Python图表绘制：matplotlib绘图库入门

Bertha 。 2021-12-04 08:47 385阅读 0赞

## [Python图表绘制：matplotlib绘图库入门][Python_matplotlib] ##

matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。

它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。

在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包可以调用gnuplot，但是语法比较不习惯，而且画图质量不高。

而 [Matplotlib][]则比较强：Matlab的语法、python语言、latex的画图质量（还可以使用内嵌的latex引擎绘制的数学公式）。

--------------------

**Matplotlib.pyplot快速绘图**

--------------------

[**快速绘图**][Link 1] **和** [**面向对象方式绘图**][Link 2]

matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。

为了方便快速绘图matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。

为了将面向对象的绘图库包装成只使用函数的调用接口，pyplot模块的内部保存了当前图表以及当前子图等信息。当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示"Get Current Figure"和"Get Current Axes"。在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，比如说：

> plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。

可以在Ipython中输入类似"plt.plot??"的命令查看pyplot模块的函数是如何对各种绘图对象进行包装的。

[**配置属性**][Link 3]

matplotlib所绘制的图表的每个组成部分都和一个对象对应，我们可以通过调用这些对象的属性设置方法set\_\*()或者pyplot模块的属性设置函数setp()设置它们的属性值。

因为matplotlib实际上是一套面向对象的绘图库，因此也可以直接获取对象的属性

[**配置文件**][Link 4]

绘制一幅图需要对许多对象的属性进行配置，例如颜色、字体、线型等等。我们在绘图时，并没有逐一对这些属性进行配置，许多都直接采用了matplotlib的缺省配置。

matplotlib将这些缺省配置保存在一个名为“matplotlibrc”的配置文件中，通过修改配置文件，我们可以修改图表的缺省样式。配置文件的读入可以使用rc\_params()，它返回一个配置字典；在matplotlib模块载入时会调用rc\_params()，并把得到的配置字典保存到rcParams变量中；matplotlib将使用rcParams字典中的配置进行绘图；用户可以直接修改此字典中的配置，所做的改变会反映到此后创建的绘图元素。

[**绘制多子图**][Link 5]（快速绘图）

Matplotlib 里的常用类的包含关系为 `Figure -> Axes -> (Line2D, Text, etc.)`一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，可以理解为子图。

可以使用subplot()快速绘制包含多个子图的图表，它的调用形式如下：

subplot(numRows, numCols, plotNum)

subplot将整个绘图区域等分为numRows行\* numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。

[![image][]][image 1]

subplot()返回它所创建的Axes对象，我们可以将它用变量保存起来，然后用sca()交替让它们成为当前Axes对象，并调用plot()在其中绘图。

[**绘制多图表**][Link 6]（快速绘图）

如果需要同时绘制多幅图表，可以给figure()传递一个整数参数指定Figure对象的序号，如果序号所指定的Figure对象已经存在，将不创建新的对象，而只是让它成为当前的Figure对象。

import numpy as np
    import matplotlib.pyplot as plt
    plt.figure(1) # 创建图表1
    plt.figure(2) # 创建图表2
    ax1 = plt.subplot(211) # 在图表2中创建子图1
    ax2 = plt.subplot(212) # 在图表2中创建子图2
    x = np.linspace(0, 3, 100)
    for i in xrange(5):
        plt.figure(1)  #❶ # 选择图表1
        plt.plot(x, np.exp(i*x/3))
        plt.sca(ax1)   #❷ # 选择图表2的子图1
        plt.plot(x, np.sin(i*x))
        plt.sca(ax2)  # 选择图表2的子图2
        plt.plot(x, np.cos(i*x))
    plt.show()

--------------------

**面向对象画图**

--------------------

matplotlib API包含有三层，Artist层处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道，而不需要关心底层的绘制细节。

