matplotlib配置信息是从配置文件中读取的。在配置文件中可以为matplotlib几乎所有的属性指定永久有效的默认值。

你可以通过 matplotlib.rcParams字典访问所有已经加载的配置项

• 你可以通过 matplotlib.rcParams字典修改所有已经加载的配置项

  

• 你可以通过matplotlib.rc(*args,**kwargs)来修改配置项，其中args 是你要修改的属性，kwargs是属性的关键字属性

  

• 你可以调用matplotlib.rcdefaults()将所有配置重置为标准设置。

  

如果不希望在每次代码开始时进行参数配置，则可以在项目中给出配置文件。配置文件有三个位置：

• 系统级配置文件。通常在python的site-packages目录下。每次重装matplotlib之后该配置文件就会被覆盖。

• 用户级配置文件。通常在$HOME目录下。可以用matplotlib.get_configdir()命令来查找当前用户的配置文件目录。

  

• 当前工作目录。即项目的目录。在当前目录下，可以为目录所包含的当前项目给出配置文件，文件名为matplotlibrc。

配置文件的内容常见的有以下几种：

• axes: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：设置目标输出TkAgg和GTKAgg
• figure:控制dpi、边界颜色、图像大小和子区(subplot)设置
• font：字体(font family)、字体大小和样式设置
• grid:设置网格颜色和线型
• legend：设置图例以及其中的文本显示
• line：设置线条（颜色、线型、宽度等）和标记
• patch: 填充2D空间的图形图像，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
• savefig:对保存的图形进行单独设置。如渲染的文件背景为白色。
• text：设置字体颜色、文本解析（纯文本和latex标记）等。
• verbose:设置matplotlib执行期间的信息输出，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

matplotlib有三个层次的API：

• matplotlib.backend_bases.FigureCanvas：代表了一个绘图区，在这个绘图区上图表被绘制
• matplotlib.backend_bases.Renderer：代表了渲染器，它知道如何在绘图区上绘图。
• matplotlib.artist.Artist：代表了图表组件，它知道如何利用渲染器在绘图区上绘图。

通常用于有95%以上的时机都是与matplotlib.artist.Artist类打交道，它是高层次的绘图控制。

matplotlib中有两种Artist：

• primitive：代表了我们在绘图区域上绘制的基础的绘图组件，比如Line2D，Rectangle，Text 以及AxesImage等等。

• container：代表了放置primitive的那些绘图组件。比如Axis、Axes以及Figure，如图所示

  

matplotlib的标准使用流程为：

• 创建一个Figure实例对象fig
• 使用fig实例创建一个或者多个Axes实例，或者创建一个或者多个Subplot实例
• 使用Axes实例的方法来创建primitive

每个在图形中出现的元素都是Artist

• Figure.patch属性：是一个Rectangle，代表了图表的矩形框，它的大小就是图表的大小， 并且可以通过它设置图表的背景色和透明度。

• Axes.patch属性：也是一个Rectangle，代表了绘图坐标轴内部的矩形框（白底黑边）， 通过它可以设置Axes的颜色、透明度等。

• 所有的Artist有下列属性。：

  • .alpha属性：透明度。值为0--1之间的浮点数
  • .animated属性：一个布尔值，表示是否用于加速动画绘制
  • .axes属性：返回这个Artist所属的axes，可能为None
  • clip_box属性：用于剪切Artist的bounding box
  • clip_on属性：是否开启clip
  • clip_path属性：Artist沿着该path执行clip
  • contains属性：一个picking function用于测试Artist是否包含pick point
  • figure属性：该Artist所属的Figure，可能为None
  • gid属性：该Artist的id字符串
  • label：一个text label
  • picker:一个python object用于控制object picking
  • transform：转换矩阵
  • .url属性：一个url string，代表本Artist
  • visible：布尔值，控制Artist是否绘制
  • zorder：决定了Artist的绘制顺序。zorder越小就越底层，则越优先绘制。

  这些属性可以通过旧式的setter和getter函数访问和设置。如：

  • o.get_alpha()、o.set_alpha(0.5)
  • 如果你想一次设置多个属性，也可以用：o.set(alpha=0.5,zorder=2)这种方式
  • 你可以使用matplotlib.artist.getp(o)来一次获取o的所有属性

  

matplotlib.figure.Figure是最顶层的container Artist，它包含了图表中的所有元素。

• Figure.patch属性：Figure的背景矩形
• Figure.axes属性：持有的一个Axes实例的列表（包括Subplot)
• Figure.images属性：持有的一个FigureImages patch列表
• Figure.lines属性：持有一个Line2D实例的列表（很少使用）
• Figure.legends属性：持有的一个Figure Legend实例列表（不同于Axes.legends)
• Figure.patches属性：持有的一个Figure pathes实例列表（很少使用)
• Figure.texts属性：持有的Figure Text实例列表

当你执行Figure.add_subplot()或者Figure.add_axes()时，这些新建的Axes都被添加到Figure.axes列表中。

由于Figure维持了current axes，因此你不应该手动的从Figure.axes列表中添加删除元素，而是要通过Figure.add_subplot()、Figure.add_axes()来添加元素，通过Figure.delaxes()来删除元素。但是你可以迭代或者访问Figure.axes中的Axes，然后修改这个Axes的属性。

可以通过Figure.gca()获取current axes，通过Figure.sca()设置current axes。

Figure也有它自己的text、line、patch、image。你可以直接通过add primitive语句直接添加。但是注意Figure默认的坐标系是以像素为单位，你可能需要转换成figure坐标系：(0,0)表示左下点，(1,1)表示右上点。

Axes类是matplotlib的核心，你在大多数时间都是在与它打交道。Axes代表了plotting area。大量的用于绘图的Artist存放在它内部，并且它有许多辅助方法来创建和添加Artist给它自己，而且它也有许多赋值方法来访问和修改这些Artist。

它有许多方法用于绘图，如.plot()、.text()、.hist()、.imshow()等方法用于创建大多数常见的primitive(如Line2D，Rectangle，Text，Image等等）。这些方法会创建primitive Artist实例，并且添加这些实例到对应的container上去，然后必要的时候会绘制这些图形。

Subplot就是一个特殊的Axes，其实例是位于网格中某个区域的Subplot实例。其实你也可以在任意区域创建Axes，通过Figure.add_axes([left,bottom,width,height])来创建一个任意区域的Axes，其中left,bottom,width,height都是[0--1]之间的浮点数，他们代表了相对于Figure的坐标。

Axes包含了一个.patch属性，对于卡迪尔坐标系而言，它是一个Rectangle；对于极坐标而言，它是一个Circle。这个.patch属性决定了plotting region的形状、背景和边框。

当调用Axes.plot()方法时，该方法会创建一个matplotlib.lines.Line2D实例，然后会利用传给.plot()的关键字参数来更新该Line2D的属性，然后将这个Line2D添加到Axes.lines列表中。该方法返回的刚创建的Line2D列表，因为你可以传递多个(x,y)值从而创建多个Line2D。

当调用Axes.hist()方法时，类似于.plot()方法，不过它会添加patches到Axes.patches列表。

你不应该直接通过Axes.lines和Axes.patches列表来添加图表。因为当你通过.plot()和.hist()等方法添加图表时，matplotlib会做许多工作而不仅仅是添加绘图组件到Axes.lines或者Axes.patches列表中。

