matplotlib

matplotlib
	Screenshot of matplotlib plots and code
原作者	John D. Hunter
開發者	Michael Droettboom, et al.
首次发布	2003年，22年前
当前版本	3.1.1（2019年7月1日，5年前）
源代码库	github.com/matplotlib/matplotlib;
编程语言	Python
引擎	Cairo;
操作系统	跨平臺
类型	Plotting
许可协议	matplotlib license
网站	matplotlib.org

matplotlib是Python编程语言及其数值数学扩展包 NumPy的可视化操作界面。它利用通用的图形用户界面工具包，如Tkinter, wxPython, Qt或GTK+，向应用程序嵌入式绘图提供了应用程序接口（API）。此外，matplotlib还有一个基于图像处理库（如开放图形库OpenGL）的pylab接口，其设计与MATLAB非常类似--尽管并不怎么好用^{[來源請求]}。SciPy就是用matplotlib进行图形绘制。

matplotlib最初由John D. Hunter撰写，它拥有一个活跃的开发社区，并且根据BSD样式许可证分发。在John D. Hunter2012年去世前不久，Michael Droettboom被提名为matplotlib的主要开发者。

截至到2015年10月30日，matplotlib 1.5.x支持Python 2.7到3.5版本。Matplotlib 1.2是第一个支持Python 3.x的版本。Matplotlib 1.4是支持Python 2.6的最后一个版本。^[3]

与MATLAB的比较

pyplot是matplotlib的一个模块，它提供了一个类似MATLAB的接口。 matplotlib被设计得用起来像MATLAB，具有使用Python的能力。免费是其优点。

与 Gnuplot的比较

gnuplot和matplotlib都是成熟的开源项目。它们都可以产生多种不同绘图类型。虽然很难指定一种某人能做而他人不能做的图形类型，但它们仍然具有不同的优点和缺点：

	优点	缺点
Matplotlib	带有内置代码的默认绘图样式与Python的深度集成 Matlab风格的编程接口（对一些人来说是优点，但对于其他人来说可能是缺点）。图形绘制相较Gnuplot更加美观	高度依赖其他包，如Numpy。只适用于Python：很难/不可能在Python以外的语言中使用。（但可以从Julia通过PyPlot软件包使用）
Gnuplot	跨语言解决方案：可以用作通过管道或文件以不同语言编写的应用程序（例如GNU Octave，Maxima，JavaGnuplotHybrid）中的绘图引擎。独立程序：没有外部依赖。处理大型数据集时非常快。更容易操纵绘图细节	旧的默认绘图样式：通常需要小的调整以产生有吸引力的图。在开发中活跃成员的数量较少（与Matplotlib相比）。

例子

曲线图

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> a = np.linspace(0,10,100)
>>> b = np.exp(-a)
>>> plt.plot(a,b)
>>> plt.show()

直方图

>>> import matplotlib.pyplot as plt
>>> from numpy.random import normal,rand
>>> x = normal(size=200)
>>> plt.hist(x,bins=30)
>>> plt.show()

散点图

>>> import matplotlib.pyplot as plt
>>> from numpy.random import rand
>>> a = rand(100)
>>> b = rand(100)
>>> plt.scatter(a,b)
>>> plt.show()

3D 图

>>> from matplotlib import cm
>>> from mpl_toolkits.mplot3d import Axes3D
>>> 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.coolwarm)
>>> plt.show()