Matplotlib外观和基本配置笔记

---

title: matplotlib 外观和基本配置笔记
notebook: Python
tags:matplotlib
---
参考资料，如何使用matplotlib绘制出数据图形，参考另一篇matplotlib绘制多种图形笔记

1. 通过在python GUI中，新建一个文件，并且可以运行(非常似Matlab)。执行文件就会批量执行绘图命令，这样就在学习matplotlib的过程中可以尝试修改几个小参数。
2. 这些知识掌握以后，还需要学习pylab这个模块和IPython

绘制函数曲线

figure()

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=, **kwargs)

parameter keyword	parameter value
num	integer or string. 如果缺省, 那么自动增加fig num; 如果 fig num已存在，则激活那个figure, 并且返回(对于其他parameter，可能修改这个figure 的相应属性)
figsize	(width, height)
facecolor	the figure's whole background color; 比如图表中折线图范围外的部分，就是背景
bordercolor	不经常使用

通常，在pyplot.figure(...,...)和pyplot.show()之间的pyplot语句都是画在一张图上面的。
如果没有调用pyplot.figure(...,...)语句，那么pyplot.plot(), pyplot.show()语句就是另外新建了一个figure。

plot()绘曲线

matplotlib.pyplot.plot(*args, **kwargs)

plot()函数有很多参数项，分为

1. Axes.args类参数项
   args参数可以多个 \(x,y\) 变量对

2. kwargs类参数项
   kwargs参数项 表示了 Line2D对象的属性，参数项可以表示很多Line2D的属性，每个参数项可以用 parameter keyword = "parameter value"的形式表示，常用的参数项是：

   • label: 此名字在图示(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式
   • marker, markersize, markerfacecolor, markeredgecolor
   • color, linewidth

   • url, visible

   • 注意：label这个属性，在调用pyplot.legend()后显示在图示里面
     各属性的可选参数值参考

3. 在pyplot.plot()中可以画出多条曲线
   1. 多个参数
      1. 使用pyplot.plot(x1, y1, 'g^', x2, y2, 'g-')不同形式的曲线
      2. 使用pyplot.plot(x1, y1, x2, y2, 'g-')则相同形式的曲线
   2. 先调用pyplot.figure()再多次调用pyplot.plot(*args, **kwargs)
      这样每条曲线可以设置很多Line2D的属性，比如label

4. 给曲线设置属性，如果pyplot.plot()方法不能全部设置外观属性，那么可以通过 先分配对象，再设置属性的办法 绘图

       line = plt.plot(x, x * x)
       line.set_antialiased(False)

      lines = plt.plot(x, np.sin(x), x, cos(x))
      plt.setp(lines, color = "r", linewidth = 2.0)

xlabel(), ylabel(), title()

legend()

1. pyplot.plot()和pyplot.legend()搭配使用
2. 在使用pyplot.subplot()情形时，就是pyplot.subplot()和pyplot.legend()搭配使用

subplot()绘制多轴图

一个绘图对象(figure)可以包含多个轴(axis)，在Matplotlib中用轴表示一个绘图区域，可以将其理解为子图(即axes属性中有多个实例)
pyplot.subplot(numRows, numCols, plotNum)

subplot将整个绘图区域等分为numRows行 * numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1

如果希望某个轴占据整个行或者整个列的话，可以如下调用：
plt.subplot(2,2,1)
plt.subplot(2,2,2)
plt.subplot(2,1,2)

xlim(), ylim()

显示X轴/Y轴的范围
注: 在显示图中, 左下角有一些鼠标可以选的选项,比如"左右拖动曲线"

参数设置

1. matplotlib.rcParams["savefig.dpi"]可以查看保存图像的像素设置
2. rcParams 是一个字典变量，保存了绘图配置的各个选项的“关键字：参数值”对
   1. 通过rc_params() 来读取配置文件，结果保存在rcParams字典中
   2. 修改raParams字典中个别选项使用matplotlib.rc([keyword = "parameter value"]*)的方式
   3. 修改了rcParams后，重置rcParams时，matplotlib.rcdefaults()
   4. 修改了配置文件后，更新rcParams时，matplotlib.rcParams.update(matplotlib.rc_params)

---

绘制一般的数据图(直方图/散点图/圆形图)

Figure

一般示例程序中都直接采用了`pyplot.subplot()和pyplot.axes()的方法，不过在我程序时，使用fig = plt.figure(), fig.add_subplot(), fig.add_axes()`的流程

参考User Guide，翻译如下：
Figure图表包括组成图标的所有元素，Figure对象有如下属性包含其它的Artist对象：

attribute name	type	介绍
patch	Rectangle	作为背景的 Rectangle 对象
axes	list of Axes	Axes对象列表
images	list of FigureImage	FigureImage 对象列表，用来显示图片
legends	list of Legend	Legend 对象列表
lines	list of Line2D	Line2D对象列表
texts	list of Text	Text对象列表，用来显示文字

最大的Artist容器是matplotlib.figure.Figure，它包括组成图表的所有元素。图表的背景是一个Rectangle对象，用Figure.patch属性表示。当你通过调用add_subplot或者add_axes方法往图表中添加轴或子图(实际轴就是子图时)，这些子图都将添加到Figure.axes属性中，同时这两个方法也返回添加进axes属性的对象，注意返回值的类型有所不同，实际上AxesSubplot是Axes的子类。

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。但是使用for循环对axes中的每个元素进行操作是没有问题的，下面的语句打开所有子图的栅格。

1. 上表中的属性，是直接fig.lines、fig.images这样调用的，由于lines、images这几个属性都是list类，那么可以使用list类的函数，如下：

    >>> 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()

1. 不过，要使用add_subplot()和add_axes()增加子图
   1. add_subplot(*args,**kwargs)
fig.add_subplot(*args,**kwargs)的参数，和pyplot.subplot(*args,**kwargs)的参数是相似的用法，如:
      1. fig.add_subplot(2,1,1)
      2. fig.add_subplot(2,1,1, facecolor = 'r')

      3. fig.add_subplot(sub)----kwargs参数

      4. kwargs是Axes对象
   2. add_axes(*args,**kwargs)
fig.add_axes(*args,**kwargs)的参数，和pyplot.axes(*args,**kwargs)的参数是相似的用法
      1. args是[left,bottom,width,height]，每个参数都是小数，表示在图片中的相对比例(位置/长度)，如：
         fig.add_axes([0.1,0.1,0.5,0.5]), 其中用rect 表示[0.1,0.1,0.5,0.5]
         多次使用这样的语句可以在一个子图上叠加另一个子图
      2. 注意，rect的参数含义是left, bottom, width, height，是定好左下角坐标后的相对大小；
      3. args 参数的作用像pyplot.figure的num变量的作用，可以标识一个子图。当fig.add_axes(rect)中的rect在fig中已经存在时，fig.add_axes(rect)会返回已存在的那个子图。如果想在原位置覆盖一个新子图，要使用语句fig.add_axes(rect, label='axes1)和fig.add_axes(rect, label='axes2')，通过不同的label关键字表示不同的子图。
      4. kwargs参数参加axes的属性

Figure分配子图的位置

gridSpec类
子图往往可以设置为显示为个性化的排列效果，类似网页的元素位置布置，比如将一行/一列中多个相邻位置的子图合并，形成不是平均分割的子图划分，这样的需要不是简单通过fig.subplot()的参数实现的。subplot()中个性化的子图位置划分是通过gridSpec类来设置的。

1. 实例代码
   import matplotlib.gridspec as gridspec G = gridspec.GridSpec(3, 3) axes_1 = plt.subplot(G[0, :]) axes_1.text(0.5,0.5, 'Axes 1',ha='center',va='center',size=24,alpha=.5) axes_2 = plt.subplot(G[1,:-1]) axes_2.text(0.5,0.5, 'Axes 2',ha='center',va='center',size=24,alpha=.5) axes_3 = plt.subplot(G[1:, -1]) axes_3.text(0.5,0.5, 'Axes 3',ha='center',va='center',size=24,alpha=.5) axes_4 = plt.subplot(G[-1,0]) axes_4.text(0.5,0.5, 'Axes 4',ha='center',va='center',size=24,alpha=.5) axes_5 = plt.subplot(G[-1,-2]) axes_5.text(0.5,0.5, 'Axes 5',ha='center',va='center',size=24,alpha=.5)

2. 说明
   1. matplot.gridspec.GridSpec的定义为class matplotlib.gridspec.GridSpec(nrows, ncols, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None, width_ratios=None, height_ratios=None)
      1. 其中，这个类的作用是相当于一个定位桩；
      2. left, bottom, right, top参数是0-1之间的小数，表示在figure中的相对位置，这个相对位置就是GridSpec在fig中的位置(子图再以这个GridSpec为参照来定位)--一个figure中有同时使用多个GridSped的么？或者是通过SubplotGridSpec来弄吧~
         1. left, bottom, right, top四个参数并不组成一个rect类的实例
      3. wspace和hspace使用的小数/整数都可以
      4. width_ratios表示每列的宽度比例，达到的效果是某些列稍微宽一些，另几列较窄；
         1. width_ratios是一个数组，元素个数与ncols相同；最好的表示方法是各元素和为1；
         2. width_ratios中的表示的列宽，并不包含wspace的占用空间
   2. 在subplot()中使用GridSpec的位置序号是从0起始的，参数的用法同数组索引的用法。

