matplotlib.pyplot 常用指令收集（持续更新）

import matplotlib.pyplot as plt

• plt.figure()：创建一个新的图像：参数figsize表示图像大小

• plt.imshow(x)：x为（行像素，列像素）：参数cmap为图像颜色：cmap=plt.cm.binary为黑白色

• plt.plot()：绘制曲线，有属性label：为某一曲线打标签

• subplot(nrows, ncols, index)：将一个大图分成几部分来显示小图

• plt.xticks([])，plt.yticks([])：去掉x和y轴的坐标值

• plt.ylabel()：y轴的标签

• plt.xlable()：x轴的标签

• plt.title()：绘图的标题

• plt.show()：显示图像

• plt.colorbar()：显示色条

• plt.grid(True)：显示网格

• plt.legend(loc, shadow)：添加图像说明，会自动将图中曲线的标签打印在图上

• plt.scatter(x, y, c)：输入x轴和y轴信息，图中点的区分依靠c的值

• plt.bar()：画柱形图

• plt.hist(arr, bins)：画直方图，bins为将数据分成几个直方

• plt.contourf()：绘制等高线

• axes = plt.gca()：返回坐标轴的实体，便于操作坐标轴

• axes.set_xlim([maxX, minX])：设置横坐标范围

• axes.set_ylim([maxY, minY])：设置纵坐标范围

• np.arange(min, max, h)：返回范围[min, max)相隔h的值

• np.linspace(min, max, c)：将范围[min,max]等分为c部分，并返回值

• xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))：用于绘制边界

• xx.ravel()：将矩阵变为一维向量

  绘制分类边界：机制是通过预测图上每个点，输出True或False，根据不同结果绘制不同颜色

  def plot_decision_boundary(model, X, y):
      # Set min and max values and give it some padding
      x_min, x_max = X[0, :].min() - 1, X[0, :].max() + 1
      y_min, y_max = X[1, :].min() - 1, X[1, :].max() + 1
      h = 0.01
      # Generate a grid of points with distance h between them
      xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
      # Predict the function value for the whole grid
      Z = model(np.c_[xx.ravel(), yy.ravel()])
      Z = Z.reshape(xx.shape)
      # Plot the contour and training examples
      plt.contourf(xx, yy, Z, cmap=plt.cm.Spectral)
      plt.ylabel('x2')
      plt.xlabel('x1')
      plt.scatter(X[0, :], X[1, :], c=np.squeeze(y[0,:]), cmap=plt.cm.Spectral)
      plt.show()
  plot_decision_boundary(lambda x: predict_dec(parameters, x.T), train_X, train_Y)

   

• plt.colorbar() 显示一个色彩条状图

• plt.grid(True) 显示网格

• plt.imshow() 显示2维的图像

• plt.xticks([]); plt.yticks([]) 不显示图像的x和y轴坐标