Matplotlib学习指南1：文档导读与基本函数示例

Posted on | Edited on | In |
图形化显示

Matplotlib的官方文档首页略显庞杂，熟悉之后会发现包罗万象，这里是最好的Matplotlib学习场所，所以针对文档的内容做一个简单的导读，最后列出自己总结的作图基本语法，仅供参考。

文档导读

Examples：提供了大量的实际代码案例，几乎囊括了Matplotlib的所有功能。建议找一些初步探索，了解Matplotlib的强大。但是这里不适合初学者学习，建议有了基础训练再来找自己需要的案例。Gallery页面提供了更方便的索引方式，可以直观的看到Examples的所有图像。

Pyplot

Plotting commands summary提供了Pyplot模块作图的命令查询和常见的参数展示。

Docs

这里是整个文档的真正目录索引，如果觉得找起来麻烦，直接点击pdf，下载pdf版本。如果药了解基础知识建议从Usage开始。

Modules & Index

Modules提供了Matplotlib的所有子模块列表，方便查询
Index是整个文档的所有内容索引。

简单例子

首先让自己画出一个最基本的线图，有了直观的新鲜感觉，后面的事情会简单许多。

1
2
3
4
5
6
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

x = np.arange(10)
plt.plot(x)

关键定义：Figures、Axes、axis、plot

Matplotlib作图时，各个组件（暂且这么叫）也是有结构关系的，最顶层时稳定的机器环境，简单说是matplotlib.pyplot这个组块，在这一个组块上，利用其他的函数来不断的添加画图时的各个元素。而这个组块的概念和Matlab很类似。
下一层是第一个面向对象的接口层，在这里，pyplot利用较少的特定函数完成类似于新建画布、图像等工作。之后的所有工作主要在这一层实例化的类上进行操作。

在上图中标注了重要的类，下面重点介绍：

  • Figure：即上面红框部分，简单理解是一个画布。一个画布里可以有零个或者多个坐标轴。
  • Axes：即上面蓝色框内的部分，可以理解为坐标系，是我们真正作图的地方，一个画布里可以有多个坐标系，而一个坐标系只能属于一个画布。
  • Axis：坐标轴，如果是二维坐标系有两个坐标轴，三维的会有三个坐标轴。

基本函数

生成画布

罗列生成figure、axes的常用函数和用法。

  • plt.figure：直接生成一个画布，建议和add_axes一起使用,注意，add_axes的参数必填，否则后续作图会报错。

    1
    2
    3
    4
    5
    6
    7
    y = np.random.rand(10)
    x = np.arange(10)

    left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
    fig1 = plt.figure()
    ax1 = fig1.add_axes((left, bottom, width, height), axisbg="#e1e1e1")
    ax1.plot(x,y)

  • plt.axes：单独使用既可生成一个坐标系（默认自动生成了画布）。

    1
    2
    ax2 = plt.axes()
    ax2.plot(x,y)

  • plt.subplot：区别于下面的plt.subplots，这里只会生成一个画布和坐标系，返回的是生成的坐标系。

    1
    2
    ccc = plt.subplot(111)
    ccc.plot(x,y)

  • plt.subplots：该函数会返回一个画布和一个或多个坐标系，在画图中非常常用。

    1
    2
    fig, ax = plt.subplots()
    ax.plot(x, y1);

  • plt.plot：该函数直接使用，默认生成了画布和坐标系。

    1
    2
    3
    x = np.arange(5)
    y = np.arange(5.0)/2
    plt.plot(x,y)

同一个画布中增加多个坐标系

  • 利用subplots直接添加

    1
    2
    fig, axes = plt.subplots(ncols=2, nrows=3)
    fig, axes = plt.subplots(1, 2)

  • 注意：坐标系以多维数组的形式存储在了axes中，调用时要按照数组的方式进行选择。可以考虑for循环的方式增加图形细节，减少重复劳动。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    ncols, nrows = 3, 3

    fig, axes = plt.subplots(nrows, ncols)

    for m in range(nrows):
        for n in range(ncols):
            axes[m, n].set_xticks([])
            axes[m, n].set_yticks([])
            axes[m, n].text(0.5, 0.5, "axes[%d, %d]" % (m, n),horizontalalignment='center')

  • 更自定义的方法是在建立了画布之后，对应的画布利用add_axes函数设置，并且可以自定义各个图形的位置和大小。

同一个坐标系中画多幅图

  • 生成了坐标系，可以调用坐标系的plot方法添加需要的图形，可以添加多个。
    1
    2
    3
    4
    ax = plt.subplot(111)
    ax.bar(x,y)
    ax.plot(np.arange(10))
    ax.plot(np.sin(np.linspace(1,5,num=10)))

为图片增加细节

到目前为止画出的图形都还比较“简陋”，下面为图形增加更多的细节内容。

  • 为图片整容：不喜欢默认的图片风格，可以进行一次全面的替换。图片风格在Matplotlib中属于Style子模块，利用下面的代码可以实现风格的变化，能够变化的代码风格利用mpl.style.available可以查看。
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    import matplotlib as mpl
    mpl.style.library
    mpl.style.available
    mpl.style.use('bmh')

