Python中matplotlib pyplot常用的一些使用方法[Python 3.x]

使用pyplot需要导入如下lib：

import matplotlibimport matplotlib.pyplot as pltimport matplotlib.gridspec as gsfrom matplotlib.backends.backend_pdf import PdfPages

1. 进行输出Page的配置

matplotlib.rcdefaults()
p = matplotlib.rcParams
# 配置图表字体p["font.family"] = "sans-serif"p["font.sans-serif"] = ["SimHei", "Tahoma"]p["font.size"] = 10p["axes.unicode_minus"] = False
# 配置图表大小
p["figure.figsize"] = (14.15, 20) # A4纸大小，竖向页面
    # p["figure.figsize"] = (20, 14.15) # A4纸大小，横向页面
# 配置图表分辨率
p["figure.dpi"] = 200
# 配置绘图区域的大小和位置，下面的值是基于图标的宽和高的比例p["figure.subplot.left"] = 0.06   # 左边距 p["figure.subplot.right"] = 0.94   # 右边距p["figure.subplot.bottom"] = 0.05  # 下边距 p["figure.subplot.top"] = 0.92   # 上边距
# 配置subplots之间的间距（水平间距和垂直间距），也是基于图标的宽和高的比例
p["figure.subplot.wspace"] = 0.12
p["figure.subplot.hspace"] = 0.2

2. 生成PDF文件

# 准备数据

import numpy as np

t = np.arange(0.0, 5.0, 0.01)data = np.cos(2*np.pi*t)

# 配置图形

pdf = PdfPages(pdf_file)   # pdf_file为全路径的文件名

figure = plt.figure()
figure.subplots_adjust(hspace=0.4)   # 调整subplots之间的垂直方向的间距
figure.suptitle("Title")     # 设置页面上的标题
# 绘制第一个图形（曲线）
sp1 = figure.add_subplot(2, 1, 1)   # 设置plot的布局（rows, cols, num）
     # rows: 一页中图形的行数
     # cols: 一页中图形的列数
     # num: 绘制第几个图形（从1开始）
     # 还有一种写法: sp = figure.add_subplot(221)
# 进行基本的图形绘制
n = len(data)   # 要绘制数据的长度
sp1.set_xlim(0, n-1)   # 设置x轴的范围
sp1.set_ylim(-2, 2)   # 设置y轴的范围，不设置的话会自动设置合适的y值范围（可视区域最大化）
sp1.set_xlabel("x_label")
sp1.set_ylabel("y-label")
sp1.set_title("subtitle1", fontsize=10, color="b")   # 设置当前图形的Title
sp1.plot(data, linewidth=0.5, color="b")   # 以0.5线宽绘制蓝色的data图形
# 绘制第二个图形（点）
sp2 = figure.add_subplot(212)sp2.set_xlabel("x_label_dot")sp2.set_ylabel("y-label_dot")sp2.set_title("subtitle2", fontsize=10, color="r")for x, y in enumerate(data):   # 以尺寸为2绘制红色的点    sp2.plot(x, y, "o", markersize=2, markerfacecolor="red", markeredgecolor="red")

pdf.savefig(figure)
plt.close()pdf.close()
  
输出图形如下：
3. 如何将两个或多个图形合并在一起显示
使用GridSpec对象可以实现。
gs1 = gs.GridSpec(3, 1)  # 网格设置为3行，1列，其中第一个图形占2行，第二个图形占1行gs1.update(hspace=0, wspace=0, top=0.90, bottom=0.10)  # 为使两个图形合并在一起，hspace和wspace必须设置为0，top/bottom是基于整个页面的比例sp1 = plt.subplot(gs1[0:2, :])   # 注意gs中使用的是index(从0开始)，不包含结束点。                                    # 第一个参数"0:2"表示从第1行开始，占用2行到第三行结束；第二个参数":"表示占用所有列                                    # 此处也可以使用 sp = figure.add_subplot(gs1[0:2, :])
sp2 = plt.subplot(gs1[2:3, :])  # 从第二行开始，到第三行结束（不含第三行），占用一行
                                  # 此处也可以使用 sp = figure.add_subplot(gs1[2:3, :])
省略sp1和sp2的绘制过程，由于合并，不需显示sp1的xlabel和sp2的title，输出图形如下：
合并多个图形的示例（例如，合并5个图形在一起显示）：
gs1 = gridspec.GridSpec(5, 1)   # 网格设置为5行，每个图形占用一行
sp1 = plt.subplot((gs[0, :]))   # 每个图形占用一行，可以直接使用index表示
sp2 = plt.subplot((gs[1, :])) 
sp3 = plt.subplot((gs[2, :])) 
sp4 = plt.subplot((gs[3, :])) 
sp5 = plt.subplot((gs[4, :])) 

