深度学习--matplotlib语法介绍

matplotlib 使用文档

1.类型目录

• 绘图类型

函数名称	描述
Bar	绘制条形图
Barh	绘制水平条形图
Boxplot	绘制箱型图
Hist	绘制直方图
his2d	绘制2D直方图
Pie	绘制饼状图
Plot	在坐标轴上画线或者标记
Polar	绘制极坐标图
Scatter	绘制x与y的散点图
Stackplot	绘制堆叠图
Stem	用来绘制二维离散数据绘制（又称为“火柴图”）
Step	绘制阶梯图
Quiver	绘制一个二维按箭头

• Image函数

函数名称	描述
Imread	从文件中读取图像的数据并形成数组
Imsave	将数组另存为图像文件
Imshow	在数轴区域内显示图像

• Axis函数

函数名称	描述
Axes	在画布(Figure)中添加轴
Text	向轴添加文本
Title	设置当前轴的标题
Xlabel	设置x轴标签
Xlim	获取或者设置x轴区间大小
Xscale	设置x轴缩放比例
Xticks	获取或设置x轴刻标和相应标签
Ylabel	设置y轴的标签
Ylim	获取或设置y轴的区间大小
Yscale	设置y轴的缩放比例
Yticks	获取或设置y轴的刻标和相应标签

• figure函数

函数名称	描述
Figtext	在画布上添加文本
Figure	创建一个新画布
Show	显示数字
Savefig	保存当前画布
Close	关闭画布窗口

---

2.详细介绍

2.1figure图形对象

plt.figure()函数

该函数的参数值，如下所示：

参数	说明
figsize	指定画布的大小，(宽度,高度)，单位为英寸。
dpi	指定绘图对象的分辨率，即每英寸多少个像素，默认值为80。
facecolor	背景颜色。
dgecolor	边框颜色。
frameon	是否显示边框。

from matplotlib import pyplot as plt
#创建一个图形对象
fig=plt.figure()

我们用add_axes()函数方法将轴域 添加到画布fig中

ax=fig.add_axes([0,0,1,1]) #实例化轴对象
x=linspace(30,0.1)
y=x**2

add_axes()参数值必须为list，4个值分别对应图形左侧坐标、底部坐标、宽度和高度，且每个数字必须介于[0,1]

设置x，y轴的标签与标题

ax.set_title("sine wave")
ax.set_xlabel("angle")
ax.set_ylabel("sine")

调用axes对象的plot方法,对x、y数组进行绘图操作

ax.plot(x,y)

---

2.2.axes类 （轴域对象）

通过add_axes()方法可以将axes对象添加到 figure画布中,对象位置由参数rect决定

rect：4元素float_list，格式为[left,bottom,width,height] 元素∈[0,1]，即将figure画布的宽、高作为1个单位

下面介绍axes类其他成员函数，他们在绘图中承担不同的作用

1. axes类的legend()方法负责绘制画布中的图例

   ax.legend(handle,labels,loc)#legend为axes的方法
   

   • labels为字符串list，可以指定label_name

   • loc为图例位置参数，参数值可以用字符串或整数表示

   • handles参数为list，包含所有线型的实例

     ​ 下图为loc参数表示方法

     位置	字符串表示	整数数字表示
     自适应	Best	0
     右上方	upper right	1
     左上方	upper left	2
     左下	lower left	3
     右下	lower right	4
     右侧	right	5
     居中靠左	center left	6
     居中靠右	center right	7
     底部居中	lower center	8
     上部居中	upper center	9
     中部	center	10

2. axes.plot()

   axes的基本方法，将一个数组的值（x）与另一个数组的值（y）绘制成线或标记,同时具有可选的字符串参数用来指定 线型，标记颜色、样式、大小

   颜色代码如下表：

   ‘b’	蓝色
   ‘g’	绿色
   ‘r’	红色
   ‘c’	青色
   ‘m’	品红色
   ‘y’	黄色
   ‘k’	黑色
   ‘w’	白色

   标记符号如下表：

   字符	描述
   ‘-’	实线
   ‘–’	虚线
   ‘-.’	点划线
   ‘:’	虚线
   ‘H’	六角标记

   线型表示字符，如下表：

   字符	描述
   ‘-’	实线
   ‘–’	虚线
   ‘-.’	点划线
   ‘:’	虚线
   ‘H’	六角标记

   示例：

   import matplotlib.pyplot as plt
   y = [1, 4, 9, 16, 25,36,49, 64]
   x1 = [1, 16, 30, 42,55, 68, 77,88]
   x2 = [1,6,12,18,28, 40, 52, 65]
   fig=plt.figure()#创建画布
   ax=fig.add_axes([0.2,0.2,0.5,0.5])#实例化一个轴域
   #使用简写的形式color/标记符/线型
   l1=ax.plot(x1,y,'ys-')
   l2=ax.plot(x2,y,'go--')
   ax.legend(labels=('tv','Smartphone'),loc='lower right')#legend将出现在右下角
   ax.set_title("ad_effect on products")
   ax.set_xlabel("media")
   ax.set_ylabel("sales")
   plt.show()
   