    # 可以替换的风格
    #u'seaborn-darkgrid',
    #u'seaborn-notebook',
    #u'classic',
    #u'seaborn-ticks',
    #u'grayscale',
    #u'bmh',
    #u'seaborn-talk',
    #u'dark_background',
    #u'ggplot',
    #u'fivethirtyeight',
    #u'seaborn-colorblind',
    #u'seaborn-deep',
    #u'seaborn-whitegrid',
    #u'seaborn-bright',
    #u'seaborn-poster',
    #u'seaborn-muted',
    #u'seaborn-paper',
    #u'seaborn-white',
    #u'seaborn-pastel',
    #u'seaborn-dark',
    #u'seaborn-dark-palette'

图表中可以有丰富的细节，主要有这些内容：图表名称、图例、X轴刻度和标识、Y轴刻度和标识、箭头、文字说明、辅助线（横线、竖线）、图片大小、位置、中文显示（特殊）、线的细节。由于内容庞杂，这里近列出相关的函数和使用案例，必要时进行说明，更具体的说明请参考官方文档或者Jupyter Notebook中的help内容。

  • 图表标题

    1
    axes.set_title("legend(loc=%d)" % (n+1))

  • 图片大小、位置：回到最开始介绍的“生成画布”部分，通过增加如下的属性设置画布的大小。需要注意，下方add_axes中的四个指标： left, bottom, width,height 都是针对画布来设置的，单位可以理解为“一个画布大小”。借用这个方法可以顺带着完成同一个画布设置多个坐标系的工作。

    1
    2
    3
    4
    5
    fig = plt.figure(figesize = (4,2))
    ax1 = fig.add_axes((0,0,1,1))
    ax2 = fig.add_axes((1,1,2,2),axisbg="#e1e1e1")
    ax3 = fig.add_axes((0.5,0.5,0.5,0.5),axisbg="#e1e1e1")
    ax1.plot(x,y);

  • x、y轴的刻度显示和刻度范围限制

    1
    2
    3
    ax.set_ylim(-15, 40)
    ax.set_yticks([-10, 0, 10, 20, 30])
    ax.set_xticks([-4, -2, 0, 2])

  • x、y轴标识

    1
    2
    ax.set_xlabel("$x$", fontsize=18)
    ax.set_ylabel("$y$", fontsize=18)

  • 图例

    1
    ax.legend(loc=0, ncol=3, fontsize=14, frameon=False);

  • 线条：粗细、类型、颜色、标签：ls-line style、 marker-标记，一般是对需要显示的不同标记点、lw-line width、 color-颜色、 label-标签，用于在图例中显示对应内容。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    ax.plot(x, y1, lw=1.5, color="blue", label=r"$y(x)$")
    ax.plot?

    #结果如下
    The following format string characters are accepted to control
    the line style or marker:
    ================    ===============================
    character           description
    ================    ===============================
    ``'-'``             solid line style
    ``'--'``            dashed line style
    ``'-.'``            dash-dot line style
    ``':'``             dotted line style
    ``'.'``             point marker
    ``','``             pixel marker
    ``'o'``             circle marker
    ``'v'``             triangle_down marker
    ``'^'``             triangle_up marker
    ``'<'``             triangle_left marker
    ``'>'``             triangle_right marker
    ``'1'``             tri_down marker
    ``'2'``             tri_up marker
    ``'3'``             tri_left marker
    ``'4'``             tri_right marker
    ``'s'``             square marker
    ``'p'``             pentagon marker
    ``'*'``             star marker
    ``'h'``             hexagon1 marker
    ``'H'``             hexagon2 marker
    ``'+'``             plus marker
    ``'x'``             x marker
    ``'D'``             diamond marker
    ``'d'``             thin_diamond marker
    ``'|'``             vline marker
    ``'_'``             hline marker
    ================    ===============================

    The following color abbreviations are supported:
    ==========  ========
    character   color
    ==========  ========
    'b'         blue
    'g'         green
    'r'         red
    'c'         cyan
    'm'         magenta
    'y'         yellow
    'k'         black
    'w'         white
    ==========  ========

对应的各种线型和Marker的标示展示
line styles
marker_reference1
marker_reference12

  • 辅助线（横线）：有两种画法，一种是利用numpy的函数构造出对应的坐标，一种是给出线段的起始点，第二种方法在下面会具体介绍。方法一的好处是直线可以贯穿整个图形，并且根据x轴的取值范围变化。方法二的好处是画线段方便。

    1
    2
    ax.plot(x,np.zero_like(x)+1 , color='black',ls ='--',lw=0.5)
    ax.plot([0,9],[0.4,0.4],ls='--',lw = 1,color = 'red')

  • 辅助线（竖线与其他直线段）：下面代码中第一个[x1,x2]里面都是x坐标，第二个[y1,y2]都是y坐标，画出来的是从(x1,y1)到(x2,y2)的线段。基于这个原理，在图中根据需要画线段变得很简单了。

    1
    2
    ax.plot([3,3],[0,5],ls='--',lw = 0.5,color='black')
    ax.plot([3,1],[0,5],ls='--',lw = 0.5,color='black')

图表类型

基本的图表类型：

  • 线型图
  • 条状图（bar）
  • 直方图（hist）
  • 散点图（scatter）
  • 饼图
  • 极坐标
  • 雷达图
  • stem
  • errorbar
  • step

看完了是否已经蠢蠢欲动，赶紧探索起来吧。

完

声明: 本文转载需标明出处，禁止用于商业目的。

ChangeLog

161203 新建
161205 发布