唠叨几句：
近期在做数据分析，需要对数据做可视化处理，也就是画图，一般是用Matlib来做，但Matlib安装文件太大，不太想直接用它，据说其代码运行效率也很低，在网上看到可以先用Java做数据处理，然后调用Matlib来画图，另外，还可以使用Matplotlib，它是用Python写的类似Matlib的库，能实现Matlib的功能，而且画图的质量很高，可用于做论文发表。找了一天的资料，终于出图了。
Matplotlib需要配合numpy,scipy才能使用，具体安装步骤稍后补充。
安装Python之后，在cmd中输入以下两行命令即可自动安装matplotlib，并解决库之间的依赖问题。
python -m pip install -U pip setuptools #安装pip python -m pip install matplotlib #用pip安装matplotlib
matplotlib安装方法参考：http://matplotlib.org/users/installing.html
正文：
用Matplotlib绘制二维图像的最简单方法是：
1）导入matplotlib的子模块
import matplotlib.pyplot as plt
2）给出x,y两个数组[Python列表]，注意两个列表的元素个数必须相同，否则会报错
x=[1,2,3,4,5,6,7]
y=[2.6,3.6,8.3,56,12.7,8.9,5.3]
3）调用pyplot模块的绘图方法画出图像，基本的画图方法有：plot(将各个点连成曲线图)、scatter（画散点图），还有更多方法
plt.plot(x,y)
plt.scatter(x,y)
4）调用pyplot的show方法，显示结果。
plt.show()
基本代码：
import matplotlib.pyplot as plt def plot2D(): x=[1,2,3,4,5,6,7] y=[2.6,3.6,8.3,56,12.7,8.9,5.3] plt.plot(x,y)#画连线图 plt.scatter(x,y)#画散点图 plt.show() if __name__=='__main__': plot2D()
结果图：
依次是：仅调用plot方法、仅调用scatter方法、同时调用plot和scatter方法
下面给出一个综合示例
本例用Python读取.txt文件中的数据内容（旧金山的出租车位置信息，引自http://crawdad.org/epfl/mobility/20090224/），作为绘制图像的数据源，调用Matplotlib模块的pyplot子模块画出图像。图像类型包括散点图、曲线图，包含图例说明、title、坐标轴说明
代码：
# -*- coding: gbk -*- import re import matplotlib.pyplot as plt def loadData(dataFile,rowlimts): #dataFile=r'E:cabspottingdata ew_abboip.txt' myFile=open(dataFile,'r',2048)#2048为缓冲大小 newline=myFile.readline() geopoints=[] splitter=re.compile('\s')#以空白字符作为分隔符 rows=0 while newline and rows<rowlimts: content=splitter.split(newline) geopoint=[] geopoint.append(float(content[1])) geopoint.append(float(content[0])) geopoints.append(geopoint) rows+=1 newline=myFile.readline() myFile.close() return geopoints def main(): rowlimits=25000#读取数据的行数 dataFile=r'E:cabspottingdata ew_abboip.txt' dataFile2=r'E:cabspottingdata ew_utvohovy.txt' dataFile3=r'E:cabspottingdata ew_uvjova.txt' geopoints=loadData(dataFile,rowlimits) geopoints2=loadData(dataFile2,rowlimits) geopoints3=loadData(dataFile3,rowlimits) x=[] y=[] x2=[] y2=[] x3=[] y3=[] for point in geopoints: x.append(point[0]) y.append(point[1]) for point in geopoints2: x2.append(point[0]) y2.append(point[1]) for point in geopoints3: x3.append(point[0]) y3.append(point[1]) plt.plot(x,y,color='green',label='cab 1')#绘制绿色线条,label要起作用，必须与legend()方法配合使用 plt.scatter(x2,y2,color='green',label='cab 2')#用x2,y2列表绘制绿色散点图，图例为cab 2 plt.plot(x3,y3,color='red',label='cab 3',linewidth=1)#用x3,y3列表绘制红色线条，图例为cab 3,线条粗细设为1 #plt.scatter(x2,y2,color='g',label='line one',linewidths=1) #plt.plot(x, y, 'b^', x2, y2, 'g-') plt.legend() plt.grid(None, 'major', 'both')#画出网格背景 plt.title('Plotting the trajectory of cabs in San Fransisco with %d spatial records'%rowlimits)#设置title plt.xlabel('longitude')#说明x轴表示经度 plt.ylabel('latitude')#说明y轴表示纬度 plt.show()#显示结果图 if __name__=='__main__': main()
一些效果图：