但是你可以使用Axes的辅助方法.add_line()和.add_patch()方法来添加。

下面是Axes用于创建primitive Artist以及添加他们到相应的container中的方法：

• ax.annotate()：创建text annotation（Annotate对象），然后添加到ax.texts列表中。
• ax.bar()：创建bar chart（Rectangle对象），然后添加到ax.patches列表中。
• ax.errorbar()：创建error bar plot（Line2D对象和Rectangle对象），然后添加到ax.lines 列表中和ax.patches列表中。
• ax.fill()：创建shared area（Polygon对象），然后添加到ax.patches列表中
• ax.hist()：创建histogram（Rectangle对象），然后添加到ax.patches列表中。
• ax.imshow()：创建image data（AxesImage对象），然后添加到ax.images列表中。
• ax.legend()：创建axes legends（Legend对象），然后添加到ax.legends列表中。
• ax.plot()：创建xy plot（Line2D对象），然后添加到ax.lines列表中。
• ax.scatter()：创建scatter charts（PolygonCollection对象），然后添加到 ax.collections列表中。
• ax.text()：创建text（Text对象），然后添加到ax.texts列表中。

另外Axes还包含两个最重要的Artist container：

• ax.xaxis：XAxis对象的实例，用于处理x轴tick以及label的绘制
• ax.yaxis：YAxis对象的实例，用于处理y轴tick以及label的绘制

Axes包含了许多辅助方法来访问和修改XAxis和YAxis，这些辅助方法其实内部调用的是XAxis和YAxis的方法。因此通常情况下你不需要直接调用XAxis和YAxis的方法。

matplotlib.axis.Axis实例处理tick line、grid line、tick label以及axis label的绘制。通常你可以独立的配置y轴的左边tick以及右边的tick，也可以独立地配置x轴的上边tick以及下边的tick。

Axis也存储了数据用于内部的缩放以及自适应处理。它还有Locator实例和Formatter实例用于控制tick摆放的位置以及tick的标注字符串。

每个Axis都有一个.label属性，也有major tick列表和minor tick列表。这些tick是XTick和YTick的实例，他们存放着实际的line primitive以及text primitive来渲染tick以及ticklabel。

tick是动态创建的，只有在需要创建的时候才创建（比如缩放的时候）。Axis也提供了一些辅助方法来获取tick label、tick location等等：

• Axis.get_major_ticks()：获取major tick列表（一个Tick对象的列表）

• Axis.get_minor_ticks()：获取minor tick列表（一个Tick对象的列表）

• Axis.get_ticklocs()：获取tick location列表。 可以通过minor=True|False关键字参数控制输出minor还是major的tick location。

• Axis.get_ticklabels()：获取tick label列表(一个Text实例的列表）。 可以通过minor=True|False关键字参数控制输出minor还是major的tick label。

• Axis.get_ticklines()：获取tick line列表(一个Line2D实例的列表）。 可以通过minor=True|False关键字参数控制输出minor还是major的tick line。

• Axis.get_scale()：获取坐标轴的缩放属性，如'log'或者'linear'

• Axis.get_view_interval():获取内部的axis view limits实例

• Axis.get_data_interval():获取内部的axis data limits实例

• Axis.get_gridlines():获取grid line的列表

• Axis.get_label():获取axis label(一个Text实例)

• Axis.get_major_locator():获取major tick locator(一个matplotlib.ticker.Locator实例)

• Axis.get_minor_locator():获取minor tick locator(一个matplotlib.ticker.Locator实例)

• Axis.get_major_formatter():获取major tick formatter(一个matplotlib.ticker.Formatter实例)

• Axis.get_minor_formatter():获取minor tick formatter(一个matplotlib.ticker.Formatter实例)

• Axis.grid():一个开关，用于控制major或者minor的tick的on|off

  

matplotlib.axis.Tick类是从Figure-->Axes-->Tick这个container体系中最末端的container。Tick容纳了tick、grid line以及tick对应的label。所有的这些都可以通过Tick的属性获取:

• Tick.tick1line：一个Line2D实例
• Tick.tick2line：一个Line2D实例
• Tick.gridline：一个Line2D实例
• Tick.label1：一个Text实例
• Tick.label2：一个Text实例
• Tick.gridOn：一个布尔值，决定了是否绘制tickline
• Tick.tick1On：一个布尔值，决定了是否绘制1st tickline
• Tick.tick2On：一个布尔值，决定了是否绘制2nd tickline
• Tick.label1On：一个布尔值，决定了是否绘制1st tick label
• Tick.label2On：一个布尔值，决定了是否绘制2nd tick label

y轴分为左右两个，因此tick1*对应左侧的轴；tick2*对应右侧的轴。 x轴分为上下两个，因此tick1*对应上侧的轴；tick2*对应下侧的轴。

matplotlib.lines.Line2D类是matplotlib中的曲线类（基类是matplotlib.artist.Artist），它可以有各种各样的颜色、类型、以及标注等等。它的构造函数为：

Line2D(xdata, ydata, linewidth=None, linestyle=None,
	color=None, marker=None, markersize=None, markeredgewidth
	=None, markeredgecolor=None, markerfacecolor
	=None, markerfacecoloralt=’none’, fillstyle=None,
	antialiased=None, dash_capstyle=None, solid_capstyle=None,
	dash_joinstyle=None, solid_joinstyle=None, pickradius=5,
	drawstyle=None, markevery=None, **kwargs)

这些关键字参数都是Line2D的属性。其属性有：

• 继承自Artist基类的属性： .alpha、.animated、.axes、.clip_box、..clip_on、.clip_path、.contains、.figure、.gid、.label、.picker、.transform、.url、.visible、.zorder
• .antialiased或者.aa属性：一个布尔值。如果为True则表示线条是抗锯齿处理的
• .color或者.c属性：一个matplotlib color值，表示线条的颜色，
• .dash_capstyle属性：为'butt' or 'round' or 'projecting'，表示虚线头端类型
• .dash_joinstyle属性：为'miter' or 'round' or 'bevel'，表示虚线连接处类型
• .dashes属性：一个数值序列，表示虚线的实部、虚部的尺寸。如果为(None,None)则虚线成为实线
• .drawstyle属性：为'default'or'steps'or'step-pre'or'step-mid'or'step-post'，表示曲线类型。
  • 'default'：点之间以直线连接
  • 'steps*'：绘制阶梯图。其中steps等价于steps-pre，是为了保持兼容旧代码
• .fillstyle属性：为'full'or'left'or'right'or'bottom'or'top'or'none'表示marker的填充类型。
  • 'full'：填充整个marker
  • none：不填充marker
  • 其他值：表示填充一半marker
• .linestyle或者ls属性：指定线型，可以为以下值：
  • '-'或者'solid'：表示实线
  • '--'或者dashed：表示虚线
  • '-.'或者dash_dot：表示点划线
  • ':'或者'dotted'：表示点线
  • 'None'或者' '或者''：表示没有线条（不画线）
• .linewidth或者lw属性：为浮点值，表示线条宽度
• .marker属性：可以为一系列的字符串，如'.'、','、'o'....,表示线条的marker
• .markeredgecolor或者.mec属性:可以为matplotlib color，表示marker的边的颜色
• .markeredgewidth或者.mew属性:可以为浮点数，表示marker边的宽度
• .markerfacecolor或者.mfc属性：可以为matplotlib color，表示marker的前景色
• .markerfacecoloralt或者.mfcalt属性：可以为matplotlib color，表示marker的可选前景色
• .markersize或者.ms属性：可以为浮点数，表示marker的大小
• .markevery属性：指定每隔多少个点绘制一个marker，可以为以下值：
  • None：表示每个点都绘制marker
  • N：表示每隔N个点绘制marker，从0开始
  • (start,N)：表示每隔N个点绘制marker，从start开始
  • [i,j,m,n]：只有点i,j,m,n的marker绘制
  • ...其他值参考文档
• .pickradius属性：浮点值，表示pick radius
• .solid_capstyle属性：可以为'butt'、'round'、'projecting'，表示实线的头端类型
• .sold_joinstyle属性：可以为'miter'、'round'、'bevel'，表示实线连接处的类型
• .xdata属性：可以为一维的numpy.array，表示x轴数据
• .ydata属性：可以为一维的numpy.array，表示y轴数据

matplotlib.text.Text类是绘制文字的类（基类是matplotlib.artist.Artist）。它的构造函数为：

Text(x=0, y=0, text='', color=None, verticalalignment='baseline',
	horizontalalignment=’left’, multialignment=None, fontproperties
	=None, rotation=None, linespacing=None, rotation_
	mode=None, usetex=None, wrap=False, **kwargs)

