1.简介
matplotlib是python的一个2D绘图库，它可以在不同平台上地使用多种通用的绘图格式（hardcopy formats）和交互环境绘制出出版物质量级别的图片。matplotlib可以通过python脚本，python/ipython shell，web application servers以及six图像用户接口工具箱来调用。
其官方地址：http://matplotlib.org/index.html
2.使用案例
2.1 绘制决策树*
*该代码来自于《机器学习实战》
# -*- coding: utf-8 -*-
"""
Created on Thu Mar 17 20:24:41 2016 @author: Dale
""" import matplotlib.pyplot as plt decisionNode = dict(boxstyle = "sawtooth", fc = "0.8")
leafNode = dict(boxstyle = "round4", fc = "0.8")
arrow_args = dict(arrowstyle = "<-") def plotNode(nodeTxt, centerPt, parentPt, nodeType):
'''
下面这个函数原型是class matplotlib.axes.Axes()的成员函数annotate()
该函数的作用是为绘制的图上指定的数据点xy添加一个注释nodeTxt,注释的位置由xytext指定
其中，xycoords来指定点xy坐标的类型，textcoords指定xytext的类型，xycoords和textcoords的取值如下：
‘figure points’：此时坐标表示坐标原点在图的左下角的数据点
‘figure pixels’：此时坐标表示坐标原点在图的左下角的像素点
‘figure fraction’：此时取值是小数，范围是([0, 1], [0, 1])
，在图的最左下角时xy是(0,0), 最右上角是(1, 1)
，其他位置按相对图的宽高的比例取小数值
‘axes points’：此时坐标表示坐标原点在图中坐标的左下角的数据点
‘axes pixels’：此时坐标表示坐标原点在图中坐标的左下角的像素点
‘axes fraction’：类似‘figure fraction’，只不过相对图的位置改成是相对坐标轴的位置
‘data’：此时使用被注释的对象所采用的坐标系（这是默认设置），被注释的对象就是调用annotate这个函数
那个实例，这里是ax1，是Axes类，采用ax1所采用的坐标系
‘offset points’：此时坐标表示相对xy的偏移（以点的个数计），不过一般这个是用在textcoords
‘polar’：极坐标类型，在直角坐标系下面也可以用，此时坐标含义为(theta, r) 参数arrowprops含义为连接数据点和注释的箭头的类型，该参数是dictionary类型，该参数含有一个
名为arrowstyle的键，一旦指定该键就会创建一个class matplotlib.patches.FancyArrowPatch类的实例
该键取值可以是一个可用的arrowstyle名字的字符串，也可以是可用的class matplotlib.patches.ArrowStyle类的实例
具体arrowstyle名字的字符串可以参考
http://matplotlib.org/api/patches_api.html#matplotlib.patches.FancyArrowPatch
里面的class matplotlib.patches.FancyArrowPatch类的arrowstyle参数设置 函数返回一个类class matplotlib.text.Annotation()的实例
'''
createPlot.ax1.annotate(nodeTxt, xy = parentPt, xycoords = 'axes fraction', va = 'center', ha = 'center', bbox = nodeType, arrowprops = arrow_args) def createPlot():
fig = plt.figure(1, facecolor='white') #创建新的figure 1, 背景颜色为白色
fig.clf() #清空figure 1的内容
'''
在新建的figure 1里面创建一个1行1列的子figure的网格,并把网格里面第1个子figure的Axes实例axes返回给ax1作为函数createPlot()的属性
，这个属性ax1相当于一个全局变量,可以给plotNode函数使用
'''
createPlot.ax1 = plt.subplot(111, frameon=False)
plotNode('a decision node', (0.5, 0.1), (0.1, 0.5), decisionNode)
plotNode('a leaf node', (0.8, 0.1), (0.3, 0.8), leafNode)
plt.show()
运行createPlot()函数的结果如下：
