Matplotlib Pyplot教程

曲奇

发布于 2021-12-14 19:01:26

7210

发布于 2021-12-14 19:01:26

文章被收录于专栏：曲奇的博客

最近自己经常遇到matplotlib的OO API和pyplot包混乱不分的情况，所以抽时间好好把matplotlib的文档读了一下，下面是大概的翻译和总结。很多基础的东西还是要系统地掌握牢固哇～～另外一篇翻译是

matplotlib.pyplot是一个函数的集合，每一个pyplot下面的函数都在figure上做一些动作。

pyplot的动作默认是在当前的Axes上。

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

如果plot的参数是一个单独的list或array，matplotlib认为它是y值，自动生成x轴从0开始。等价于plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

制定plot的颜色和线型

对于每一个x-y对，都有一个可选的参数，“颜色+线型”的字符串

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

根据这个文档可以查看完整的线型和format： plot

axis函数则可以输入[xmin, xmax, ymin, ymax]，和其他控制axis的函数。

plot函数可以同时传入多条线和参数

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()

根据keyword参数plot

可以传入字典或pd.DataFrame，np.recarray。matplotlib允许一个data参数。

然后用keyword指定x和y是哪些。

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()

categorical variables

x轴可以是类别型参数

names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]

plt.figure(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()

控制线的性质

有三种方法去控制线的性质：

使用keyword plt.plot(x, y, linewidth=2.0)
使用Line2D实例的setter方法，plot函数会返回一个Line2D对象。比如line1, line2 = plot(x1, y1, x2, y2) line, = plt.plot(x, y, '-') line.set_antialiased(False) # turn off antialiasing
使用step函数，它可以为一组对象或单个对象设置参数。参数的格式可以是keyword arguments或string-value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) 这是Line2D的参数列表

也可以通过调用step函数，传入line或lines来获取可以设置的属性

In [69]: lines = plt.plot([1, 2, 3])

In [70]: plt.setp(lines)
  alpha: float
  animated: [True | False]
  antialiased or aa: [True | False]
  ...snip

多figures和多Axes

pyplot是在当前figure和当前axes上工作的，通过gca可以拿到当前axes（是一个 matplotlib.axes.Axes实例），通过gcf 可以拿到当前figure实例（matplotlib.figure.Figure实例）。

以下是一个创建两个subplot的实例。这里的figure函数可以不用调用的，默认会创建figure(1)。

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()
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()

如果不显式调用subplot，默认是创建一个subplot(111)，如果不手动指定任何axes。subplot指定numrows，numcols，plotnumber。subplot(211)等价于subplot(2,1,1)

能够手动地任意摆放axes，给axes函数传入位置[left, bottom, width, height]

# Creating a new full window axes
plt.axes()

# Creating a new axes with specified dimensions and some kwargs
plt.axes((left, bottom, width, height), facecolor='w')

可以创建多个figure，只要在figure()函数中传入一个递增的数字即可。

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

能够通过clf()函数清除当前figure或通过cla()函数清除当前axes。当图片被显式地关闭时（在python shell模式下），内存空间才会释放。调用了show()之后，如果关闭了图片，原先的figure和axes即释放。

图片上所有文本text信息

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()

所有的text函数都会返回一个matplotlib.text.Text 实例，这个实例能够用于step的参数，并对实例设置属性。

数学函数

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

注解Annotating

需要指定被注解的位置xy（也就是箭头指向的位置）和文本位置xytext

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()

对数和其他非线性轴

改变一个轴的scale

plt.xscale('log')

# Fixing random state for reproducibility
np.random.seed(19680801)

# make up some data in the open 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()

# 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', linthresh=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)
# 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()