Matplotlib pyplot指南

本文主要介绍pyplot接口的使用。matplotlib.pyplot的主要作用就是提供一套函数集合来模拟MATLAB的接口,让使用MATLAB的人无缝迁移过来。每个pyplot函数都是做一些让画布产生改变的事情,比如创建一个画布,创建绘图区的坐标系,在绘图区画一些直线,给曲线添加注释等等。

在matplotlib.pyplot里,当函数调用之后内部会保留各种状态,以便跟踪当前绘图的画布和绘图的区域,并且这些函数直接作用于当前的坐标系。

注意:pyplot API比面向对象的API缺少灵活性,因为它们使用同一套的状态。不过大多数这里使用的API都可以在坐标轴对象里使用。

使用pyplot接口来创建一个可视化的绘图是非常简单的,如下:

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4])

plt.ylabel('some numbers')

plt.show()

pyplot简介

看了上图,你也许非常好奇,为什么X轴的坐标是从0到3,而Y轴的坐标是从1到4。其实当你只传一个列表给plot函数时,matplotlib就会假定你传送的参数是Y轴显示的值,然后根据传送的值自动生成X轴的坐标值。由于python的数组开始的范围是从0开始,因此x轴的值默认是从0到y轴值的长度,从而生成X轴的坐标值为[0,1,2,3]。

plot函数是一个参数自适应的函数,它可以处理不同的参数个数输入,比如下面传入两个列表,X-Y轴的数据值:

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

pyplot简介

从上面可以看到,X轴的列表是在前面,而Y轴的列表是在后面,如果只有一个参数时,默认是Y轴的值。

选择plot函数绘图曲线的类型



在plot函数里,除了X轴和Y轴的坐标值,还可以传送第三个参数,这个参数用来说明绘图曲线的颜色和线的类型。它采用字母和符号来标记绘图曲线的类型,这是从MATLAB学习过来的规则。可以把颜色的字符串和线的类型字符串进行并接起来。这个函数默认的值是‘b-’,这是表示蓝色的实线。例如,把上面的例子改为红色圆圈表示:

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 6, 0, 20])
plt.show()

选择plot函数绘图曲线的类型

如果你想详细地了解所有线的颜色和类型,可以查看下面的连接:

https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot

在上面的例子里,使用到一个轴对象函数plt.axis,传递了一个列表[xmin, xmax, ymin, ymax]给它,这四个值限定坐标系的显示范围。

如果matplotlib只能处理列表数据对象,那么它的作用是相当有限的,不过它还可以处理numpy数组对象,这样就很方便数据处理中应用了。实际上,在matplotlib内部是把所有要处理的数据对象,全部转换为numpy数组来处理的。下面的例子演示了使用numpy数组,以及在同一个函数里绘制多条不同类型的曲线的方式:

import numpy as np

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

选择plot函数绘图曲线的类型

显示字典参数的数据

在某些特定的情况下,也许数据的来源是由字典描述的,比如字符串作为名称,当作字典的关键字,而数组作为字典的键值。例如在numpy里的 numpy.recarray数组, pandas.DataFrame数组。

matplotlib允许使用字典对象的方式来传入参数,关键字作为名称,数组作为关键值,如下面的例子:

data = {'a': np.arange(50),
'c': np.random.randint(0, 50, 50),
'd': np.random.randn(50)}

data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100

plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()

显示字典参数的数据

显示分类变量的数据



有时候需要显示分类变量的数据,matplotlib允许直接传送分类变量的数据,例如:

names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]

plt.figure(figsize=(9, 3))
plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()

显示分类变量的数据

控制画线的类型

在计算机里显示直线,有很多属性,比如线的宽度、线的连接状态、反锯齿显示等等。具体可以查看下面的连接:

https://matplotlib.org/api/_as_gen/matplotlib.lines.Line2D.html#matplotlib.lines.Line2D

可以有几种方法来设置线的属性:

1)使用关键值参数

plt.plot(x, y, linewidth=2.0)

2)使用Line2D实例对象的方法,plot函数返回一个Line2D对象实例,比如line1, line2 = plot(x1, y1, x2, y2)。在下面的代码里,假定是画一条曲线,那么就返回一条line对象,因此列表长度为1。

使用元组拆包得到线对象line,它是返回列表里第一个参数:

line, = plt.plot(x, y, '-')
line.set_antialiased(False) # 关闭反锯齿的功能

3)使用setp方法。下面采用类似MATLAB的方式来设置线的属性。setp可以接收列表对象或者单一对象,可以采用关键字参数或MATLAB字符串对:

lines = plt.plot(x1, y1, x2, y2)
# 关键字参数
plt.setp(lines, color='r', linewidth=2.0)

# MATLAB 类似字符串对
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

下面Line2D对象的属性:

控制画线的类型

控制画线的类型

如果你想获取线已经设置的属性,可以调用函数setp来获取:

In [69]: lines = plt.plot([1, 2, 3])

In [70]: plt.setp(lines)
alpha: float
animated: [True | False]
antialiased or aa: [True | False]
...snip

