matplotlib（一）——pyplot使用简介

雨点打透心脏的1/2处 2022-06-07 07:28 155阅读 0赞

# 转自:http://blog.csdn.net/qq\_31192383/article/details/5397782 #

## pyplot介绍 ##

matplotlib.pyplot是一个有命令风格的函数集合，它看起来和MATLAB很相似。每一个pyplot函数都使一副图像做出些许改变，例如创建一幅图，在图中创建一个绘图区域，在绘图区域中添加一条线等等。在matplotlib.pyplot中，各种状态通过函数调用保存起来，以便于可以随时跟踪像当前图像和绘图区域这样的东西。绘图函数是直接作用于当前axes（matplotlib中的专有名词，图形中组成部分，不是数学中的坐标系。）  
举一个简单的例子：

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

运行结果  
![这里写图片描述][SouthEast]

你可能会很疑惑X和Y轴为什么是0~3和1~4。原因是这样的，这里我们只是为plot()命令提供 了一个list或者是array，matplotlib就会假设这个序列是Y轴上的取值，并且会自动为你生成X轴上的值。因为python中的范围是从0开始的，因此X轴就是从0开始，长度与Y的长度相同，也就是\[0,1,2,3\]。

plot()是一个灵活的命令，它的参数可以是任意数量，比如：

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
     
      
       1

这表示的是(x,y)对，(1,1)(2,4)(3,9)(4,16)。这里有第三个可选参数，它是字符串格式的，表示颜色和线的类型。该字符串格式中的字母和符号来自于MATLAB，它是颜色字符串和线的类型字符串的组合。默认情况下，该字符串参数是’b-‘，表示蓝色的实线。  
举一个使用红色圆圈绘制上述点集的例子：

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

![这里写图片描述][SouthEast 1]

可以查看[plot()][plot]的文档，那里有完整的关于线的类型的说明。[axis()][axis]命令可以方便的获取和设置XY轴的一些属性。

如果matplotlib仅限于使用上面那种list，那么它将显得毫无用处。通常，我们都是使用numpy数组，实际上，所有的序列都将被在内部被转化成numpy数字。下面的例子是使用一个命令用几种不同风格的线绘制一个数组：

import numpy as np
        import matplotlib.pyplot as plt
    
        # 0到5之间每隔0.2取一个数
        t = np.arange(0., 5., 0.2)
    
        # 红色的破折号，蓝色的方块，绿色的三角形
        plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
        plt.show()
     
      
       1 
       2 
       3 
       4 
       5 
       6 
       7 
       8 
       9

![这里写图片描述][SouthEast 2]

*  控制线的属性  
    线有许多属性可以设置：线宽、线的形状，平滑等等。这里有一些设置线属性的方法：
    
     *  使用关键字参数
    
        plt.plot(x,y,linewidth=2.0)
           
            
             1
    
     *  对线对象(Line2D)使用set\_方法，plot()会返回一个线对象的列表，比如line1, line2 = plot(x1, y1, x2, y2)。下面的代码我们将假设我们只有一条线，即返回的线对象列表的长度为1。
    
        line, = plt.plot(x, y, '-')
        line.set_antialiased(False) # 关闭平滑
           
            
             1 
             2
    
     *  使用setp()命令。 下面的例子使用的是MATLAB风格的命令去设置一个线的列表的多个属性。setp()可以作用于一个列表对象或者是一个单一的对象。你可以使用python风格的关键字参数或者是MATLAB风格的string/value对为参数：
    
        lines = plt.plot(x1, y1, x2, y2)
        
        # 使用关键字
        
        plt.setp(lines, color='r', linewidth=2.0)
        
        # 或者是MATLAB风格的string/value对
        
        plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
           
            
             1 
             2 
             3 
             4 
             5 
             6 
             7 
             8 
             9
    
    这是一些Line2D的属性和取值：  
    ![这里写图片描述][SouthEast 3]
 *  工作在多图形(figures)和多坐标系(axes)  
    MATLAB和pyplot都有当前图形(figure)和当前坐标系(axes)的概念。所有的绘图命令都是应用于当前坐标系的。gca()和gcf()(get current axes/figures)分别获取当前axes和figures的对象。通常，你不用担心这些，因为他们都在幕后被保存了，下面是一个例子，创建了两个子绘图区域(subplot)：
    
        import numpy as np
        import matplotlib.pyplot as plt
        
        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("2subplot")
        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()
           
