matplotlib绘图入门详解简书_pro画图软件

matplotlib介绍

        matplotlib 是python最著名的绘图库，十分适合交互式地进行制图，而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。Matplotlib：Matlab的语法、python语言、latex的画图质量。面向对象方式绘图：matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。

安装numpy和matplotlib

pip install numpy

pip install matplotlib

pyplot绘图基础

matplotlib的pyplot子库提供的绘图API，方便用户快速绘制2D图表。

调用figure创建一个绘图对象，并且使它成为当前的绘图对象。（可选）

plt.figure(figsize=(8,4))

figsize参数：指定绘图对象的宽度和高度，单位为英寸；

dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。

也可以不创建绘图对象直接调用接下来的plot函数直接绘图，matplotlib会为我们自动创建一个绘图对象！
如果需要同时绘制多幅图表的话，可以是给figure传递一个整数参数指定图标的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。

本例中所创建的图表窗口的宽度为8*80 = 640像素。但是用show()出来的工具栏中的保存按钮保存下来的png图像的大小是800*400像素。这是因为保存图表用的函数savefig使用不同的DPI配置，savefig函数也有一个dpi参数，默认使用matplotlib配置文件中的配置，配置查看matplotlib.rcParams[“savefig.dpi”]100

获取当前图和轴线

        Matplotlib 里的常用类的包含关系为 Figure -> Axes -> (Line2D, Text, etc.)。一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，可以理解为子图。

        当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示”Get Current Figure”和”Get Current Axes”。在绘制子图时也可以通过plt.sca(plt.subplot(all_fig_num, 1, cur_figid))来绘制子图。在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，比如说：    plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。

如，用下面的代码先获得axes对象再用ax来操作

ax = plt.gca()

ax = plt.axes()

如设置xy轴的tickers就要用ax.yaxis来操作

ax.yaxis.set_minor_locator(yminorLocator)

plt.getp(plt.gcf())     #获取当前图的属性
alpha = 1.0
animated = False
…

Figure对象有一个axes属性，其值为AxesSubplot对象的列表，每个AxesSubplot对象代表图表中的一个子图，前面所绘制的图表只包含一个子图，当前子图也可以通过plt.gca获得

>>> plt.getp(f, “axes”)
[<matplotlib.axes.AxesSubplot object at 0x05CDD170>]
>>> plt.gca()
<matplotlib.axes.AxesSubplot object at 0x05CDD170>

在当前的绘图对象中进行绘图

折线图plot函数

import matplotlib.pyplot as plt
plt.plot(years, price, ‘b*’)     #,label=”$cos(x^2)$”)
plt.plot(years, price, ‘r’)
lines = plt.plot(x, np.sin(x), x, np.cos(x)) # 同时绘制两条曲线，lines是有两个Line2D对象的列表
Note:
第三个参数”b–“指定曲线的颜色和线型。
关键字参数指定各种属性：

        label : 给所绘制的曲线一个名字，此名字在图示/图例(legend)中显示。只要在字符串前后添加”$”符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。

        color : 指定曲线的颜色linewidth : 指定曲线的宽度
具体参见后面的【附录 – matplotlib中的作图参数】

散点图scatter函数

plt.scatter(years, price, c=’r’, marker=’+’, s=20, lw=0.5)

属性配置

设置绘图对象的各个属性

    plt.xlabel(“years(+2000)”)   #设置X轴的文字
    plt.ylabel(“housing average price(*2000 yuan)”)
    plt.ylim(0, 15)    #设置Y轴的范围
    plt.title(‘line_regression & gradient decrease’)    #设置图表的标题
    plt.legend()    #显示图示

    matplotlib.rc(‘xtick’, labelsize=18) #设置xlabel和ylabel显示的大小

    matplotlib.rc(‘ytick’, labelsize=18)

    给一些特殊点做注释[参考matplotlib绘图实例：pyplot、pylab模块及作图参数]

