您的位置：首页 > 编程语言 > PHP开发

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

轴的范围为

0-3

，

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

值序列，并自动为你生成

值。由于 python 范围从 0 开始，默认

向量具有与

相同的长度，但从 0
开始。因此

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

和

，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

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
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 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

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

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

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。

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航