Matplotlib 中文用户指南 3.1 pyplot 教程
来源:互联网 发布:汽车有必要贴膜吗 知乎 编辑:程序博客网 时间:2024/05/19 13:20
pyplot 教程
原文:Pyplot tutorial
译者:飞龙
协议:CC BY-NC-SA 4.0
matplotlib.pyplot
是一个命令风格函数的集合,使matplotlib
的机制更像 MATLAB。 每个绘图函数对图形进行一些更改:例如,创建图形,在图形中创建绘图区域,在绘图区域绘制一些线条,使用标签装饰绘图等。在matplotlib.pyplot
中,各种状态跨函数调用保存,以便跟踪诸如当前图形和绘图区域之类的东西,并且绘图函数始终指向当前轴域(请注意,这里和文档中的大多数位置中的『轴域』(axes)是指图形的一部分(两条坐标轴围成的区域),而不是指代多于一个轴的严格数学术语)。
import matplotlib.pyplot as pltplt.plot([1,2,3,4])plt.ylabel('some numbers')plt.show()
你可能想知道为什么x
轴的范围为0-3
,y
轴的范围为1-4
。 如果你向plot()
命令提供单个列表或数组,则matplotlib
假定它是一个y
值序列,并自动为你生成x
值。 由于 python 范围从 0 开始,默认x
向量具有与y
相同的长度,但从 0 开始。因此x
数据是[0,1,2,3]
。
plot()
是一个通用命令,并且可接受任意数量的参数。 例如,要绘制x
和y
,你可以执行命令:
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
对于每个x,y
参数对,有一个可选的第三个参数,它是指示图形颜色和线条类型的格式字符串。 格式字符串的字母和符号来自 MATLAB,并且将颜色字符串与线型字符串连接在一起。 默认格式字符串为"b-"
,它是一条蓝色实线。 例如,要绘制上面的红色圆圈,你需要执行:
import matplotlib.pyplot as pltplt.plot([1,2,3,4], [1,4,9,16], 'ro')plt.axis([0, 6, 0, 20])plt.show()
有关线型和格式字符串的完整列表,请参见plot()
文档。 上例中的axis()
命令接收[xmin,xmax,ymin,ymax]
的列表,并指定轴域的可视区域。
如果matplotlib
仅限于使用列表,它对于数字处理是相当无用的。 一般来说,你可以使用numpy
数组。 事实上,所有序列都在内部转换为numpy
数组。 下面的示例展示了使用数组和不同格式字符串,在一条命令中绘制多个线条。
import numpy as npimport matplotlib.pyplot as plt# 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^')plt.show()
控制线条属性
线条有许多你可以设置的属性:linewidth
,dash style
,antialiased
等,请参见matplotlib.lines.Line2D
。 有几种方法可以设置线属性:
使用关键字参数:
plt.plot(x, y, linewidth=2.0)
使用
Line2D
实例的setter
方法。plot
返回Line2D
对象的列表,例如line1,line2 = plot(x1,y1,x2,y2)
。 在下面的代码中,我们假设只有一行,返回的列表长度为 1。我们对line
使用元组解构,得到该列表的第一个元素:line, = plt.plot(x, y, '-')line.set_antialiased(False) # turn off antialising
使用
setp()
命令。 下面的示例使用 MATLAB 风格的命令来设置线条列表上的多个属性。setp
使用对象列表或单个对象透明地工作。 你可以使用 python 关键字参数或 MATLAB 风格的字符串/值对:lines = plt.plot(x1, y1, x2, y2)# 使用关键字参数plt.setp(lines, color='r', linewidth=2.0)# 或者 MATLAB 风格的字符串值对plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
下面是可用的Line2D
属性。
alpha
浮点值 animated
[True / False]
antialiased or aa
[True / False]
clip_box
matplotlib.transform.Bbox
实例 clip_on
[True / False]
clip_path
Path
实例, Transform
,以及Patch
实例 color or c
任何 matplotlib
颜色 contains
命中测试函数 dash_capstyle
['butt' / 'round' / 'projecting']
dash_joinstyle
['miter' / 'round' / 'bevel']
dashes
以点为单位的连接/断开墨水序列 data
(np.array xdata, np.array ydata)
figure
matplotlib.figure.Figure
实例 label
任何字符串 linestyle
or ls
[ '-' / '--' / '-.' / ':' / 'steps' / ...]
