Python 可视化--Matplotlib 安装和pyplot
Matplotlib 是一个用于在 Python 中绘制数组的 2D 图形库。虽然它起源于模仿 MATLAB 图形命令，但它独立于 MATLAB，可以以 Pythonic 和面向对象的方式使用。虽然 Matplotlib 主要是在纯 Python 中编写的，但它大量使用 NumPy 和其他扩展代码，即使对于大型数组也能提供良好的性能。
1. 安装
有许多安装 matplotlib 的不同方法，最简单的方式是使用 pip。
pip install matplotlib
2. pyplot
matplotlib.pyplot是一个命令风格函数的集合，使matplotlib的机制更像MATLAB。 每个绘图函数对图形进行一些更改：例如，创建图形，在图形中创建绘图区域，在绘图区域绘制一些线条，使用标签装饰绘图等。在 matplotlib.pyplot 中，各种状态跨函数调用保存，以便跟踪诸如当前图形和绘图区域之类的东西，并且绘图函数始终指向当前轴域。
注意：这里和文档中的大多数位置中的『轴域』（axes）是指图形的一部分（两条坐标轴围成的区域），而不是指代多于一个轴的严格数学术语。
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.ylabel('numbers')
plt.show()
你可能想知道为什么x轴的范围为0-3，y轴的范围为1-4。 如果你向plot()命令提供单个列表或数组，则matplotlib假定它是一个y值序列，并自动为你生成x值。 由于 python 范围从 0 开始，默认x向量具有与y相同的长度，但从 0 开始。因此x数据是[0,1,2,3]。
plot()是一个通用命令，并且可接受任意数量的参数。 例如，要绘制x和y，你可以执行命令：
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.ylabel('numbers')
plt.show()
对于每个x,y参数对，有一个可选的第三个参数，它是指示图形颜色和线条类型的格式字符串。 格式字符串的字母和符号来自 MATLAB，并且将颜色字符串与线型字符串连接在一起。 默认格式字符串为"b-"，它是一条蓝色实线。 例如，要绘制上面的红色圆圈，你需要执行：
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 6, 0, 20])
plt.show()
有关线型和格式字符串的完整列表，请参见plot()文档。 上例中的axis()命令接收[xmin，xmax，ymin，ymax]的列表，并指定轴域的可视区域。
matplotlib接受以下格式字符串字符来控制线条样式或标记：
| 字符 | 描述 | 字符 | 描述 |
|---|---|---|---|
'-' |
实线 | '--' |
虚线 |
'-.' |
点划线 | ':' |
点虚线 |
'.' |
点 | ',' |
像素 |
'o' |
圆圈 | 'v' |
下三角 |
'^' |
上三角 | '<' |
左三角 |
'>' |
右三角 | '1' |
1加下三角 |
'2' |
1加上三角 | '3' |
1加左三角 |
'4' |
1加右三角 | 's' |
正方形 |
'p' |
五边形 | '*' |
星形 |
'h' |
六角形1 | 'H' |
六角形2 |
'+' |
加号 | 'x' |
乘号 |
'D' |
钻石 | 'd' |
菱形 |
'|' |
竖线 | '_' |
水平线 |
matplotlib支持以下颜色缩写：
| 字符 | 颜色 | 字符 | 颜色 | 字符 | 颜色 |
|---|---|---|---|---|---|
| ‘b’ | 蓝色 | ‘g’ | 绿色 | ‘r’ | 红色 |
| ‘c’ | 青色 | ‘m’ | 洋红 | ‘y’ | 黄色 |
| ‘k’ | 黑色 | ‘w’ | 白色 |
如果matplotlib仅限于使用列表，它对于数字处理是相当无用的。 一般来说，你可以使用numpy数组。 事实上，所有序列都在内部转换为numpy数组。 下面的示例展示了使用数组和不同格式字符串，在一条命令中绘制多个线条。
import numpy as np
import matplotlib.pyplot as plt
# 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()
3. 控制线条属性
线条有许多你可以设置的属性：linewidth，dash style，antialiased等，请参见matplotlib.lines.Line2D。 有几种方法可以设置线属性：
- 使用关键字参数：
plt.plot(x, y, linewidth=2.0)
- 使用
Line2D实例的setter方法。plot返回Line2D对象的列表，例如line1,line2 = plot(x1，y1，x2，y2)。 在下面的代码中，我们假设只有一行，返回的列表长度为 1。我们对line使用元组解构，得到该列表的第一个元素：
line, = plt.plot(x, y, '-')