            
             1 
             2 
             3 
             4 
             5 
             6 
             7 
             8 
             9 
             10 
             11 
             12 
             13 
             14 
             15 
             16
    
    ![这里写图片描述][SouthEast 4]
    
    figure()命令在这儿可以不写，因为figure(1)将会被默认执行，同样，subplot(111)也是默认被执行的。subplot()中的参数分别指定了numrows、numcols、fignum，其中fignum的取值范围为1到numrows\*numcols，分别表示的是将绘图区域划分为numrows行和numcols列个子绘图区域，fignum为当前子图的编号。编号是从1开始，一行一行由左向右编号的。其实subplot中的参数【111】本应写作【1,1,1】，但是如果这三个参数都小于10(其实就是第三个参数小于10)就可以省略逗号。你可以创建任意数量的子图(subplots)和坐标系(axes)。如果你想手动放置一个axes，也就是它不再是一个矩形方格，你就可以使用命令axes()，它可以让坐标系位于任何位置，axes(\[left,bottom,width,height\])，其中所有的值都是0到1(axes(\[0.3,0.4,0.2,0.3\])表示的是该坐标系位于figure的(0.3,0.4)处，其宽度和长度分别为figure横坐标和纵坐标总长的0.2和0.3)。其实subplot和axes的区别就在于axes大小和位置更加随意。  
    你可以创建多个figure，通过调用figure()，其参数为figure的编号。当然每个figure可以包含多个subplot或者是多个axes。例子：
    
        import matplotlib.pyplot as plt
        plt.figure(1)                # 编号为1的figure
        plt.subplot(211)             # figure1中的第一个子图
        plt.plot([1, 2, 3])
        plt.subplot(212)             # figure1中的第二个子图
        plt.plot([4, 5, 6])
        
        
        plt.figure(2)                # figure2
        plt.plot([4, 5, 6])          # 默认使用subplot(111),此时figure2为当      
                                     # 前figure
        
        plt.figure(1)                # 设置figure1为当前figure;  
                                     # 但是subplot(212)为当前子图
        plt.subplot(211)             # 使subplot(211)为当前子图
        plt.title('Easy as 1, 2, 3') # 对subplot(211)命名
           
            
             1 
             2 
             3 
             4 
             5 
             6 
             7 
             8 
             9 
             10 
             11 
             12 
             13 
             14 
             15 
             16
    
    我们可以使用clf()和cla()(clear current figure/axes)清除当前figure和当前axes。  
    如果你创建了许多figures，你需要注意一件事：figure的内存直到显示调用close()函数才会被完全释放，否则它并没有被全部释放。如果只是删掉对figure的引用，或者是通过关闭window进程管理器关闭该figure，这都是不完全删除figure的，因为pyplot在内部维持了一个引用，直到close()被调用。
 *  文字  
    text()命令可以被用来在任何位置添加文字，xlabel()、ylabel()、title()被用来在指定位置添加文字。
    
        import numpy as np
        import matplotlib.pyplot as plt
        
        mu, sigma = 100, 15
        x = mu + sigma * np.random.randn(10000)
        
        
        # 直方图
        
        n, bins, patches = plt.hist(x, 50, normed=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()
           
            
             1 
             2 
             3 
             4 
             5 
             6 
             7 
             8 
             9 
             10 
             11 
             12 
             13 
             14 
             15 
             16 
             17 
             18 
             19
    
    ![这里写图片描述][SouthEast 5]  
    所有text()命令返回一个matplotlib.text.Text实例，像上面的线一样，可以通过关键字参数在text()定制文本样式，也可以通过setp()来定制文字的样式：
    
        t = plt.xlabel('my data', fontsize=14, color='red')
        setp(t,color='blue')
           
            
             1 
             2
    
     *  在文本中使用数学表达式  
        matplotlib接受任何TeX方程表达式，比如![这里写图片描述][SouthEast 6]，你可以写成用”$”符号包裹的TeX表达式：
    
        plt.title(r'$\sigma_i=15$')
           
