Python第三方库——Matplotlib库

import matplotlib.pyplot as plt

pyplot模块

• plt.ion()：打开交互模式

• plt.figure(num=None, figsize=None, dpi=None,
facecolor=None, edgecolor=None, frameon=True,
FigureClass=, **kwargs)
  参数：
  num：整数或者字符串，默认值是None。figure对象的id。如果没有指定num，那么会创建新的figure，id（也就是数量）会递增，这个id存在figure对象的成员变量number中；如果指定了num值，那么检查id为num的figure是否存在，存在的话直接返回，否则创建id为num的figure对象，并且如果num是字符串类型，窗口的标题会设置成num。
  fsize：整数元组，默认值是None。表示宽、高的inches数。
  dpi：整数，默认值为None。表示figure的分辨率
  facecolor：背景颜色
  edgecolor：边缘颜色
  返回：
  figure：Figure对象

• ax = plt.subplot(*args, **kwargs)：
  关键字参数：
  facecolor：subplot的背景颜色
  projection：
  返回：

subplot(nrows, nclos, plot_number)#将figure划分成nrows行ncols列个子坐标。plot_number用来返回指定的subplot，从1开始，先横向后纵向
#当行、列和plot_number都小于10的时候，可以用下面的简单的调用形式来指定行列数及plot_number
subplot(211)

            例子：

import matplotlib.pyplot as plt
# plot a line, implicitly creating a subplot(111)
plt.plot([1,2,3])

# now create a subplot which represents the top plot of a grid with 2 rows and 1 column. 
#Since this subplot will overlap the
# first, the plot (and its axes) previously created, will be removed
plt.subplot(211)
plt.plot(range(12))
plt.subplot(212, facecolor='y') # creates 2nd subplot with yellow background

• fig, ax = plt.subplots(nrows=1, ncols=1, sharex=False,
sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)：
  创建一个figure和多个子图。
  参数：
  nrows，ncols：int类型，默认值为1，表示子图窗格数
  sharex，sharey：bool或者{‘none’, ‘all’, ‘row’, ‘col’}，默认值为False。控制x、y坐标轴的属性共享。当为True或者’all’表示在所有子图中共享坐标轴；False或者’none’表示每个子图的坐标轴是独立的；’row’表示每个子图行会共享坐标轴；’col’表示每个子图列会共享坐标轴。
  squeeze：bool，默认值为True。
  subplot_kw：dict。保存的是传给add_subplot()的参数
  gridspec_kw：dict。
  fig_kw：dict。
  返回：
  fig：matplotlib.figure.Figure对象，fig可以用于修改图片级别的属性。
  ax：Axes对象或者Axes对象的数据。

• plt.axis(*v, **kwargs)：获得或者设置坐标属性的便捷方法

plt.axis()：返回当前坐标的范围[xmin, xmax, ymin, ymax]
plt.axis(v)：设置x和y坐标的最大最下值，v=[xmin, xmax, ymin, ymax]
plt.axis('off')：去掉坐标轴和标签
plt.axis('equal')：
plt.axis('scaled')：
plt.axis('tight')：修改x、y坐标的范围让所有的数据显示出来
plt.axis('image')：

• plt.imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None,
extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, hold=None, data=None, **kwargs)：
  参数：
  X：array_like或者PIL图像对象，shape为[n,m]或[n,m,3]或[n,m,4]。表示要在当前axes中展示的图片。
  cmap：Colormap。
  aspect：[‘auto’ | ‘equal’ | ‘scalar’]，’auto’表示调整图片的aspect比例使用axes，’equal’表示调整axes适应图片
  返回：
  img：AxesImage类型

• savefig(*args, **kwargs)：保存当前figure。
  参数：
  fname：string（文件名）或者文件对象。当fname是文件对象时，需要指定format参数。
  bbox_inches：只保存部分figure。如果为’tight’，试着从figure中去掉bbox。

• pause(interval)：暂停一段时间。如果是动态figure，GUI事件会在暂停的时候执行；如果没有动态figure，或者是非交互后缀，执行time.sleep(interval)。

figure模块

Figure类：所有绘图元素的顶层容器
成员变量：

• axes：Figure对象的axes列表

成员函数：

axes模块

Axes类：包含大多数figure元素：Axis、Tick、Line2D、Text、Polygon等。还可以设置坐标轴。
成员函数：

• ax.set_xticklabels(labels, fontdict=None, minor=False, **kwargs)：设置x坐标上每个刻度的标签
  参数：
  labels：字符串序列
  返回：

