Matplotlib使用

Matplotlib 是支持 Python 语言的开源绘图库，因为其支持丰富的绘图类型、简单的绘图方式以及完善的接口文档，深受 Python 工程师、科研学者、数据工程师等各类人士的喜欢。Matplotlib拥有着十分活跃的社区以及稳定的版本迭代。

1、简单图形绘制

使用 Matplotlib 提供的面向对象 API，需要导入 pyplot模块，并约定简称为 plt

from matplotlib import pyplot as plt

接下来我会绘制一个简单的山峰图：

plt.plot([1, 2, 3, 2, 1, 2, 3, 4, 5, 6, 5, 4, 3, 2, 1])
plt.show()

屏幕快照 2019-06-16 下午11.24.50.png

2、绘制正余弦图(具体如图)

sin_cos_plot.png

实例代码

import numpy as np 
x = np.linspace(-np.pi, np.pi, 200)
C , S = np.cos(x), np.sin(x)
# 设置颜色、线宽、样式
plt.plot(x, C, color='blue', linewidth=2.0, linestyle='-')
plt.plot(x, S, color='r', linewidth=2.0, linestyle='-')

# 设置坐标长度
plt.xlim(x.min()*1.1, x.max()*1.1)
plt.ylim(C.min()*1.1, C.max()*1.1)

# 设置坐标刻度和标签
plt.xticks((-np.pi, -np.pi/2.0, np.pi/2.0, np.pi), (r'$-\pi$', r'$-\pi/2$', r'$\pi/2.0$', r'$\pi$'))

plt.yticks([-1, -0.5, 0, 0.5, 1])

# 坐标轴处理

# 获取坐标轴
ax = plt.gca() # gca 代表当前坐标轴，
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# set_ticks_position() 设置坐标轴的刻度线的显示位置
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0)) # 设置下方坐标轴位置 

ax.yaxis.set_ticks_position("left")
ax.spines['left'].set_position(('data', 0)) # 设置左侧坐标轴位置

# 添加图例
plt.legend(loc='upper left')

# 标记2/3*pi 正弦余弦值
t = 2 * np.pi / 3
# 
plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=1.5, linestyle='--')

# 画出标识点
plt.scatter([t,], [np.cos(t),], 50, color='blue')
# 画出cos(t)的值
plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$', xy=(t, np.cos(t)), xycoords='data', xytext=(-90, -50), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3, rad=.2"))

# 画sin(t)的值
plt.scatter([t,],[np.sin(t),], 50, color='red')
plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{sqrt(3)}{2}$', xy=(t, np.sin(t)), xycoords='data', xytext=(60, 50), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3, rad=0.5"))

3、使用gridspec 实现复杂子图布局

grid_spec_plot.png

# 使用grdspe实现复杂子图布局

import matplotlib.gridspec as gridspec

plt.figure(figsize=(18, 4))
G = gridspec.GridSpec(3, 3)

axes_1 = plt.subplot(G[0,:]) # 占用第一行，所有的列
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 01', ha='center', va='center', size=24, alpha=5)

axes_2_1 = plt.subplot(G[1:,0]) # 占用第二行，第一列
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 02_01', ha='center', va='center', size=24, alpha=5)

axes_2_3 = plt.subplot(G[1:,-1]) # 占用第二行开始之后的所有行，最后一列
# axes_2_2 = plt.subplot(G[1:,1]) # 占用第二行开始之后的所有行，第二列之后的所有列
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 02_03', ha='center', va='center', size=24, alpha=5)

# 占用第二行第二列
axes_2_2 = plt.subplot(G[1,-2])
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 02_02', ha='center', va='center', size=24, alpha=5)

axes_3_1 = plt.subplot(G[-1,-2]) # 占用倒数第一行，倒数第二列
plt.xticks(())
plt.yticks(())
plt.text(0.5, 0.5, 'Axes 03_02', ha='center', va='center', size=24, alpha=5)

4、Matplotlib内置坐标轴刻度

• NullLocater: 不显示坐标刻度标签，只显示坐标刻度
• MultipleLocator: 以固定的步长显示多个坐标标签
• FixedLocator: 以列表形式显示固定的坐标标签
• IndexLocator: 以 offset为起始位置，每隔base步长就画一个坐标标签
• LinearLocator: 把坐标轴的长度均分为numticks个数，显示坐标标签
• LogLocator: 以对数为步长显示刻度的标签
• MaxNLocator: 从提供的刻度标签列表里，显示出最大不超过nbins个数标签
• AutoLocator: 自动显示刻度标签

除内置标签外，我们也可以继承Matplotlib.tiker.Locator类来实现自定义样式的刻度标签。

# 刻度标签
def tickline():
    plt.xlim(0, 10), plt.ylim(-1, 1), plt.yticks([])
    
    ax = plt.gca()
    ax.spines['right'].set_color('none')
    ax.spines['left'].set_color('none')
    ax.spines['top'].set_color('none')
    
    ax.xaxis.set_ticks_position('bottom')
    ax.spines['bottom'].set_position((('data'), 0))
    ax.yaxis.set_ticks_position('none')
    ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
    # 设置刻度标签文本字体大小
    for label in ax.get_xticklabels() + ax.get_yticklabels():
        label.set_fontsize(16)
    ax.plot(np.arange(11), np.zeros(11))
    return ax

locators = [
    'plt.NullLocator()',
    'plt.MultipleLocator(base=1.0)',
    'plt.FixedLocator(locs=[0, 2, 8, 9, 10])',
    'plt.IndexLocator(base=3, offset=1)',
    'plt.LinearLocator(numticks=5)',
    'plt.LogLocator(base=2, subs=[1.0])',
    'plt.MaxNLocator(nbins=3, steps=[1, 3, 5, 7, 9, 10])',
    'plt.AutoLocator()',
]

n_locators = len(locators)

# 计算图形对象大小
size = 1024, 60 * n_locators
dpi = 72.0
figsize = size[0] / float(dpi), size[1]/float(dpi)

fig = plt.figure(figsize=figsize, dpi=dpi)

fig.patch.set_alpha(0) 
for i, locator in enumerate(locators):
    plt.subplot(n_locators, 1, i+1)
    ax = tickline()
    ax.xaxis.set_major_locator(eval(locator))
    plt.text(5, 0.3, locator[3:], ha='center', size=16)
plt.subplots_adjust(bottom=0.01, top=0.99, left=0.1, right=0.99)

locator_plot.png