显示多个子图和坐标系



与MATLAB类似,pyplot也有当前画布和当前坐标系的概念。所有绘图函数都是作用于当前坐标系里,通过函数gca返回当前坐标系,它是matplotlib.axes.Axes实例。通过函数gcf返回当前画布对象,它是 matplotlib.figure.Figure实例对象。一般情况下,你不需要担心怎么样使用它们,因为这些是自动隐藏在系统背后。下面的例子演示创建两个坐标系绘图:

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.figure()
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()

显示多个子图和坐标系

plt.figure()函数在这里调用采用默认的参数,相当于调用figure(1)。同样道理,如果你不设置参数给subplot()函数,是相当于调用subplot(111)。subplot()的参数是表示多行、多少列、第几个位置,而位置参数是从1到行数*列数。如果位置参数小于10,可以采用两种方式,第一种是subplot(211),第二种是subplot(2,1,1)。如果大于10,只能用第二种方式。

你也能创建任意数量的子坐标系。可以通过手动的方式进行添加,比如使用axes对象,通过指定axes([left, bottom, width, height])的位置,left, bottom, width, height是使用0到1的比例坐标,比如left 的值为0.1就是表示离左边10%位置。

也可以通过多次调用 figure()函数来创建多个画布,每调用一次在参数里增加一。当然每个画布可以有多个坐标系和多个子图,这个就是按需要进行设置了。下面的例子来演示:

import matplotlib.pyplot as plt
plt.figure(1) # 第一个画布
plt.subplot(211) # 在第一个画布里第一个子图
plt.plot([1, 2, 3])
plt.subplot(212) # 在第一个画布里第二个子图
plt.plot([4, 5, 6])
plt.figure(2) # 第二个画布
plt.plot([4, 5, 6]) # 默认是创建一个子图subplot(111)
plt.figure(1) # 切换回到第一个画布,但子图仍然是第二个子图,subplot(212)
plt.subplot(211) # 切换到第一个子图,调用 subplot(211)
plt.title('Easy as 1, 2, 3') # 设置子图211的标题

如果想清除当前的画布,可以调用clf()函数;清除当前坐标系调用函数cla()。如果您觉得在幕后维护状态(特别是当前图像、图形和轴)很烦人,请不要绝望:这只是一个面向对象API的简单状态包装器,您可以改用它(请参阅https://matplotlib.org/tutorials/intermediate/artists.html教程)。

如果你想创建很多画布,不过要注意一件事情,就是每一个画布会占用很多内存,并且这些内存并不会随着窗口的关闭而释放,而是直到调用函数close()才会真正删除。因为内部有很多引用关闭,需要等到调用close()才能明确地删除这种引用的关系,仅仅关闭或隐藏窗口的显示是不能够做到的。

显示文本

文本可以添加在任何位置显示。xlabel、ylabel和title可以设置X轴、Y轴和标题的文本,至于其它的文本可以参考下面的连接:

https://matplotlib.org/tutorials/text/text_intro.html

下面的例子来演示一下文本的使用:

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=1, facecolor='g', alpha=0.75)

plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()

显示文本

在例子里使用text函数返回一个matplotlib.text.Text实例对象,然后就可以设置文本显示。如果你想设置文本对象的属性,可以通过关键字参数或setp函数来设置。

t = plt.xlabel('my data', fontsize=14, color='red')

这行文本使用关键字参数方式来设置文本的属性,更多的属性可以参考:

https://matplotlib.org/tutorials/text/text_props.html

在文本里显示数学公式



matplotlib支持TeX的数学公式表示,在任何文本区域都可以显示。比如你想在标题里显示像下面的表达式:

在文本里显示数学公式

就可以写一个TeX的表达式,这个表达式采用美元符号在前后包含,如下:

plt.title(r'$\sigma_i=15$')

这个字符串里,采用r字符串格式,这样是表示采用原生的字符串格式,这样里面转义字符就不起作用,方便写公式。matplotlib内置了一个TeX表达式分析器和显示引擎,以及数学字体表示,详细内容可以参考下面连接:

https://matplotlib.org/tutorials/text/mathtext.html

你可以自由地使用TeX的功能,而不需要安装任何TeX平台的软件组件。如果在系统里安装了LaTeX或dvipng软件,那么你也可以使用LaTex格式来输出公式表达式,或者保存成postscript。具体参考下面的连接:

https://matplotlib.org/tutorials/text/usetex.html

显示注释文本

前面文本函数可以把文本放到任何地方,那么为什么还要这样一个注释文本函数呢?是因为普通的文本函数用来做注释的工作有点困难,注释文本要考虑两点:一是指出关注点,也就是重要查看的位置坐标,二是文本放在位置,也即是显示注释文本的坐标。因此,注释文本函数提供了两个参数,这两个参数都是元组构成的位置坐标,只要指定这两个坐标,就可以显示注释文本了。annotate()函数第二个参数xy是关注点的坐标,第三个xytext参数是文本显示的坐标,例子如下:

ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05),)

plt.ylim(-2, 2)
plt.show()