• ax.set_yticklabels([])

• cla()：清除当前axes。

• imshow(X, cmap=None)：在axes上显示图片
  参数：
  X：array_like或者PIL图片，shape为[n,m], [n,m,3]或者[n,m,4]。
  cmap：ColorMap，默认值为None。

-contour(*args, **kwargs)：绘制轮廓

contour(Z)：绘制数组Z的轮廓
contour(X, Y, Z)：X、Y指明surface的(x,y)坐标
contour(Z, N)：至多N个自动选择的level。
contour(Z, V)：在序列V指定的值处绘制轮廓线，V必须是递增的

• set_axis_off()：把axis关闭

gridspec模块

import matplotlib.gridspec as gridspec
此模块用于指定subplot在figure的位置。

类GridSpec：指定subplot的框格
成员函数：

• 构造函数GridSpec(nrows, ncols, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None, width_ratios=None, height_ratios=None)：
  参数：
  nrows：框格的行数
  ncols：框格的列数

• gs.update(wspace=0.05, hspace=0.05)：更新当前值

示例：

import matplotlib.gridspec as gridspec
fig = plt.figure(figsize=(4, 4))
gs = gridspec.GridSpec(4, 4)
gs.update(wspace=0.05, hspace=0.05)
for i, sample in enumerate(samples):
    ax = plt.subplot(gs[i])
    plt.axis('off')
    ax.set_xticklabels([])
    ax.set_yticklabels([])
    ax.set_aspect('equal')
    plt.imshow(sample.reshape(28, 28), cmap='Greys_r')

实践

绘制confusion matrix

import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
import numpy as np

def makeconf(conf_arr, model_name):
    # makes a confusion matrix plot when provided a matrix conf_arr
    # every row of conf_arr is normalized
    norm_conf = []
    for i in conf_arr:
        a = 0
        tmp_arr = []
        a = sum(i, 0)
        for j in i:
            tmp_arr.append(float(j)/float(a))
        norm_conf.append(tmp_arr)

    fig = plt.figure()
    plt.clf() #清除画布
    ax = fig.add_subplot(111) #参数的意思是把画布分成1行１列，把图画在第1块（从上到下从左到右数起）。也可以写成 fig.add_subplot(1,1,1)
    ax.set_aspect(1) #控制纵横比，1:1
    res = ax.imshow(np.array(norm_conf), cmap=plt.cm.jet, 
                    interpolation='nearest') #根据np array的数组绘制图，第二个参数是配色，有jet、gray

    width = len(conf_arr)
    height = len(conf_arr[0])

    for x in xrange(width):
        for y in xrange(height):
            ax.annotate(str(conf_arr[x][y]), xy=(y, x), 
                        horizontalalignment='center',
                        verticalalignment='center')　#在每一块表上数字，第一个参数是要标上的字符串，第二个是坐标

    cb = fig.colorbar(res)　　＃在图的旁边绘制一个bar，展示颜色代表的数值
    indexs = '0123456789'
    plt.xticks(range(width), indexs[:width])　#x, y轴的坐标名
    plt.yticks(range(height), indexs[:height])
    # you can save the figure here with:
    # plt.savefig("pathname/image.png")
    plt.savefig("conf_matrix/{}_confusion_matrix.png".format(model_name))

if __name__=="__main__":
    y = [1,0,1,1,1,0,0]
    predicts = [1,1,0,1,0,1,0]
    conf_matrix = confusion_matrix(y, predicts)
    print conf_matrix
    makeconf(conf_matrix, "test")    

问题

想在绘制的图中显示中文信息，需要修改配置文件:/usr/local/lib/python2.7/dist-packages/matplotlib/mpl-data/matplotlibrc
把font.family和font.sans.seris前面的#去掉，并在font.sans.seris的第一个位置加上ubuntu已经安装的中文字体:Droid Sans Fallback。如果需要查看ubuntu下有哪些中文字体：

fc-list :lang=zh-cn

另外ubuntu中常见的中文字体是文泉驿微黑。

更多阅读

http://www.randalolson.com/2014/06/28/how-to-make-beautiful-data-visualizations-in-python-with-matplotlib/