基于官方文档的matplotlib简介

基于官方文档的Python库matplotlib简介

本文参考matplotlib pyplot tutorial文档，是笔者对matplotlib库的认真回顾。

绘图简介

使用matplotlib库绘图，原理很简单，就是下面这5步：

1. 创建一个图纸
2. 在图纸上创建一个绘图(plotting)区域
3. 在plotting区域上描绘各种线
4. 为plotting添加修饰标签
5. 等各种DIY

在上面的过程中，主要就是下面三个元素：

• 变量
• 函数
• figure和axes
  其中，变量和函数通过改变figure和axes中的元素（例如：title,label,点和线等等）一起描述figure和axes，也就是在画布上绘图。图片结构如下图所示：
  

然后就可以通过matplotlib画一个简单的图了

import matplotlib.pyplot as pltplt.plot([1,2,3,4])plt.xlabel('some numbers')plt.ylabel('some numbers')plt.title('a straight line')

解释：

可以看到，画最简单的图只需要两行代码就够了
先导入plt→import matplotlib.pyplot as plt,然后画图→plt.plot([1,2,3,4]) ，这实际上就是5步中的第3步。
当然上面代码的后三行是修饰部分，是5布当中的第4步。
第1步和第2步实际上已经被Python智能默认了。下面会讲到。

然后，问题来了。为什么y是1-4，而x是0-3？
因为，如果你只提供一个列表或数组参数给plot()命令，matplotlib会默认这是给y的，然后自动生成x。
附plot()的参数：plot(*args,**kwargs)，其中args为x，y以及绘图线的颜色和类型。
这一次，我们传入两个列表，并且对描绘线的类型和颜色参数进行定义

plt.plot([1,2,3,4], [1,4,9,16], 'ro')plt.axis([0, 6, 0, 20])

axis()描述了坐标轴的度量

之前都是传入列表的情况，下面是传入数组的情况，而且后者才是主流。

import numpy as np# evenly sampled time at 200ms intervalst = np.arange(0., 5., 0.2)# red dashes, blue squares and green trianglesplt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')

操控绘图线

绘图线有很多属性：线宽，类型，各种属性。参考matplotlib.lines
例如：plt.plot(x, y, linewidth=2.0)

多图多axes

MATLAB和plt1都有当前figure和axes的概念
也就是说，通过plt 进行的操作都是对当前图或子图进行的,所有的绘图命令都是针对当前figure和axes的。
gca()可以输出当前axes，gcf()可以输出当前figure。不过一般都不用考虑这么多。下面是一个双子图的例子：

def f(t):    return np.exp(-t) * np.cos(2*np.pi*t)t1 = np.arange(0.0, 5.0, 0.1)t2 = np.arange(0.0, 5.0, 0.02)plt.figure(1)plt.subplot(211)plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')plt.subplot(212)plt.plot(t2, np.cos(2*np.pi*t2), 'r--')

如果figure()和subplot()没有定义的话，都默认为figure(1)和subplot(111)。
figure()命令定义图片数和其他关键字参数。
例如： figure(1) 定义图片1； figure(2) 定义图片2……
subplot()命令定义子图数，横轴，纵轴，还可以定义其他的关键字参数。
例如： subplot(211) 定义子图1在第一行第一列； subplot(212) 定义子图2在第一行第二列……
PS1: 若子图数小于10，那么参数之间有没有逗号都无所谓。
PS2: 通过plt.axes([left, bottom, width, height])命令可以自由定义子图位置大小。

plt.figure(1)                # the first figureplt.subplot(211)             # the first subplot in the first figureplt.plot([1, 2, 3])plt.subplot(212)             # the second subplot in the first figureplt.plot([4, 5, 6])plt.figure(2)                # a second figureplt.plot([4, 5, 6])          # creates a subplot(111) by defaultplt.figure(1)                # figure 1 current; subplot(212) still currentplt.subplot(211)             # make subplot(211) in figure1 currentplt.title('Easy as 1, 2, 3') # subplot 211 title