直接使用Artists创建图表的标准流程如下：

*  创建Figure对象
 *  用Figure对象创建一个或者多个Axes或者Subplot对象
 *  调用Axies等对象的方法创建各种简单类型的Artists

import matplotlib.pyplot as plt
    X1 = range(0, 50)
    Y1 = [num**2 for num in X1] # y = x^2
    X2 = [0, 1]
    Y2 = [0, 1]  # y = x
    Fig = plt.figure(figsize=(8,4))                      # Create a `figure' instance
    Ax = Fig.add_subplot(111)               # Create a `axes' instance in the figure
    Ax.plot(X1, Y1, X2, Y2)                 # Create a Line2D instance in the axes
    Fig.show()
    Fig.savefig("test.pdf")

参考：

**《Python科学计算》(**[**Numpy视频**][Numpy]**)** [matplotlib-绘制精美的图表(快速绘图)][matplotlib-][(面向对象绘图)][Link 7]（深入浅出适合系统学习）

[什么是 Matplotlib][Matplotlib 1] （主要讲面向对象绘图，对于新手可能有点乱）

--------------------

**Matplotlib.pylab快速绘图**

--------------------

matplotlib还提供了一个名为pylab的模块，其中包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块：

import pylab as pl

**1 安装numpy和matplotlib**

import numpy
    numpy.__version__
    
    import matplotlib
    matplotlib.__version__

**2 两种常用图类型**：Line and scatter plots(使用plot()命令), histogram(使用hist()命令)

**2.1 折线图&散点图** Line and scatter plots

**2.1.1 折线图 Line plots**(关联一组x和y值的直线)

import numpy as np
    import pylab as pl
    x = [1, 2, 3, 4, 5]# Make an array of x values
    y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
    pl.plot(x, y)# use pylab to plot x and y
    pl.show()# show the plot on the screen

[![image][image 2]][image_image 2]

**2.1.2 散点图 Scatter plots**

把pl.plot(x, y)改成pl.plot(x, y, 'o')即可，下图的蓝色版本

**2.2 美化 Making things look pretty**

**2.2.1 线条颜色 Changing the line color**

红色：把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)

[![image][image 3]][image_image 3]

[![image][image 4]][image_image 4]

**2.2.2 线条样式 Changing the line style**

虚线:plot(x,y, '--')

[![image][image 5]][image_image 5]

**2.2.3 marker样式 Changing the marker style**

蓝色星型markers：plot(x,y, ’b\*’)

[![image][image 6]][image_image 6]

**2.2.4 图和轴标题以及轴坐标限度 Plot and axis titles and limits**

import numpy as np
    import pylab as pl
    x = [1, 2, 3, 4, 5]# Make an array of x values
    y = [1, 4, 9, 16, 25]# Make an array of y values for each x value
    pl.plot(x, y)# use pylab to plot x and y
    pl.title(’Plot of y vs. x’)# give plot a title
    pl.xlabel(’x axis’)# make axis labels
    pl.ylabel(’y axis’)
    pl.xlim(0.0, 7.0)# set axis limits
    pl.ylim(0.0, 30.)
    pl.show()# show the plot on the screen

[![image][image 7]][image_image 7]

2.2.5 **在一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes**

做法是很直接的，依次作图即可:

import numpy as np
    import pylab as pl
    x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph
    y1 = [1, 4, 9, 16, 25]
    x2 = [1, 2, 4, 6, 8]
    y2 = [2, 4, 8, 12, 16]
    pl.plot(x1, y1, ’r’)# use pylab to plot x and y
    pl.plot(x2, y2, ’g’)
    pl.title(’Plot of y vs. x’)# give plot a title
    pl.xlabel(’x axis’)# make axis labels
    pl.ylabel(’y axis’)
    pl.xlim(0.0, 9.0)# set axis limits
    pl.ylim(0.0, 30.)
    pl.show()# show the plot on the screen

[![image][image 8]][image_image 8]

**2.2.6 图例 Figure legends**

pl.legend((plot1, plot2), (’label1, label2’), 'best’, numpoints=1)

其中第三个参数表示图例放置的位置:'best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.

