100字范文 > matplotlib小抄与实战

matplotlib小抄与实战

时间：2022-06-29 02:49:44

相关推荐

matplotlib小抄与实战

文章目录

1. 基本使用1.1 figure 图像api示例1.2 设置坐标轴1.3 Legend 图例1.4 Annotation 标注基本图代码添加注释 annotate1.5 tick 透明度2. 散点图绘制3. 多图合并显示3.1 Subplot 多合一显示均匀图中图不均匀图中图3.2 Subplot 分格显示subplot2gridgridspecsubplots3.3 图中图3.4 次坐标轴4. Animation 动画5. 参考资料

1. 基本使用

1.1 figure 图像

api

matplotlib.pyplot.figure

plt.figure方法通常用来创建一个新的figure，或激活一个现有的figure。

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=

Parameters:

num：int或者str类型, 可选参数。是指定图像的唯一标识符，若该标识符指定的图像已经存在则会激活该图像。

figsize：(float, float), 默认值为rcParams["figure.figsize"](即 [6.4, 4.8])，

分别表示图像的 Width 与 height，单位是英寸。

dpi：float, 默认值为rcParams["figure.dpi"](即 100.0)。指定了图像的分辨率，单位是点/英寸。

示例

matplotlib的figure就是一个单独的figure小窗口, 小窗口里面还可以有更多的小图片。

x = np.linspace(-3, 3, 50)y1 = 2 * x + 1y2 = x ** 2plt.figure(num=1, figsize=[8, 5])plt.plot(x, y2)plt.plot(x, y1, color='orange', linewidth=1.0, linestyle='--')plt.figure(num=2, figsize=[8, 5]) # 最终应为空plt.figure(num=1) # 最终应有三条线plt.plot(x, y1 + 2)plt.show()

1.2 设置坐标轴

可以使用plt.xlim设置x坐标轴范围; 使用plt.ylim设置y坐标轴范围; 使用plt.xlabel设置x坐标轴名称; 使用plt.ylabel设置y坐标轴名称。如下所示：

plt.xlim((-3, 3)) plt.ylim((-2, 3))plt.xlabel('x axis')plt.ylabel('y axis')

此外可以使用plt.xticks设置x轴刻度, 使用plt.yticks设置y轴刻度, 如下所示：

x_ticks = np.linspace(-3, 3, 6)y_ticks = np.linspace(-2, 3, 4)plt.xticks(x_ticks)plt.yticks(y_ticks, ['really bad', 'bad', 'normal', 'good']) # 可以使用list替换数字刻度

可以使用plt.gca获取当前坐标轴信息, 对该信息可以使用.spines方法设置边框, 进而使用.set_color设置边框颜色。

ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')

此时效果如下所示：

继续修改，使用.xaxis.set_ticks_position可以设置 x 轴刻度的位置，使用.spines['bottom'].set_position可以设置 x 轴的位置；y 轴同理：

ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data', 0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data', 0))

最终图像如下：

代码：

x = np.linspace(-3, 3, 50)y1 = 2 * x + 1y2 = x ** 2plt.figure(num=1, figsize=[8, 5])plt.plot(x, y2)plt.plot(x, y1, color='orange', linewidth=1.0, linestyle='--')plt.plot(x, y1 + 2)plt.xlim((-3, 3))plt.ylim((-2, 3))x_ticks = np.linspace(-3, 3, 6)y_ticks = np.linspace(-2, 3, 4)plt.xticks(x_ticks)plt.yticks(y_ticks, ['really bad', 'bad', 'normal', 'good'])ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data', 0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data', 0))plt.show()

1.3 Legend 图例

方法一：

直接使用plt.plot()函数的label属性指定图例名称，然后使用plt.legend()函数指定图例位置。

x = np.linspace(-3, 3, 50)y1 = 2 * x + 1y2 = x ** 2plt.figure(num=1, figsize=[8, 5])plt.plot(x, y2, label='square line') # notice 1plt.plot(x, y1, color='orange', linewidth=1.0, linestyle='--', label='linear line') # notice 2plt.xlim((-3, 3)), plt.ylim((-2, 3))ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')plt.legend(loc='lower right') # notice 3plt.show()