这些关键字参数也是属性。其属性有：

• 继承自Artist基类的属性： .alpha、.animated、.axes、.clip_box、..clip_on、.clip_path、.contains、.figure、.gid、.label、.picker、.transform、.url、.visible、.zorder
• .backgroundcolor属性：背景色，可以为任何matplotlib color
• .bbox属性：文本框的边框。其值是FancyBboxPatch类的属性字典。
• .color属性：字体颜色，可以为任何matplotlib color
• .family或者.name或者.fontfamily或者.fontname属性：字体的名字。可以是string或者string list（表示可以为若干个名字，优先级依次递减）。string必须是一个真实字体的名字，或者一个字体的class name。
• .fontproperties或者.font_properties属性：字体的属性，值是一个matplotlib.font_manager.FontProperties实例（该实例一次性设置字体的很多属性，比如字体类型、字体名字、字体大小、宽度、...）
• .horizontalalignment或者.ha属性：水平对齐方式，可以为'center'、'right'、'left'
• .linespacing属性：为浮点数，单位为font size，表示行间距
• .multialignment属性：multiline text对齐方式，可以为'left'、'right'、'center'
• .position属性：为一个元组(x,y)，表示文本框的位置
• .rotation属性：字体旋转角度。可以为下列值：
  • 浮点数，表示角度
  • 'vertical'、'horizontal'
• .rotation_mode属性：旋转模式。可以为下列值：
  • 'anchor'：文本首先对齐，然后根据对齐点来旋转
  • None：文本先旋转，再对齐
• .size或者.fontsize属性：字体大小。可以为下列值：
  • 浮点值，表示字体大小
  • 'xx-small'、'x-small'、'small'、'medium'、'large'、'x-large'、'xx-large'
• .stretch或者.fontstretch属性：字体沿水平方向的拉伸。可以为下列值：
  • 整数，在[0---1000]之间
  • 'ultra-condensed'、'extra-condensed'、'condensed'、'semi-condensed'、'normal'、'semi-expanded'、'expanded'、'extra-expanded'、'ultra-expanded'
• .style或者.fontstyle属性：字体样式，可以为'normal'、'italic'、'oblique'
• .text属性:文本字符串，可以为任意字符串（他可以包含'\n'换行符或者LATEX语法）
• .variant或者.fontvariant属性：表示字体形变，可以为下列值：'normal'、'small-caps'
• .verticalalignment或者.ma或者.va属性：表示文本的垂直对齐，可以为下列值：
  • 'center'、'top'、'bottom'、'baseline'
• .weight或者.fontweight属性：设置字体的weight，可以为下列值：
  • 一个整数值，在[0---1000]之间
  • 'ultralight'、'light'、'normal'、'regular'、'book'、'medium'、 'roman'、'semibold'、'demibold'、'demi'、'bold'、'heavy'、 'extrabold'、'black'
• .x属性：一个浮点值，表示文本框位置的x值
• .y属性：一个浮点值，表示文本框位置的y值

matplotlib.text.Annotation类是图表中的图式，它是一个带箭头的文本框，用于解说图表中的图形。它的基类是matplotlib.text.Text和 matplotlib.text._AnnotationBase。其构造函数为：

Annotation(s, xy, xytext=None, xycoords=’data’, textcoords=None, arrowprops
	=None, annotation_clip=None, **kwargs)

在位置xytext处放置一个文本框，该文本框用于解释点xy，文本框的文本为s。

• s：文本框的文本字符串
• xy：被解释的点的坐标
• xytext：文本框放置的位置。如果为None，则默认取xy
• xycoords：xy坐标系，默认取'data'坐标系（即xy是数据坐标系中的点）。可以为以下值：
  • 'figure points'：从figure左下角开始的点
  • 'figure pixesl'：从figure左下角开始的像素值
  • 'figure fraction'：(0,0)代表figure的左下角，(1,1)代表figure的右上角
  • 'axes points'：从axes左下角开始的点
  • 'axes pixels'：从axes左下角开始的像素
  • 'axes fraction'：(0,0)代表axes的左下角，(1,1)代表axes的右上角
  • 'data'：使用被标注对象的坐标系
  • 'offset points'：指定从xy的便宜点
  • 'polar'：极坐标系
• textcoords：文本框坐标系（即xytext是文本坐标系中的点），默认等于xycoords
• arrowprops：指定文本框和被解释的点之间的箭头。如果不是None，则是一个字典，该字典设定了matplotlib.lines.Line2D的属性。
  • 如果该字典有一个arrowstyle属性，则该键对应的值也是一个字典，创建一个FancyArrowsPatch实例， 实例属性由该字典指定。
  • 如果该字典没有arrowstyle属性，则创建一个YAArrow实例，
• annotation_clip：控制超出axes区域的annotation的显示。如果为True则annotation 只显示位于axes区域内的内容。
• 额外的关键字参数全部是设置Text的属性

matplotlib.legend.Legend是图例类，它的基类是matplotlib.artist.Artist。其构造函数为：

Legend(parent, handles, labels, loc=None, numpoints=None, markerscale
	=None, markerfirst=True, scatterpoints=None,
	scatteryo�sets=None, prop=None, fontsize=None, borderpad
	=None, labelspacing=None, handlelength=None,
	handleheight=None, handletextpad=None, borderaxespad
	=None, columnspacing=None, ncol=1, mode=None,
	fancybox=None, shadow=None, title=None, framealpha
	=None, bbox_to_anchor=None, bbox_transform=None,
	frameon=None, handler_map=None)

其关键字参数为：

• parent：持有该legend的artist
• loc:图例的位置。其值可以为字符串或者数字：
  • best或0：自动计算
  • upper right或1： 右上角
  • upper left或2：上角
  • lower left或3：下角
  • lower right或4：右下角
  • right或5：右边
  • center left或6：中间偏左
  • center right或7：中间偏右
  • lower center或8：中间底部
  • upper center或9：中间顶部
  • center或10：正中央
• handle：一个artist列表，添加这些artist到legend中
• lebels：一个字符串列表添加到legend中
• prop:字体属性
• fontsize: 字体大小（只有prop未设置时有效）
• markerscale: marker的缩放比例（相对于原始大小）
• markerfirst: 如果为True，则marker放在label左侧；否则marker放在label右侧
• numpoints: the number of points in the legend for line
• scatterpoints: the number of points in the legend for scatter plot
• scatteryo�sets: a list of yo�sets for scatter symbols in legend
• frameon: if True, draw a frame around the legend. If None, use rc
• fancybox: if True, draw a frame with a round fancybox. If None, use rc
• shadow: if True, draw a shadow behind legend
• framealpha: If not None, alpha channel for the frame.
• ncol: number of columns
• borderpad: the fractional whitespace inside the legend border
• labelspacing: the vertical space between the legend entries
• handlelength: the length of the legend handles
• handleheight: the height of the legend handles
• handletextpad: the pad between the legend handle and text
• borderaxespad: the pad between the axes and legend border
• columnspacing:the spacing between columns
• title: 图例的标题
• bbox_to_anchor: the bbox that the legend will be anchored.
• bbox_transform: the transform for the bbox. transAxes if Noneloc a location code
• 其他关键字参数用于设置属性

属性为：

• 继承自Artist基类的属性： .alpha、.animated、.axes、.clip_box、..clip_on、.clip_path、.contains、.figure、.gid、.label、.picker、.transform、.url、.visible、.zorder

matplotlib.patches.Patch类是二维图形类。它的基类是matplotlib.artist.Artist。其构造函数为：

Patch(edgecolor=None, facecolor=None, color=None,
linewidth=None, linestyle=None, antialiased=None,
hatch=None, fill=True, capstyle=None, joinstyle=None,
**kwargs)