line.set_antialiased(False) # turn off antialising
- 使用
setp()命令。 下面的示例使用 MATLAB 风格的命令来设置线条列表上的多个属性。setp使用对象列表或单个对象透明地工作。 你可以使用 python 关键字参数或 MATLAB 风格的字符串/值对：
lines = plt.plot(x1, y1, x2, y2)
# 使用关键字参数
plt.setp(lines, color='r', linewidth=2.0)
# 或者 MATLAB 风格的字符串值对
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
下面是可用的Line2D属性:
| 属性 | 值类型 |
|---|---|
| alpha | 浮点值 |
| animated | [True / False] |
| antialiased or aa | [True / False] |
| clip_box | matplotlib.transform.Bbox 实例 |
| clip_on | [True / False] |
| clip_path | Path 实例， Transform，以及Patch实例 |
| color or c | 任何 matplotlib 颜色 |
| contains | 命中测试函数 |
| dash_capstyle | [‘butt’ / ‘round’ / ‘projecting’] |
| dash_joinstyle | [‘miter’ / ‘round’ / ‘bevel’] |
| dashes | 以点为单位的连接/断开墨水序列 |
| data | (np.array xdata, np.array ydata) |
| figure | matplotlib.figure.Figure 实例 |
| label | 任何字符串 |
| linestyle or ls | [ ‘-’ / ‘–’ / ‘-.’ / ‘:’ / ‘steps’ / …] |
| linewidth or lw | 以点为单位的浮点值 |
| lod | [True / False] |
| marker | [ ‘+’ / ‘,’ / ‘.’ / ‘1’ / ‘2’ / ‘3’ / ‘4’ ] |
| markeredgecolor or mec | 任何 matplotlib 颜色 |
| markeredgewidth or mew | 以点为单位的浮点值 |
| markerfacecolor or mfc | 任何 matplotlib 颜色 |
| markersize or ms | 浮点值 |
| markevery | [ None / 整数值 / (startind, stride) ] |
| picker | 用于交互式线条选择 |
| pickradius | 线条的拾取选择半径 |
| solid_capstyle | [‘butt’ / ‘round’ / ‘projecting’] |
| solid_joinstyle | [‘miter’ / ‘round’ / ‘bevel’] |
| transform | matplotlib.transforms.Transform 实例 |
| visible | [True / False] |
| xdata | np.array |
| ydata | np.array |
| zorder | 任何数值 |
4. 处理多个图形和轴域
MATLAB 和 pyplot 具有当前图形和当前轴域的概念。 所有绘图命令适用于当前轴域。 函数gca()返回当前轴域（一个matplotlib.axes.Axes实例），gcf()返回当前图形（matplotlib.figure.Figure实例）。 通常，你不必担心这一点，因为它都是在幕后处理。 下面是一个创建两个子图的脚本。
import matplotlib.pyplot as plt
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--')
plt.show()
这里的figure()命令是可选的，因为默认情况下将创建figure(1)，如果不手动指定任何轴域，则默认创建subplot(111)。subplot()命令指定numrows，numcols，fignum，其中fignum的范围是从1到numrows * numcols。 如果numrows * numcols <10，则subplot命令中的逗号是可选的。 因此，子图subplot(211)与subplot(2, 1, 1)相同。 你可以创建任意数量的子图和轴域。
如果要手动放置轴域，即不在矩形网格上，请使用axes()命令，该命令允许你将axes([left, bottom, width, height])指定为位置，其中所有值都使用小数（0 到 1）坐标。 手动放置轴域的示例请参见pylab_examples示例代码：axes_demo.py，具有大量子图的示例请参见pylab_examples示例代码：subplots_demo.py。