Matplotlib中的作图参数

a set of tables that show main properties and styles
在IPython中输入 “plt.plot?” 可以查看格式化字符串的详细配置。

Markers点型（标记）

标记大小（markersize 简写为 s或者ms）：    markersize： 实数
标记边缘宽度（markeredgewidth 简写为 mew）：    markeredgewidth：实数
标记边缘颜色（markeredgecolor 简写为 mec）：    markeredgecolor：颜色选项中的任意值。
标记表面颜色（markerfacecolor 简写为 mfc）：    markerfacecolor：颜色选项中的任意值，none表示无色，空心。  [marker填充色]

透明度（alpha）：    alpha： [0,1]之间的浮点数
线宽（linewidth）：    linewidth： 实数

设置marker显示的个数（marker数目太多时可以使用）: markevery. You could decide on the x locations where you want the marks, use e.g. numpy.searchsorted to find which data points the locations fall between, and then interpolate between the neighboring points to find the y coordinates. [Plot with fewer markers than data points (or a better way to plot CDFs?)]

示例：绘制空心圆：设置mfc=’none’, mec=’r’。

markers形状

plt.plot(…, marker=’*’)

点label

通过在指定坐标写文字实现

在指定坐标写文字

plt.text(x, y, s, fontsize, verticalalignment,horizontalalignment,rotation , **kwargs)

参数说明：
x,y表示标签添加的位置，默认是根据坐标轴的数据来度量的，是绝对值，也就是说图中点所在位置的对应的值，特别的，如果你要变换坐标系的话，要用到transform=ax.transAxes参数。
s表示标签的符号，字符串格式，比如你想加个“我爱三行科创”，更多的是你标注跟数据有关的主体，你如实写便是。
fontsize顾名思义就是你加标签字体大小了，取整数。

position: 指定text显示的位置。

va或者verticalalignment表示垂直对齐方式 ，可选 ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等
ha或者horizontalalignment表示水平对齐方式 ，可以填 ‘center’ ， ‘right’ ，‘left’ 等

rotation表示标签的旋转角度，以逆时针计算，取整
后面还有 family 用来设置字体，style 设置字体的风格，weight 字体的粗细, bbox 给字体添加框,如 bbox=dict(facecolor=‘red’, alpha=0.5) 等，各种风格，应有尽有，总有一款适合你。

[python画图时给图中的点加标签之plt.text_帅帅de三叔-CSDN博客_plt.text]

示例：

x = [0.59, 0.72, 0.57, 0.58, 2.45, 2.80, 2.45, 2.13]
y = [0.18, 0.16, 0.18, 0.18, 0.86, 0.76, 0.88, 1.00]

exp_type = [‘all’, ‘g’, ‘e’, ’emer’,
            ‘all_d’, ‘g_d’, ‘e_d’, ’emer_d’]
plt.scatter(x, y, s=5, c=’r’, marker=’+’)
plt.plot([x[0], x[4]], [y[0], y[4]])
for xi, yi, text in zip(x, y, exp_type):
    plt.text(xi, yi, text, fontsize=5, verticalalignment=’top’)    #, position=(xi, yi*0.6)
plt.xlabel(‘g’)
plt.ylabel(‘e’)
plt.show()

示例2：

在整个图的中间写文字

center_x = sum(plt.gca().get_xlim()) / 2
center_y = sum(plt.gca().get_ylim()) / 2
plt.text(center_x, center_y, somestr, ha=’center’, va=’center’)

[Markers][markers]
[matplotlib中的作图参数]

[Quick references]

在图表中显示中文

matplotlib的缺省配置文件中所使用的字体无法正确显示中文。为了让图表能正确显示中文，可以有几种解决方案：

1 在程序中直接指定字体。在程序开头修改配置字典rcParams。

修改 matplotlibrc文件设置并在代码配置下载字体

 [解决macOS下matplotlib无法显示中文的问题]