   

   由上例可以看出，axes轴域基于figure画布对象，而具体画图基于axes对象

---

2.3.subplot()函数

plt.subplot(nrows,ncols,index)

nrows 与 ncols 表示要划分几行几列的子区域（nrows*nclos表示子图数量），index 的初始值为1，用来选定具体的某个子区域。

如果新建的子图与现有的子图重叠，那么重叠部分的子图将会被自动删除，因为它们不可以共享绘图区域。

import matplotlib.pyplot as plt
plt.plot([1,2,3])#创建了一个plot折线图
#现在创建一个子图，他表示一个有2行1列的网格的顶部图
#因为这个子图与开始的plot图重叠，所以删除之前的plot图
plt.subplot(211)
plt.plot(range(12))
#创建带有黄色背景的第二个子图
plt.subplot(212,facecolor='y')
plt.plot(range(12))

上述表明，若subplot()中的第一个参数行列相同，则在该子图划分区域基础上进行画图，若不同，则如所示

import matplotlib.pyplot as plt
plt.plot([1,2,3])#创建了一个plot折线图
#现在创建一个子图，他表示一个有2行1列的网格的顶部图
#因为这个子图与开始的plot图重叠，所以删除之前的plot图
plt.subplot(211)
plt.plot(range(12))
#创建带有黄色背景的第二个子图
plt.subplot(222,facecolor='y')
plt.plot(range(12))

之前创建的子图格式（2行1列）被删除，变成了如上图所示的2行2列

如果不想覆盖之前的图，可以如下措施

• 采取add_subplot()函数

import matplotlib.pyplot as plt
fig=plt.figure()#创建画布
ax1=fig.add_subplot(111)
ax1.plot([1,2,3])
ax2=fig.add_subplot(221,face_color='y')
ax2.plot([1,2,3])
#上述画布同时存在了两种不同的子图格式

结果表明，通过add_subplot()方法，可以在同一画布同时存在多种不同的子图格式

• 采用axes对象实现

import matplotlib.pyplot as plt
import numpy as np
import math
x=np.arange(0,math.pi*2,0.05)
fig=plt.figure()#创建画布
axes1=fig.add_axes([0.1,0.1,0.8,0.8])#main axes
axes2=fig.add_axes([0.55,0.55,0.3,0.3])#inset axes
y=np.sin(x)
axes1.plot(x,y,'b')
axes2.plot(x,np.cos(x),'r')
axes1.set_title('sine')
axes2.set_title('cosine')
plt.show()

操作区别：

画布

plot折线图

axes轴对象

---

2.4.subplots()函数

区别：subplots函数既创建了一个包含子图区域的画布，又创建了一个figure图形对象，而subplot()只创建一个包含子图区域的画布

subplots函数格式：

fig,ax=plt.subplots(nrow,ncols)

返回值是tuple，包含一个图形对象和所有的axes对象。axes数量=nrows*ncols,且每个axes对象均可以通过索引值访问(从1开始)

import matplotlib.pyplot as plt
fig,a =  plt.subplots(2,2) #a相当于轴区域数组  fig为figure画布
import numpy as np
x = np.arange(1,5)
#绘制平方函数
a[0][0].plot(x,x*x)
a[0][0].set_title('square')
#绘制平方根图像
a[0][1].plot(x,np.sqrt(x))
a[0][1].set_title('square root')
#绘制指数函数
a[1][0].plot(x,np.exp(x))
a[1][0].set_title('exp')
#绘制对数函数
a[1][1].plot(x,np.log10(x))
a[1][1].set_title('log')
plt.show()

---

2.5.subplot2grid()函数

subplot2grid()与subplots()和subplot()函数不同，该函数可以非等分切分画布

语法：

plt.subplot2grid(shape,location,rowspan,colspan)

参数含义如下：

• shape：把该参数值规定的网格区域作为绘图区域；
• location：在给定的位置绘制图形，初始位置 (0,0) 表示第1行第1列；
• rowsapan/colspan：这两个参数用来设置让子区跨越几行几列。