4. X轴和Y轴的多个坐标系
使用twinx()和twiny()方法。
twinx()：共用X轴，使用新的Y轴坐标
twiny()：共用Y轴，使用新的X轴坐标
创建新Y轴坐标：
ax1 = sp1.twinx()      # 第二Y轴（共用X轴）ax1.set_xlim(0, n-1)   # 设置与sp1相同的X轴范围（不设置默认也是相同的X轴范围），如果修改则sp1的X轴范围也会同时改变ymin, ymax = sp1.get_ylim()ax1.set_ylim(ymin-5, ymax+5)   # Y轴与sp1的Y轴是独立开来的，可以随意设置而不影响sp1的Y轴范围ax1.set_ylabel("第二Y轴：红色", color="r")for ytl in ax1.get_yticklabels():  # 设置为第二Y轴坐标显示为红色    ytl.set_color("r")ax1.set_xticks([])     # 此处设置为不显示X轴坐标，则整个图形就不显示X轴坐标了（共用sp1的X轴坐标），同时X轴的顶部和底部标尺都隐藏了ax1.plot(data1, linewidth=0.5, color="r")    # 绘制第二Y轴坐标系上的图形
输出图形如下：

创建新X轴坐标：
ax2 = sp1.twiny()      # 第二X轴（共用Y轴）ax2.set_xlim(0, len(data1)-1)   # X轴与sp1的X轴是独立开来的，可以随意设置而不影响sp1的X轴范围ymin, ymax = sp1.get_ylim()ax2.set_ylim(ymin, ymax)   # Y轴与sp1的Y轴是共用的，如果不设置则影响sp1的Y轴显示ax2.set_xlabel("第二X轴：绿色", color="green")for xtl in ax2.get_xticklabels():  # 设置为第二X轴坐标显示为绿色    xtl.set_color("g")ax2.plot(data1, linewidth=0.5, color="g")   # 绘制第二X轴坐标系上的图形ax2.plot([0, n], [0, 0], linewidth=0.1, color="grey")  # 绘制0基准线
输出图形如下：

隐藏X轴顶部的标尺，但保留底部的标尺：
# hide the top iden
ax2 = sp.twiny()ax2.set_xticks([])

5. 自定义X轴和Y轴的坐标值
sp = figure.add_subplot(111)sp.set_xlabel("x_label")sp.set_ylabel("y-label")sp.set_xticks(range(0, n, 20))   # 设置X轴的坐标点sp.set_xticklabels(["%d" % val for val in range(0, n, 20)])    # 设置X轴的坐标显示标签sp.set_ylim(-2, 2)sp.set_yticks([val/10 for val in range(-20, 21, 1)])   # 设置Y轴的坐标点sp.set_yticklabels(["%.1f" % (val/10) for val in range(-20, 21, 1)])   # 设置Y轴的坐标显示标签sp.plot([0, n], [0, 0], linewidth=0.1, color="grey")  # 绘制0基准线sp.plot(data, linewidth=0.5, color="b")   # 以0.5线宽绘制蓝色的data图形
输出图形如下：


如果X轴的坐标label比较长，显示会叠加的话，可以指定角度显示坐标label，如下：
xticklabels = ["%d" % val for val in range(0, n, 20)]
sp.set_xticklabels(xticklabels, rotation=40, fontsize=8, color="b")   # 指定ticklabel旋转的角度
还可以设置是否显示网格：
sp.grid(True)

输出图形如下：

6. 绘制柱状图

绘制柱状图可以直接使用line方式进行绘制，但会存在线条较粗时与底边无法对齐、或不同粗细的线条直接无法无缝衔接的问题。
sp = figure.add_subplot(111)sp.set_xlabel("x_label")sp.set_ylabel("y-label")sp.set_xlim(0, n-1)sp.set_ylim(-2, 2)sp.plot([0, n], [0, 0], linewidth=0.1, color="grey")  # 绘制0基准线sp.plot(data, linewidth=0.5, color="b")   # 以0.5线宽绘制蓝色的data图形# 绘制柱状图表for i, val in enumerate(data):    if i % 5 == 1:        sp.plot([i, i], [0, val*3/5], linewidth=3, color="g")
输出图形如下（每一根柱与0轴交汇的地方会突出来一些）：

如上图，使用line方式绘制柱状图时会存在线条无法完美衔接的问题，此时使用bar绘制即可解决。
# 绘制柱状图表left = []height = []width = []bottom = []color = []for i, val in enumerate(data):    if i % 5 == 1:        left.append(i)        height.append(val*3/5)        width.append(3)        bottom.append(0)        color.append("r" if val > 0 else "g")sp.bar(left, height, width=width, bottom=bottom, edgecolor="none", color=color)

输出图形如下：

绘制水平的柱图：
# 绘制水平的barsleft = []height = []width = []bottom = []color = []direction = 1 if data[0] > 0 else -1bar_start = 0for i, val in enumerate(data):    if (val > 0 and direction != 1) or (val <= 0 and direction != -1):            left.append(bar_start)            bottom.append(0.5 if direction == 1 else -0.5)            width.append(i - bar_start)            height.append(0.05)            color.append("r" if direction == 1 else "g")            bar_start = i            direction = 1 if val > 0 else -1sp.bar(left, height, width=width, bottom=bottom, edgecolor="none", color=color)
输出图形如下：