基于官方教程的matplotlib简介

基于官方文档的Python库matplotlib简介

本文参考matplotlib pyplot tutorial文档，是笔者对matplotlib库的认真回顾。

绘图简介

使用matplotlib库绘图，原理很简单，就是下面这5步：

1. 创建一个图纸 (figure)
2. 在图纸上创建一个或多个绘图(plotting)区域(也叫子图，坐标系/轴，axes)
3. 在plotting区域上描绘点、线等各种marker
4. 为plotting添加修饰标签(绘图线上的或坐标轴上的)
5. 其他各种DIY

在上面的过程中，主要就是下面三个元素：

• 变量
• 函数
• 图纸(figure)和子图(axes, 也可以理解成坐标轴)
  其中，变量和函数通过改变figure和axes中的元素（例如：title,label,点和线等等）一起描述figure和axes，也就是在画布上绘图。图片结构如下图所示：
  

然后就可以通过matplotlib画一个简单的图了
注意：下面的代码是个最简单的情况，所以上面所讲的第1、2、5步都被我省略了

import matplotlib.pyplot as plt  # 调用绘图库
'''figure和axes的声明可以省略(就是选用默认情况)'''
plt.plot([1,2,3,4])
plt.xlabel('some numbers')
plt.ylabel('some numbers')
plt.title('a straight line')

解释：

可以看到，画最简单的图只需要两行代码就够了
先导入plt→import matplotlib.pyplot as plt,然后画图→plt.plot([1,2,3,4]) ，这实际上就是5步中的第3步。
当然上面代码的后三行是修饰部分，是5布当中的第4步。
第1步和第2步实际上已经被Python智能默认了。下面多图多axes会讲到。

然后，问题来了。为什么y是1-4，而x是0-3？
因为，如果你只提供一个列表或数组参数给plot()命令，matplotlib会默认这是给y的，然后自动生成x。

附plot()的参数：plot(*args,**kwargs)，其中args为x，y以及绘图线的颜色和类型。plt模块除了plot()函数绘制折线图，还包括很多绘图函数以及其他操作figure或axes的函数，详见plt官方API
这一次，我们传入两个列表，并且对描绘线的类型和颜色参数进行定义

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

axis()描述了坐标轴的度量

之前都是传入列表的情况，下面是传入数组的情况，而且后者才是主流。

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^')

操控绘图线

绘图线有很多属性：线宽，类型，各种属性。参考matplotlib.lines
例如：plt.plot(x, y, linewidth=2.0)

多图多axes

MATLAB和plt1都有当前figure和axes的概念
也就是说，通过plt 进行的操作都是对当前图或子图进行的,所有的绘图命令都是针对当前figure和axes的。
gca()可以输出当前axes，gcf()可以输出当前figure。不过一般都不用考虑这么多。下面是一个双子图的例子：

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(1)
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--')

如果figure()和subplot()没有定义的话，都默认为figure(1)和subplot(111)。
figure()命令定义图片数和其他关键字参数。
例如： figure(1) 定义图片1； figure(2) 定义图片2……
subplot()命令定义子图数，横轴，纵轴，还可以定义其他的关键字参数。
例如： subplot(211) 定义子图1在第一行第一列； subplot(212) 定义子图2在第一行第二列……
PS1: 若子图数小于10，那么参数之间有没有逗号都无所谓。
PS2: 通过plt.axes([left, bottom, width, height])命令可以自由定义子图位置大小。

plt.figure(1)                # the first figure图一有两个子图
plt.subplot(211)             # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212)             # the second subplot in the first figure
plt.plot([4, 5, 6])


plt.figure(2)                # a second figure图二有一个子图
plt.plot([4, 5, 6])          # creates a subplot(111) by default

plt.figure(1)                # figure 1 current; subplot(212) still current
plt.subplot(211)             # make subplot(211) in figure1 current
plt.title('Easy as 1, 2, 3') # subplot 211 title