2 比较简便的方式是，中文字符串用unicode格式，例如：u”测试中文显示”，代码文件编码使用utf-8 加上” # coding = utf-8  “一行。

[matplotlib输出图象的中文显示问题]

属性set方法

matplotlib所绘制的图的每个组成部分都对应有一个对象，我们可以通过调用这些对象的属性设置方法set_*或者pyplot的属性设置函数setp设置其属性值。

设置对象的属性
例如plot函数返回一个 matplotlib.lines.Line2D 对象的列表，下面的例子显示如何设置Line2D对象的属性：
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x = np.arange(0, 5, 0.1)
>>> line, = plt.plot(x, x*x) # plot返回一个列表，通过line,获取其第一个元素
>>> # 调用Line2D对象的set_*方法设置属性值
>>> line.set_antialiased(False)
>>> # 同时绘制sin和cos两条曲线，lines是一个有两个Line2D对象的列表
>>> lines = plt.plot(x, np.sin(x), x, np.cos(x)) #
>>> # 调用setp函数同时配置多个Line2D对象的多个属性值
>>> plt.setp(lines, color=”r”, linewidth=2.0)
这段例子中，通过调用Line2D对象line的set_antialiased方法，关闭对象的反锯齿效果。或者通过调用plt.setp函数配置多个Line2D对象的颜色和线宽属性。

获取对象的属性值
同样我们可以通过调用Line2D对象的get_*方法，或者plt.getp函数获取对象的属性值：
>>> line.get_linewidth()
1.0
>>> plt.getp(lines[0], “color”) # 返回color属性
‘r’
>>> plt.getp(lines[1]) # 输出全部属性
alpha = 1.0
animated = False
antialiased or aa = True
axes = Axes(0.125,0.1;0.775×0.8)
Note:getp函数只能对一个对象进行操作，它有两种用法：
指定属性名：返回对象的指定属性的值
不指定属性名：打印出对象的所有属性和其值

获取对象的各种属性plt.getp
用plt.getp可以发现AxesSubplot对象有很多属性，例如它的lines属性为此子图所包括的 Line2D 对象列表：
>>> alllines = plt.getp(plt.gca(), “lines”)
>>> alllines
<a list of 3 Line2D objects>
>>> alllines[0] == line # 其中的第一条曲线就是最开始绘制的那条曲线
True
通过这种方法我们可以很容易地查看对象的属性和它们之间的包含关系，找到需要配置的属性。

坐标轴设定

Axis容器包括坐标轴的刻度线、刻度标签、坐标网格以及坐标轴标题等内容。刻度包括主刻度和副刻度，分别通过get_major_ticks()和get_minor_ticks()方法获得。每个刻度线都是一 个XTick或YTick对象，它包括实际的刻度线和刻度标签。Axis 对象提供了 get_ticklabels()和get_ticklines()方法,可以直接获得刻度标签和刻度线。
>>> plt.plot([1,2,3],[4,5,6])
>>>plt.show()
>>> axis = plt.gca().xaxis
>>> axis.get_ticklocs()#获得axis对象的刻度位置列表
array([ 1. ,  1.5,  2. ,  2.5,  3. ])
>>> axis.get_ticklabels() # 获得刻度标签列表
<a list of 5 Text major ticklabel objects>
>>> [x.get_text() for x in axis.get_ticklabels()]# 获得刻度的文本字符串
[u’1.0′, u’1.5′, u’2.0′, u’2.5′, u’3.0‘]
获得X轴上表示主刻度线的列表，可看到X轴上共有10条刻度线:
>>>  axis.get_ticklines()
<a list of 10 Line2D ticklines objects>
由于没有副刻度线，因此副刻度线列表的长度为0：
>>> axis.get_ticklines(minor=True) # 获得副刻度线列表
<a list of 0 Line2D ticklines objects>
使用pyplot模块中的xticks()能够完成X轴上刻度标签的配置：
>>>plt.xticks(fontsize=16, color=”red”, rotation=45)