由于根据特定布局创建Figure和subplot是一件非常常见的任务，于是便出现了一个更为方便的方法plt.subplots，它可以创建一个新的Figure，并返回一个含有已创建的subplot对象的Numpy数组：

In [22]: fig, axes = plt.subplots(2, 3)In [23]: axesOut[23]:array([[Axes(0.125, 0.53364;...),        Axes(...),        Axes(...)],       [Axes(...),        Axes(...),        Axes(...)]], dtype=object)

有关该方法的更多信息，pyplot.subplots的选项：

参数 说明 nrows subplot的行数 ncols subplot的列数 sharex 所有subplot应该使用相同的X轴刻度(调节xlim将会影响所有subplot) sharey 所有subplot应该使用相同的Y轴坐标(调节ylim将会影响所有subplot) subplot_kw 用于创建各subplot的关键字典 **fig_kw 创建figure时的其他关键字，如plt.subplots(2,2,figsize=(8,6))

PS:

figure过度会有内存警告，只有通过close()或图形用户界面关掉figure才会释放内存。当然也可以直接删除：clf()删除当前figure,cla()删除当前axes

利用Figure的subplots_adjust方法可以轻而易举地修改间距，此外，它也是个顶级函数

文本工作

test()命令可以在任意位置添加文本
xlabel(), ylabel(), title()分别用来在横轴，纵轴和标题区域添加文本。

mu, sigma = 100, 15x = mu + sigma * np.random.randn(10000)# the histogram of the datan, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)plt.xlabel('Smarts')plt.ylabel('Probability')plt.title('Histogram of IQ')plt.text(60, .025, r'$\mu=100,\ \sigma=15$')plt.axis([40, 160, 0, 0.03])plt.grid(True)

例：t = plt.xlabel('my data', fontsize=14, color='red')

标记文本

text()自由添加文本的最大作用就是注释，而 annotate()可以帮我们更好的完成这个任务。
annotate()需要考虑两点，一个是注释点，一个是文本点。

ax = plt.subplot(111)t = np.arange(0.0, 5.0, 0.01)s = np.cos(2*np.pi*t)line, = plt.plot(t, s, lw=2)plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),            arrowprops=dict(facecolor='black', shrink=0.05),            )plt.ylim(-2,2)

上面的annotate()坐标系都是用的数据坐标系，还有其他的坐标系可选。
见Annotating text和Annotating Axes

对数坐标轴和其他非线性坐标轴

matplotlib不止于线性坐标轴，还可以用对数或分对数坐标轴
例如改变x轴坐标尺度：plt.xscale(‘log’)

# make up some data in the interval ]0, 1[y = np.random.normal(loc=0.5, scale=0.4, size=1000)y = y[(y > 0) & (y < 1)]y.sort()x = np.arange(len(y))# plot with various axes scalesplt.figure(1)# linearplt.subplot(221)plt.plot(x, y)plt.yscale('linear')plt.title('linear')plt.grid(True)# logplt.subplot(222)plt.plot(x, y)plt.yscale('log')plt.title('log')plt.grid(True)# symmetric logplt.subplot(223)plt.plot(x, y - y.mean())plt.yscale('symlog', linthreshy=0.05)plt.title('symlog')plt.grid(True)# logitplt.subplot(224)plt.plot(x, y)plt.yscale('logit')plt.title('logit')plt.grid(True)

将图标保存到文件

利用plt.savefig可以将当前图标保存到文件。该方法相当于Figure对象的实例方法savefig。例如，要将图标保存为SVG文件，你只需输入：plt.savefig('figpath.svg')。文件类型是通过文件扩展名推断出来的
Figure.savefig方法的参数及说明如下表所示：

参数 说明 fname 含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出 dpi 图像分辨率(每英寸点数)，默认为100 favecolor, edgecolor 图像的背景色，默认为”w”(white) format 显示设置文件格式(“png”, “pdf”, “svg”, “ps”, “eps”…) bbox_inches 图标需要保存的部分。如果设置为”tight”，则将尝试检出图标周围的空白部分

---

1. matplotllib.pyplot的习惯性简写 ↩