下面，在画布（figure）中添加了行、列跨度均不相同的绘图子区域，然后在每个绘图区上，绘制不同的图形。示例代码如下：

import matplotlib.pyplot as plt
#使用 colspan指定列，使用rowspan指定行
a1 = plt.subplot2grid((3,3),(0,0),colspan = 2)
a2 = plt.subplot2grid((3,3),(0,2), rowspan = 3)
a3 = plt.subplot2grid((3,3),(1,0),rowspan = 2, colspan = 2)
import numpy as np
x = np.arange(1,10)
a2.plot(x, x*x)
a2.set_title('square')
a1.plot(x, np.exp(x))
a1.set_title('exp')
a3.plot(x, np.log(x))
a3.set_title('log')
plt.tight_layout()
plt.show()

---

2.6.grid()设置网格格式

grid()函数可以 1.开启/关闭画布网格 2.设置网格颜色、线型、线宽等属性

使用格式：

grid(color='b',Is='-',lw=0.25)

参数含义如下：

• color：表示网格线的颜色；
• ls：表示网格线的样式；
• lw：表示网格线的宽度；

网格默认关闭，若调用上述函数，网格会自动打开，如果只想开启网格不需要格式调整，使用grid(True)

import matplotlib.pyplot as plt
import numpy as np
#fig画布，axes子图区域
fig,axes=plt.subplots(1,3,figsize=(12,4))
x=np.arange(1,11)
#开启axes[0]的轴域网格
axes[0].grid(True)
axes[0].set_title('default grid')
axes[0].plot(x,x**3,'g',lw=2)
axes[1].plot(x,np.exp(x),'r')
#设置axes[1]轴域的网格颜色、线型、线宽
axes[1].grid(color='b',ls='-',lw=0.25)
axes[1].set_title('custom grid')
axes[2].plot(x,x)
axes[2].set_title('no grid')
fig.tight_layout()#自动调整子图大小，使之充满整个图像区域，部分情况下不工作
plt.show()

---

2.7.设置坐标轴格式

1.axes.set_xscale() or axes.set_yscale()

有时x与y是指数对应关系，这时候需要将坐标轴刻度设置为对数刻度

上述通过axes对象中的 xscale或 yscale属性实现对坐标轴的格式设置

示例：下面左侧子图显示标量刻度，右侧子图显示对数刻度

import matplotlib.pyplot as plt
import numpy as np
frg,axes=plt.subplots(1,2,figsize=(10,4))
x = np.arange(1,5)
axes[0].plot( x, np.exp(x))
axes[0].plot(x,x**2)
axes[0].set_title("Normal scale")
axes[1].plot (x, np.exp(x))
axes[1].plot(x, x**2)
#设置y轴
axes[1].set_yscale('log')#将y的刻度设为log型
axes[1].set_title('Logarithmic scale(y)')
#设置label
axes[0].set_xlabel('x axis',labelpad=10)#labelpad用于设置label显示位置
axes[0].set_ylabel('y axis')
axes[1].set_xlabel('x axis')
axes[1].set_ylabel('y axis')
plt.tight_layout()
plt.show()

2.axes.spines[‘’].set_color() or axes.spines[‘’].set_linewidth()

在绘图区域（axes 对象）的顶部、底部、左侧和右侧都有一个边界线（轴）。可以指定轴的宽度和颜色(None为无色，即不显示轴)

以下示例为左侧轴、底部轴分别设置了红色、蓝色，如下所示：

import matplotlib.pyplot as plt
fig=plt.figure()
ax=fig.add_axes([0,0,1,1])
#为 左侧、底部轴添加颜色
ax.spines['buttom'].set_color('blue')
ax.spines['left'].set_color('red')
ax.spines['left'].set_linewidth(2)
#将右侧、顶部轴设为None
ax.spines['right'].set_color(None)
ax.spines['top'].set_color(None)
ax.plot([1,2,3,4,5])
plt.show()

---

2.8.坐标轴范围

matplotlib可以根据x、y范围自动设置轴的范围大小，但我们也可以通过set_xlim()、set_ylim()对进行轴的范围自定义设置

1. matplotlib自动设置

import matplotlib.pyplot as plt
import numpy as np
fig=plt.figure()
a1=fig.add_axes([0.1,0.1,0.7,0.7])
x=np.arange(1,10)
a1.plot(x,np.exp(x))
a1.set_title('exp')
plt.show()