控制坐标轴的显示——使x轴显示名称字符串而不是数字的两种方法

plt.xticks(range(len(list)), labels=showx_list, rotation=’vertical’, fontsize=5))
Note: 
1 rotation控制角度，如rotation=45
2 showx_list代表一个字符串列表，即x轴上要显示的名称。

axes.set_xticklabels(x, rotation=’horizontal’, lod=True)

Note:这里axes是plot的一个subplot()

[控制坐标轴的显示——set_xticklabels]

获取x轴上坐标最小最大值

xmin， xmax = plt.gca().get_xlim()

MatPlotLib中设置坐标轴主刻度标签和次刻度标签显示

{配置刻度线位置Locator类-控制刻度标签显示Formatter类}

用于计算副刻度位置的对象默认为 NullLocator,它不产生任何刻度线。而计算主刻度位置的对象为AutoLocator,它会根据当前的缩放等配置自动计算刻度的位置。
matplotlib提供了多种配置刻度线位置的Locator类，以及控制刻度标签显示的Formatter 类。

与刻度定位和文本格式化相关的类都在matplotlib.ticker模块中定义，载入了两个类：MultipleLocaton, FuncFormatter可以以指定值的整数倍为刻度放置主、副刻度线。
使用指定的函数计算刻度文本，它会将刻度值和刻度的序号作为参数传递给计算刻度文本的函数。

对于次刻度显示,如果要使用默认设置只要matplotlib.pyplot.minorticks_on() 

设置刻度示例

示例1

from matplotlib import ticker, pyplot as plt
… …

ax = plt.gca()
ax.yaxis.set_minor_locator(ticker.MultipleLocator(.5)) # 将此y轴次刻度标签设置为0.5的倍数
ax.yaxis.set_minor_formatter(ticker.FormatStrFormatter(‘%1.1f’)) # 设置y轴次标签文本格式
ax.yaxis.set_major_formatter(ticker.FormatStrFormatter(‘%1.1f’)) # 设置y轴主标签文本的格式
ax.xaxis.grid(True, which=‘major’) # x坐标轴的网格使用主刻度
ax.yaxis.grid(True, which=‘minor’) # y坐标轴的网格使用次刻度

上面的示例中，实际主刻度标签和副刻度标签文本是重叠的，如果格式不一样就会显示不好，这样可能需要下面的FuncFormatter。

示例2

下面的程序设置X轴的主刻度为π/4,副刻度为π/20,并且主刻度上的标签用数学符号显示π。
from matplotlib.ticker import MultipleLocator, FuncFormatter
ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )
ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )
ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) )
def pi_formatter(x, pos):
    m = np.round(x / (np.pi/4))
    n = 4
    while m!=0 and m%2==0: m, n = m//2, n//2
    if m == 0:
        return “0”
    if m == 1 and n == 1:
        return “$\pi$”
    if n == 1:
        return r”$%d \pi$” % m
    if m == 1:
        return r”$\frac{\pi}{%d}$” % n
    return r”$\frac{%d \pi}{%d}$” % (m,n)

ps:

选择是否显示刻度值：x轴上，1为下，2为上；y轴上，1为左，2为右；
for tick in ax.xaxis.get_major_ticks():
    tick.label1On = True
    tick.label2On = False
for tick in ax.yaxis.get_major_ticks():
    tick.label1On = False
    tick.label2On = False

选择如何显示刻度
ax.xaxis.set_ticks_position(‘none’)
ax.yaxis.set_ticks_position(‘right’)

完全自定义坐标轴刻度及刻度值
ax.set_xticks([-250, -200, -150, -100, -50, 0, 50, 100, 150, 200])
ax.set_xticklabels([‘-250’, ”, ‘-150’, ”, ‘-50′, ”, ’50’, ”, ‘150’, ”])
ax.set_yticks([-40, -20, 0, 20, 40, 60, 80])
ax.set_yticklabels([”, ”, ”, ”, ”, ”, ”])

