ipython notebook中的matplotlib后台

matplotlib使用多种后台，后台允许matplotlib在不同平台使用不同的GUI库(GTK,Qt,Wx,等等),通常没有必要了解这些你也可以愉快的使用matplotlib。

import matplotlib
print(matplotlib.version)
print(matplotlib.get_backend())
1.4.3ch
但是在ipython notebook中情况又稍微有点不同。
在Ipython中，最方便使用的是nbagg后台。它可以让你在浏览器上交互显示plot，其他情况下回弹出gui窗口。
指定后台的方法

%matplot 后台名称。图片会自动显示，即使没使用plt.show()命令。
matplotlib.use(后台名称)。图片仅在使用plot.show()命令后显示。

matplotlib.use('nbagg')

界面演示

Matplotlib结构庞大，令人生畏。通过组件的学习，有可能会让你觉得它不是那么恐惧

plot结构剖析

Figure
Figure是这个结构的顶层容器。你可以有多个figure，每个figure又可以有多个Axes。
多数绘制(plot)操作发生在Axes。axes是绘制数据，坐标轴，标签等等内容的实际关联区域。通常我们通过subplot(指定位置axes或者标准网格)来建立axes。所以多数情况下Axes和Subplot是等价的。
每个Axes都有一个x坐标轴和y坐标轴。他们包含ticks,tick的位置，标签等信息，接下来会演示这些信息

创建figure

import numpy as np
import matplotlib.pyplot as plt
fig =plt.figure()
ptl.show

这样会得到一个空的figure，图片就不演示了。
如果想要指定figure的尺寸，可以通过figsize参数

fig = plt.figure(figsize = (3,3) #直接指定尺寸
#fig = plt.figure(figsize = plt.figaspect(2.0) #通过预设的figaspect指定尺寸。
plt.show()

Axes

绘图(plotting)是直接作用在Axes上的。一个Axes由坐标轴和许多其他对象组成。Axes对象必须属于且只能属于一个figure。
通常在添加Figure以后，接下来的步骤就是添加Axes。
fig.add_axes命令可以添加Axes，但是更多情况下你会发现更好的方式是添加subplot:fig.add_subplot(subplot是grid体系下的axes)。

fig = plt.figure()
ax = fig.add_subplot(111) # We'll explain the "111" later. Basically, 1 row and 1 column.
ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis')
plt.show()

fig.add_subplot添加axes

ax.set()，用于设定axes的属性，与之对应的是ax.set_something.下面是一些演示。
ax.set_xlim([0.5, 4.5]) #=>ax.set(xlim=[0.5,4.5])这两种写法意思是一样的。

ax.set_ylim([-2, 8])
ax.set_title('An Example Axes')
ax.set_ylabel('Y-Axis')
ax.set_xlabel('X-Axis')

set集合不仅可以axes对象上，matplotlib的几乎所有对象都对set有不同程度的支持。

绘制基础

几乎所有的绘制动作都发生在Axes，总之，如果你准备在axes上绘图，你就会用到下面的方法。
在下一节我们会深入讨论绘制的方法，眼下我们关注两种方法：plot和scatter(散点)。
plot绘图时将点连接成线，scatter绘制不相连的点，添加比例，颜色等其他信息。
举个简单的例子：

fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3)#绘制线
ax.scatter([0.3, 3.8, 1.2, 2.5], [11, 25, 9, 26], color='darkgreen', marker='^')#绘制散点图
ax.set_xlim(0.5, 4.5)
plt.show()

Paste_Image.png

Axes methods vs pyplot

有趣的是，Axes对象的所有方法，例如上面的例子中体现的，都可以作为pyplot模块的函数调用(反之亦然）。例如plt.xlim(1,10)可以写成ax.set_xlim(1,10)，都表示将##当前##x轴设置为1-10。上面的例子可以用plt函数得到完全相同结果。

plt.plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3)
plt.scatter([0.3, 3.8, 1.2, 2.5], [11, 25, 9, 26], color='darkgreen', marker='^')
plt.xlim(0.5, 4.5)
plt.show()

简洁、清晰！！！但是为什么我们多数例子没有用pyplot函数呢？因为PEP20中"the Zen of Python"说了：

明了胜于晦涩##

在非常的简单的绘制中，简短的脚本使用pyplot非常方便。进行复杂绘制时，最好是基于Axes，Figure对象进行操作。
养成基于对象(axes)进行操作的习惯，会对你以后处理多个axes有显著的好处。

Mutiple Axes

前面提到过，一个figure（图像）可以包含多个Axes(坐标轴)。如果想让坐标轴放置在规则的格网中，可以使用plt.subplot(...)方法。
例如：

fig, axes = plt.subplots(nrows=2, ncols=2)
plt.show()

Paste_Image.png
plt.subplot(...)创建一个新图像，并添加4个子图。axes对象返回一个2D numpy对象数组。数组中每项都是一个子图。
因此，如果我们想对特定坐标轴进行操作，我们可以通过定位刚才的数组来定位它，例如：

fig, axes = plt.subplots(nrows=2, ncols=2)
axes[0,0].set(title='Upper Left')#第一个坐标轴
axes[0,1].set(title='Upper Right')#右1
axes[1,0].set(title='Lower Left')#左下1
axes[1,1].set(title='Lower Right')#右下1

# To iterate over all items in a multidimensional numpy array, use the 'flat' attribute
for ax in axes.flat:
    # Remove all xticks and yticks...
    ax.set(xticks=[1], yticks=[1])
    
plt.show()

通过数组定位子图

plt.subplots()调用的时候可以不指定任何参数，它会创建一个图像和一个子图。
如果你看到

fig = plt.figure()
ax = fig.add_subplot(111)

你可以用下面一行替代：

fig,ax = plt.subplots()

后面我们会用到这种方法。

练习题

利用我们学到的知识，生成下面的图片。

Paste_Image.png

按我的理解，上面第一张图是余弦，第2,3是进行坐标位移以后的图。
题目给出了创建x坐标和余弦值的代码

import numpy as np
import matplotlib.pyplot as plt

# 尝试生成上面的图片

# Our data...
x = np.linspace(0, 10, 100)
y1, y2, y3 = np.cos(x), np.cos(x + 1), np.cos(x + 2)
names = ['Signal 1', 'Signal 2', 'Signal 3']

# Can you figure out what to do next to plot x vs y1, y2, and y3 on one figure?

我的做法是