Day two：matplotlib

matplotlib的原理或者说基础逻辑是，用Artist对象在画布(canvas)上绘制(Render)图形。

而Artist对象又分为两类：primitives 和containers。

primitive是基本要素，它包含一些我们要在绘图区作图用到的标准图形对象，如曲线Line2D，文字text，矩形Rectangle，图像image等。

container是容器，即用来装基本要素的地方，包括图形figure、坐标系Axes和坐标轴Axis。

 所以说matplotlib的使用流程先要创建一个figure对象，可以理解为画布，然后在画布上画上axes（坐标系），坐标系是一种容器在容器中，可以添加primitive（要素）。

值得一提的是，Axes是一种容器，它可能是matplotlib API中最重要的类，并且我们大多数时间都花在和它打交道上。

figure容器

由于matplotlib绘画的逻辑是在figure，axes等容器上添加primitives。

atplotlib.figure.Figure是Artist最顶层的container-对象容器，它包含了图表中的所有元素。一张图表的背景就是在Figure.patch的一个矩形Rectangle。
当我们向图表添加Figure.add_subplot()或者Figure.add_axes()元素时，这些都会被添加到Figure.axes列表中。

fig=plt.figure() #创建一个figure容器
sub=fig.add_subplot(2,1,1)#创建了一个两行一列(即可以有两个subplot)的绘图区，并同时在第一个位置创建了一个subplot
x=np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*x)#创建数据
line = sub.plot(x, s, color='blue', lw=2)

                   

基本元素 - primitives

  像曲线-Line2D，矩形-Rectangle，图像-image 都是比较常见的基本元素

1.Line2D

  在matplotlib中曲线的绘制，主要是通过类 matplotlib.lines.Line2D 来完成的。

它的构造函数为：

class matplotlib.lines.Line2D(xdata, ydata, linewidth=None, linestyle=None, color=None, marker=None, markersize=None, markeredgewidth=None, markeredgecolor=None, markerfacecolor=None, markerfacecoloralt='none', fillstyle=None, antialiased=None, dash_capstyle=None, solid_capstyle=None, dash_joinstyle=None, solid_joinstyle=None, pickradius=5, drawstyle=None, markevery=None, **kwargs)

常用的有

• xdata:需要绘制的line中点的在x轴上的取值，若忽略，则默认为range(1,len(ydata)+1)

• ydata:需要绘制的line中点的在y轴上的取值

• linewidth:线条的宽度

• linestyle:线型

• color:线条的颜色

• marker:点的标记，详细可参考markers API

• markersize:标记的size

可以通过以下三种方式创建线的属性

    1.直接在plot()函数中设置

import matplotlib.pyplot as plt
x = np.arange(0.0, 1.0, 0.01)
y = np.sin(2*np.pi*t)
plt.plot(x,y, lw=2,color='red'); # 设置线的粗细参数为10,颜色为red

     2.通过获得线对象，对线对象进行设置

x = np.arange(0.0, 1.0, 0.01)
y = np.sin(2*np.pi*t)
line ,= plt.plot(x, y, '--')# 虚线
line.set_antialiased(False) # 关闭抗锯齿功能

 这里 line后面加逗号是为了把plot返回的元组拆包，获取第一个元素

     3.获得线属性，使用setp()函数设置

x = np.arange(0.0, 1.0, 0.01)
y = np.sin(2*np.pi*t)
lines = plt.plot(x, y)
plt.setp(lines, color='r', linewidth=10);

 以上是运用plot的方法绘制直线，还有另外一种方法，lin2D对象绘制。

import matplotlib.pyplot as plt
from matplotlib.lines import Line2D      

fig = plt.figure() #创建figure
ax = fig.add_subplot(111)#创建一行一列的绘图区，并在第一个位置创建了一个subplot
line = Line2D(x, y)
ax.add_line(line)
ax.set_xlim(min(x), max(x))  #x坐标轴从min(x)，到max(x)
ax.set_ylim(min(y), max(y))

plt.show()

其中 fig.add_subplot(111) 是创建一行一列的绘图区，并在第一个位置创建了一个subplot。

  其中 ax.set_xlim(min(x), max(x))  表示 x坐标轴范围从min(x)，到max(x)

绘制errorbar误差折线图

pyplot里有个专门绘制误差线的功能，通过errorbar类实现，它的构造函数：

matplotlib.pyplot.errorbar(x, y, yerr=None, xerr=None, fmt='', ecolor=None, elinewidth=None, capsize=None, barsabove=False, lolims=False, uplims=False, xlolims=False, xuplims=False, errorevery=1, capthick=None, *, data=None, **kwargs)

其中最主要的参数是前几个:

• x：需要绘制的line中点的在x轴上的取值

• y：需要绘制的line中点的在y轴上的取值

• yerr：指定y轴水平的误差

• xerr：指定x轴水平的误差

• fmt：指定折线图中某个点的颜色，形状，线条风格，例如‘co--’

• ecolor：指定error bar的颜色

• elinewidth：指定error bar的线条宽度

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
x = np.arange(10)
y = 2.5 * np.sin(x / 20 * np.pi)
yerr = np.linspace(0.05, 0.2, 10)
plt.errorbar(x, y + 3, yerr=yerr, label='both limits (default)');

y轴水平误差为yerr。

2.patches

  matplotlib.patches.Patch类是二维图形类。它的基类是matplotlib.artist.Artist，它的构造函数：
详细清单见 matplotlib.patches API

