Python matplotlib高级绘图详解

1. 前言

前面我们介绍了使用matplotlib简单的绘图方法（见：Python应用matplotlib绘图简介 ）
但是想要完全控制你的图形，以及更高级的用法，就需要使用 pyplot 的接口显式的创建图形figure。
本文介绍plyplot控制绘图的一些方法。

---

2. Pyplot绘图结构

Aritists

matplotlib API包含有三层：

• backend_bases.FigureCanvas : 图表的绘制领域
• backend_bases.Renderer : 知道如何在FigureCanvas上如何绘图
• artist.Artist : 知道如何使用Renderer在FigureCanvas上绘图

FigureCanvas和Renderer需要处理底层的绘图操作，例如使用wxPython在界面上绘图，或者使用PostScript绘制PDF。Artist则处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道，而不需要关心底层的绘制细节。

Artists分为简单类型和容器类型两种。简单类型的Artists为标准的绘图元件，例如Line2D、 Rectangle、 Text、AxesImage 等等。而容器类型则可以包含许多简单类型的Artists，使它们组织成一个整体，例如Axis、 Axes、Figure等。

Figure

Figure代表一个绘制面板，其中可以包涵多个Axes（即多个图表）。

fig = plt.figure()  # an empty figure with no axes
ax = fig.add_axes([0.15, 0.1, 0.7, 0.3])

#或者采用一下方式
fig, ax_lst = plt.subplots(2, 2)  # a figure with a 2x2 grid of Axes

Axes

Axes表示一个图表
一个Axes包涵：titlek, xaxis, yaxis

Axis

坐标轴

---

3. Artist的属性

下面是Artist对象都具有的一些属性：

alpha : 透明度，值在0到1之间，0为完全透明，1为完全不透明
animated : 布尔值，在绘制动画效果时使用
axes : 此Artist对象所在的Axes对象，可能为None
clip_box : 对象的裁剪框
clip_on : 是否裁剪
clip_path : 裁剪的路径
contains : 判断指定点是否在对象上的函数
figure : 所在的Figure对象，可能为None
label : 文本标签
picker : 控制Artist对象选取
transform : 控制偏移旋转
visible : 是否可见
zorder : 控制绘图顺序

Artist对象的所有属性都通过相应的 get_* 和 set_* 函数进行读写

fig.set_alpha(0.5*fig.get_alpha())

如果你想用一条语句设置多个属性的话，可以使用set函数：

fig.set(alpha=0.5, zorder=2)

使用 matplotlib.pyplot.getp 函数可以方便地输出Artist对象的所有属性名和值。

>>> plt.getp(fig.patch)
    aa = True
    alpha = 1.0
    animated = False
    antialiased or aa = True

---

4. Figure

如前所述，Figure是最大的一个Aritist，它包括整幅图像的所有元素，背景是一个Rectangle对象，用Figure.patch属性表示。
通过调用add_subplot或者add_axes方法往图表中添加Axes(子图)。
PS：这两个方法返回值类型不同

>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(211)
>>> ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3])
>>> ax1
.axes.AxesSubplot object at 0x056BCA90>
>>> ax2
.axes.Axes object at 0x056BC910>
>>> fig.axes
[.axes.AxesSubplot object at 0x056BCA90>,
.axes.Axes object at 0x056BC910>]

为了支持pylab中的gca()等函数，Figure对象内部保存有当前轴的信息，因此不建议直接对Figure.axes属性进行列表操作，而应该使用add_subplot, add_axes, delaxes等方法进行添加和删除操作。

fig = plt.figure()
ax1 = fig.add_axes([0.1, 0.45, 0.8, 0.5])
ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.2])
plt.show()

Figure对象可以拥有自己的文字、线条以及图像等简单类型的Artist。缺省的坐标系统为像素点，但是可以通过设置Artist对象的transform属性修改坐标系的转换方式。最常用的Figure对象的坐标系是以左下角为坐标原点(0,0)，右上角为坐标(1,1)。下面的程序创建并添加两条直线到fig中：

>>> from matplotlib.lines import Line2D
>>> fig = plt.figure()
>>> line1 = Line2D([0,1],[0,1], transform=fig.transFigure, figure=fig, color="r")
>>> line2 = Line2D([0,1],[1,0], transform=fig.transFigure, figure=fig, color="g")
>>> fig.lines.extend([line1, line2])
>>> fig.show()

在Figure对象中手工绘制直线

注意为了让所创建的Line2D对象使用fig的坐标，我们将fig.TransFigure赋给Line2D对象的transform属性；为了让Line2D对象知道它是在fig对象中，我们还设置其figure属性为fig；最后还需要将创建的两个Line2D对象添加到fig.lines属性中去。

Figure对象有如下属性包含其它的Artist对象：

axes : Axes对象列表
patch : 作为背景的Rectangle对象
images : FigureImage对象列表，用来显示图片
legends : Legend对象列表
lines : Line2D对象列表
patches : patch对象列表
texts : Text对象列表，用来显示文字

5. Axes

Axes容器是整个matplotlib库的核心，它包含了组成图表的众多Artist对象，并且有许多方法函数帮助我们创建、修改这些对象。和Figure一样，它有一个patch属性作为背景，
当它是笛卡尔坐标时，patch属性是一个Rectangle对象；
当它是极坐标时，patch属性则是Circle对象。