参数为：

• edgecolor：可以为matplotlib color，表示边线条的颜色，若为none则表示无颜色
• facecolor：可以为matplotlib color，表示前景色，若为none则表示无颜色
• color可以为matplotlib color，表示边线条和前景色的颜色。
• linewidth：为浮点数，表示线条宽度
• linestyle：指定线型，可以为以下值：
  • '-'或者'solid'：表示实线
  • '--'或者dashed：表示虚线
  • '-.'或者dash_dot：表示点划线
  • ':'或者'dotted'：表示点线
  • 'None'或者' '或者''：表示没有线条（不画线）
• antialiased：一个布尔值。如果为True则表示线条是抗锯齿处理的
• hatch：设置hatching pattern，可以为下列的值：
  • '\'、'|'、'-'、'+'、'x'、'o'、'0'、'.'、'*'
• fill：为布尔值。如果为True则填充图形，否则不填充
• capstyle：为'butt' or 'round' or 'projecting'，表示线条头端类型
• joinstyle：可以为'miter'、'round'、'bevel'，表示矩形线条接头类型
• 其他关键字参数用于设置属性

如果 edgecolor, facecolor, linewidth, or antialiased 为None则这些值从 rc params中读取

属性如下：

• 继承自Artist基类的属性： .alpha、.animated、.axes、.clip_box、..clip_on、.clip_path、.contains、.figure、.gid、.label、path_e�ects、.picker、.transform、.url、.visible、.zorder
• .antialiased或者.aa属性：一个布尔值。如果为True则表示线条是抗锯齿处理的
• .capstyle属性：为'butt' or 'round' or 'projecting'，表示线条头端类型
• .color属性：可以为matplotlib color，表示边线条和前景色的颜色。
• .edgecolor或者.ec属性：可以为matplotlib color，表示边线条的颜色，若为none则表示无颜色
• .facecolor或者.fc属性：可以为matplotlib color，表示前景色，若为none则表示无颜色
• .fill属性：为布尔值。如果为True则填充图形，否则不填充
• .hatch属性：设置hatching pattern，可以为下列的值：
  • '\'、'|'、'-'、'+'、'x'、'o'、'0'、'.'、'*'
• .joinstyle属性：可以为'miter'、'round'、'bevel'，表示矩形线条接头类型
• .linestyle或者.ls属性：指定线型，可以为以下值：
  • '-'或者'solid'：表示实线
  • '--'或者dashed：表示虚线
  • '-.'或者dash_dot：表示点划线
  • ':'或者'dotted'：表示点线
  • 'None'或者' '或者''：表示没有线条（不画线）
• .linewidth或者.lw属性：为浮点数，表示线条宽度

matplotlib.patches.Rectangle类是矩形类（基类是matplotlib.patches.Patch），其构造函数为：Rectangle(xy,width,height,angle=0.0,**kwargs)。 参数为：

• xy：矩形左下角坐标
• width：矩形宽度
• height：矩形高度
• 其他关键字参数用于设置属性

其属性有：

• 继承自Artist基类的属性： .alpha、.animated、.axes、.clip_box、..clip_on、.clip_path、.contains、.figure、.gid、.label、.picker、.transform、.url、.visible、.zorder
• 继承自Patch基类的属性： .antialiased或者.aa、.capstyle、.color、.edgecolor或者.ec、.facecolor或者.fc、.fill、.hatch、.joinstyle、.linestyle或者.ls、.linewidth或者.lw属性

matplotlib.patches.Polygon类是多边形类。其基类是matplotlib.patches.Patch。其构造函数为： Polygon(xy, closed=True, **kwargs)。参数为：

• xy是一个N×2的numpy array，为多边形的顶点。
• closed为True则指定多边形将起点和终点重合从而显式关闭多边形。
• 其他关键字参数用于设置属性

Polygon的属性有：

• 继承自Artist基类的属性： .alpha、.animated、.axes、.clip_box、..clip_on、.clip_path、.contains、.figure、.gid、.label、.picker、.transform、.url、.visible、.zorder
• 继承自Patch基类的属性： .antialiased或者.aa、.capstyle、.color、.edgecolor或者.ec、.facecolor或者.fc、.fill、.hatch、.joinstyle、.linestyle或者.ls、.linewidth或者.lw属性

matplotlib.collections.PolyCollection是多边形集合类，其基类是matplotlib.collections._CollectionWithSizes。它的构造函数为：

PolyCollection(verts, sizes=None, closed=True, **kwargs)。

其关键字参数为：

• verts：一个顶点序列。每个顶点都由xy元组或者xy数组组成
• sizes：一个浮点数序列，依次指定每个顶点正方形的边长。如果序列长度小于顶点长度，则循环从序列头部再开始挑选
• closed：如果为True，则显式封闭多边形
• edgecolors: collection的边的颜色
• 其他关键字参数用于设置属性

下面为属性：

• 继承自Artist基类的属性： .alpha、.animated、.axes、.clip_box、..clip_on、.clip_path、.contains、.figure、.gid、.label、.picker、.transform、.url、.visible、.zorder
• .facecolors: collection的前景色
• .linewidths: collection的边线宽
• .antialiaseds:抗锯齿属性，可以为True或者False
• .off�sets: 设置collection的偏移
• .norm: 归一化对象
• .cmap:color map

matplotlib被划分为不同的层次：

• matplotlib.pyplot模块：位于matplotlib的顶层，它是一个state-machine environment。该模块中的很多函数是用于给当前Figure的当前Axes添加plot element，比如line、text、image等。它非常类似于Matlab的用法。
• 下一层是面向对象的接口：在这一层pyplot只是用部分函数来创建Figure，然后通过该Figure显式的创建Axes，然后通过面向对象的接口在该Axes上添加图形。极端情况下用户可以完全抛弃pyplot而完全使用面向对象的接口。

对于非交互式绘图，官方文档推荐用pyplot创建Figure，然后使用面向对象接口来绘图。

matplotlib的所有plotting function期待输入numpy.array或者numpy.ma.masked_array类型的数据作为输入。某些长得像numpy.array的数据比如numpy.matrix类型的输入数据可能会导致matplotlib工作异常。如果确实需要使用numpy.matrix，你应该首先将它转换为numpy.array

• matplotlib：它是整个package
• matplotlib.pyplot：是matplotlib的一个module。它为底层的面向对象接口提供了一个state-machine interface。这个state-machine必要的时候隐式创建Figure和Axes，并维护current Figure和current Axes
• pylab是一个便利的module，它导入了matplotlib.pyplot以及numpy，它只是为了plot以及math方便而用。官方文档不推荐使用它。

官方文档不推荐 MATLAB风格的代码。因为MATLAB风格代码维护了全局状态，你执行同一个plot多次可能会发现结果是不同的。 官方文档推荐使用如下风格：

import matplotlib.pyplot as plt
import numpy as np
fig=plt.figure()
ax=fig.add_subplot(111)
ax.plot(...)
ax.show()

这样的风格使得在绘图事件中，每个角色都很清楚，数据的流动也很清楚。

matplotlib可以适用于非常广泛的场景：

• matplotlib可以交互式地用于python shell
• matplotlib可以嵌入到wxpython或者pygtk等GUI程序中
• matplotlib可以在脚本中使用从而生成postscript image

为了适应于这些场景，matplotlib针对这些target生成不同的输出格式。这种能力称之为backend。

与之相对的frontend指的是用户使用matplotlib而编写的代码

有两种类型的backend：

• 交互式的backend：应用于pygtk、wxpython、tkinter、qt4、macosx等中
• 非交互式的backend：用于生成image file（如PNG、SVG、PDF、PS等格式文件，这些backend的名字暗示了要存储的文件的格式）