linewidth
or lw
以点为单位的浮点值 lod
[True / False]
marker
[ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]
markeredgecolor or mec
任何 matplotlib
颜色 markeredgewidth or mew
以点为单位的浮点值 markerfacecolor or mfc
任何 matplotlib
颜色 markersize or ms
浮点值 markevery
[ None / 整数值 / (startind, stride) ]
picker
用于交互式线条选择 pickradius
线条的拾取选择半径 solid_capstyle
['butt' / 'round' / 'projecting']
solid_joinstyle
['miter' / 'round' / 'bevel']
transform
matplotlib.transforms.Transform
实例 visible
[True / False]
xdata
np.array
ydata
np.array
zorder
任何数值要获取可设置的线条属性的列表,请以一个或多个线条作为参数调用step()
函数
In [69]: lines = plt.plot([1, 2, 3])In [70]: plt.setp(lines) alpha: float animated: [True | False] antialiased or aa: [True | False] ...snip
处理多个图形和轴域
MATLAB 和 pyplot 具有当前图形和当前轴域的概念。 所有绘图命令适用于当前轴域。 函数gca()
返回当前轴域(一个matplotlib.axes.Axes
实例),gcf()
返回当前图形(matplotlib.figure.Figure
实例)。 通常,你不必担心这一点,因为它都是在幕后处理。 下面是一个创建两个子图的脚本。
import numpy as npimport matplotlib.pyplot as pltdef 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--')plt.show()
这里的figure()
命令是可选的,因为默认情况下将创建figure(1)
,如果不手动指定任何轴域,则默认创建subplot(111)
。subplot()
命令指定numrows
,numcols
,fignum
,其中fignum
的范围是从1
到numrows * numcols
。 如果numrows * numcols <10
,则subplot
命令中的逗号是可选的。 因此,子图subplot(211)
与subplot(2, 1, 1)
相同。 你可以创建任意数量的子图和轴域。 如果要手动放置轴域,即不在矩形网格上,请使用axes()
命令,该命令允许你将axes([left, bottom, width, height])
指定为位置,其中所有值都使用小数(0 到 1)坐标。 手动放置轴域的示例请参见pylab_examples
示例代码:axes_demo.py
,具有大量子图的示例请参见pylab_examples
示例代码:subplots_demo.py
。
你可以通过使用递增图形编号多次调用figure()
来创建多个图形。 当然,每个数字可以包含所需的轴和子图数量:
import matplotlib.pyplot as pltplt.figure(1) # 第一个图形plt.subplot(211) # 第一个图形的第一个子图plt.plot([1, 2, 3])plt.subplot(212) # 第一个图形的第二个子图plt.plot([4, 5, 6])plt.figure(2) # 第二个图形plt.plot([4, 5, 6]) # 默认创建 subplot(111)plt.figure(1) # 当前是图形 1,subplot(212)plt.subplot(211) # 将第一个图形的 subplot(211) 设为当前子图plt.title('Easy as 1, 2, 3') # 子图 211 的标题
你可以使用clf()
清除当前图形,使用cla()
清除当前轴域。 如果你搞不清在幕后维护的状态(特别是当前的图形和轴域),不要绝望:这只是一个面向对象的 API 的简单的状态包装器,你可以使用面向对象 API(见艺术家教程)。
如果你正在制作大量的图形,你需要注意一件事:在一个图形用close()
显式关闭之前,该图所需的内存不会完全释放。 删除对图形的所有引用,和/或使用窗口管理器杀死屏幕上出现的图形的窗口是不够的,因为在调用close()
之前,pyplot
会维护内部引用。
处理文本
text()
命令可用于在任意位置添加文本,xlabel()
,ylabel()
和title()
用于在指定的位置添加文本(详细示例请参阅文本介绍)。
import numpy as npimport matplotlib.pyplot as pltmu, sigma = 100, 15x = mu + sigma * np.random.randn(10000)# 数据的直方图n, 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)plt.show()