​ 2.自定义设置 set_xlim()将范围设到(0,10)、set_ylim()将范围设到(0,10000)

import matplotlib.pyplot as plt
fig=plt.figure()
a1=fig.add_axes([0,0,1,1])
import numpy as np
x=np.arange(1,10)
a1.plot(x,np.exp(x),'r')
a1.set_title('exp')
#设置x，y轴
a1.set_xlim(1,10)
a1.set_ylim(0,10000)
plt.show()

---

2.9.设置刻度和刻度标签

刻度指 轴上数据点的标记，Matplotlib可以自动在x、y轴上绘制出刻度（得益于内置的刻度定位器和格式化器）

xticks()和yticks()函数参数：list，list中的元素表示对应数轴上要显示的刻度

ax.set_xticks[(2,4,6,8,10)]

此时x轴的刻度标签分别为(2,4,6,8,10)，我们也可以采取set_xticklabels()和set_yticklabels()函数重新需设置刻度标签，但刻度不会改变

下面的示例对刻度和刻度标签的使用方法进行说明

import matplotlib.pyplot as plt
import numpy as np
import math
x=np.arange(0,math.pi*2,0.05)
fig=plt.figure()
ax=fig.add_axes([0.1,0.1,0.7,0.7])
y=np.sin(x)
ax.plot(x,y)
#设置x轴标签
ax.set_xlabel('angle')
ax.set_title('sine')
ax.set_xticks([0,2,4,6])#x刻度为[0,2,4,6]
ax.set_xticklabels(['zero','two','four','six'])#只修改刻度相应的label
#设置y轴标签
ax.set_yticks([-1,0,1])
plt.show()

---

3.图像种类介绍

①双轴图

有时候需要两个x轴或两个y轴表述数据关系，采用twinx()和twiny()函数实现

twinx()和twiny()函数除了绘制双轴，还可以用不同的单位来绘制曲线，比如一个y轴为对函数，一个y轴为指数函数

下面示例具有两个y轴的图像，左侧为exp(x)，右侧为log(x)

import matplotlib.pyplot as plt
import numpy as np
fig=plt.figure()
a1=fig.add_axes([0.1,0.1,0.7,0.7])
x=np.arange(1,11)
a1.plot(x.np.exp(x))
a1.set_ylabel('exp')
#添加双轴
a2=a1.twinx()#在a1的轴域内进行轴的添加
#'ro'代表红色圆点
#绘制对数函数
a2.plot(x,np.log(x),'ro-')
#设置y2的label
a2.set_ylabel('log')
#绘制legend图例
fig.legend(labels=('exp','log'),loc=0)
plt.show()
#此处只有fig.legend才能两个都显示在图例中

②折线图(line chart)

1. 绘制单条折线

import matplotlib.pyplot as plt
x = ["Mon", "Tues", "Wed", "Thur", "Fri","Sat","Sun"]
y = [20, 40, 35, 55, 42, 80, 50]
# "g" 表示红色，marksize用来设置'D'菱形的大小
plt.plot(x,y,'g',marker='D',markersize=5,label='周活')
#绘制坐标轴标签
plt.xlabel('loaded_time')
plt.ylabel('user_activity')
plt.title('the website activity')

plt.legend('loc=lower right')

#下面，我们可以调用 plt.text()函数在图像上绘制注释文本
#x1,y1 代表文本坐标位置 ha参数控制水平对齐方式，va控制垂直对齐方式,str(y1)表示绘制的

for x1,y1 in zip(x,y):
    plt.text(x1,y1,str(y1),ha='center',va='bottom',fontsize=10)
plt.show()

上面例子的legend 通过plt.plot(label)直接实现

​ 2.绘制多条折线图

下面给出两天同一时刻，天气T随time变化的折线图：

import matplotlib.pyplot as plt
#对比两天内同一时刻温度的变化情况
x = [5, 8, 12, 14, 16, 18, 20]
y1 = [18, 21, 29, 31, 26, 24, 20]
y2 = [15, 18, 24, 30, 31, 25, 24]

# * 表示绘制五角星；此处也可以不设置线条颜色，matplotlib会自动为线条添加不同的颜色
plt.plot(x,y1,'r',marker='*',markersize=10,label='frist day')
plt.plot(x,y2,'b',marker='*',markersize=10,label='next day')
plt.title('Tem_difference')
plt.xlabel('time(h)')
plt.ylabel('T(℃)')

#绘制注释
for x,y in zip(x,y1):
    plt.text(x,y,y,ha='center',va='bottom',fontsize=10)
    
for x,y in zip(x,y2):
    plt.text(x,y,y,ha='center',va='bottom',fontsize=10)

plt.show()