            
             1
    
    这里的”r”非常重要，它表示后面的字符串是一个纯粹的字符串，不会将后面的反斜杠当作转义字符。matplotlib内置有TeX表达式解释器和排版引擎，和自带的数学字体。因此你可以不用安装TeX就能使用数学表达式，如果你安装了LaTeX和dvipng，你也可以使用LaTex排版你的文字并且直接输出到figures或者是保存。
    
     *  注释文本  
        使用text()命令可以在Axes中任意位置放置文本，一个普遍的文本用法是对一些特性进行注释，annotate()方法让添加注释变得很容易。对于注释有两点需要注意：需要被注释的地方，使用xy参数来指出，还有就是注释文本所放置的位置，使用参数xytext来指定位置，这两个参数都使(x,y)元组：
    
        import numpy as np
        import matplotlib.pyplot as plt
        
        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()
           
            
             1 
             2 
             3 
             4 
             5 
             6 
             7 
             8 
             9 
             10 
             11 
             12 
             13 
             14 
             15
    
    ![这里写图片描述][SouthEast 7]  
    这里的xy和xytext所使用的坐标是根据XY轴的刻度的坐标，称为data coordinates。当然也可以使用其他坐标系统，具体参考官方文档。
 *  对数和其他非线性坐标轴(axis)  
    matplotlib.pylot不仅仅提供了线性的坐标，还提供了对数(logarithmic)和分对数(logit)坐标。当数据的维度跨越许多数量级时，这种坐标就很有用，改变坐标轴的刻度很容易：
    
        plt.xscale(‘log’)
           
            
             1
    
    下面是一个例子，对于同样的数据，在Y轴使用不同刻度下的曲线图：
    
        import numpy as np
        import matplotlib.pyplot as plt
        
        
        # 在区间[0,1]制造一些数据
        
        
        # np.random.normal为高斯分布
        
        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))
        
        
        # 创建一个窗口
        
        plt.figure(1)
        
        
        # 线性
        
        plt.subplot(221)
        plt.plot(x, y)
        plt.yscale('linear')
        plt.title('linear')
        plt.grid(True)
        
        
        
        # 对数
        
        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=0.05)
        plt.title('symlog')
        plt.grid(True)
        
        
        # logit
        
        plt.subplot(224)
        plt.plot(x, y)
        plt.yscale('logit')
        plt.title('logit')
        plt.grid(True)
        
        plt.show()
           
            
             1 
             2 
             3 
             4 
             5 
             6 
             7 
             8 
             9 
             10 
             11 
             12 
             13 
             14 
             15 
             16 
             17 
             18 
             19 
             20 
             21 
             22 
             23 
             24 
             25 
             26 
             27 
             28 
             29 
             30 
             31 
             32 
             33 
             34 
             35 
             36 
             37 
             38 
             39 
             40 
             41 
             42 
             43 
             44 
             45 
             46 
             47 
             48 
             49 
             50 
             51 
             52 
             53 
             54 
             55 
             56 
             57 
             58
    
    ![这里写图片描述][SouthEast 8]  
    我们也可以添加自己的刻度和投影。具体这里先不介绍，后续会深入讲解更多matplotlib的用法。

作者也是边学边写博客，有诸多不对之处敬请谅解。

[SouthEast]: /images/20220607/716fc347078d42f7b3008d54cb7b15db.png
[SouthEast 1]: /images/20220607/c5f9e7e311274ae5b82bf5d377bf1108.png
[plot]: http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.plot
[axis]: http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.axis
[SouthEast 2]: /images/20220607/583999c103534e1eab81855bbee6fb6d.png
[SouthEast 3]: /images/20220607/a2f0ed6faf044c188694475449d1c746.png
[SouthEast 4]: /images/20220607/87dd4549fb3a4a91b0020712957dfc2f.png
[SouthEast 5]: /images/20220607/9ff2333d0e584b278ed3e1076e9ec791.png
[SouthEast 6]: /images/20220607/1c276037d0a5438382d2f8c4ae3772a6.png
[SouthEast 7]: /images/20220607/4405907de5a042cdbd92acfed506771c.png
[SouthEast 8]: /images/20220607/d7853b32422e4a81958772b8d72edde1.png