.scatter(X,Y) plt.show()
点击图片获取答案。
提示
你需要注意文本对齐。
从下面的代码开始， 尝试通过给红 bars 添加 label 来复现右边的图片。
import numpy as np
import matplotlib.pyplot as plt
n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
for x,y in zip(X,Y1):
plt.text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
plt.ylim(-1.25,+1.25)
plt.show()
点击图片获取答案。
提示
你可以使用 clabel 指令。
从下面的代码开始， 尝试复现右边的图片 taking 注意 colormap (见下 Colormaps).
import numpy as np import matplotlib.pyplot as plt def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2) n = 256 x = np.linspace(-3,3,n) y = np.linspace(-3,3,n) X,Y = np.meshgrid(x,y) plt.contourf(X, Y, f(X,Y), 8, alpha=.75, cmap='jet') C = plt.contour(X, Y, f(X,Y), 8, colors='black', linewidth=.5) plt.show()
点击图片获取答案。
提示
你需要注意在 imshow 中的 原始 图像，并使用 colorbar
从下面的代码开始， 尝试复现右边的图片注意照顾色差，图像插值和原点。
import numpy as np import matplotlib.pyplot as plt def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2) n = 10 x = np.linspace(-3,3,4*n) y = np.linspace(-3,3,3*n) X,Y = np.meshgrid(x,y) plt.imshow(f(X,Y)) plt.show()
点击图片获取答案。
提示
你需要改变 Z
从下面的代码开始， 尝试复现右边的图片注意颜色和切片大小。
import numpy as np import matplotlib.pyplot as plt n = 20 Z = np.random.uniform(0,1,n) plt.pie(Z) plt.show()
点击图片获取答案。
提示
你需要把箭头画两次。
从下面的代码开始，尝试复现右边的图片注意颜色和方向。
import numpy as np import matplotlib.pyplot as plt n = 8 X,Y = np.mgrid[0:n,0:n] plt.quiver(X,Y) plt.show()
点击图片获取答案。
从下面的代码开始， 尝试复现右边的图片注意线的风格。
import numpy as np import matplotlib.pyplot as plt axes = gca() axes.set_xlim(0,4) axes.set_ylim(0,3) axes.set_xticklabels([]) axes.set_yticklabels([]) plt.show()
点击图片获取答案。
提示
你可以使用多个 subplot
从下面的代码开始， 尝试复现右边的图片.
import numpy as np import matplotlib.pyplot as plt plt.subplot(2,2,1) plt.subplot(2,2,3) plt.subplot(2,2,4) plt.show()
点击图片获取答案。
提示
你需要更改 axes 线
从下面的代码开始， 尝试复现右边的图片.
import numpy as np
import matplotlib.pyplot as plt
plt.axes([0,0,1,1])
N = 20
theta = np.arange(0.0, 2*np.pi, 2*np.pi/N)
radii = 10*np.random.rand(N)
width = np.pi/4*np.random.rand(N)
bars = plt.bar(theta, radii, width=width, bottom=0.0)
for r,bar in zip(radii, bars):
bar.set_facecolor( cm.jet(r/10.))
bar.set_alpha(0.5)
plt.show()
点击图片获取答案。
提示
你需要使用 `contourf<http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.contourf>`_
从下面的代码开始， 尝试复现右边的图片.
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = Axes3D(fig) X = np.arange(-4, 4, 0.25) Y = np.arange(-4, 4, 0.25) X, Y = np.meshgrid(X, Y) R = np.sqrt(X**2 + Y**2) Z = np.sin(R) ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot') plt.show()
点击图片获取答案。
尝试从头开始做同样的事情！
点击图片获取答案。
Matplotlib 有着大量的文档和巨大的开发者和用户社区，这是一些可能感兴趣的链接： Tutorials
- Pyplot tutorial
- Introduction
- Controlling line properties
- Working with multiple figures and axes
- Working with text
- Image tutorial
- Startup commands
- Importing image data into Numpy arrays
- Plotting numpy arrays as images
- Text tutorial
- Text introduction
- Basic text commands
- Text properties and layout
- Writing mathematical expressions
- Text rendering With LaTeX
- Annotating text
- Artist tutorial
- Introduction
- Customizing your objects
- Object containers
- Figure container
- Axes container
- Axis containers
- Tick containers
- Path tutorial
- Introduction
- Bézier example
- Compound paths
- Transforms tutorial
- Introduction
- Data coordinates
- Axes coordinates
- Blended transformations
- Using offset transforms to create a shadow effect
- The transformation pipeline
- User guide
- FAQ
- Installation
- Usage
- How-To
- Troubleshooting
- Environment Variables
- Screenshots
代码已经被相当好的注解，您可以从 python 中快速访问特定的命令的文档：
>>> from pylab import *
>>> help(plot)
Help on function plot in module matplotlib.pyplot:
plot(*args, **kwargs)
Plot lines and/or markers to the
:class:`~matplotlib.axes.Axes`. *args* is a variable length
argument, allowing for multiple *x*, *y* pairs with an
optional format string. For example, each of the following is
legal::
plot(x, y) # plot x and y using default line style and color
plot(x, y, 'bo') # plot x and y using blue circle markers
plot(y) # plot y using x as index array 0..N-1
plot(y, 'r+') # ditto, but with red plusses
If *x* and/or *y* is 2-dimensional, then the corresponding columns
will be plotted.