此处结果图借用 Matplotlib折线图（绘图实例+代码详解） (biancheng.net) ，自行实现时，zip()出错，原因暂时不明

③等高线图

等高线图(水平图) 是一种 在2D上显示3D图像的方法

等高线有时也成为 “Z切片”

通过numpy.meshgrid()函数将x、y数组构造成一个网格点矩阵

matplotlib API 提供了绘制等高线(contour) 与 **填充等高线 (contourf)**的函数。这两个函数都需要三个参数，分别是(X,Y,Z),表示x范围的颜色柱 基于contour定义的对象实现

import numpy as np
import matplotlib.pyplot as plt
#创建xlist、ylist数组
xlist = np.linspace(-3.0, 3.0, 100)
ylist = np.linspace(-3.0, 3.0, 100)
#将上述数据变成网格数据形式
X,Y=np.meshgrid(xlist,ylist)
#定义Z与X、Y的关系
Z=np.sqrt(X**2+Y**2)
fig,ax=plt.subplots(1,1)
#填充等高线
cp=ax.contourf(X,Y,Z)
fig.colorbar(cp)#右侧添加表示x取值的颜色柱
ax.set_title('Filled Contours Plot')
ax.set_xlabel('x(cm)')
ax.set_ylabel('y(cm)')
#绘制等高线
plt.contour(X,Y,Z)#绘制等高线，减少边界锐化程度？
plt.show()

左侧图像绘制了两个变量 X、Y ，右侧的颜色柱（colorbar）则表示 X 的取值，颜色越深表示值越小，中间深色部分的圆心点表示 x=0，y=0，z=0。

1.ax.contourf(X,Y,Z)、2.plt.contour(X,Y,Z)的区别通过下图展示：

1.

2.

④绘制文本(文字、箭头、图形等)

text	在绘图区域的任意位置添加文本。
annotate	在绘图区域的任意位置添加带有可选箭头的注释。
xlabel	在绘图区域的 x 轴上添加标签。
ylabel	在绘图区域的 y 轴上添加标签。
title	为绘图区域添加标题。
figtext	在画布的任意位置添加文本。
suptitle	为画布中添加标题。

1. text()函数绘制文本

plt.text(x,y,string,weight='bold',color='b')
#weight：注释文本内容的粗细风格

​ 2.annotate()函数 用于绘制箭头

​ xy为箭头终端，xytext()为箭头起始 arrowprops为dict，用于设置箭头的格式

可以设置箭头的形状等

connectionstyle的属性值有

ax.annotate(string, xy = (,), xytext = (, ),arrowprops = dict(facecolor = string, shrink =,addrowstyle="箭头形状",connectionstyle="例如arc3"))

例子：

import matplotlib.pyplot as plt
fig = plt.figure()
#添加绘图区域
ax = fig.add_axes([0.1,0.1,0.7,0.7])
#设置格式
ax.set_title('axes title')
ax.set_xlabel('xlabel')
ax.set_ylabel('ylabel')
# 3,8 表示x，y的坐标点；style设置字体样式为斜体；bbox用来设置盒子的属性，比如背景色
ax.text(3, 8, 'i am here', style='italic',bbox = {'facecolor': 'yellow'},fontsize=15)
#绘制数学表达式,用$符包裹
ax.text(2, 6, r'an equation: $E = mc^2$', fontsize = 15)
#添加文字，并设置样式
ax.text(4, 0.05, 'now i am here',verticalalignment = 'bottom', color = 'green', fontsize = 15)
ax.plot([2], [1], 'o')#绘制一个圆
#xy为点的坐标；xytext为注释内容坐标；arrowprops设置箭头的属性
ax.annotate('circle', xy = (2, 1), xytext = (3, 4),arrowprops = dict(facecolor = 'blue', shrink = 0.1))
#设置坐标轴x,y
ax.axis([0, 10, 0, 10])
plt.show()

⑤数学表达式

数学表达式语法：

plt.title(r'$\alpha>\beta$')

绘制小标和上标需要使用’_‘,’^'，示例：

#绘制表达式 r'$\alpha_i>\beta_i$'
import numpy as np
import matplotlib.pyplot as plt
t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2*np.pi*t)
plt.plot(t,s)
#设置标题
plt.title(r'$\alpha_i>\beta_i$',fontsize=20)
#设置数学表达式
plt.text(0.6,0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$', fontsize = 20)
#设置数学表达式
plt.text(0.1,-0.5, r'$\sqrt{2}$', fontsize=10)
plt.xlabel('time (s)')
plt.ylabel('volts (mV)')
plt.show()

---

结语：如有错误，望指正