有多种方法来设置backend，其中后面提到的方法会覆盖前面的方法设置的backend

• 在matplotlibrc配置文件中设置的backend参数，如backend: WXAgg #使use wxpython with antigrain(agg) rendering
• 设置MPLBACKEND环境变量，无论是在shell中设置还是在脚本中设置。
• 对单个脚本设置backend时，可以直接在python命令后添加-d命令（这种方法不推荐，deprecated）
• 在脚本中使用特定的backend时，可以用matplotlib.use('PDF')命令。这条语句必须在import matplotlib.pyplot语句之前执行。如果在import matplotlib.pyplot之后执行use语句，则没有任何效果。通常建议避免使用use()方法，因为使用该脚本的人无法修改backend了。

• 设定backend时，是忽略大小写的。因此GTKAgg也等价于gtkagg

• 查看当前的backend可以用：matplotlib.get_backend()

matplotlib提供的常用的rendering engine是Agg，它采用的是Anti-Grain Geometry C++ library。除了macosx之外的所有user interface都可以用agg rendering，如WXAgg,GTKAgg,QT4Agg,TkAgg这些backend。 某些user interface还支持其他引擎，如GTK支持Cario引擎，如GTKCariro backend。

下面是所有的Rendering engine：

• AGG：输出png格式文件。它可以输出高质量的图形
• PS：输出ps\eps格式文件。它是Postscript output
• PDF：输出pdf格式文件。
• SVG：输出svg格式文件
• Cairo：可以输出png、ps、pdf、svg...等格式文件
• GDK：可以输出png、jpg、tiff...等格式文件，它使用Gimp Drawing Kit

要想保存成指定类型文件，如PDF，那么首先要设置合适的backend，

使用交互式backend可以plotting to the screen，但是前提是matplotlib必须是interactive mode。

你可以在matplotlibrc配置文件中设置matplotlib是否位于交互模式，也可以通过代码matplotlib.interacite()来设置matplotlib位于交互模式。你可以通过代码matplotlib.is_interactive()来判断代码是否交互模式。通常并不建议在绘图过程中修改交互模式，因此要提前修改交互模式再绘图。

交互模式也可以通过matplotlib.pyplot.ion()开启交互模式，由matplotlib.pyplot.ioff()关闭交互模式。另外交互模式支持ipython和python shell，但是不支持IDLE IDE。

在交互模式下：

• pyplot.plot()绘图之后图表马上显示，pyplot自动绘制到屏幕，不需要调用pyplot.show()
• 图表显式之后你可以继续输入命令。任何对图形的修改会实时的反应到图表中去。
• 使用面向对象的方法，如Axes的方法并不会自动调用draw_if_interactive()。如果你通过Axes来修改图表，想更新图表的话那么你需要手动调用.draw()方法。而pyplot模块中的函数会主动调用draw_if_interactive(),因此如果你是通过pyplot模块修改图表那么不需要手动调用.draw()方法就是实时绘制。

在非交互模式下：

• 在绘图之后必须手动调用pyplot.show()才能显示图表。该函数会阻塞执行直到你关闭了图表窗口。
• 所有的绘制工作会延迟到pyplot.show()函数调用
• 在1.0版本以前，单个脚本文件中只能调用一次pyplot.show()，在1.01版本之后该限制被放松。

可以通过matplotlib.pyplot.colors()方法获取matplotlib支持的所有颜色。该方法不做任何事情，就是提供一个帮助文档。

matplotlib提供了下面颜色的别名：'b'：蓝色；'g'：绿色；'r'：红色；'y'：黄色；'c'：青色；'k'：黑色；'m'：洋红色；'w'：白色。

你也可以定制自己的颜色。有两种方法：

• 使用HTML十六进制字符串：如'#eeefff'
• 使用HTML颜色名字：如'red'
• 使用一个归一化到闭区间[0-1]的RGB元组：如color=(0.3,0.3,0.4)

在创建Axes或者SubPlot时，可以给构造函数提供一个axisbg参数来指定背景色

简单布局通过Figure.add_subplot(*args,**kwargs)方法来完成，它返回的是Axes实例。当然你也可以通过pyplot.subplot(*args,**kwargs)函数来完成，他返回的也是Axes实例，该函数只是一个便利函数。

SubPlot类是Axes类的子类。因此SubPlot对象也是Axes对象。

最典型用法是matplotlib.pyplot.subplot(nrows,ncols,plot_number)。nrows和ncols将图表划分成nrows*ncols大小的网格区域，每一个区域都能存放一个SubPlot；该函数创建plot_number位置处的SubPlot-axes。其中plot_number起始于1，最大值为nrows*ncols。

如果nrows、ncols、plot_number都是个位数，则你可以指定一个三位数来简化函数调用matplotlib.pyplot.subplot(integer)，其中百分位代表nrows，十分位代表ncols，各位代表plot_number。

• axisbg关键字参数：指定subplot的背景色
• polar关键字参数：指定subplot是否是极坐标。默认为False
• projection：
• sharex关键字参数：指定subplot与其他Axes(由该参数值指定）共享xaxis attribute
• sharey关键字参数：指定subplot是否与其他Axes(由该参数值指定）共享yaxis attribute

你可以通过pyplot.subplots()函数一次性的创建多个SubPlot。

pyplot.subplot()每次只会创建一个SubPlot。

其参数有：

• nrows：行数，默认为1

• ncols：列数，默认为1

• sharex：

  • 如果为True，则所有SubPlot的X axis被共享。此时只有最后一行的X轴可见。
  • 如果为False，则SubPlot的X axis不共享，每一个SbuPlot的X轴可见。
  • 如果为字符串all，则等效于True
  • 如果为字符串none，则当小于False
  • 如果为字符串row，则每一行的SubPlot共享一个X轴（与False等效）
  • 如果为字符串col，则每一列的SubPlot共享一个X轴（与True等效）

  

  

  

• sharey：

  • 如果为True，则所有SubPlot的Y axis被共享。此时只有第一列的Y轴可见。
  • 如果为False，则SubPlot的Y axis不共享，每一个SbuPlot的Y轴可见。
  • 如果为字符串all，则等效于True
  • 如果为字符串none，则当小于False
  • 如果为字符串row，则每一行的SubPlot共享一个Y轴（与True等效）
  • 如果为字符串col，则每一列的SubPlot共享一个Y轴（与False等效）

• squeeze：

  • 如果为True：
    • 如果只创建了一个SubPlot，则返回一个变量（创建的SubPlot对象)
    • 如果创建了N*1或者1*N个SubPlot，则返回一个1维向量
    • 如果创建了N*M个SubPlot（其中N>1,M>1），则返回一个2维向量
  • 如果为False则始终返回一个2维向量

• subplot_kw：一个字典参数，用于传递给Axes.add_subplot()来创建SubPlot

• gridspec_kw：一个字典参数，用于传递给GridSpec构造函数来创建SubPlot存放的网格

• fig_kw：一个字典参数，用于传递给pyplot.figure()函数。所有前述未能识别的感激案子参数都会传到这里。

其返回值为figure,ax。其中figure是一个Figure对象；ax取决于squeeze参数。

使用pyplot.subplot2grid()函数时，你只需要提供网格形状以及SubPlot位置即可，如： ax=pyplot.subplot2grid((2,2),(0,0))，它等价于ax=pyplot.subplot(2,2,1)。其中subplot2grid()的位置坐标从0开始。

subplot2grid()支持SubPlot横跨或者纵跨多个单元格。colspan关键字参数指定纵向的跨度；rowspanguan尖子参数指定横向的跨度。

你可以直接创建matplotlib.gridspec.GridSpec然后通过它来创建SubPlot。如：

gs=matplotlib.gridspec.GridSpec(2,2) #网格2行2列
matplotlib.pyplot.subplot(gs[0,0])