...
matplotlib gallery 十分有用当你想要知道如何画一副图时，每一个例子都有代码。
一个小的仓库也可以在 这里 找到
最后, 这里十一分 用户邮件列表 你可以在这寻找帮助。 `开发者右键列表<https://mail.python.org/mailman/listinfo/matplotlib-devel>`_ 更技术一些。
这是一组显示主要属性和样式的表。
| Property | Description | Appearance |
|---|---|---|
| alpha (or a) | alpha transparency on 0-1 scale | 
|
| antialiased | True or False - use antialised rendering | 
|
| color (or c) | matplotlib color arg | 
|
| linestyle (or ls) | see Line properties | |
| linewidth (or lw) | float, the line width in points | 
|
| solid_capstyle | Cap style for solid lines | 
|
| solid_joinstyle | Join style for solid lines | 
|
| dash_capstyle | Cap style for dashes | 
|
| dash_joinstyle | Join style for dashes | 
|
| marker | see Markers | |
| markeredgewidth (mew) | line width around the marker symbol | 
|
| markeredgecolor (mec) | edge color if a marker is used | 
|
| markerfacecolor (mfc) | face color if a marker is used | 
|
| markersize (ms) | size of the marker in points | 
|
| Symbol | Description | Appearance |
|---|---|---|
- |
solid line | 
|
-- |
dashed line | 
|
-. |
dash-dot line | 
|
: |
dotted line | 
|
. |
points | 
|
, |
pixels | 
|
o |
circle | 
|
^ |
triangle up | 
|
v |
triangle down | 
|
< |
triangle left | 
|
> |
triangle right | 
|
s |
square | 
|
+ |
plus | 
|
x |
cross | 
|
D |
diamond | 
|
d |
thin diamond | 
|
1 |
tripod down | 
|
2 |
tripod up | 
|
3 |
tripod left | 
|
4 |
tripod right | 
|
h |
hexagon | 
|
H |
rotated hexagon | 
|
p |
pentagon | 
|
| |
vertical line | 
|
_ |
horizontal line | 
|
| Symbol | Description | Appearance |
|---|---|---|
| 0 | tick left | 
|
| 1 | tick right | 
|
| 2 | tick up | 
|
| 3 | tick down | 
|
| 4 | caret left | 
|
| 5 | caret right | 
|
| 6 | caret up | 
|
| 7 | caret down | 
|
o |
circle | 
|
D |
diamond | 
|
h |
hexagon 1 | 
|
H |
hexagon 2 | 
|
_ |
horizontal line | 
|
1 |
tripod down | 
|
2 |
tripod up | 
|
3 |
tripod left | 
|
4 |
tripod right | 
|
8 |
octagon | 
|
p |
pentagon | 
|
^ |
triangle up | 
|
v |
triangle down | 
|
< |
triangle left | 
|
> |
triangle right | 
|
d |
thin diamond | 
|
, |
pixel | 
|
+ |
plus | 
|
. |
point | 
|
s |
square | 
|
* |
star | 
|
| |
vertical line | 
|
x |
cross | 
|
r'$\sqrt{2}$' |
any latex expression | 
|
所有的色彩映射（colormaps）可以通过添加 _r 来反转。例如 gray_r 是 gray 的反转.
如果你想知道更多关于 colormap 的 Documenting the matplotlib colormaps.
| Name | Appearance |
|---|---|
| autumn | 
|
| bone | 
|
| cool | 
|
| copper | 
|
| flag | 
|
| gray | 
|
| hot | 
|
| hsv | 
|
| jet | 
|
| pink | 
|
| prism | 
|
| spectral | 
|
| spring | 
|
| summer | 
|
| winter | 
|
| Name | Appearance |
|---|---|
| gist_earth | 
|
| gist_gray | 
|
| gist_heat | 
|
| gist_ncar | 
|
| gist_rainbow | 
|
| gist_stern | 
|
| gist_yarg | 
|
| Name | Appearance |
|---|---|
| BrBG | 
|
| PiYG | 
|
| PRGn | 
|
| PuOr | 
|
| RdBu | 
|
| RdGy | 
|
| RdYlBu | 
|
| RdYlGn | 
|
| Spectral | 
|
| Name | Appearance |
|---|---|
| Blues | 
|
| BuGn | 
|
| BuPu | 
|
| GnBu | 
|
| Greens | 
|
| Greys | 
|
| Oranges | 
|
| OrRd | 
|
| PuBu | 
|
| PuBuGn | 
|
| PuRd | 
|
| Purples | 
|
| RdPu | 
|
| Reds | 
|
| YlGn | 
|
| YlGnBu | 
|
| YlOrBr | 
|
| YlOrRd | 
|
| Name | Appearance |
|---|---|
| Accent | 
|
| Dark2 | 
|
| Paired | 
|
| Pastel1 | 
|
| Pastel2 | 
|
| Set1 | 
|
| Set2 | 
|
| Set3 | 
|
| Name | Appearance |
|---|---|
| afmhot | 
|
| binary | 
|
| brg | 
|
| bwr | 
|
| coolwarm | 
|
| CMRmap | 
|
| cubehelix | 
|
| gnuplot | 
|
| gnuplot2 | 
|
| ocean | 
|
| rainbow | 
|
| seismic | 
|
| terrain | 
|