分别设置x轴和y轴上刻度值的字体大小
for tick in ax.xaxis.get_major_ticks():
    tick.label1.set_fontsize(18)
for tick in ax.yaxis.get_major_ticks():
    tick.label1.set_fontsize(18)

这也可以设置刻度值字体大小
matplotlib.rc(‘xtick’, labelsize=20)
matplotlib.rc(‘ytick’, labelsize=20)

绘图

面向对象画图

matplotlib API包含有三层，Artist层处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道，而不需要关心底层的绘制细节。

直接使用Artists创建图表的标准流程如下：

• 创建Figure对象
• 用Figure对象创建一个或者多个Axes或者Subplot对象
• 调用Axies等对象的方法创建各种简单类型的Artists

import matplotlib.pyplot as plt
X1 = range(0, 50)
Y1 = [num**2 for num in X1] # y = x^2 X2 = [0, 1] Y2 = [0, 1] # y = x

Fig = plt.figure(figsize=(8,4)) # Create a `figure' instance
Ax = Fig.add_subplot(111) # Create a `axes' instance in the figure
Ax.plot(X1, Y1, X2, Y2) # Create a Line2D instance in the axes

Fig.show() 
Fig.savefig("test.pdf")

调用plt.show()显示出创建的所有绘图对象

plt.show()

matplotlib绘图显示同时继续跑之后的代码

方式1：block=False参数或者plt.show(0)

import matplotlib.pyplot as plt
plt.plot([1, 2, 3])
plt.show(block=False)
print(‘continue computation’)
input()

但是在外部应该加一个input()输入enter结束图形显示，否则鼠标点击是关闭不了图形的。

方式2：draw()

import matplotlib.pyplot as plt
def p():
    plt.plot([1, 2, 3])
    plt.draw()
p()
print(‘continue computation’)
# at the end call show to ensure window won’t close.
plt.show()

唯一的缺点就是，show()函数要放在了绘图函数外。

方式3：使用多线程

from multiprocessing import Process
from matplotlib import pyplot as plt
def p(args):
    plt.plot([1, 2, 3])
    plt.show()
p = Process(target=p, args=([1, 2, 3],))
p.start()

print(‘continue computation’)

p.join()

唯一的缺点就是要写多线程的代码，但是至少plot模块都在一个函数中。

Note: target应为函数名而不应该是函数调用，否则还是会绘图阻止程序向下运行。

[Is there a way to detach matplotlib plots so that the computation can continue?]

清空plt绘制的内容

plt.cla()

plt.close(0)        # 关闭图 0

plt.close(‘all’)         #关闭所有图

图形保存和输出设置

可以调用plt.savefig()将当前的Figure对象保存成图像文件，图像格式由图像文件的扩展名决定。

将当前的图表保存为“test.png”，并且通过dpi参数指定图像的分辨率为 120，因此输出图像的宽度为“8X120 = 960”个像素：
plt.savefig(“test.png”,dpi=120)
也可以通过show()出来的图形界面手动保存和设置，我们还可以通过图形界面中的工具栏对其进行设置和保存，如修改图片大小通过图形界面下方工具栏可以设置图形上下左右的边距。
如果想在跑程序外部查看图片，可以这样：

plt.savefig(‘/tmp/1.png’)

subprocess.run(‘xdg-open /tmp/1.png’, shell=True)

图片序列化保存

序列化保存

fig = plt.figure()
ax = Axes3D(fig)

ax.scatter(x,y) #or plt.scatter(x,y)
…

pickle.dump(fig, open(‘fig.pkl’, ‘wb’))

读取并显示
fig = pickle.load(open(‘fig.pkl’, ‘rb’))
plt.show()

今天的文章matplotlib绘图入门详解简书_pro画图软件分享到此就结束了，感谢您的阅读。