Python 绘图包 Matplotlib Pyplot 教程

参考链接： Python | Matplotlib.pyplot

Pyplot 接口简介 

Pyplot 入门 

matplotlib.pyplot 是命令风格函数的集合，使 Matplotlib 像 MATLAB 一样工作。每个 Pyplot 函数对图形做一些修改，例如：创建一个图形，在图形中创建一个绘图区域，在绘图区域中回值一些线条，用标签装饰图形等等。 

在 matplotlib.pyplot中，在函数调用之间保留了各种状态，以便跟踪当前图形和绘图区域等内容，绘图函数指向当前 轴（Axes 对象）。 

 注意 Pyplot API 通常不如面向对象的 API 灵活。在这里看到的大多数函数调用也可以作为 Axes 对象的方法调用。建议浏览教程和实力来了解这是如何工作的。 

用 Pyplot 生成可视化效果非常快速： 

import matplotlib.pyplot as plt

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

plt.ylabel('some numbers')

plt.show() 

可能知道为什么 X轴的范围是 0-3，Y 轴的范围是 1-4。如果向 plot() 命令提供单个列表或数组，Matplotlib 将假定是一个 Y 值序列，并自动生成 X 值。因为 Python 范围以 0 开头，所以默认的 X 向量与 Y 的长度相同，但是以 0 开头。因此 X 数据是[0, 1, 2, 3]。 

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

设置图的样式 

对于每一对 X，Y 参数，第三个参数都是可选的，它是指示绘图的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，可以将一个颜色字符串与一个行样式字符串连接起来。默认的格式字符串是“b-”，这是一个纯蓝色的线。例如：要用红色源泉回值上面的图，代码如下： 

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

plt.axis([0, 6, 0, 20])

plt.show() 

有关行样式和格式化字符串的完整列表，参见 plot() 文档。上面示例中的 axis() 命令接受一个 [ xmin，xmax，ymin，ymax ] 列表，并指定轴的视口。 

所有序列都在内部转换成 numpy 数组。下面是示例： 

import numpy as np

# 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() 

使用关键词字符串绘图 

在某些情况下，数据的格式允许使用字符串访问特定的变量。例如：使用 numpy.recarray 或 

pandas.DataFrame。 

Matplotlib 允许使用 data 关键字参数提供这样的对象。如果提供了，那么可以生成包含与这些变量对应字符串的绘图。 

data = {'a': np.arange(50),

        'c': np.random.randint(0, 50, 50),

        'd': np.random.randn(50)}

data['b'] = data['a'] + 10 * np.random.randn(50)

data['d'] = np.abs(data['d']) * 100

plt.scatter('a', 'b', c='c', s='d', data=data)

plt.xlabel('entry a')

plt.ylabel('entry b')

plt.show() 

用分类变量绘图 

还可以使用分类变量创建绘图。Matplotlib 允许直接将分类变量传递给许多绘图函数。例如： 

names = ['group_a', 'group_b', 'group_c']

values = [1, 10, 100]

plt.figure(1, figsize=(9, 3))

plt.subplot(131)

plt.bar(names, values)

plt.subplot(132)

plt.scatter(names, values)

plt.subplot(133)

plt.plot(names, values)

plt.suptitle('Categorical Plotting')

plt.show() 

控制线属性 

线有许多可以设置的属性: linewidth、 dash style、 antialiased 等; 请参见matplotlib.lines.Line2D。有几种方法可以设置 line 属性： 

使用关键字方向图:

plt.plot(x, y, linewidth=2.0) 

使用 Line2D 实力的 setter 方法。Plot 返回一个 Line2D 对象列表，例如：line1, line2 = plot(x1, y1, x2, y2)。在下面的代码中，假设只有一行，所以返回的列表长度为 1。使用元组拆分行，以获得该列表的第一个元素：

line, = plt.plot(x, y, '-')

line.set_antialiased(False) # turn off antialising 

使用 setp() 命令。下面的示例使用 MATLAB-style 的命令来设置行列表的多个属性。显而易见 setp 可以处理对象表单或单个对象。可以使用 Python 关键字参数或 MATLAB-style 的字符串或键值对。

lines = plt.plot(x1, y1, x2, y2)

# use keyword args

plt.setp(lines, color='r', linewidth=2.0)

# or MATLAB style string value pairs

plt.setp(lines, 'color', 'r', 'linewidth', 2.0) 

详细的 Line2D 属性。 

若要获取可设置行属性的列表，请使用一行或多行作为参数调用 setp() 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 

生成多个图和轴 

MATLAB 和 pyplot，具有当前图形和当前 Axes（轴对象）。所有绘图命令都应用于当前 Axes。函数 gca() 返回当前 Axes（ matplotlib.axes.Axes 实例），gca() 返回当前图形（matplotlib.figure.Figure 实例）。下面是创建两个图的代码： 

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，因为图1是默认创建的，就像如果不手动指定任何坐标轴，默认情况下会创建一个子图2 一样。subplot() 命令 numrows，numcols，plot_number，其中plot_number 范围从1到numrows * numcols。如果numrows * numcols < 10，那么 subplot 命令逗号是可选的。所以subplot(211)和subplot(2, 1, 1)是一样的。 

可以创建任何数量的子图和轴。如果想动手设置一个坐标轴，可以使用 axes() 命令，该命令允许将位置指定为 axes([左，底，宽，高])，其中所有值都是小数（0-1）坐标。有关手动设置轴的示例，请参见 Axes Demo；有关许多子图示例，请参见 Basic Subplot Demo。 

import matplotlib.pyplot as plt

plt.figure(1)                # the first figure

plt.subplot(211)             # the first subplot in the first figure

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

plt.subplot(212)             # the second subplot in the first figure

plt.plot([4, 5, 6])

plt.figure(2)                # a second figure

plt.plot([4, 5, 6])          # creates a subplot(111) by default

plt.figure(1)                # figure 1 current; subplot(212) still current

plt.subplot(211)             # make subplot(211) in figure1 current

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

可以使用 clf() 清楚当前轴。这是一个面向对象 API 的有状态包装器，可以参见 Artist 教程。 

如果制作大量图形，那么需要需要注意的：一个图形所需的内存在使用 close() 显示关闭之前是不被完全释放的。删除对图形的所有引用，[并 、或] 关闭窗口是不够的。因为 pyplot 内部引用指到 close() 结束 。 

操作文本 

 text() 命令可用于在任何位置添加文本，而 xlabel()、ylabel() 和 title() 则用于指定位置添加文本，可参见 Text in Matplotlib Plots。 

mu, sigma = 100, 15

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

# the histogram of the data

n, bins, patches = plt.hist(x, 50, density=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 text() 命令都返回一个 matplotlib.text.Text 实例。也可以通过setp() 来自定义属性： 

t = plt.xlabel('my data', fontsize=14, color='red') 

更多 Text 属性和布局详细。 

Matplotlib 接受任何文本表达式中的 TeX 方程式。例如：要在标题中写入表达式 σi=15，可以写 TeX 表达式，周围用 $ 包围： 

plt.title(r'$\sigma_i=15$') 

标题字符串前面的 r 非常重要——它表示该字符串是一个原始字符串，并且不将反斜杠视为 python 转义。 Matplotlib 有一个内置的 TeX 表达式解析器和布局引擎，并有自己的数学字体，详情参看。因此，您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。请参见使用 LaTeX 的文本。 

注解文本 

text() 命令的使用将文本房子在轴线上的任意位置。文本的一个常见用途是对 plot 的某些特性进行注释，而annotate() 方法提供了帮助器功能，使注释变得简单。在注释中，有两点需要考虑：用 XY 参数表示的注释位置位置额和文本 xytext 的位置。这两个参数都是 ( x, y ) 元组。 

在这个基本示例中，xy (箭头顶端)和 xytext 位置(文本位置)都在数据坐标中。还有许多其它的坐标系可供选择，详情参见文档和高级注释。更多例子可参见。 

对数 和 其它非线性轴 

matplotlib.pyplot 不仅支持线性轴刻度，还支持对数和对数尺度。如果数据跨越多个数量级，这是常用的。改变一个轴的尺寸很容易： 

plt.xscale('log') 

下面显示了 y 轴具有相同数据和不同尺度的四个绘图示例： 

from matplotlib.ticker import NullFormatter  # useful for `logit` scale

# Fixing random state for reproducibility

np.random.seed(19680801)

# make up some data in the interval ]0, 1[

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))

# plot with various axes scales

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)

# Format the minor tick labels of the y-axis into empty strings with

# `NullFormatter`, to avoid cumbering the axis with too many labels.

plt.gca().yaxis.set_minor_formatter(NullFormatter())

# Adjust the subplot layout, because the logit one may take more space

# than usual, due to y-tick labels like "1 - 10^{-3}"

plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,wspace=0.35)

plt.show() 

也可以添加自己的缩放，详细信息请参阅开发人员创建缩放和转换的指南。