Patch(edgecolor=None, facecolor=None, color=None, linewidth=None, linestyle=None, antialiased=None, hatch=None, fill=True, capstyle=None, joinstyle=None, **kwargs)

  a. Rectangle-矩形

Rectangle矩形类在官网中的定义是： 通过锚点xy及其宽度和高度生成。 Rectangle本身的主要比较简单，即xy控制锚点，width和height分别控制宽和高。它的构造函数：

class matplotlib.patches.Rectangle(xy, width, height, angle=0.0, **kwargs)

在实际中最常见的矩形图是hist直方图和bar条形图

     (1).hist直方图

matplotlib.pyplot.hist(x,bins=None,range=None, density=None, bottom=None, histtype='bar', align='mid', log=False, color=None, label=None, stacked=False, normed=None)

下面是一些常用的参数：

• x: 数据集，最终的直方图将对数据集进行统计
• bins: 统计的区间分布
• range: tuple, 显示的区间，range在没有给出bins时生效
• density: bool，默认为false，显示的是频数统计结果，为True则显示频率统计结果，这里需要注意，频率统计结果=区间数目/(总数*区间宽度)，和normed效果一致，官方推荐使用density
• histtype: 可选{'bar', 'barstacked', 'step', 'stepfilled'}之一，默认为bar，推荐使用默认配置，step使用的是梯状，stepfilled则会对梯状内部进行填充，效果与bar类似
• align: 可选{'left', 'mid', 'right'}之一，默认为'mid'，控制柱状图的水平分布，left或者right，会有部分空白区域，推荐使用默认
• log: bool，默认False,即y坐标轴是否选择指数刻度
• stacked: bool，默认为False，是否为堆积状图

  import matplotlib.pyplot as plt
  import numpy as np 
  x=np.random.randint(0,100,10) #生成[0-100)之间的100个数据,即 数据集 
  bins=np.arange(0,101,10) #设置连续的边界值，即直方图的分布区间[0,10),[10,20)... 
  plt.hist(x,bins,color='pink',alpha=0.5)#alpha设置透明度，0为完全透明 
  plt.xlabel('scores') 
  plt.ylabel('count') 
  plt.xlim(0,100)#设置x轴分布范围 plt.show()
  print(bins)

  直方图的纵坐标为落入到数据集落入到区间（bins）的数量

     （2)bar 柱状图

• matplotlib.pyplot.bar(left, height, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3)

  下面是一些常用的参数：

• left：x轴的位置序列，一般采用range函数产生一个序列，但是有时候可以是字符串
• height：y轴的数值序列，也就是柱形图的高度，一般就是我们需要展示的数据；
• alpha：透明度，值越小越透明
• width：为柱形图的宽度，一般这是为0.8即可；
• color或facecolor：柱形图填充的颜色；
• edgecolor：图形边缘颜色
• label：解释每个图像代表的含义，这个参数是为legend()函数做铺垫的，表示该次bar的标签

import matplotlib.pyplot as plt
y = range(1,17)
plt.bar(np.arange(16), y, alpha=0.8, width=1, color='blue', edgecolor='white', label='The second Bar', lw=4)

 b. Polygon-多边形

构造函数为         class matplotlib.patches.Polygon(xy, closed=True, **kwargs)

其中  xy是一个N×2的numpy array，为多边形的顶点。
         closed为True则指定多边形将起点和终点重合从而显式关闭多边形。

matplotlib.patches.Polygon类中常用的是fill类，它是基于xy绘制一个填充的多边形，它的定义：

matplotlib.pyplot.fill(*args, data=None, **kwargs)

参数说明 : 关于x、y和color的序列，其中color是可选的参数，每个多边形都是由其节点的x和y位置列表定义的，后面可以选择一个颜色说明符。您可以通过提供多个x、y、[颜色]组来绘制多个多边形。

# 用fill来绘制图形
import matplotlib.pyplot as plt
x = np.linspace(0, 5 * np.pi, 1000) 
y1 = np.sin(x)
y2 = np.sin(2 * x) 
plt.fill(x, y2, color = "b", alpha = 0.8);

 c. Wedge-契形

   

class matplotlib.patches.Wedge(center, r, theta1, theta2, width=None, **kwargs)

一个Wedge-契形 是以坐标x,y为中心，半径为r，从θ1扫到θ2(单位是度)。
如果宽度给定，则从内半径r -宽度到外半径r画出部分楔形。wedge中比较常见的是绘制饼状图。

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)

• x：契型的形状，一维数组。

• explode：如果不是等于None，则是一个len(x)数组，它指定用于偏移每个楔形块的半径的分数。

• labels：用于指定每个契型块的标记，取值是列表或为None。

• colors：饼图循环使用的颜色序列。如果取值为None，将使用当前活动循环中的颜色。

• startangle：饼状图开始的绘制的角度。

如下所示，数据为size，数据偏移量为explode，有阴影，开始绘制角度为0；

import matplotlib.pyplot as plt 
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10] 
explode = (0, 0.2,0, 0) 
fig1=plt.figure()
ax1=fig1.add_subplot(111)
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=0) #
ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle. 

 散点图的绘制

   Axes.scatter(self, x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)

重要的参数主要有

• x：数据点x轴的位置

• y：数据点y轴的位置

• s：尺寸大小

• c：可以是单个颜色格式的字符串，也可以是一系列颜色

• marker: 标记的类型

  # 用scatter绘制散点图
  x = [0,2,4,6,8,10] 
  y = np.linspace(0,1,len(x))*len(x) 
  s = [20*2**n for n in range(len(x))] 
  plt.scatter(x,y,s=s,c=np.random.randn(len(x))) 
  plt.show()