前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Matplotlib使用(1)

Matplotlib使用(1)

作者头像
云深无际
发布2021-04-14 14:50:47
2K0
发布2021-04-14 14:50:47
举报
文章被收录于专栏:云深之无迹云深之无迹

Matplotlib 是Python编程语言的一个绘图库及其数值数学扩展 NumPy。它为利用通用的图形用户界面工具包,如Tkinter, wxPython, Qt或GTK+向应用程序嵌入式绘图提供了面向对象的应用程序接口。

代码语言:javascript
复制
fig, ax = plt.subplots()  
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])

Matplotlib在Figures(窗口)上绘制数据图,每个数据可以包含一个或多个Axes(即,可以根据xy坐标(或极坐标图中的ther-r)指定点的区域) ,或3D图中的xyz等)。使用轴创建图形的最简单方法是使用,pyplot.subplots然后我们可以 Axes.plot在轴上绘制一些数据:


matlab中不用画轴,就像这样

Matlab

m里面也有相似得用法,

接下来看看图形要素

Figure

在整个figure。Figure跟踪所有子Axes,少量“特殊”artists(标题,人物传说等)和画布。(不必太担心画布,这是至关重要的,因为它实际上是绘制对象来获得绘图的对象,但作为用户,您几乎看不见它)。一个图形可以包含任意数量的Axes,但通常至少包含一个。(机翻,有点鬼畜)

创建新图形的最简单方法是使用pyplot:

代码语言:javascript
复制
fig = plt.figure()  # an empty figure with no Axes
fig, ax = plt.subplots()  # a figure with a single Axes
fig, axs = plt.subplots(2, 2)  # a figure with a 2x2 grid of Axes

将轴与图形一起创建很方便,但是以后也可以添加轴,以实现更复杂的轴布局。

Axes

这就是您认为的“绘图”,它是具有数据空间的图像区域。一个给定的图形可以包含许多Axes,但是一个给定的Axes 对象只能位于一个Figure。轴包含两个(或3D情况下为三个) Axis对象(注意轴和Axis之间的差异),这些对象负责数据限制(也可以通过axes.Axes.set_xlim()和 axes.Axes.set_ylim()方法控制数据限制)。每个Axes都有一个标题(通过设置set_title()),一个x标签(通过设置set_xlabel())和一个y 标签(通过 设置 set_ylabel())。

的Axes类和它的成员函数是主要的入口点与OO接口工作。

Axis

这些是类似数字线的对象。他们负责设置图形限制并生成刻度(轴上的标记)和刻度标签(标记刻度的字符串)。刻度的位置由Locator对象确定,刻度标签字符串由格式化Formatter。正确Locator和正确的组合可以Formatter很好地控制刻度线的位置和标签。

Artist¶

基本上你可以在图中看到的一切是一个艺术家(甚至 Figure,Axes和Axis对象)。这包括 Text对象,Line2D对象,collections对象,Patch 对象...(您明白了)。绘制图形后,所有艺术家都被绘制到画布上。大多数艺术家都被绑在斧头上。这样的艺术家不能被多个轴共享,也不能从一个轴移动到另一个轴。

使用Matplotlib本质上有两种方法:

显式创建图形和轴,并在其上调用方法(“面向对象(OO)样式”)。

依靠pyplot自动创建和管理图形和轴,并使用pyplot函数进行绘图。

所以可以做到(OO风格)

代码不一样,结果一样,体现了,图包在大方向上绘图得两种方法

对于一些经常要绘制得图,可以考虑函数得方法就像这样:

一旦图形很复杂,这种方法是个不错的选择

性能

无论是以交互方式浏览数据还是以编程方式保存大量绘图,渲染性能都可能成为绘图中的一个痛苦瓶颈。Matplotlib提供了几种方法,以稍微改变绘制外观(达到可设置的公差)为代价,大大减少了渲染时间。减少渲染时间的可用方法取决于所创建绘图的类型。