由于根据特定布局创建Figure和subplot是一件非常常见的任务，于是便出现了一个更为方便的方法plt.subplots，它可以创建一个新的Figure，并返回一个含有已创建的subplot对象的Numpy数组：

In [22]: fig, axes = plt.subplots(2, 3)
In [23]: axes  # 2行3列数组，元素是Axes类，每一个元素代表一个子图
Out[23]:
array([[Axes(0.125, 0.53364;...),
        Axes(...),
        Axes(...)],
       [Axes(...),
        Axes(...),
        Axes(...)]], dtype=object)

有关该方法的更多信息，pyplot.subplots的选项：

参数	说明
nrows	subplot的行数
ncols	subplot的列数
sharex	所有subplot应该使用相同的X轴刻度(调节xlim将会影响所有subplot)
sharey	所有subplot应该使用相同的Y轴坐标(调节ylim将会影响所有subplot)
subplot_kw	用于创建各subplot的关键字典
**fig_kw	创建figure时的其他关键字，如plt.subplots(2,2,figsize=(8,6))

PS:

figure过度会有内存警告，只有通过close()或图形用户界面关掉figure才会释放内存。当然也可以直接删除：clf()删除当前figure,cla()删除当前axes

利用Figure的 subplots_adjust方法可以轻而易举地修改间距，此外，它也是个顶级函数

axes与plt

可以说，plt针对当前子图或者全局操作，而axes类只关注与它本身(本身代表一个子图)。

# 举一个刚刚写完的一个三维点图列子
import pandas as pd
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D  # 3d


if __name__ == '__main__':
    inpath_sample = r'~/文件名.csv'  # 一个4列的数据表
    data = pd.read_csv(r'D:\electricalData\somecsv\some_spldliang.csv', header=0, index_col=0)  # dataframe
    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')  # 创建axes类
    xs = data['locus10'].values
    ys = data['locus50'].values
    zs = data['locus90'].values
    ax.scatter(xs, ys, zs, c='r', marker='o')  # axes类可以绘图
    ax.set_xlim(0)  # axes类可以操作本身(子图)的信息，只不过和plt模块的姿势不同
    ax.set_ylim(0)
    ax.set_zlim(0)
    ax.set_xlabel('X Label')
    ax.set_ylabel('Y Label')
    ax.set_zlabel('Z Label')
    plt.show()

axes: 人家也是棒棒的，什么都能干O(∩_∩)O

文本工作

test()命令可以在任意位置添加文本
xlabel(), ylabel(), title()分别用来在横轴，纵轴和标题区域添加文本。

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

# the histogram of the data
n, bins, patches = plt.hist(x, 50, normed=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)

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

标记文本

text()自由添加文本的最大作用就是注释，而 annotate()可以帮我们更好的完成这个任务。
annotate()需要考虑两点，一个是注释点，一个是文本点。

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)

上面的annotate()坐标系都是用的数据坐标系，还有其他的坐标系可选。
见Annotating text和Annotating Axes

对数坐标轴和其他非线性坐标轴

matplotlib不止于线性坐标轴，还可以用对数或分对数坐标轴
例如改变x轴坐标尺度：plt.xscale(‘log’)

# make up some data in the interval ]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))

# plot with various axes scales
plt.figure(1)

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


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


# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthreshy=0.05)
plt.title('symlog')
plt.grid(True)

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

将图标保存到文件

利用plt.savefig可以将当前图标保存到文件。该方法相当于Figure对象的实例方法savefig。例如，要将图标保存为SVG文件，你只需输入：plt.savefig('figpath.svg')。文件类型是通过文件扩展名推断出来的
Figure.savefig方法的参数及说明如下表所示：

参数	说明
fname	含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出
dpi	图像分辨率(每英寸点数)，默认为100
favecolor, edgecolor	图像的背景色，默认为”w”(white)
format	显示设置文件格式(“png”, “pdf”, “svg”, “ps”, “eps”…)
bbox_inches	图标需要保存的部分。如果设置为”tight”，则将尝试检出图标周围的空白部分

---

1. matplotllib.pyplot的习惯性简写 ↩