当你调用Axes的绘图方法（例如plot），它将创建一组Line2D对象，并将所有的关键字参数传递给这些Line2D对象，并将它们添加进Axes.lines属性中，最后返回所创建的Line2D对象列表：

x1 = np.linspace(0.0, 5.0)
x2 = np.linspace(0.0, 3.0)

y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
y2 = np.cos(2 * np.pi * x2)

ax1.patch.set_facecolor("green")
ax1.grid(True)
line1 = ax1.plot(x1, y1, 'yo-', label="Test1")
print type(line1)
print line1

line2 = ax2.plot(x2, y2, 'r.-', label='Test2')

-----
'list'>
[0x7fa3ac96e8d0>]

注意:
plot返回的是一个Line2D对象的列表，因为我们可以传递多组X,Y轴的数据，一次绘制多条曲线。

与plot方法类似，绘制直方图的方法bar和绘制柱状统计图的方法hist将创建一个Patch对象的列表，每个元素实际上都是Patch的子类Rectangle，并且将所创建的Patch对象都添加进Axes.patches属性中：

>>> ax = fig.add_subplot(111)
>>> n, bins, rects = ax.hist(np.random.randn(1000), 50, facecolor="blue")
>>> rects
50 Patch objects>
>>> rects[0]
.patches.Rectangle object at 0x05BC2350>
>>> ax.patches[0]
.patches.Rectangle object at 0x05BC2350>

一般我们不会直接对Axes.lines或者Axes.patches属性进行操作，而是调用add_line或者add_patch等方法，这些方法帮助我们完成许多属性设置工作：

   >>> fig = plt.figure()
    >>> ax = fig.add_subplot(111)
    >>> rect = matplotlib.patches.Rectangle((1,1), width=5, height=12)
    >>> print rect.get_axes() # rect的axes属性为空
    None
    >>> rect.get_transform() # rect的transform属性为缺省值
    BboxTransformTo(Bbox(array([[  1.,   1.],
           [  6.,  13.]])))
    >>> ax.add_patch(rect) # 将rect添加进ax
    0x05C34E50>
    >>> rect.get_axes() # 于是rect的axes属性就是ax
    0x05C09CB0>

    >>> # rect的transform属性和ax的transData相同
    >>> rect.get_transform()
    ... # 太长，省略
    >>> ax.transData
    ... # 太长，省略

    >>> ax.get_xlim() # ax的X轴范围为0到1，无法显示完整的rect
    (0.0, 1.0)
    >>> ax.dataLim._get_bounds() # 数据的范围和rect的大小一致
    (1.0, 1.0, 5.0, 12.0)
    >>> ax.autoscale_view() # 自动调整坐标轴范围
    >>> ax.get_xlim() # 于是X轴可以完整显示rect
    (1.0, 6.0)
    >>> plt.show()

通过上面的例子我们可以看出，add_patch方法帮助我们设置了rect的axes和transform属性。

下面详细列出Axes包含各种Artist对象的属性：

artists : Artist对象列表
patch : 作为Axes背景的Patch对象，可以是Rectangle或者Circle
collections : Collection对象列表
images : AxesImage对象列表
legends : Legend对象列表
lines : Line2D对象列表
patches : Patch对象列表
texts : Text对象列表
xaxis : XAxis对象
yaxis : YAxis对象

下面列出Axes的创建Artist对象的方法：

Axes的方法	所创建的对象	添加进的列表
annotate	Annotate	texts
bars	Rectangle	patches
errorbar	Line2D, Rectangle	lines,patches
fill	Polygon	patches
hist	Rectangle	patches
imshow	AxesImage	images
legend	Legend	legends
plot	Line2D	lines
scatter	PolygonCollection	Collections
text	Text	texts

6. Axis

Axis容器包括坐标轴上的刻度线、刻度文本、坐标网格以及坐标轴标题等内容。刻度包括主刻度和副刻度，分别通过Axis.get_major_ticks和Axis.get_minor_ticks方法获得。每个刻度线都是一个XTick或者YTick对象，它包括实际的刻度线和刻度文本。为了方便访问刻度线和文本，Axis对象提供了get_ticklabels和get_ticklines方法分别直接获得刻度线和刻度文本

>>> axis.get_ticklocs() # 获得刻度的位置列表
array([ 1. ,  1.5,  2. ,  2.5,  3. ])

>>> axis.get_ticklabels() # 获得刻度标签列表
5 Text major ticklabel objects>
>>> [x.get_text() for x in axis.get_ticklabels()] # 获得刻度的文本字符串
[u'1.0', u'1.5', u'2.0', u'2.5', u'3.0']

>>> axis.get_ticklines() # 获得主刻度线列表，图的上下刻度线共10条
10 Line2D ticklines objects>

>>> axis.get_ticklines(minor=True) # 获得副刻度线列表
0 Line2D ticklines objects>

7. 参考文献：

[1] matplotlib doc http://matplotlib.org/faq/usage_faq.html
[2] 用Python做科学计算 http://old.sebug.net/paper/books/scipydoc/matplotlib_intro.html