方法二：

可以在plt.legend输入更多参数来设置, 只是需要确保在代码notice 1和notice 2处需要用变量l1和l2分别将两个plot存储起来。而且需要注意的是l1,l2,要以逗号结尾, 因为plt.plot()返回的是一个列表。

x = np.linspace(-3, 3, 50)y1 = 2 * x + 1y2 = x ** 2plt.figure(num=1, figsize=[8, 5])l1, = plt.plot(x, y2) # notice 1l2, = plt.plot(x, y1, color='orange', linewidth=1.0, linestyle='--') # notice 2plt.xlim((-3, 3)), plt.ylim((-2, 3))ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')plt.legend(handles=[l1, l2], labels=['square line', 'linear line'], loc='lower right') # notice 3plt.show()

以上无论是哪种方法都应该可以得到下面所示的图像：

1.4 Annotation 标注

基本图代码

x = np.linspace(-5, 5)y = 2 * x + 1plt.figure(num=1, figsize=(8, 5))plt.plot(x, y)# set axesaxes = plt.gca()axes.spines['right'].set_color('none')axes.spines['top'].set_color('none')axes.xaxis.set_ticks_position('bottom')axes.spines['bottom'].set_position(('data', 0))axes.yaxis.set_ticks_position('left')axes.spines['left'].set_position(('data', 0))# line and scatter dotx0, y0 = 1, 3plt.plot([x0, x0], [0, y0], 'k--', linewidth=2.5, color='orange')plt.scatter([x0], [y0], s=50, c='b')plt.xticks(np.arange(-6, 7))

添加注释 annotate

# 标注 (x0, y0) -- (1, 3) 点plt.annotate('2x+1=%s' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30), textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))# 添加注释 textplt.text(-5, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',fontdict={'size': 16, 'color': 'r'})plt.show()

以上可以得到下面所示的图像：

1.5 tick 透明度

x = np.linspace(-3, 3)y = 0.1 * x# 绘制基本图， zorder必需，不知道为啥哦...plt.plot(x, y, linewidth=10, zorder=1)axes = plt.gca()axes.spines['right'].set_color('none')axes.spines['top'].set_color('none')axes.spines['left'].set_position(('data', 0))axes.spines['bottom'].set_position(('data', 0))plt.ylim(-2, 2)# 设置透视度for label in axes.get_xticklabels() + axes.get_yticklabels():label.set_fontsize(12)# 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))plt.show()

主要关注其中label.set_fontsize(12)表示调节字体大小，label.set_bbox设置目的内容的透明度相关参数，facecolor调节前景色，edgecolor设置边框，本处设置边框为无，alpha设置透明度. 最终结果如下:

2. 散点图绘制

n = 1024 # data sizeX = np.random.normal(0, 1, n) # 每一个点的X值Y = np.random.normal(0, 1, n) # 每一个点的Y值T = np.arctan2(Y, X) # for color valueplt.scatter(X, Y, s=50, c=T, alpha=.5)plt.xlim(-1.5, 1.5)plt.xticks(()) # ignore xticksplt.ylim(-1.5, 1.5)plt.yticks(()) # ignore yticksplt.show()

图片如下：

3. 多图合并显示

3.1 Subplot 多合一显示

均匀图中图

使用plt.subplot来指定创建小图, 如plt.subplot(2,2,1)表示将整个图像窗口分为2行2列, 当前位置为1, 接着使用plt.plot()在当前指定位置创建一个小图。

def uniform_multi_graph(rows, cols, idx):plt.subplot(rows, cols, idx)plt.plot(np.linspace(0, idx, 10), np.random.rand(10), c='red')plt.xticks(()), plt.yticks(())plt.figure()for i in range(1, 5):uniform_multi_graph(2, 2, i)plt.show()

图片如下：

不均匀图中图

仍然使用plt.subplot来指定创建小图。首先使用plt.subplot(2,1,1)表示将整个图像窗口分为2行1列, 当前位置为1, 接着使用plt.plot()在当前指定位置创建一个小图。接下来使用plt.subplot(2,3,4)表示将整个图像窗口分为2行3列, 当前位置为4, 接着使用plt.plot()在当前指定的第4个位置创建一个小图，同样对于5， 6 位置也是同样的操作，这样最终就会呈现如下图所示的效果。

def uneven_multi_graph(rows, cols, idx):plt.subplot(rows, cols, idx)plt.plot(np.linspace(0, idx, 10), np.random.rand(10), c='g')plt.xticks(()), plt.yticks(())