Axes

参考Axes API，Axes容器不仅设定背景(patch, Rectangle类)和坐标Circle类，还包括了大多数的绘图元素类：Axis, Tick, Line2D, Text, Polygon等等。以上这些绘图元素都是Artist的子类，Axes容器提供了相应的get和set函数。

Axes 有齐全的绘图函数，可以绘制折线图、直方图、光谱图、统计图等等。入门使用方法链接：

attribute name	type	介绍
artists	list of Artist	一个子图中的绘图元素的列表
patch	Rectangle	作为背景的 Rectangle 对象
collections	list of Collection instances
images	list of AxesImage	AxesImage 对象列表，用来显示图片
legends	list of Legend	Legend 对象列表
lines	list of Line2D	Line2D对象列表
patches	list of patches
texts	list of Text	Text对象列表，用来显示文字
xaxis	matplotlib.xaxis.XAxis	子图的横坐标属性类
yaxis	matplotlib.yaxis.YAxis	子图的纵坐标属性类

1. Axes的基本绘图函数

   • 基本绘图方法

     Helper method	Artist	Container
     ax.annotate - text annotations	Annotate	ax.texts
     ax.bar - bar charts	Rectangle	ax.patches
     ax.errorbar - error bar plots	Line2D and Rectangle	ax.lines and ax.patches
     ax.fill - shared area	Polygon	ax.patches
     ax.hist - histograms	Rectangle	ax.patches
     ax.imshow - image data	AxesImage	ax.images
     ax.legend - axes legends	Legend	ax.legends
     ax.plot - xy plots	Line2D	ax.lines
     ax.scatter - scatter charts	PolygonCollection	ax.collections
     ax.text - text	Text	ax.texts

2.  1. set_xlim(left = xxx, right = xxx)
    2. set_ylim(top = xxx, bottom = xxx)

Axis

Axis容器包括坐标轴上的刻度线(tickline)、刻度文本(ticklabel)、坐标网格(grid)以及坐标轴标题(label)等内容。

1. 刻度包括主刻度和副刻度
   1. 主刻度是区间较大的刻度，绘图中一般显示得明显；副刻度是区间较小的刻度，绘图中显示得紧密，不明显，分别通过axis.get_major_ticks()和Axis.get_minor_ticks()方法获得。
   2. 实际上每个刻度线都是一个XTick或者YTick对象，包括实际的刻度线和刻度文本。为了分别设置刻度线和文本更方便，Axis对象提供了get_ticklabels和get_ticklines方法
      for label in axis.get_ticklabels(): label.set_color("red") label.set_rotation(45) label.set_fontsize(6) for line in axis.get_ticklines(): line.set_color("green") line.set_markersize(25) line.set_markeredgewidth(3)
   3. 调整横坐标显示在图表上方或者图表下方
      1. 横坐标的刻度线和刻度文本显示在图表上方或者图表下方
         XAxis.tick_top() | XAxis.tick_bottom()
         不能同时上方下方都显示横坐标的刻度文本
      2. 设置横坐标的刻度线显示在图表的上方或者图表下方
         XAxis.set_ticks_position()
         1. "both", "top", "bottom", "default", "none"
         2. 1. XAxis.set_ticks_position("top")与XAxis.tick_top()是相同效果；
            2. XAxis.set_ticks_position("bottom")与XAxis.tick_bottom()是相同效果。
         3. XAxis.set_ticks_position("both")是上下都有刻度线
      3. 调整纵坐标显示在图表左侧或者右侧
         1. YAxis.tick_left() | YAxis.tick_right()
   4. 调整坐标的刻度线在直方图中的对齐
      在画直方图的图示时，设置tick对齐直方图的左边、右边还是中间

Axis中设置刻度线、刻度文本的最直接方法:

1. 外观设置(刻度线左右/上下 + 刻度文本左右/上下 + 刻度线长短/粗细/颜色 + 刻度文本颜色/倾角等)
    ```
        for tick in ax1.xaxis.get_major_ticks():
            tick.label1On = True
            tick.label2On = True
            tick.tick1On = True
            tick.tick2On = True
            tick.tick1line.set_color('red')
            tick.tick1line.set_markersize(35)
            tick.tick1line.set_markeredgewidth(5)
            tick.label1.set_color('blue')
            tick.tick2line.set_color('blue')
            tick.tick2line.set_markersize(25)
            tick.tick2line.set_markeredgewidth(10)
    ```

    1. 上面的方法，可以很细致地设置一些图示的细节，达到了个性化设置的目的；
    2. 对于需要简洁代码的场景，可以使用的`XAxis.tick_top()`这样的代码直接设置刻度线和刻度文本的位置，可以说各有利弊。
2. 刻度文本设置
    直接使用列表赋值

Patch

Legend图示

入门参考

legend图示是分一个个条目(entry-->key:label)的
legend中一个个条目分别对应底层的一个个handle(这些handle只对限定的曲线才会默认生成)

1. legend()函数的参数

   1. pyplot.legend()，axe.legend()

      a. legend(曲线实例名)

      b. legend(曲线实例名，label名)

          line_up, = plt.plot([1,2,3], label='Line 2')
          line_down, = plt.plot([3,2,1], label='Line 1')
          plt.legend(handles=[line_up, line_down])

      或
      line_up, = plt.plot([1,2,3], label='Line 2') line_down, = plt.plot([3,2,1], label='Line 1') plt.legend([line_up, line_down], ['Line Up', 'Line Down'])

   2. 参数列表

      parameter key name	parameter value	注解
      handles	[artiest name]	曲线名；第一个参数，不加关键字handles也可以，一定是[]包围的
      loc	'best', 'upper(lower/center) left(right)', 'right', 'lower(upper) center', 'center'	---
      bbox_to_anchor	(float, float)	legend location in bbox_transform coordinates，可以调整图示legend显示到Axe外面
      ncol	integer	图示的分栏数，默认是1，即1栏; 可以分成2栏/3栏，显示效果好
      mode	"expand" or None	使得这个图示框会调整宽度
      fontsize	'xx-small', 'x-small', 'small', 'medium', 'large', 'x-large', 'xx-large' 或者integer
      numpoints / scatterpoints	integer
      markerfirst	True/False	是否曲线标识在前
      labelspacing	float or None	条目之间的垂直间距
      columnspacing	float or None	分栏之间的平行间距
      shadow	True/False	是否有背景(背景颜色legend.get_frame().set_facecolor('')
      facecolor	'inherit'或者'blue','pink'	背景颜色
      edgecolor	'inherit'或者'blue','pink'	背景边界颜色

      1. bbox_to_anchor参数可以把图示框显示在figure外面，配合loc参数的值，可以调整图示偏左/偏右显示。
      2. bbox_to_anchor的参数 (1.05, 1)或者(0.,1.02, 1., 1.02)这样
      3. shadow参数的作用还不清楚
2. tips

   1. 一个figure添加多个图示legend，及多条曲线对应各自的legend等，
      代码是这么写:
      import matplotlib.pyplot as plt line1, = plt.plot([1,2,3], label="Line 1", linestyle='--') line2, = plt.plot([3,2,1], label="Line 2", linewidth=4) # Create a legend for the first line. first_legend = plt.legend(handles=[line1], loc=1) # Add the legend manually to the current Axes. ax = plt.gca().add_artist(first_legend) # Create another legend for the second line. plt.legend(handles=[line2], loc=4) plt.show()

      这里面，多个legend要使用ax = plt.gca().add_artist(first_legend)这样的语句

   2. handlers

Axes.annotate类

使用方法只调用一个函数Axes.annotate(*args, **kwargs)，如：

ax1.annotate('what a setup',xy=(0.2,0.2),xytext=(0.2,0.8),fontsize=12,
arrowprops=dict(arrowstyle="<|-"))

其中args参数如下：

parameter key name	parameter value	注解
s	注释文字	注释文字
xy	被注释点的坐标	xy=(0.8,0,8)
xytext	注释文字所在坐标	xytext=(0.2, 0.8)
xycoords	以上两个坐标采用的坐标系	default to 'data'，被注释点使用的坐标系
arrowprops	dict(arrowstyle="fancy", connectionstyle="")	文字和注释点之间标线的样式，FancyArrowPatch

PS：有一个博主十几篇关于应用matplotlib绘图的博客Chris Chen，我看了以后非常有启发，已关注他的博客更新。