等价于`matplotlib.pyplot.subplot2grid((2,2),(0,0))

GridSpec对对象提供了类似array的索引方法，其索引的结果是一个SubplotSpec对象实例。如果你想创建横跨多个网格的SubplotSpec，那么你需要对GridSpec对象执行分片索引，如pyplot.subplot(gs[0,:-1])。

如果你使用GridSpec，那么你可以调整由GridSpec创建的SubplotSpec的layout parameter。如：

gs=gridspec.GridSpec(3,3)
gs.update(left=0.05,right=0.48,wspace=0.05)

这种用法类似于subplots_adjust，但是它仅仅影响由本GridSpec创建的SubplotSpec。其中gs.update()的关键字参数有：

• left关键字参数：subplot左侧宽度
• right关键字参数：subplot右侧宽度
• bottom关键字参数：subplot底部高度
• top关键字参数：subplot顶部高度
• wspace关键字参数：subplot之间的空白宽度
• hspace关键字参数：subplot之间的空白的高度

你可以从SubplotSpec创建GridSpec。此时layout parameter由该SubplotSpec指定。如：

gs0=gridspec.GridSpec(1,2)
gs00=gridspec.GridSpecFromSubplotSpec(3,3,subplot_spec=gs0[0])

matplotlib.gridspec.GridSpecFromSubplotSpec(nrows, ncols, subplot_spec, wspace=None, hspace=None,height_ratios=None,width_ratios=None)：创建一个GridSpec，它的subplot layout parameter继承自指定的SubplotSpec。其中nrows为网格行数，ncols为网格列数，subplot_spec为指定的SubplotSpec。

默认情况下，GridSpec创建的网格都是相同大小的。当然你可以调整相对的高度和宽度。注意这里只有相对大小（即比例）是有意义的，绝对大小值是没有意义的。如：

gs=gridspec.GridSpec(2,2,width_ratios=[1,2],height_ratios=[4,1]
plt.subplot(gs[0]
....

这里width_ratios关键字参数指定了一行中，各列的宽度比例（有多少列就有多少个数字）； height_ratios关键字参数指定了一列中，各行的高度比例（有多少行就有多少个数字）。

GridSpec.tight_layout(fig, renderer=None, pad=1.08, h_pad=None, w_pad=None, rect=None):tight_layout能够自动调整subplot param从而使得subplot适应figure area。它仅仅检查ticklabel、axis label、title等内容是否超出绘制区域。其参数为：

• fig关键字参数：Figure对象，图表。
• pad关键字参数：一个浮点数，单位是fontsize，表示figure edge 和 edges of subplots之间的填充区域。
• h_pad关键字参数：一个浮点数，单位是fontsize，示subplots之间的高度，默认为pad。
• w_pad关键字参数：一个浮点数，单位是fontsize，示subplots之间的宽度，默认为pad。
• rect关键字参数：如果给定了该参数为一个列表或元组（是一个矩形的四要素，分别代表左下角坐标，宽度，高度），则指定了网格的轮廓矩形，所有的subplots都位于该矩形中。其坐标系是figure coordinate，从[0...1]，如果没有提供该参数，则默认为(0, 0, 1, 1)。

当然你可以使用matplotlib.pyplot.tight_layout()来达到同样的效果。

matplotlib.patch对象底层的对象就是Path。它的基本用法如下：

import matplotlib.pyplot as plt
from matplotlib.path import Path
import matplotlib.patches as patches
verts = [
(0., 0.), # left, bottom
(0., 1.), # left, top
(1., 1.), # right, top
(1., 0.), # right, bottom
(0., 0.), # ignored
]
codes = [Path.MOVETO,
Path.LINETO,
Path.LINETO,
Path.LINETO,
Path.CLOSEPOLY,
]
path = Path(verts, codes)
fig = plt.figure()
ax = fig.add_subplot(111)
patch = patches.PathPatch(path)
ax.add_patch(patch)
ax.set_xlim(-2,2)
ax.set_ylim(-2,2)
plt.show()

PATH对象的创建通过matplotlib.path.Path(verts,codes)创建，其中：

• verts：PATH的顶点。这些顶点必须构成一个封闭曲线。其中每个顶点必须指定x坐标和y坐标。
• codes：指示如何使用这些PATH顶点。它与verts关系是一一对应的。有如下指令：
  • Path.STOP：结束path的标记
  • Path.MOVETO：画笔提起并移动到指定的顶点
  • Path.LINETO：画笔画直线，从current position到指定的顶点
  • Path.CURVE3:画笔画二阶贝塞尔曲线，从current position到指定的end point， 其中还有一个参数是指定的control point
  • Path.CURVE4：画笔画三阶贝塞尔曲线，从current position到指定的end point， 其中还有两个参数是指定的control points
  • Path.CLOSEPOLY：指定的point参数被忽略。该指令画一条线段， 从current point到start point

可以通过matplotlib.patches.PathPatch(path)来构建一个PathPatch对象，然后通过Axes.add_patch(patch)向Axes添加PathPatch对象.这样就添加了Path到图表中。

在matplotlib中所有简单的patch primitive，如Rectangle、Circle、Polygon等等，都是由简单的Path来实现的。而创建大量的primitive的函数如hist()和bar()（他们创建了大量的Rectanle）可以使用一个compound path来高效地实现。

但是实际上bar()创建的是一系列的Rectangle，而没有用到compound path，这是由于历史原因，是历史遗留问题。（bar()函数先于Coupound Path出现）

下面是一个Compound Path的例子：

... 
verts = np.zeros((nverts, 2))  # nverts为顶点的个数加1（一个终止符）
codes = np.ones(nverts, int) * Path.LINETO
## 设置 codes :codes分成5个一组，
## 每一组以Path.MOVETO开始，后面是3个Path.LINETO，最后是Path.CLOSEPOLY 
codes[0::5] = Path.MOVETO
codes[4::5] = Path.CLOSEPOLY
## 设置顶点 verts ##
...
## 创建 Path 、PathPatch并添加  ##
barpath = Path(verts, codes)
patch = patches.PathPatch(barpath, facecolor='green',edgecolor='yellow', alpha=0.5)
fig = plt.figure()
ax = fig.add_subplot(111)
ax.add_patch(patch)
ax.show()

matplotlib的patheffects模块提供了一些函数来绘制path effect，该模块还定义了很多effect类。可以应用path effect的Artist有：Patch、Line2D、Collection以及Text。每个Artist的path effect可以通过.set_path_effects()方法控制，其参数是一个可迭代对象，迭代的结果是AbstractPathEffect实例；也可以通过Artist构造函数的path_effects=关键字参数控制。

注意：effect类的关键字参数比如背景色、前景色等与Artist不同。因为这些effect类是更低层次的操作。

所有的effect类都继承自matplotlib.patheffects.AbstractPathEffect类。AbstractPathEffect的子类要覆盖AbstractPathEffect类的.draw_path(...)方法。

AbstractPathEffect类的构造函数有个offset关键字参数，表示effect偏移(默认为(0,0))

最简单的effect是normal effect，它是matplotlib.patheffects.Normal类。它简单的绘制Artist，不带任何effect。

如：

import matplotlib.pyplot as plt
import matplotlib.patheffects as path_effects
fig = plt.figure(figsize=(5, 1.5))
text = fig.text(0.5, 0.5, 'Hello path effects world!\nThis is the normal path effect.',
ha='center', va='center', size=20)
text.set_path_effects([path_effects.Normal()])
plt.show()

我们可以在基于Path的Artist上应用drop-shadow effect（下沉效果）。如可以在filled patch Artist上应用matplotlib.patheffects.SimplePatchShadow，在line patch Artist上应用matplotlib.patheffects.SimpleLineShadow。