3.2 Subplot 分格显示

matplotlib的subplot还可以是分格的。

subplot2grid

使用plt.subplot2grid来创建第1个小图,(3,3)表示将整个图像窗口分成3行3列,(0,0)表示从第0行第0列开始作图，colspan=3表示列的跨度为3,rowspan=1表示行的跨度为1。colspan和rowspan缺省, 默认跨度为1。详见以下程序：

def graph2grid(shape, idx, rowspan=1, colspan=1, color='r'):ax = plt.subplot2grid(shape, idx, rowspan, colspan)ax.plot(np.arange(10), np.linspace(5, 15, 10), c=color)plt.xticks(()), plt.yticks(())plt.figure()ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)ax1.scatter(np.random.randn(10), np.random.rand(10), s=70, c=np.random.rand(10))graph2grid((3, 3), (1, 0), colspan=2)graph2grid((3, 3), (2, 0), colspan=2, color='y')graph2grid((3, 3), (1, 2), rowspan=2, color='g')plt.show()

gridspec

import matplotlib.gridspec as gridspecplt.figure()gs = gridspec.GridSpec(3, 3)plt.subplot(gs[0, :])plt.subplot(gs[1, :2])plt.subplot(gs[1:, 2])plt.subplot(gs[-1, 0])plt.subplot(gs[-1, -2])plt.show()

subplots

# sharex=True 表示共享x轴坐标, sharey=True 表示共享y轴坐标f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)ax11.scatter([1, 2], [1, 2])plt.tight_layout() # 表示紧凑显示图像plt.show()

3.3 图中图

f = plt.figure()left, bottom, width, height = 0.1, 0.1, 0.8, 0.8ax = f.add_axes([left, bottom, width, height])ax.plot(np.arange(1, 8), np.random.randint(1, 10, 7), c='r')ax.set_title('title')ax.set_xlabel('x')ax.set_ylabel('y')ax1 = f.add_axes([0.2, 0.65, 0.2, 0.2])ax1.plot(np.arange(1, 8), np.random.randint(1, 10, 7), c='b')ax1.set_title('inside 1')plt.axes([0.6, 0.2, 0.25, 0.25])plt.plot(np.arange(1, 8), np.random.randint(1, 10, 7), c='g')plt.title('inside 2')plt.show()

3.4 次坐标轴

有时候我们会用到次坐标轴，即在同个图上有第2个y轴存在,同样可以用matplotlib做到。

x = np.arange(0, 10, 0.1)y1 = 0.05 * x ** 2y2 = -y1fig, ax1 = plt.subplots()ax2 = ax1.twinx()ax1.plot(x, y1, 'g-')ax1.set_xlabel('X data')ax1.set_ylabel('Y1 data', color='g')ax2.plot(x, y2, 'b-')ax2.set_ylabel('Y2 data', color='b')plt.show()

4. Animation 动画

matplotlib提供的生成动画的方式有Animation,FuncAnimation,ArtistAnimation。其中FuncAnimation是指通过重复的调用一个函数来生成动画。matplotlib.animation.FuncAnimation 定义如下：

matplotlib.animation.FuncAnimation(fig, func, frames=None, init_func=None, fargs=None, save_count=None, *, cache_frame_data=True, **kwargs)

参数：

fig：Figure 对象

func：callable，可被调用对象，每一个帧均会调用一次，其第一个参数将是帧中的下一个值

frames: 动画长度，一次循环包含的帧数

init_func: 自定义开始帧，即下面要传入的函数 init

interval：更新频率，以ms计

blit：选择更新所有点，还是仅更新产生变化的点，默认为False

from matplotlib import pyplot as pltfrom matplotlib import animation as animationimport numpy as npimport PILfig, ax = plt.subplots()x = np.arange(-np.pi, np.pi, 0.01)line, = plt.plot(x, np.sin(x))ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.spines['left'].set_position(('data', 0))ax.spines['bottom'].set_position(('data', 0))def animate(i):line.set_ydata(np.sin(x + i / 10.0))return line,def init():line.set_ydata(np.sin(x))return line,animator = animation.FuncAnimation(fig=fig, func=animate, frames=100, init_func=init,interval=20, blit=True)# animator.save(r'image\sina.gif', writer='pillow')plt.show()

最终就会呈现如下图所示的效果: