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。
本文系转载,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文系转载,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。