你可以通过path_effects=[path_effects.with*()]来指定path_effects参数，或者直接通过path_effects=[path_effects.SimpleLineShadow(),path_effects.Normal()]来指定path_effects参数。

• 前者会自动地在normal effect后跟随指定的effect
• 后者会显式的指定effect

Strok effect可以用于制作出stand-out effect（突出效果）。

PathPatchEffect是一个通用的path effect类。如果对某个PathPatch设置了PathPatchEffect，则该effect的.draw_path(...)方法执行的是由初始PathPatch计算的得到的一个新的PathPatch。

与一般的effect类不同，PathPatchEffect类的关键字参数是与PathPatch一致的，因为除了offset关键字参数外，其他的任何关键字参数都会传递给PathPatch构造函数。如：

import matplotlib.pyplot as plt
import matplotlib.patheffects as path_effects
fig = plt.figure(figsize=(8, 1))
t = fig.text(0.02, 0.5, 'Hatch shadow', fontsize=75, weight=1000, va='center')
t.set_path_effects([path_effects.PathPatchEffect(offset=(4, -4), hatch='xxxx',
facecolor='gray'),
path_effects.PathPatchEffect(edgecolor='white', linewidth=1.1,
facecolor='black')])
plt.show()

matplotlib中有四个坐标系：

• 用户级的data坐标系：坐标转换对象为ax.transData。它是用户级坐标系，由xlim和ylim控制
• Axes坐标系：坐标转换对象为ax.transAxes。它是Axes的坐标系，(0,0)为Axes的左下角，(1,1)为Axes的右上角。
• Figure坐标系：坐标转换对象为fig.transFigure。它是Figure的坐标系，(0,0)为Figure的左下角，(1,1)为Figure的右上角。
• display坐标系：它没有坐标转换对象。它显示的是display的像素坐标系，(0,0)为display的左下角，(width,height)为display的右上角。

前面三个坐标系的坐标转换对象有方法执行坐标转换，这些方法接受输入并产生输出：输入为本坐标系内的坐标点，输出为display坐标系中的坐标。（因此display坐标系没有坐标转换对象）。当然他们也有相关方法将来自于display坐标系中的坐标转换回本坐标系内的坐标。

在Artist的构造函数中传入transform关键字参数（其值为坐标转换对象），就能够切换坐标系。如：ax.text(0.05,0.95,label,"This is a Text",transform=ax.transAxes)，将Text放置于Axes坐标系中的(0.05,0.95)位置处。

通常不建议直接使用display坐标系。因为它固定了绝对坐标，导致你resize图表时你必须重新定位坐标。所以你必须监听resize事件，非常麻烦。

当调用ax.set_xlimit(x_min,x_max)以及ax.set_ylimit(y_min,y_max)时，即建立起了用户data坐标系。左下角坐标为(x_min,y_min)，右上角坐标为(x_max,y_max)。

有时候你可能并没有显式调用.set_xlimit()以及.set_ylimit()。其实matplotlib会隐式调用它们来设置坐标轴的数据范围。

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set_xlim(0, 10)
ax.set_ylim(-1, 1)
type(ax.transData)
ax.transData.transform((5, 0))

你可以调用ax.transData返回data坐标系的坐标转换对象。对该坐标转换对象调用.transform(point)方法会返回point在display坐标系下的坐标。其中point是点在data坐标系下的坐标(x,y)。你也可以给.transform()方法一次传入多个点的坐标，此时输出也是对应于display坐标系下的一系列坐标。

你可以对ax.trandData返回的坐标转换对象调用.inverted()方法。该方法返回的是一个坐标逆转换对象。对该坐标逆转换对象调用.transform(point)方法会返回point在data坐标系下的坐标。其中point是点在display坐标系下的坐标(x,y)。你也可以给.transform()方法一次传入多个点的坐标，此时输出也是对应于data坐标系下的一系列坐标。

当你调用了ax.set_xlim()或者ax.set_ylim()时，坐标转换对象会实时更新。

在Axes坐标系中，(0,0)位于Axes的左下角，(1,1)位于Axes的右上角，(0.5,0.5)位于Axes的中心。当然你可以引用位于这之外的点，如(-0.1,1.1)。

通常如果你需要在Axes中放置一些文字说明，那么一般都是采用Axes坐标系来定位。这样无论图形怎么缩放，这些Text都能位于正确的位置。

当然你也可以在Axes中通过Axes坐标系添加一些Patch，但是通常建议在data坐标系下添加。因为你在Axes中添加的图表当图表缩放时可能会出现问题。

有时候你需要混合data坐标系和Axes坐标系。通过matplotlib.transforms.blended_transform_factory( ax.transData, ax.transAxes)能够返回一个混合坐标系，该坐标系中：x坐标为data坐标系，y坐标为Axes坐标系。因此该坐标系中(1,1)表示的是data坐标系中x=1但是y位于最上方的点。

有两个函数返回特定的混合坐标系：

• matplotlib.axes.Axes.get_xaxis_transform():等价于 matplotlib.transforms.blended_transform_factory(ax.transData, ax.transAxes)。 x坐标为data坐标系，y坐标为Axes坐标系。常用于绘制x轴的label、tick、gridline。
• matplotlib.axes.Axes.get_yaxis_transform().:等价于 matplotlib.transforms.blended_transform_factory(ax.transAxes,ax.transData)。 x坐标为Axes坐标系，y坐标为data坐标系。常用于绘制y轴的label、tick、gridline。

matplotlib.transform.ScaledTranslation(xt, yt, scale_trans)创建一个新的坐标转换对象，该坐标转换由xt和yt经过scale_trans坐标转换而来。

它创建的是一个偏移对于的坐标变换。偏移的坐标是位于scale_trans中的。

• 制作阴影的时候，将阴影的zorder调小，从而使得阴影首先绘制并位于底层

• 当scale_trans为fig.dpi_scale_trans坐标转换对象时，xt,yt的单位是像素。还有一个方法也能达到同样的效果：matplotlib.transforms.offset_copy(trans,x=xt,y=yt,units='inches')，但是该方法返回的坐标转换对象是trans合成了偏移之后的效果。

  

通过Axes.set_xscale(value,**kwargs)/Axes.set_yscale(value,**kwargs)方法可以设置x轴/y轴是否对数坐标。其中value可以为:

• linear：线性
• log：对数。其中basex|basey关键字指定对数的基
• logit：以2为底的对数
• symlog：对数，其中basex|basey关键字指定对数的基

你也可以通过matplotlib.pyplot.xscale()和matplotlib.pyplot.yscale()来设置对数坐标。一定要先添加数据后设置对数坐标。

通过Figure.add_axes((left,bottom,width,height), projection='polar')或者Figure.add_axes((left,bottom,width,height), polar=True)方法可以创建一个极坐标的Axes。其中polar关键字是为了兼容旧代码，新代码推荐用projection关键字，因为projection关键字不仅可以设置极坐标，还可以设置自定义坐标（它将坐标统一为映射关系）。

Figure.add_subplot(...)也是同样的设置

当你通过pyplot.subplot()、pyplot.axes()函数或者Figure.add_subplot()、Figure.add_axes()方法创建一个Axes时，你可以通过sharex关键字参数传入另一个Axes表示共享X轴；或者通过sharey关键字参数传入另一个Axes表示共享Y轴。

共享轴线时，当你缩放某个Axes时，另一个Axes也跟着缩放。

如果你想创建网格中的许多subplot，旧式风格的代码非常繁琐：

#旧式风格
fig=plt.figure()
ax1=fig.add_subplot(221)
ax2=fig.add_subplot(222,sharex=ax1,sharey=ax1)
ax3=fig.add_subplot(223,sharex=ax1,sharey=ax1)
ax4=fig.add_subplot(224,sharex=ax1,sharey=ax1)

新式风格的代码直接利用pyplot.subplots()函数一次性创建：

#新式风格的代码
fig,((ax1,ax2),(ax3,ax4))=plt.subplots(2,2,sharex=True,sharey=True)
ax1.plot(...)
ax2.plot(...)
...

它创建了Figure和对应所有网格SubPlot。你也可以不去解包而直接：

#新式风格的代码
fig,axs=plt.subplots(2,2,sharex=True,sharey=True)
ax1=axs[0,0]
ax2=axs[0,1]
ax3=axs[1,0]
ax4=axs[1,1]
...
...

返回的axs是一个nrows*ncols的array，支持numpy的索引。

当x轴为时间日期时，有可能间隔太密集导致显示都叠加在一起。此时可以用matplotlib.figure.Figure.autofmt_xdate()函数来自动调整X轴日期的显式。

你也可以调整X轴的显示格式。当X轴为时间时，其显示由Axes.fmt_xdata属性来提供。该属性是一个函数对象或者函数，接受一个日期参数，返回该日期的显示字符串。matplotlib已经提供了许多date formatter，你可以直接使用ax.fmt_xdata=matplotlib.dates.DateFormatter('%Y-%m-%d')

Axes.fill_between(x,y1,y2=0,where=None,interpolate=False,step=None,**kwargs)方法在y1和y2之间进行填充。

• x：一个长度为N的array，X轴数据
• y1:一个长度为N的array，Y轴数据1
• y2:一个长度为N的array，Y轴数据2，填充就是在曲线[x,y1]和[x,y2]包围的区域内进行
• where：可选的。
  • 如果为None，则表示任何地方都填充。
  • 如果不是None，那么就是一个长度为N的boolean array，填充只会在where为True的地方进行
• interpolate：一个bool值。如果为True，则计算曲线[x,y1]和[x,y2]相交点并插入交点；如果为False或None则不计算两条曲线的交点。
• setp：可选

通常建议提供一个alpha参数，用于设定填充的透明度。如果同一个区域被多个fill_between()填充，那么设定alpha之后会让每一层都能显示出来。

例如：

import matplotlib.pyplot as plt
import numpy as np
np.random.seed(1234)
Nsteps = 500
t = np.arange(Nsteps)
mu = 0.002
sigma = 0.01
# the steps and position
S = mu + sigma*np.random.randn(Nsteps)
X = S.cumsum()
# the 1 sigma upper and lower analytic population bounds
lower_bound = mu*t - sigma*np.sqrt(t)
upper_bound = mu*t + sigma*np.sqrt(t)
fig, ax = plt.subplots(1)
ax.plot(t, X, lw=2, label='walker position', color='blue')
ax.plot(t, mu*t, lw=1, label='population mean', color='black', ls='--')
ax.fill_between(t, lower_bound, upper_bound, facecolor='yellow', alpha=0.5,
label='1 sigma range')
ax.legend(loc='upper left')
# here we use the where argument to only fill the region where the
# walker is above the population 1 sigma boundary
ax.fill_between(t, upper_bound, X, where=X>upper_bound, facecolor='blue', alpha=0.5)
ax.set_xlabel('num steps')
ax.set_ylabel('position')
ax.grid()  #开启网格

通常如果你能确定，比如右上角，没有数据，那么你能够非常安全的将legend放置在右上角从而不会遮盖你的图表，如ax.legend(loc='upper right')。如果你不知道你的数据曲线的样子，那么你可以使用ax.legend(loc='best')让matplotlib自动选择将legend放置在何处。

更有效的方法是设置legend为透明。方法为：ax.legend(loc='best',fancybox=True,framealpha=0.5)。 其中fancybox设置legend边框为圆角矩形，framealpha设置legend的透明度。

当你在Axes中放置text box时，你最好将它放置在axes coordinates下，这样当你调整X轴或者Y轴时，它能够自动调整位置。

你也可以使用Text的.bbox属性来让这个Text始终放在某个Patch中。其中.bbox是个字典，它存放的是该Patch实例的属性。

要想在文本中使用LATEX，你需要使用'$...$'这种字符串（即使用'$'作为界定符）。通常建议使用raw字符串，即r'$...$'的格式，因为原生字符串不会转义'\'，从而使得大量的LATEX词法能够正确解析。

Axes.spines是个字典，它存放了四个键，分别为： Axes.spines['left],Axes.spines['right],Axes.spines['top],Axes.spines['bottom] 他们都是一个matplotlib.spines.Spine对象，该对象继承自matplotlib.patches.Patch对象，主要是设置图形边界的边框。

• Spine.set_color('none')：不显示这条边线

• Spine.set_position((position)))：将边线移动到指定坐标，其中position是一个二元元组，指定了 (position type,amount)，position type可以是：

  • outward：在绘图区域之外放置边线，离开绘图区域的距离由 amount指定（负值则在会去区域内绘制）
  • axes：在 Axes coordinate内放置边线（从 0.0 到 1.0 ）
  • data：在 data coordinate 内放置边线

  你也可以指定position为 ： 'center'，等价于 ('axes',0.5)；或者 'zero'，等价于 ('data',0.0)

Axes.xaxis返回一个matplotlib.axis.XAxis对象，Axes.yaxis返回一个matplotlib.axis.YAxis对象，他们都是 matplotlib.axis.Axis的子类对象，代表轴线。

• Axis.set_ticks_position：设置 tick 位置，可以为： 'top' | 'bottom' | 'both' | 'default' | 'none'，如果为 'None'则不显示 tick
• Axis.set_label_position：设置label位置，可以为： 'top'| 'bottom'

matplotlib.colors是一个模块，用于转换数字或者颜色参数到 RGB 或者RGBA

• RGB：一个浮点数序列，有3个浮点数。每个数都是 0-1之间
• RGBA：一个浮点数序列，有4个浮点数。每个数都是 0-1之间

它里面有个常用的功能就是生成一个 colormap，它用于将一个数字序列转换成一个颜色序列。通常有下列两个步骤：

• 将数字归一化到0-1之间（通过 Normalize 类对象或者其子类对象）
• 将0-1之间的数字映射到一个颜色 （通过 Colormap 类对象或者其子类对象）

matplotlib.colors.ColorConverter 提供了一个单例对象用于转换数字或者数字序列到 color。

####a. ListedColormap matplotlib.colors.ListedColormap(colors, name=’from_list’, N=None)基类是matplotlib.colors.Colormap。它用于从一个list of colors中创建colormap

• matplotlib.pyplot.pcolor(*args, **kwargs)：用于绘制颜色图，返回一个matplotlib.collections.Collection 对象。常用的调用方法为：

   pcolor(C)
   pcolor(C,**kwargs)
  

• matplotlib.pyplot.pcolormesh(*args, **kwargs)：用于绘制一个四边形网格。它类似于 pcolor()，但是机制不同，且返回的是QuadMesh对象。它绘图更快。常用的调用方法为：

   pcolormesh(C)
   pcolormesh(X,Y,C)
   pcolormesh(C,**kwargs)
  

其中参数为：

• C：为一个 masked array。它会被转换成一个 ColorMap，然后对相应的网格图上颜色

• X和Y是网格参数，通常他们是从 numpy.meshgrid(x_array,y_array))获取。其中 x_array是一维数组，代表划分X轴网格的横坐标； y_array是一维数组，代表划分Y轴网格的纵坐标

  X,Y,C 形状相同。其中X和Y对应于网格的划分，C对应于颜色的分配（相同C[i][j]值的网格，颜色相同）

  

  

你可以通过 pyplot来清除绘图：

• pyplot.cla()：清除current axis。非当前axis不受影响
• pyplot.clf()：清除current figure。但是它不关闭window
• pyplot.close()：关闭window

你也可以通过面向对象的方法：

• Figure.clf()：清除该Figure对象的所有内容。

Axes.set_xticks(())
Axes.set_yticks(())