所有的text()
命令返回一个matplotlib.text.Text
实例。 与上面一样,你可以通过将关键字参数传递到text
函数或使用setp()
来自定义属性:
t = plt.xlabel('my data', fontsize=14, color='red')
这些属性的更详细介绍请见文本属性和布局。
在文本中使用数学表达式
matplotlib
在任何文本表达式中接受 TeX 方程表达式。 例如,要在标题中写入表达式,可以编写一个由美元符号包围的 TeX 表达式:
plt.title(r'$\sigma_i=15$')
标题字符串之前的r
很重要 - 它表示该字符串是一个原始字符串,而不是将反斜杠作为 python 转义处理。 matplotlib
有一个内置的 TeX 表达式解析器和布局引擎,并且自带了自己的数学字体 - 详细信息请参阅编写数学表达式。 因此,你可以跨平台使用数学文本,而无需安装 TeX。 对于安装了 LaTeX 和dvipng
的用户,还可以使用 LaTeX 格式化文本,并将输出直接合并到显示图形或保存的 postscript 中 - 请参阅使用 LaTeX 进行文本渲染。
标注文本
上面的text()
基本命令将文本放置在轴域的任意位置。 文本的一个常见用法是对图的某些特征执行标注,而annotate()
方法提供一些辅助功能,使标注变得容易。 在标注中,有两个要考虑的点:由参数xy
表示的标注位置和xytext
表示的文本位置。 这两个参数都是(x, y)
元组。
在此基本示例中,xy
(箭头提示)和xytext
(文本)都位于数据坐标中。 有多种其他坐标系可供选择 - 详细信息请参阅标注文本和标注轴域。 更多示例可以在pylab_examples
示例代码:annotation_demo.py
中找到。
对数和其它非线性轴
matplotlib.pyplot
不仅支持线性轴刻度,还支持对数和对数刻度。 如果数据跨越许多数量级,通常会使用它。 更改轴的刻度很容易:
plt.xscale('log')
下面示例显示了四个图,具有相同数据和不同刻度的y
轴。
import numpy as npimport matplotlib.pyplot as plt# 生成一些区间 [0, 1] 内的数据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))# 带有多个轴域刻度的 plotplt.figure(1)# 线性plt.subplot(221)plt.plot(x, y)plt.yscale('linear')plt.title('linear')plt.grid(True)# 对数plt.subplot(222)plt.plot(x, y)plt.yscale('log')plt.title('log')plt.grid(True)# 对称的对数plt.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)plt.show()
还可以添加自己的刻度,详细信息请参阅向matplotlib
添加新的刻度和投影。
- Matplotlib 中文用户指南 3.1 pyplot 教程
- Matplotlib 中文用户指南 3.1 pyplot 教程
- matplotlib pyplot 显示中文
- Matplotlib 中文用户指南 3.2 图像教程
- Matplotlib 中文用户指南 3.5 艺术家教程
- Matplotlib 中文用户指南 3.7 变换教程
- Matplotlib 中文用户指南 3.8 路径教程
- 学习matplotlib--pyplot教程
- matplotlib.pyplot中文标题乱码
- matplotlib.pyplot官方翻译教程
- Python matplotlib简介 Pyplot教程
- Matplotlib 中文用户指南 1 简介
- Matplotlib 中文用户指南 2 安装
- Matplotlib 中文用户指南 4.5 标注
- python matplotlib.pyplot出现中文乱码问题
- 三、Matplotlib系列---pyplot的中文显示
- Matplotlib 中文用户指南 6 自定义 matplotlib
- matplotlib.pyplot
- 操作系统总结(二)系统调用及系统结构
- BZOJ 3207 花神的嘲讽计划Ⅰ
- sublime text 3 3114 注册码
- 我的第一篇博客
- myeclipse单元测试
- Matplotlib 中文用户指南 3.1 pyplot 教程
- win10安装Tensorflow 0.12 && Tensorflow 1.0.0
- IDEA多模块项目运行配置之jetty
- idea总结几个不错的插件
- gulp学习2-插件
- Canvas和Path有关的方法总结
- Java中的Map List Set等集合类
- python3 学习笔记 01-01 初接触
- JavaWeb中常常遇到的乱码问题处理-更正