你可以通过使用递增图形编号多次调用figure()来创建多个图形。 当然，每个数字可以包含所需的轴和子图数量：
import matplotlib.pyplot as plt
plt.figure(1) # 第一个图形
plt.subplot(211) # 第一个图形的第一个子图
plt.plot([1, 2, 3])
plt.subplot(212) # 第一个图形的第二个子图
plt.plot([4, 5, 6])
plt.figure(2) # 第二个图形
plt.plot([4, 5, 6]) # 默认创建 subplot(111)
plt.show()
你可以使用clf()清除当前图形，使用cla()清除当前轴域。 如果你搞不清在幕后维护的状态（特别是当前的图形和轴域），不要绝望：这只是一个面向对象的 API 的简单的状态包装器，你可以使用面向对象 API（见艺术家教程）。
如果你正在制作大量的图形，你需要注意一件事：在一个图形用close()显式关闭之前，该图所需的内存不会完全释放。 删除对图形的所有引用，和/或使用窗口管理器杀死屏幕上出现的图形的窗口是不够的，因为在调用close()之前，pyplot会维护内部引用。
5. 处理文本
text()命令可用于在任意位置添加文本，xlabel()，ylabel()和title()用于在指定的位置添加文本（详细示例请参阅文本介绍）。
import numpy as np
import matplotlib.pyplot as plt
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# 数据的直方图
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()
所有的text()命令返回一个matplotlib.text.Text实例。 与上面一样，你可以通过将关键字参数传递到text函数或使用setp()来自定义属性：
t = plt.xlabel('my data', fontsize=14, color='red')
这些属性的更详细介绍请见文本属性和布局。
6. 在文本中使用数学表达式
matplotlib在任何文本表达式中接受 TeX 方程表达式。 例如，要在标题中写入表达式，可以编写一个由美元符号包围的 TeX 表达式：
plt.title(r'$\sigma_i=15$')
标题字符串之前的r很重要 - 它表示该字符串是一个原始字符串，而不是将反斜杠作为 python 转义处理。 matplotlib有一个内置的 TeX 表达式解析器和布局引擎，并且自带了自己的数学字体 - 详细信息请参阅编写数学表达式。 因此，你可以跨平台使用数学文本，而无需安装 TeX。 对于安装了 LaTeX 和dvipng的用户，还可以使用 LaTeX 格式化文本，并将输出直接合并到显示图形或保存的 postscript 中 - 请参阅使用 LaTeX 进行文本渲染。
7. 标注文本
上面的text()基本命令将文本放置在轴域的任意位置。 文本的一个常见用法是对图的某些特征执行标注，而annotate()方法提供一些辅助功能，使标注变得容易。 在标注中，有两个要考虑的点：由参数xy表示的标注位置和xytext表示的文本位置。 这两个参数都是(x, y)元组。
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)
line, = ax.plot(t, s, lw=2)
ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05),
)
ax.set_ylim(-2, 2)
plt.show()
在此基本示例中，xy（箭头提示）和xytext（文本）都位于数据坐标中。 有多种其他坐标系可供选择 - 详细信息请参阅标注文本和标注轴域。 更多示例可以在pylab_examples示例代码：annotation_demo.py中找到。
8. 对数和其它非线性轴
matplotlib.pyplot不仅支持线性轴刻度，还支持对数和对数刻度。 如果数据跨越许多数量级，通常会使用它。 更改轴的刻度很容易：
plt.xscale('log')
下面示例显示了四个图，具有相同数据和不同刻度的y轴。
import numpy as np
import matplotlib.pyplot as plt
# 生成一些区间 [0, 1] 内的数据
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))
# 带有多个轴域刻度的 plot
plt.figure(1)
# 线性
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)
# 对数
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)
# 对称的对数
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)
plt.show()
还可以添加自己的刻度，详细信息请参阅向matplotlib添加新的刻度和投影。