Matplotlib 中文用户指南 3.1 pyplot 教程
2017-09-15 09:14
489 查看
pyplot 教程
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 plt plt.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 plt plt.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 np import matplotlib.pyplot as plt # evenly sampled time at 200ms intervals t = np.arange(0., 5., 0.2) # red dashes, blue squares and green triangles plt.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, 10d57 '-') 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。
属性 | 值类型 |
---|---|
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 |
linestyleor ls | [ '-' / '--' / '-.' / ':' / 'steps' / ...] |
linewidthor 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 |
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 np import matplotlib.pyplot as plt 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--') 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 plt plt.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 np import matplotlib.pyplot as plt mu, sigma = 100, 15 x = 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 np import 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 plot plt.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) # logit plt.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。
作者:龙哥盟飞龙
链接:http://www.jianshu.com/p/c495e663f0ed
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
相关文章推荐
- Matplotlib 中文用户指南 3.1 pyplot 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 3.2 图像教程
- Matplotlib 中文用户指南 3.8 路径教程
- Matplotlib 中文用户指南 3.9 路径效果指南
- Matplotlib 中文用户指南 8.1 屏幕截图
- Matplotlib 中文用户指南 1 简介
- Matplotlib 中文用户指南 8.2 我们最喜欢的秘籍
- Matplotlib 中文用户指南 2 安装
- Matplotlib 中文用户指南 3.5 密致布局指南
- Matplotlib 中文用户指南 4.1 文本介绍
- Matplotlib 中文用户指南 3.6 图例指南
- Matplotlib 中文用户指南 4.2 基本的文本命令
- Matplotlib 中文用户指南 4.3 文本属性及布局
- Matplotlib 中文用户指南 4.4 默认字体
- Matplotlib 中文用户指南 4.5 标注
- Matplotlib 中文用户指南 3.3 使用 GridSpec 自定义子图位置
- Matplotlib 中文用户指南 4.6 编写数学表达式
- Matplotlib 中文用户指南 4.7 使用 LaTeX 渲染文本