线段简化

对于具有线段的图(例如,典型的线图,多边形的轮廓等),可以通过文件中的path.simplify和 path.simplify_threshold参数 来控制渲染性能matplotlibrc。该path.simplify参数是一个布尔值,指示是否完全简化了线段。该 path.simplify_threshold参数控制简化的线段数量。阈值越高,渲染越快。

以下脚本将首先显示数据而不进行任何简化,然后以简化方式显示相同的数据。尝试与他们两个进行交互:

代码语言:javascript
复制
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

# Setup, and create the data to plot
y = np.random.rand(100000)
y[50000:] *= 2
y[np.logspace(1, np.log10(50000), 400).astype(int)] = -1
mpl.rcParams['path.simplify'] = True

mpl.rcParams['path.simplify_threshold'] = 0.0
plt.plot(y)
plt.show()

mpl.rcParams['path.simplify_threshold'] = 1.0
plt.plot(y)
plt.show()

Matplotlib当前默认为的简化阈值1/9。如果要更改默认设置以使用其他值,则可以更改matplotlibrc 文件。另外,您可以创建一种新样式(用于最大程度简化)进行交互式绘图,并创建另一种样式(用于最小程度进行简化)的出版物质量绘图,并根据需要激活它们。

通过将线段迭代合并为单个矢量,直到下一个线段到矢量的垂直距离(在显示坐标空间中测量)大于该path.simplify_threshold参数,可以简化此工作。

标记简化

标记也可以简化,尽管不如线段健壮。标记简化仅适用于Line2D对象(通过 markevery属性)。无论在哪里 Line2D传递构造参数(例如 matplotlib.pyplot.plot()和) matplotlib.axes.Axes.plot()markevery 都可以使用该参数:

代码语言:javascript
复制
plt.plot(x, y, markevery=10)

markevery参数允许进行简单的二次采样,或尝试均匀间隔(沿x轴)采样。

将行分成较小的块

什么是后端,就是把你得code翻译出来显示在屏幕上面

如果使用的是Agg后端.则可以使用agg.path.chunksizerc参数。这使您可以指定块的大小,并且任何大于此顶点的线都将被拆分为多行,每行的agg.path.chunksize 顶点数不超过多个。(除非agg.path.chunksize为零,否则将不进行分块。)对于某些类型的数据,将行分块为合理的大小可以大大减少渲染时间。

以下脚本将首先显示没有任何块大小限制的数据,然后显示块大小为10,000的相同数据。当数字很大时,最好看到最大的区别,请尝试最大化GUI并与之交互:

代码语言:javascript
复制
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['path.simplify_threshold'] = 1.0

# Setup, and create the data to plot
y = np.random.rand(100000)
y[50000:] *= 2
y[np.logspace(1, np.log10(50000), 400).astype(int)] = -1
mpl.rcParams['path.simplify'] = True

mpl.rcParams['agg.path.chunksize'] = 0
plt.plot(y)
plt.show()

mpl.rcParams['agg.path.chunksize'] = 10000
plt.plot(y)
plt.show()

与上面得图一样,但是绘制时间在主观上面确实可以感觉到了差异

传说

轴的默认图例行为会尝试查找覆盖最少数据点(loc='best')的位置。如果有很多数据点,这可能是非常昂贵的计算。在这种情况下,您可能需要提供一个特定的位置。

使用快速样式

快速样式可用于自动设置简化和拆分参数合理设置,以加快绘制大量的数据。只需运行以下命令即可使用它:

代码语言:javascript
复制
import matplotlib.style as mplstyle
mplstyle.use('fast')

它的重量很轻,因此可以与其他样式很好地配合,只要确保最后应用快速样式即可,这样其他样式就不会覆盖设置:

代码语言:javascript
复制
mplstyle.use(['dark_background', 'ggplot', 'fast'])
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-04-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 云深之无迹 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 标记简化
  • 将行分成较小的块
  • 传说
  • 使用快速样式
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档