如果在当前figure里plot的时候已经指定了label，如plt.plot(x,z,label="$cos(x^2)$")，直接调用plt.legend()就可以了哦。

import numpy as np
    import pylab as pl
    x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph
    y1 = [1, 4, 9, 16, 25]
    x2 = [1, 2, 4, 6, 8]
    y2 = [2, 4, 8, 12, 16]
    plot1 = pl.plot(x1, y1, ’r’)# use pylab to plot x and y : Give your plots names
    plot2 = pl.plot(x2, y2, ’go’)
    pl.title(’Plot of y vs. x’)# give plot a title
    pl.xlabel(’x axis’)# make axis labels
    pl.ylabel(’y axis’)
    pl.xlim(0.0, 9.0)# set axis limits
    pl.ylim(0.0, 30.)
    pl.legend([plot1, plot2], (’red line’, ’green circles’), ’best’, numpoints=1)# make legend
    pl.show()# show the plot on the screen

[![image][image 9]][image_image 9]

**2.3 直方图 Histograms**

import numpy as np
    import pylab as pl
    # make an array of random numbers with a gaussian distribution with
    # mean = 5.0
    # rms = 3.0
    # number of points = 1000
    data = np.random.normal(5.0, 3.0, 1000)
    # make a histogram of the data array
    pl.hist(data)
    # make plot labels
    pl.xlabel(’data’)
    pl.show()

如果不想要黑色轮廓可以改为pl.hist(data, histtype=’stepfilled’)

[![image][image 10]][image_image 10]

**2.3.1 自定义直方图bin宽度 Setting the width of the histogram bins manually**

增加这两行

bins = np.arange(-5., 16., 1.) #浮点数版本的range
    pl.hist(data, bins, histtype=’stepfilled’)

[![image][image 11]][image_image 11]

**3 同一画板上绘制多幅子图 Plotting more than one axis per canvas**

如果需要同时绘制多幅图表的话，可以是给figure传递一个整数参数指定图标的序号，如果所指定  
序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。

fig1 = pl.figure(1)  
pl.subplot(211)  
subplot(211)把绘图区域等分为2行\*1列共两个区域, 然后在区域1(上区域)中创建一个轴对象. pl.subplot(212)在区域2(下区域)创建一个轴对象。  
[![image][image 12]][image_image 12]

You can play around with plotting a variety of layouts. For example, Fig. 11 is created using the following commands:

f1 = pl.figure(1)  
pl.subplot(221)  
pl.subplot(222)  
pl.subplot(212)

[![image][image 13]][image_image 13]

当绘图对象中有多个轴的时候，可以通过工具栏中的Configure Subplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话，可以调用subplots\_adjust函数，它有left, right, bottom, top, wspace, hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。

pl.subplots\_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)

**4 绘制文件中的数据Plotting data contained in files**

**4.1 从Ascii文件中读取数据 Reading data from ascii files**

读取文件的方法很多，这里只介绍一种简单的方法，更多的可以参考官方文档和[NumPy快速处理数据(文件存取)][NumPy]。

numpy的loadtxt方法可以直接读取如下文本数据到numpy二维数组

\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

\# fakedata.txt  
0 0  
1 1  
2 4  
3 9  
4 16  
5 25  
6 36  
7 49  
8 64  
9 81  
0 0  
1 1  
2 4  
3 9  
4 16  
5 25  
6 36  
7 49  
8 64  
9 81

\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

import numpy as np
    import pylab as pl
    # Use numpy to load the data contained in the file
    # ’fakedata.txt’ into a 2-D array called data
    data = np.loadtxt(’fakedata.txt’)
    # plot the first column as x, and second column as y
    pl.plot(data[:,0], data[:,1], ’ro’)
    pl.xlabel(’x’)
    pl.ylabel(’y’)
    pl.xlim(0.0, 10.)
    pl.show()

[![image][image 14]][image_image 14]

**4.2 写入数据到文件 Writing data to a text file**

写文件的方法也很多，这里只介绍一种可用的写入文本文件的方法，更多的可以参考官方文档。

import numpy as np
    # Let’s make 2 arrays (x, y) which we will write to a file
    # x is an array containing numbers 0 to 10, with intervals of 1
    x = np.arange(0.0, 10., 1.)
    # y is an array containing the values in x, squared
    y = x*x
    print ’x = ’, x
    print ’y = ’, y
    # Now open a file to write the data to
    # ’w’ means open for ’writing’
    file = open(’testdata.txt’, ’w’)
    # loop over each line you want to write to file
    for i in range(len(x)):
        # make a string for each line you want to write
        # ’\t’ means ’tab’
        # ’\n’ means ’newline’
        # ’str()’ means you are converting the quantity in brackets to a string type
        txt = str(x[i]) + ’\t’ + str(y[i]) + ’ \n’
        # write the txt to the file
        file.write(txt)
    # Close your file
    file.close()