显示注释文本

在上面的例子里,xy和xytext的位置坐标全是使用数据坐标,其实它们有其它的坐标可以选择,可以参考下面的连接:

https://matplotlib.org/tutorials/text/annotations.html#annotations-tutorial

对数坐标轴和其它非线性坐标轴

matplotlib.pyplot不仅仅支持线性的坐标轴,也支持对数坐标轴和其它非线性的坐标轴。如果要显示的数据是跨度非常大,比如几个数量级。matplotlib里更改其它尺度的从标轴是很容易的事情:

plt.xscale('log')

下面来举一个例子,同样的的数据,Y轴选择不同的坐标轴来显示:

# 设置可以重复性的随机种子
np.random.seed(19680801)

# 创建一些随机数位于区间 (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))

# 使用不同尺度坐标轴显示数据
plt.figure()

# 线性坐标轴
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)

# log对数坐标轴
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)

# 对称对数
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)

# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)

# 调整子图的显示,由于y轴刻度显示:"1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
wspace=0.35)

plt.show()

对数坐标轴和其它非线性坐标轴

如果上面四种不满足你的数据显示要求,也可以自己来定义一个尺度坐标轴来显示,参考下面的连接:

https://matplotlib.org/devel/add_new_projection.html#adding-new-scales

赞(1)
未经允许不得转载:极客笔记 » Matplotlib pyplot指南

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
Matplotlib 入门
Matplotlib 入门Matplotlib 安装之Linux操作系统Matplotlib 安装之Windows系统Matplotlib 安装之Mac OS X系统Matplotlib 安装之使用 Windows Installer安装程序Matplotlib 使用*.whl文件快速安装Matplotlib 绘图区域Matplotlib 设置绘图区域大小Matplotlib 网格线的颜色和刻度Matplotlib 坐标轴的标签和标题Matplotlib 指南Matplotlib pyplot指南
Matplotlib 几何图形
Matplotlib 画直线Matplotlib 图形失真Matplotlib 画圆弧示意图Matplotlib 用直线方式画圆Matplotlib 画椭圆示意图Matplotlib 画旋转向量示意图Matplotlib 使用patches绘制几何图形Matplotlib 使用模块patches的Wedge实现饼图Matplotlib 嵌套子图显示Matplotlib 两个子图显示
Matplotlib 颜色
Matplotlib 颜色Matplotlib 多边形颜色填充Matplotlib 不规则颜色填充Matplotlib 条件选择区域颜色填充
Matplotlib 坐标轴
Matplotlib 辅助指示坐标轴Matplotlib 公式显示Matplotlib 显示数学曲线Matplotlib 同一坐标里显示多条曲线Matplotlib 同一坐标里双Y轴显示Matplotlib 双Y轴显示时把图例显示到一起Matplotlib 三个Y轴显示Matplotlib 隐藏刻度方式显示三个Y轴Matplotlib 四个Y轴显示Matplotlib 一元线性回归显示Matplotlib X轴日期显示Matplotlib X轴年份采用四位显示Matplotlib X轴按小时显示Matplotlib X轴设置为弧度坐标Matplotlib X轴显示角度Matplotlib X轴显示特殊的标签Matplotlib 移动坐标轴位置Matplotlib 与数据区图像相对位置移动坐标轴位置
Matplotlib 函数
Matplotlib 函数plot 展现变量的趋势变化Matplotlib 函数plot 创建带文本标签的折线图Matplotlib 函数scatter 寻找变量之间的关系Matplotlib 函数xlim 设置x轴的数值显示范围Matplotlib 函数xlabel 设置x轴的标签文本Matplotlib 函数grid 绘制刻度线的网格线Matplotlib 函数axhline 绘制平行于x轴的水平参考线Matplotlib 函数axvspan 绘制垂直于x轴的参考区域Matplotlib 函数annotate 添加图形内容细节的指向型注释文本Matplotlib 函数text 添加图形内容细节的无指向型注释文本Matplotlib 函数title 添加图形内容的标题Matplotlib 函数legend 标示不同图形的文本标签图例Matplotlib 函数bar 用于绘制柱状图Matplotlib 函数barh 用于绘制条形图Matplotlib 函数hist 用于绘制直方图Matplotlib 函数pie 用于绘制饼图Matplotlib 函数polar 用于绘制极线图Matplotlib 函数scatter 用于绘制气泡图Matplotlib 函数stem 用于绘制棉棒图Matplotlib 函数boxplot 用于绘制箱线图Matplotlib 函数errorbar 用于绘制误差棒图Matplotlib 函数subplots和函数subplot区别
Matplotlib 动画和视频
Matplotlib ffmpeg安装Matplotlib 基本动画过程Matplotlib FuncAnimation方式创建动画Matplotlib ArtistAnimation方式创建动画Matplotlib 绘制一条螺旋曲线Matplotlib 输出gif文件Matplotlib 调用ImageMagick输出gif文件
Matplotlib 3D
Matplotlib 3D的坐标系Matplotlib 绘制3D图像
Matplotlib 导入导出
Matplotlib 保存绘图结果为PDF文件
Matplotlib 画线
Matplotlib 画线