matplotlib基础手册：pyplot手册

bugsuse

发布于 2020-04-21 17:45:29

2.6K0

发布于 2020-04-21 17:45:29

matplotlib.pyplot 是一个函数集合，使 matplotlib 能够像 MATLAB 一样进行绘图。每一个 pyplot 函数都会改变 figure，比如创建figure，在figure中创建绘图区域，在绘图区域绘制线条，添加 labels 等。matplotlib.pyplot 的函数调用会记住当前的状态，从而更新 figure 和绘图区域。而且 matplotlib.pyplot 是直接在当前 axes 进行绘图。

import matplotlib.pyplot as plt
plt.plot([1,2,3,4])
plt.ylabel('some numbers')
plt.show()

你可能会疑惑，为什么x轴的范围是 0-3，而y轴的范围是 1-4呢？这是因为你只传递了一个列表给 plot 命令，plot命令假设这是 y 的值，并且为你自动产生了 x 的值与之匹配。由于 python 中是以 0 开始的，所以产生的 x 的值也是以 0 开始的，而且长度和 y 序列的长度相同。

你可以传递任何随机数据给 plot 命令，比如同时传入 x, y

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

对于每一个x，y 参数对都有一些可选参数用来设置线形和颜色。而且这种设置方式和 MATLAB 非常相似，而且你也可以将线形和颜色放在同一个字符串中，比如 'ro'，默认值为 'b-'（即蓝色实线）。如果要绘制红色的圆，可以执行以下命令：

import matplotlib.pyplot as plt
plt.plot([1,2,3,4], [1,4,9,16], 'ro')
plt.axis([0, 6, 0, 20])
plt.show()

此例中 axes 命令的参数是设置轴视图的 xy轴上下限。

当然 matplotlib 也可以和 MATLAB一样，一次绘制多条线

import numpy as np
import matplotlib.pyplot as plt

t = np.arange(0., 5., 0.2)

# 分别设置位红色虚线，蓝色正方形，绿色三角形
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

控制线的属性

线有很多属性可以设置，比如 linewidth，dash style，antialiased等，具体可以查看 Line2D [注1]。

通常有以下几种方式可以设置线属性：

使用关键词参数

plt.plot(x, y, linewidth=2.0)

使用 Line2D 实例的 setter 方法。plot 会返回 Line2D 对象列表，比如 line1, line2 = plot(x1, y1, x2, y2)。下面假设只绘制一条线，因此使用元组来解包，从而获得列表中的第一个元素，即 line

line, = plt.plot(x, y, '-')
line.set_antialiased(False) # 关闭抗锯齿

使用 setp 命令。和 MATLAB 的设置方法非常类似

lines = plt.plot(x1, y1, x2, y2)
# 使用关键词参数
plt.setp(lines, color='r', linewidth=2.0)
# 或使用类似 MATLAB 的参数值对
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

设置方法很多，但是强烈推荐使用第二种方法，因为当有多条线的时候可以很明确的指出更改哪一条线的属性。

可以使用 setp 命令获取支持更改的线属性列表

lines = plt.plot([1, 2, 3])

plt.setp(lines)
  alpha: float
  animated: [True | False]
  antialiased or aa: [True | False]
  ...snip

多个 figure 和 axes 图形绘制

MATLAB 和 pyplot 都有当前figure 和 当前 axes 的概念，而且所有的绘图操作都指向当前 axes。gca 函数可以返回当前 axes，gcf 函数可以返回当前 figure。通常你不需要关心这些，因为这些操作都是在后台完成的。

下面创建两个子图：

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()

figure 命令是可选的，因为默认情况下执行的就是 figure(1)。如果你不指定任何 axes 的话，默认情况下会创建 subplots(111)。subplots 命令指定 numrows，numcols，fignum，其中 fignum从1到 numrows*numcols，如果 numrows*numcols < 10 的话，逗号是可选的，否则三个数之间要有逗号分隔。如果你不想创建长方形网格，可以使用 axes 命令来指定 axes 的位置，比如 axes([left, bottom,width, height])，所有的值都在 [0, 1] 之间。

你也可以使用多个 figure 命令来创建多个 figures，每一个 figure 都可以包含多个 axes 和 subplots。

import matplotlib.pyplot as plt
plt.figure(1)                # 图1
plt.subplot(211)             # 图1中的第1个子图
plt.plot([1, 2, 3])
plt.subplot(212)             # 图1中第2个子图
plt.plot([4, 5, 6])


plt.figure(2)                # 图2
plt.plot([4, 5, 6])          # 默认创建一个子图

plt.figure(1)               
plt.subplot(211)             
plt.title('Easy as 1, 2, 3')

你可以使用 clf 函数清除当前 figure，使用 cla 清除当前 axes。

添加 text

text 命令可以添加文本到任何位置。xlabel()，ylabel()，title()命令可以添加 text 到指定位置 [注2]。

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(19680801)

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

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 方法都会返回 matplotlib.text.Text 实例，就和之前的 line 一样。你也可以传递关键词参数给 text 函数或使用 setp 命令设置属性，更多属性[注3]。

在文本中使用数学表达式

任何文本表达式中都可以使用 TeX 方程表达式。例如在标题中写入表达式：

，使用 $ 符号将其围起来。

plt.title(r'$\sigma_i=15$')

字符串前的 r 非常重要，这是为了说明字符串是原始字符串，而不转义 \ 。matplotlib 有内置的 TeX 表达式解析器和排版引擎，而且使用自带的数学字体。关于如何写数学表达式的信息可以查看 [注4]，因此你可以跨平台使用数学文本而不用安装TeX。当然你也可以使用 LaTeX 格式化文本并合并到图中或直接保存 postscript （仅适用于下列 backend：Agg，PS，PDF） [注5]。

注释文本

text 命令的基本作用就是放置文本到axes任意位置。通常使用时是为了注释图中的一些特征，annotate 函数更容易实现注释功能。此外，有两个点要考虑，分别是 xy 坐标和文本坐标，即xytext参数，两个参数值均为 (x, y)元组。

import numpy as np
import matplotlib.pyplot as plt

ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
            arrowprops=dict(facecolor='black', shrink=0.05),
            )

plt.ylim(-2,2)
plt.show()

此例中，xy 的位置（arrow tip）和 xytext （text location）的位置都是在 data 坐标系中。当然还有很多坐标系可以选择 [注6-7]。

对数及其它非线性轴

pyplot 不仅支持 线性刻度，也支持对数刻度 和 logit 刻度。当数据跨度多个量级时可使用对数刻度，而且改变轴刻度的方式非常简单：

plt.xscale(‘log’)
plt.yscale('log')

下面展示使用相同数据，不同的ｘ，ｙ轴刻度进行绘图：

import numpy as np
import matplotlib.pyplot as plt
# 对于 `logit` 刻度非常有用
from matplotlib.ticker import NullFormatter  

np.random.seed(19680801)

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))

plt.figure(1)

# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)

# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)

# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthreshy=0.01)
plt.title('symlog')
plt.grid(True)

# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# 使用 `NullFormatter` 格式化y 轴tick label 位空，避免有太多 labels
plt.gca().yaxis.set_minor_formatter(NullFormatter())
# 调整布局，放置 logit 间距太大
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
                    wspace=0.35)

plt.show()