这部分是翻译自：[Python Plotting Beginners Guide][]

--------------------

**对LaTeX数学公式的支持**

Matlplotlib对LaTeX有一定的支持，如果记得使用raw字符串语法会很自然：

> xlabel(r"$\\frac\{x^2\}\{y^4\}$")

在matplotlib里面，可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个“r”即可

Here is a simple example:

> \# plain text  
> plt.title('alpha > beta')  
>

produces “alpha > beta”.

Whereas this:

> \# math text  
> plt.title(r'$\\alpha > \\beta$')  
>

produces "![math-3ba37e0517.png][]".

这里给大家看一个简单的例子。

> import matplotlib.pyplot as plt
> 
> x = arange(1,1000,1)  
> r = -2  
> c = 5  
> y = \[5\*(a\*\*r) for a in x\]
> 
> fig = plt.figure()
> 
> ax = fig.add\_subplot(111)  
> ax.loglog(x,y,label = r"$y = \\frac\{1\}\{2\\sigma\_1^2\}, c=5,\\sigma\_1=-2$")  
> ax.legend()  
> ax.set\_xlabel(r"x")  
> ax.set\_ylabel(r"y")

程序执行结果如图3所示，这实际上是一个power-law的例子，有兴趣的朋友可以继续google之。

再看一个《用Python做科学计算》中的简单例子，下面的两行程序通过调用plot函数在当前的绘图对象中进行绘图：

> plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)  
> plt.plot(x,z,"b--",label="$cos(x^2)$")  
>

plot函数的调用方式很灵活，第一句将x,y数组传递给plot之后，用关键字参数指定各种属性：

*  **label** : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。只要在字符串前后添加"**$**"符号，matplotlib就会使用其**内嵌的latex引擎**绘制的数学公式。
 *  **color** : 指定曲线的颜色
 *  **linewidth** : 指定曲线的宽度

**详细的可以参考matplotlib**官方教程:

[Writing mathematical expressions][]

*  [Subscripts and superscripts][]
 *  [Fractions, binomials and stacked numbers][Fractions_ binomials and stacked numbers]
 *  [Radicals][]
 *  [Fonts][]
    
     *  [Custom fonts][]
 *  [Accents][]
 *  [Symbols][]
 *  [Example][]

[Text rendering With LaTeX][Writing mathematical expressions]

*  [usetex with unicode][]
 *  [Postscript options][]
 *  [Possible hangups][]
 *  [Troubleshooting][]

有几个问题：

*  matplotlib.rcParams属性字典
 *  想要它正常工作，在matplotlibrc配置文件中需要设置text.markup = "tex"。
 *  如果你希望图表中所有的文字（包括坐标轴刻度标记）都是LaTeX'd,需要在matplotlibrc中设置text.usetex = True。如果你使用LaTeX撰写论文，那么这一点对于使图表和论文中其余部分保持一致是很有用的。
 *  在matplotlib中使用中文字符串时记住要用unicode格式，例如：u''测试中文显示''

[matplotlib使用小结][matplotlib]

[Python_matplotlib]: http://www.cnblogs.com/wei-li/archive/2012/05/23/2506940.html
[Matplotlib]: http://matplotlib.sourceforge.net/
[Link 1]: http://hyry.dip.jp/tech/book/page/scipy/matplotlib_fast_plot.html#id1
[Link 2]: http://hyry.dip.jp/tech/book/page/scipy/matplotlib_fast_plot.html#id2
[Link 3]: http://hyry.dip.jp/tech/book/page/scipy/matplotlib_fast_plot.html#id3
[Link 4]: http://hyry.dip.jp/tech/book/page/scipy/matplotlib_fast_plot.html#id5
[Link 5]: http://hyry.dip.jp/tech/book/page/scipy/matplotlib_fast_plot.html#id4
[image]: /images/20211204/3cf60487123c4ea3a15faf384fe1a9be.png
[image 1]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205231144091047.png
[Link 6]: http://hyry.dip.jp/tech/book/page/scipy/matplotlib_fast_plot.html#fig-matplotlibmultifigure
[Numpy]: http://www.tudou.com/playlist/id/10590221
[matplotlib-]: http://hyry.dip.jp/tech/book/page/scipy/matplotlib.html
[Link 7]: http://hyry.dip.jp:8000/pydoc/matplotlib_intro.html#artist
[Matplotlib 1]: http://darksair.org/wiki/matplotlib.html
[image 2]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001198952.png
[image_image 2]: /images/20211204/2e6bf65cf2bc4e34917128184c85dad5.png
[image 3]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001201644.png
[image_image 3]: /images/20211204/fc791214e1eb415684ceface38ed400d.png
[image 4]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001213115.png
[image_image 4]: /images/20211204/bb37940cd1ac480496067851024a0e6b.png
[image 5]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001238839.png
[image_image 5]: /images/20211204/0aed0be1d79d448ca2abf7cdb01f8c1b.png
[image 6]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/20120523000125800.png
[image_image 6]: /images/20211204/7933e97408d2447d9cac7ff59c734b91.png
[image 7]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001278966.png
[image_image 7]: /images/20211204/a76687bd9100438ab7bff7c58d85f42f.png
[image 8]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001282945.png
[image_image 8]: /images/20211204/d5f35bc9591b42c5974a4cc7f8f2c96e.png
[image 9]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001308320.png
[image_image 9]: /images/20211204/021387a5cc314926aeba633edee60556.png
[image 10]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/20120523000131107.png
[image_image 10]: /images/20211204/e72a7367bbd44cb7ac97a09179f52744.png
[image 11]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001337466.png
[image_image 11]: /images/20211204/f74cdc19f6fb422a909d691d7dc2a3f3.png
[image 12]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230001355317.png
[image_image 12]: /images/20211204/dac7daff4db74f799a9a5145310618c5.png
[image 13]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/20120523093234632.png
[image_image 13]: /images/20211204/56490e669b0148dd9561cf730538838a.png
[NumPy]: http://hyry.dip.jp/tech/book/page/scipy/numpy_file.html
[image 14]: http://images.cnblogs.com/cnblogs_com/wei-li/201205/201205230737267460.png
[image_image 14]: /images/20211204/9a44efc69f774da38737df05deac1243.png
[Python Plotting Beginners Guide]: http://www.ast.uct.ac.za/~sarblyth/pythonGuide/PythonPlottingBeginnersGuide.pdf
[math-3ba37e0517.png]: /images/20211204/5b215629d1724611b72ebbce3e34db35.png
[Writing mathematical expressions]: http://matplotlib.sourceforge.net/users/#
[Subscripts and superscripts]: http://matplotlib.sourceforge.net/users/#subscripts-and-superscripts
[Fractions_ binomials and stacked numbers]: http://matplotlib.sourceforge.net/users/#fractions-binomials-and-stacked-numbers
[Radicals]: http://matplotlib.sourceforge.net/users/#radicals
[Fonts]: http://matplotlib.sourceforge.net/users/#fonts
[Custom fonts]: http://matplotlib.sourceforge.net/users/#custom-fonts
[Accents]: http://matplotlib.sourceforge.net/users/#accents
[Symbols]: http://matplotlib.sourceforge.net/users/#symbols
[Example]: http://matplotlib.sourceforge.net/users/#example
[usetex with unicode]: http://matplotlib.sourceforge.net/users/#usetex-with-unicode
[Postscript options]: http://matplotlib.sourceforge.net/users/#postscript-options
[Possible hangups]: http://matplotlib.sourceforge.net/users/#possible-hangups
[Troubleshooting]: http://matplotlib.sourceforge.net/users/#troubleshooting
[matplotlib]: http://hi.baidu.com/step_1/blog/item/72231a2c53348af28b13999e.html