matplotlib+pyqt4 內容整理

最近學習了matplotlib的內容，在這里做一些總結。

參考：vamei博客（Python的也可以看其教程）http://www.cnblogs.com/vamei/archive/2013/01/30/2879700.html

http://reverland.org/python/2012/09/07/matplotlib-tutorial/

http://myshare.dscloud.me/scipydoc/matplotlib_intro.html#axis（這個文章很好的解釋了figure,axes,subplot,axis等之間的關系，還有最終的artist對象，感覺這個是必看）

官方的文檔：http://matplotlib.org/index.html

一、一些例子pyqt4+matplotlib

example1 ： 將matplolib作為一個widget對象顯現，這樣也可以插入到qt的布局中，所有的matplotlib都可以以這種形式呈現。有個plt.gcf()的方法我經常使用，這個是獲取當前的figure，如果你有多figure的話，只顯示當前狀態的，當然也有方法去顯示多figure。使用plt.gcf().clear()可以讓figure上的對象消失，我采用這個方法實現的重繪，不知道有沒有其他更好的方法。

#_*_coding:utf-8_*_
'''
Created on 2014年12月10日

@author: Administrator
'''
from PyQt4.QtCore import *
from PyQt4.QtGui import *
from matplotlib.backends.backend_qt4agg import FigureCanvasQTAgg as figureCanvas
from matplotlib.figure import Figure
import matplotlib.pyplot as plt
import sys

class DrawWidget(QWidget):
    def __init__(self,parent=None):
        super(DrawWidget,self).__init__(parent)
        
        figure = plt.gcf() #返回當前的figure
        self.canvas = figureCanvas(figure)
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example')
        plt.xlabel('x')
        plt.ylabel('y')
        self.canvas.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas)
        
    
if __name__ == '__main__':
    app = QApplication(sys.argv)
    ui = DrawWidget()
    ui.show()
    app.exec_()

example2: 多figure在widget上的顯示，我用了一種比較笨的方法，采用了多canvas和多figure的辦法，然后在widget上面使用布局管理器控制布局，我記得是有一種方法可以用一個canvas將多figure顯示出來的，方法記不起來了，就附上這個比較笨的替代方法。（代碼中可以忽略class Example這一段，這些是不同的widget，最后widgetObject.show（）方法顯示指定的widget）

#_*_coding:utf-8_*_
'''
Created on 2014年12月10日

@author: Administrator
'''
from PyQt4.QtCore import *
from PyQt4.QtGui import *
from matplotlib.backends.backend_qt4agg import FigureCanvasQTAgg as figureCanvas
import matplotlib.pyplot as plt
import sys

class Example1(QWidget):
    def __init__(self,parent=None):
        super(Example1,self).__init__(parent)
        
        figure = plt.gcf() #返回當前的figure
        self.canvas = figureCanvas(figure)
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example')
        plt.xlabel('x')
        plt.ylabel('y')
        self.canvas.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas)
        
class Example2(QWidget):
    def __init__(self,parent=None):
        super(Example2,self).__init__(parent)
        
        figure1 = plt.figure(1) #返回當前的figure
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example1')
        plt.xlabel('x')
        plt.ylabel('y')
        
        figure2 = plt.figure(2) #返回當前的figure
        x = [7,8,9]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example2')
        plt.xlabel('x')
        plt.ylabel('y')
        
        self.canvas1 = figureCanvas(figure1)
        self.canvas2 = figureCanvas(figure2)
        self.canvas1.draw()
        self.canvas2.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas1)
        layout.addWidget(self.canvas2)
        
    
if __name__ == '__main__':
    app = QApplication(sys.argv)
    ui = Example2()
    ui.show()
    app.exec_()

example3：如果想實現在一個figure里畫很多線或者圖形，很簡單，一直繪制就行。

#_*_coding:utf-8_*_
'''
Created on 2014年12月10日

@author: Administrator
'''
from PyQt4.QtCore import *
from PyQt4.QtGui import *
from matplotlib.backends.backend_qt4agg import FigureCanvasQTAgg as figureCanvas
import matplotlib.pyplot as plt
import sys

class Example1(QWidget):
    def __init__(self,parent=None):
        super(Example1,self).__init__(parent)
        
        figure = plt.gcf() #返回當前的figure
        self.canvas = figureCanvas(figure)
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example')
        plt.xlabel('x')
        plt.ylabel('y')
        self.canvas.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas)
        
class Example2(QWidget):
    def __init__(self,parent=None):
        super(Example2,self).__init__(parent)
        
        figure1 = plt.figure(1) #返回當前的figure
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example1')
        plt.xlabel('x')
        plt.ylabel('y')
        
        figure2 = plt.figure(2) #返回當前的figure
        x = [7,8,9]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example2')
        plt.xlabel('x')
        plt.ylabel('y')
        
        self.canvas1 = figureCanvas(figure1)
        self.canvas2 = figureCanvas(figure2)
        self.canvas1.draw()
        self.canvas2.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas1)
        layout.addWidget(self.canvas2)
        
class Example3(QWidget):
    def __init__(self,parent=None):
        super(Example3,self).__init__(parent)
        
#         figure1 = plt.figure(1) #返回當前的figure
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example1')
        plt.xlabel('x')
        plt.ylabel('y')
        
#         figure2 = plt.figure(2) #返回當前的figure
        x = [7,8,9]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example2')
        plt.xlabel('x')
        plt.ylabel('y')
        
        self.canvas1 = figureCanvas(plt.gcf())
#         self.canvas2 = figureCanvas(figure2)
        self.canvas1.draw()
#         self.canvas2.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas1)
#         layout.addWidget(self.canvas2)
        
    
if __name__ == '__main__':
    app = QApplication(sys.argv)
    ui = Example3()
    ui.show()
    app.exec_()

example4:這個是一個figure里面多子區的畫法，使用subplot（）方法，得到的是一個Axes對象，就像是vamei說的有兩套方法，plt.add_subplot()還有這種方法，我是比較容易混，一般都是使用前者創建對象，然后使用后面的方式對其屬性進行修改。我們這里改了figure的顏色，這些都是artist對象，有很多屬性可以修改，后面慢慢上圖。

#_*_coding:utf-8_*_
'''
Created on 2014年12月10日

@author: Administrator
'''
from PyQt4.QtCore import *
from PyQt4.QtGui import *
from matplotlib.backends.backend_qt4agg import FigureCanvasQTAgg as figureCanvas
import matplotlib.pyplot as plt
import sys

class Example1(QWidget):
    def __init__(self,parent=None):
        super(Example1,self).__init__(parent)
        
        figure = plt.gcf() #返回當前的figure
        self.canvas = figureCanvas(figure)
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example')
        plt.xlabel('x')
        plt.ylabel('y')
        self.canvas.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas)
        
class Example2(QWidget):
    def __init__(self,parent=None):
        super(Example2,self).__init__(parent)
        
        figure1 = plt.figure(1) #返回當前的figure
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example1')
        plt.xlabel('x')
        plt.ylabel('y')
        
        figure2 = plt.figure(2) #返回當前的figure
        x = [7,8,9]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example2')
        plt.xlabel('x')
        plt.ylabel('y')
        
        self.canvas1 = figureCanvas(figure1)
        self.canvas2 = figureCanvas(figure2)
        self.canvas1.draw()
        self.canvas2.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas1)
        layout.addWidget(self.canvas2)
        
class Example3(QWidget):
    def __init__(self,parent=None):
        super(Example3,self).__init__(parent)
        
        figure = plt.figure(figsize=(10,60),facecolor='green',edgecolor='red') 
        #figsize = (8,4)表示figure的大小，屏幕顯示 640 * 320 ， 輸出顯示 800*400，這個要注意。
        #顯示色和外框線條顏色設置。
        self.canvas = figureCanvas(figure)
        
        plt.subplot(211) # 子區，2行，2列
        x = [1,2,3]
        y = [4,5,6]
        plt.plot(x,y)
        plt.title('Example')
        plt.xlabel('x')
        plt.ylabel('y')
        
        plt.subplot(223) # 子區，2行，2列
        x = [1,2,3]
        y = [4,5,6]
        plt.bar(x,y)
        plt.title('Example')
        plt.xlabel('x')
        plt.ylabel('y')
        
        plt.subplot(224) # 子區，2行，2列
        x = [1,2,3]
        y = [4,5,6]
        plt.scatter(x,y)
        plt.title('Example')
        plt.xlabel('x')
        plt.ylabel('y')
        
        self.canvas.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(self.canvas)
        
    
if __name__ == '__main__':
    app = QApplication(sys.argv)
    ui = Example3()
    ui.show()
    app.exec_()

雖然很丑，但是大家可以通過該顏色讓它漂亮一點，至於顏色的配置，我只是使用了文本的表示方法，大家可以去查有哪些顏色名稱，但是使用過QColor（）方法表示顏色是不允許的，因為很少該顏色，所以還沒有細看原因。

example5：魔鬼在於細節，一個matplotlib指引上的例子。涉及到的幾個點，第一是參數的選擇，比如color,linewidth,linestyle等，二是spines的應用，例子中用於軸的移動，通過gca()得到axes對象，axes.spines['top']方法得到上面的軸，axes.spines['top'].set_color('none'),axes.xaxis.set_ticks_position('bottom')，將頂軸上面的刻度移到底軸來，axes.spines['bottom'].set_position(('data',0),再把軸移到0處，同樣把左軸移到0處，再使用plt.xticks()方法將軸的刻度自定義。另外使用了annocate方法，注釋了數學表達式。最后設置了bbox，先得到axes.get_xticklabels()+axes.get_yticklabels() 得到labels對象，設置字體大小和外框bbox，前色為白色，外框為空，設置透明值。例子來源：http://reverland.org/python/2012/09/07/matplotlib-tutorial/#figure

#_*_coding:utf-8_*_
'''
Created on 2014年12月10日

@author: Administrator
'''
from PyQt4.QtCore import *
from PyQt4.QtGui import *
from matplotlib.backends.backend_qt4agg import FigureCanvasQTAgg as figureCanvas
import matplotlib.pyplot as plt
import numpy as np
import sys

class Example1(QWidget):
    def __init__(self,parent=None):
        super(Example1,self).__init__(parent)
        figure = plt.figure(figsize=(10,6),dpi=100,facecolor='white')
        canvas = figureCanvas(figure)
        x = np.linspace(-np.pi,np.pi,256,endpoint=True)
        c = np.cos(x)
        s = np.sin(x)
        plt.plot(x,c,color='blue',linewidth=1.0,linestyle='-',label='$cos(x)$')#設置顏色，線條的格式和粗細
        plt.plot(x,s,color='green',linewidth=1.0,linestyle='-',label='$sin(x)$')
        
        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.xlim(x.min()*1.1,x.max()*1.1)#X軸的范圍
        plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],
                   [r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])#X軸的刻度值
        plt.ylim(s.min()*1.1,s.max()*1.1)#Y軸的范圍
        plt.yticks([-1,0,1],[r'$-1$',r'$0$',r'$+1$']) #設置Y軸的刻度值,第二個參數對其進行格式化
        
        #添加注釋和箭頭以及虛線
        t = np.pi *2 / 3
        plt.plot([t,t],[0,np.sin(t)],color='red',linewidth=2.5,linestyle='--')
        plt.scatter([t],[np.sin(t)],50,color='red') #50代表散點的大小，應該是像素值
        
        plt.plot([t,t],[0,np.cos(t)],color='green',linewidth=2.5,linestyle='--')
        plt.scatter([t],[np.cos(t)],50,color='green')
        
        
        plt.annotate(r'$sin(\frac{2\pi}{3})=(\frac{\sqrt{3}}{2})$',
                     xy=(t,np.sin(t)),xycoords='data',
                     xytext=(10,30),textcoords='offset points',fontsize=16,
                     arrowprops = dict(arrowstyle='->',connectionstyle='arc3,rad=.1'))
        plt.annotate(r'$cos(\frac{2\pi}{3})=(\frac{\sqrt{3}}{2})$',
                     xy=(t,np.cos(t)),xycoords='data',
                     xytext=(-120,-30),textcoords = 'offset points',fontsize=16,
                     arrowprops = dict(arrowstyle='->',connectionstyle='arc3,rad=.1')) #后面的參數應該是角度，類似於偏離度，1的時候接近垂直
        plt.legend(loc='upper left')
        
        for i in ax.get_xticklabels() + ax.get_yticklabels():
            i.set_fontsize(15)
            i.set_bbox(dict(facecolor='white',edgecolor='none',alpha=0.65))
        
        canvas.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(canvas)
        
if __name__ == '__main__':
    app = QApplication(sys.argv)
    ui = Example1()
    ui.show()
    app.exec_()

二、關於figure，subplot，axes，axis和artist對象的理解：

figure更多的是代表當前的一個圖像，這個圖像在畫板上，可以由很多的axes對象組成，使用subplot和axes的區別在於，前值是布局比較規整的，但后者可以放在任何地方，兩者都是axes對象，axis是軸對象，我們前面也用過它移動刻度的位置，artist則是一個組成前面各種容器的對象，有很多功能，可以通過它對任意一個對象進行定制。

1. 對figure的布局除了上面的幾種方式之外還提供了更強大的功能。

ax1 = plt.subplot2grid((3,3), (0,0), colspan=3)
ax2 = plt.subplot2grid((3,3), (1,0), colspan=2)
ax3 = plt.subplot2grid((3,3), (1, 2), rowspan=2)
ax4 = plt.subplot2grid((3,3), (2, 0))
ax5 = plt.subplot2grid((3,3), (2, 1))
#subplot2grid((3,3),(0,0),colspan=3)3行3列的表格，圖形從第一行第一列起，占用3列，rowspan=2指占用兩行。

import matplotlib.gridspec as gridspec
gs = gridspec.GridSpec(3, 3)
ax1 = plt.subplot(gs[0, :])
ax2 = plt.subplot(gs[1,:-1])
ax3 = plt.subplot(gs[1:, -1])
ax4 = plt.subplot(gs[-1,0])
ax5 = plt.subplot(gs[-1,-2])
#使用gridspec定制，還可以使用切片

gs1 = gridspec.GridSpec(3, 3)
gs1.update(left=0.05, right=0.48, wspace=0.05)
ax1 = plt.subplot(gs1[:-1, :])
ax2 = plt.subplot(gs1[-1, :-1])
ax3 = plt.subplot(gs1[-1, -1])

gs2 = gridspec.GridSpec(3, 3)
gs2.update(left=0.55, right=0.98, hspace=0.05)
ax4 = plt.subplot(gs2[:, :-1])
ax5 = plt.subplot(gs2[:-1, -1])
ax6 = plt.subplot(gs2[-1, -1])
#使用update函數指定上下左右和中間子圖的間隔

gs = gridspec.GridSpec(2, 2,
                       width_ratios=[1,2],
                       height_ratios=[4,1]
                       )

ax1 = plt.subplot(gs[0])
ax2 = plt.subplot(gs[1])
ax3 = plt.subplot(gs[2])
ax4 = plt.subplot(gs[3])


#設置各子圖的比例值

2.axes對象的功能在於可以隨意定義地址。還可以使用plt.text()定義一個文本

#_*_coding:utf-8_*_
'''
Created on 2014年12月10日

@author: Administrator
'''
#_*_coding:utf-8_*_
'''
Created on 2014年12月10日

@author: Administrator
'''
from PyQt4.QtCore import *
from PyQt4.QtGui import *
from matplotlib.backends.backend_qt4agg import FigureCanvasQTAgg as figureCanvas
import matplotlib.pyplot as plt
import numpy as np
import sys

class Example1(QWidget):
    def __init__(self,parent=None):
        super(Example1,self).__init__(parent)
        figure = plt.figure(figsize=(10,6),dpi=100,facecolor='white')
        canvas = figureCanvas(figure)
        
        plt.axes([0.1,0.1,0.5,0.5])
        plt.xticks([])
        plt.yticks([])
        plt.text(0.2,0.2,'hello axes',alpha='0.65',size=16)
        
        plt.text(0.6,0.4,'hello axes',alpha='0.65',size=16)
        
        canvas.draw()
        layout = QHBoxLayout(self)
        layout.addWidget(canvas)
        
if __name__ == '__main__':
    app = QApplication(sys.argv)
    ui = Example1()
    ui.show()
    app.exec_()

3. ticks

ax.set_xlim(0,4)
ax.set_ylim(0,3)
ax.xaxis.set_major_locator(MultipleLocator(1.0))
ax.xaxis.set_minor_locator(MultipleLocator(0.1))
ax.yaxis.set_major_locator(MultipleLocator(1.0))
ax.yaxis.set_minor_locator(MultipleLocator(0.1))
ax.grid(which='major', axis='x', linewidth=0.75, linestyle='-', color='0.75')
ax.grid(which='minor', axis='x', linewidth=0.25, linestyle='-', color='0.75')
ax.grid(which='major', axis='y', linewidth=0.75, linestyle='-', color='0.75')
ax.grid(which='minor', axis='y', linewidth=0.25, linestyle='-', color='0.75')
ax.set_xticklabels([])
ax.set_yticklabels([])

#設置了主定位器和副定位器，並為刻度划線

#挺有意思的一個文本顯示的圖片，可以自定義內容，網上有一些叫做詞雲可視化的東東就是用很多字組成一個圖片的大致輪廓。如果我們分析一張圖片，分析出其大致的輪廓然后在相應的像素點用axes代替是不是也可以做出來相應的效果？圖像輪廓提取方法研究？
from pylab import *

eqs = []
eqs.append((r"$W^{3\beta}_{\delta_1 \rho_1 \sigma_2} = U^{3\beta}_{\delta_1 \rho_1} + \frac{1}{8 \pi 2} \int^{\alpha_2}_{\alpha_2} d \alpha^\prime_2 \left[\frac{ U^{2\beta}_{\delta_1 \rho_1} - \alpha^\prime_2U^{1\beta}_{\rho_1 \sigma_2} }{U^{0\beta}_{\rho_1 \sigma_2}}\right]$"))
eqs.append((r"$\frac{d\rho}{d t} + \rho \vec{v}\cdot\nabla\vec{v} = -\nabla p + \mu\nabla^2 \vec{v} + \rho \vec{g}$"))
eqs.append((r"$\int_{-\infty}^\infty e^{-x^2}dx=\sqrt{\pi}$"))
eqs.append((r"$E = mc^2 = \sqrt{{m_0}^2c^4 + p^2c^2}$"))
eqs.append((r"$F_G = G\frac{m_1m_2}{r^2}$"))


axes([0.025,0.025,0.95,0.95])

for i in range(24):
    index = np.random.randint(0,len(eqs))
    eq = eqs[index]
    size = np.random.uniform(12,32)
    x,y = np.random.uniform(0,1,2)
    alpha = np.random.uniform(0.25,.75)
    text(x, y, eq, ha='center', va='center', color="#11557c", alpha=alpha,
         transform=gca().transAxes, fontsize=size, clip_on=True)
xticks([]), yticks([])
# savefig('../figures/text_ex.png',dpi=48)
show()

 

三、其他一些內容，主要是關於屬性配置的。詳情見博客 http://myshare.dscloud.me/scipydoc/matplotlib_intro.html#figure

lines = plt.plot(x,cos(x),x,sin(x)) # 划了兩條直線

plt.setp(lines,color='red',linwidth='2') #為多條直線設置了多個屬性

lines[0].get_linewidth()使用get_屬性 這樣的方法來獲得某一個屬性值，

或plt.getp(lines[1],'color'),

plt.getp(lines[0])則返回這個對象的所有的值。

可以使用plt.getp(axes,屬性)這樣的方法得到相對應的屬性值，然后直接通過axes對象使用get或set方法進行屬性的配置。

之前提到過使用plt.subplot(221,axisbg=color),不僅可以進行布局，而且還可以直接指定每個子圖的背景顏色，figure的顏色在定義中使用facecolor='color'.

下面大部分是直接復制的上面博客鏈接的內容，感謝作者的辛勤付出。

Artist對像

• backend_bases.FigureCanvas : 圖表的繪製領域
• backend_bases.Renderer : 知道如何在FigureCanvas上如何繪圖
• artist.Artist : 知道如何使用Renderer在FigureCanvas上繪圖

FigureCanvas和Renderer需要處理底層的繪圖操作，例如使用wxPython在界面上繪圖，或者使用PostScript繪製PDF。Artist則處理所有的高層結構，例如處理圖表、文字和曲線等的繪製和佈局。通常我們只和Artist打交道，而不需要關心底層的繪製細節。

Artists分為簡單類型和容器類型兩種。簡單類型的Artists為標準的繪圖元件，例如Line2D、 Rectangle、 Text、AxesImage 等等。而容器類型則可以包含許多簡單類型的Artists，使它們組織成一個整體，例如Axis、 Axes、Figure等。

直接使用Artists創建圖表的標準流程如下：

• 創建Figure對像
• 用Figure對像創建一個或者多個Axes或者Subplot對像
• 調用Axies等對象的方法創建各種簡單類型的Artist

>>> import matplotlib.pyplot as plt >>> fig = plt.figure() >>> ax = fig.add_axes([0.15, 0.1, 0.7, 0.3])

>>> line, = ax.plot([1,2,3],[1,2,1]) #這里返回的是一個包含一個line2D對象的列表，可以這樣寫，也可以直接list[0] >>> ax.lines #ax的屬性lines,包含了所有的line2D對象，下面可以看到他們的id是一樣的。如果刪除某條直線，那么直接在里面刪除即可，其他的屬性有的也可以這么使用。 [<matplotlib.lines.Line2D object at 0x0637A3D0>] >>> line <matplotlib.lines.Line2D object at 0x0637A3D0>

下面列出axes對象的屬性：plt.getp(plt.gca())，里面的屬性有多種使用方法:

plt.xlabel()  ,axes.set_xlabel(''),  axes.xaxis.set_label_text(''),  axes.xaxis.label.set_test('')

這就是從高層到底層的方法。

adjustable = box
agg_filter = None
alpha = None  #透明
anchor = C
animated = False  #動畫
aspect = auto
autoscale_on = True
autoscalex_on = True
autoscaley_on = True
axes = Axes(0.1,0.1;0.5x0.5) 
axes_locator = None 子圖的定位器
axis_bgcolor = w  子圖的背景顏色，
axisbelow = False
children = [<matplotlib.axis.XAxis object at 0x03796990>, <ma... 
clip_box = None
clip_on = True
clip_path = None
contains = None
cursor_props = (1, (0.0, 0.0, 0.0, 1.0))
data_ratio = 1.0
data_ratio_log = 0.369070246429
default_bbox_extra_artists = []
figure = Figure(1000x600) 它的figure對象
frame = Rectangle(0,0;1x1)
frame_on = True
gid = None
images = <a list of 0 AxesImage objects>
label =
legend = None 圖例
legend_handles_labels = ([], [])
lines = <a list of 1 Line2D objects> line2D列表
navigate = True
navigate_mode = None
picker = None
position = Bbox('array([[ 0.1, 0.1],\n [ 0.6, 0.6]])'...
rasterization_zorder = None
rasterized = None
renderer_cache = None
shared_x_axes = <matplotlib.cbook.Grouper object at 0x036BD610>
shared_y_axes = <matplotlib.cbook.Grouper object at 0x036C70F0>
snap = None
title =  標題
transform = IdentityTransform()
transformed_clip_path_and_affine = (None, None)
url = None
visible = True 是否可見
window_extent = TransformedBbox(Bbox('array([[ 0.1, 0.1],\n ...
xaxis = XAxis(100.000000,60.000000) 
xaxis_transform = BlendedGenericTransform(CompositeGenericTransform(...
xbound = (1.0, 3.0)
xgridlines = <a list of 5 Line2D xgridline objects>
xlabel =           #使用set_xlabel('')設置坐標軸標簽，也可以使用xaxis.set_label_text(‘’)這個是使用的axis對象的方法

xlim = (1.0, 3.0) 限制
xmajorticklabels = <a list of 5 Text xticklabel objects>
xminorticklabels = <a list of 0 Text xticklabel objects>
xscale = linear 
xticklabels = <a list of 5 Text xticklabel objects> 
xticklines = <a list of 10 Text xtickline objects>
xticks = [ 1. 1.5 2. 2.5 3. ]
yaxis = YAxis(100.000000,60.000000)
yaxis_transform = BlendedGenericTransform(BboxTransformTo(Transforme...
ybound = (4.0, 6.0)
ygridlines = <a list of 5 Line2D ygridline objects>
ylabel =
ylim = (4.0, 6.0)
ymajorticklabels = <a list of 5 Text yticklabel objects>
yminorticklabels = <a list of 0 Text yticklabel objects>
yscale = linear
yticklabels = <a list of 5 Text yticklabel objects>
yticklines = <a list of 10 Line2D ytickline objects>
yticks = [ 4. 4.5 5. 5.5 6. ]
zorder = 0

Artist的屬性

圖表中的每個元素都用一個matplotlib的Artist對像表示，而每個Artist對象都有一大堆屬性控制其顯示效果。例如Figure對像和Axes對象都有patch屬性作為其背景，它的值是一個Rectangle對象。通過設置此它的一些屬性可以修改Figrue圖表的背景顏色或者透明度等屬性，下面的例子將圖表的背景顏色設置為綠色：

>>> fig = plt.figure() >>> fig.show() >>> fig.patch.set_color("g") >>> fig.canvas.draw()

下面是Artist對象都具有的一些屬性：

• alpha : 透明度，值在0到1之間，0為完全透明，1為完全不透明
• animated : 布爾值，在繪製動畫效果時使用
• axes : 此Artist對像所在的Axes對象，可能為None
• clip_box : 對象的裁剪框
• clip_on : 是否裁剪
• clip_path : 裁剪的路徑
• contains : 判斷指定點是否在對像上的函數
• figure : 所在的Figure對象，可能為None
• label : 文本標籤
• picker : 控制Artist對像選取
• transform : 控制偏移旋轉
• visible : 是否可見
• zorder : 控制繪圖順序

Artist對象的所有屬性都通過相應的 get_* 和 set_* 函數進行讀寫，例如下面的語句將alpha屬性設置為當前值的一半：

>>> fig.set_alpha(0.5*fig.get_alpha()) 

如果你想用一條語句設置多個屬性的話，可以使用set函數：

>>> fig.set(alpha=0.5, zorder=2)

Figure容器

最大的Artist容器是matplotlib.figure.Figure，它包括組成圖表的所有元素。圖表的背景是一個Rectangle對象，用Figure.patch屬性表示。當你通過調用add_subplot或者add_axes方法往圖表中添加軸(子圖時)，這些子圖都將添加到Figure.axes屬性中，同時這兩個方法也返回添加進axes屬性的對象，注意返回值的類型有所不同，實際上AxesSubplot是Axes的子類。

為了支持pylab中的gca()等函數，Figure對像內部保存有當前軸的信息，因此不建議直接對Figure.axes屬性進行列表操作，而應該使用add_subplot, add_axes, delaxes等方法進行添加和刪除操作。但是使用for循環對axes中的每個元素進行操作是沒有問題的，下面的語句打開所有子圖的柵格。>>> for ax in fig.axes: ax.grid(True)

figure提供了一些簡單的artist對象，主要還是通過里面的axes對象來實現功能的擴展。因為很多情況下都會默認創建一個subplot和axes對象，當然也可以直接操作，比如：

>>> from matplotlib.lines import Line2D >>> fig = plt.figure() >>> line1 = Line2D([0,1],[0,1], transform=fig.transFigure, figure=fig, color="r") >>> line2 = Line2D([0,1],[1,0], transform=fig.transFigure, figure=fig, color="g") >>> fig.lines.extend([line1, line2]) >>> fig.show()

Figure對像有如下屬性包含其它的Artist對像，也就意味着可以通過他們再進行進一步的操作。

• axes : Axes對像列表
• patch : 作為背景的Rectangle對像
• images : FigureImage對像列表，用來顯示圖片
• legends : Legend對像列表
• lines : Line2D對像列表
• patches : patch對像列表
• texts : Text對像列表，用來顯示文字

Axes容器

Axes容器是整個matplotlib庫的核心，它包含了組成圖表的眾多Artist對象，並且有許多方法函數幫助我們創建、修改這些對象。和Figure一樣，它有一個patch屬性作為背景，當它是笛卡爾坐標時，patch屬性是一個Rectangle對象，而當它是極坐標時，patch屬性則是Circle對象。例如下面的語句設置Axes對象的背景顏色為綠色：

>>> fig = plt.figure() >>> ax = fig.add_subplot(111) >>> ax.patch.set_facecolor("green")

下面詳細列出Axes包含各種Artist對象的屬性：

• artists : Artist對像列表
• patch : 作為Axes背景的Patch對象，可以是Rectangle或者Circle
• collections : Collection對像列表
• images : AxesImage對像列表
• legends : Legend對像列表
• lines : Line2D對像列表
• patches : Patch對像列表
• texts : Text對像列表
• xaxis : XAxis對像
• yaxis : YAxis對像

下面列出Axes的創建Artist對象的方法：

Axes的方法	所創建的對象	添加進的列表
annotate	Annotate	texts
bars	Rectangle	patches
errorbar	Line2D, Rectangle	lines,patches
fill	Polygon	patches
hist	Rectangle	patches
imshow	AxesImage	images
legend	Legend	legends
plot	Line2D	lines
scatter	PolygonCollection	Collections
text	Text	texts

Axis容器

Axis容器包括坐標軸上的刻度線、刻度文本、坐標網格以及坐標軸標題等內容。刻度包括主刻度和副刻度，分別通過Axis.get_major_ticks和Axis.get_minor_ticks方法獲得。每個刻度線都是一個XTick或者YTick對象，它包括實際的刻度線和刻度文本。為了方便訪問刻度線和文本，Axis對像提供了get_ticklabels和get_ticklines方法分別直接獲得刻度文本和刻度線：

>>> pl.plot([1,2,3],[4,5,6]) [<matplotlib.lines.Line2D object at 0x0AD3B670>] >>> pl.show() >>> axis = pl.gca().xaxis 

>>> axis.get_ticklocs() # 獲得刻度的位置列表 array([ 1. , 1.5, 2. , 2.5, 3. ]) 

>>> axis.get_ticklabels() # 獲得刻度標籤列表 <a list of 5 Text major ticklabel objects> >>> [x.get_text() for x in axis.get_ticklabels()] # 獲得刻度的文本字符串 [u'1.0', u'1.5', u'2.0', u'2.5', u'3.0'] 

>>> axis.get_ticklines() # 獲得主刻度線列表，圖的上下刻度線共10條 <a list of 10 Line2D ticklines objects> 

>>> axis.get_ticklines(minor=True) # 獲得副刻度線列表，major是主刻度線 <a list of 0 Line2D ticklines objects>

獲得刻度線或者刻度標籤之後，可以設置其各種屬性，下面設置刻度線為綠色粗線，文本為紅色並且旋轉45度：這些方法及其有用

>>> for label in axis.get_ticklabels(): ... label.set_color("red") ... label.set_rotation(45) ... label.set_fontsize(16) ... 

>>> for line in axis.get_ticklines(): ... line.set_color("green") ... line.set_markersize(25) ... line.set_markeredgewidth(3)

上面的例子中，獲得的副刻度線列表為空，這是因為用於計算副刻度的對象缺省為NullLocator，它不產生任何刻度線；而計算主刻度的對象為AutoLocator，它會根據當前的縮放等配置自動計算刻度的位置：

>>> axis.get_minor_locator() # 計算副刻度的對象 <matplotlib.ticker.NullLocator instance at 0x0A014300> >>> axis.get_major_locator() # 計算主刻度的對象 <matplotlib.ticker.AutoLocator instance at 0x09281B20> 

我們可以使用程序為Axis對像設置不同的Locator對象，用來手工設置刻度的位置；設置Formatter對像用來控制刻度文本的顯示。下面的程序設置X軸的主刻度為pi/4，副刻度為pi/20，並且主刻度上的文本以pi為單位：

# -*- coding: utf-8 -*-
import matplotlib.pyplot as pl from matplotlib.ticker import MultipleLocator, FuncFormatter import numpy as np x = np.arange(0, 4*np.pi, 0.01) y = np.sin(x) pl.figure(figsize=(8,4)) pl.plot(x, y) ax = pl.gca() def pi_formatter(x, pos): """  比較囉嗦地將數值轉換為以pi/4為單位的刻度文本  """ m = np.round(x / (np.pi/4)) n = 4 if m%2==0: m, n = m/2, n/2 if m%2==0: m, n = m/2, n/2 if m == 0: return "0" if m == 1 and n == 1: return "$\pi$" if n == 1: return r"$%d \pi$" % m if m == 1: return r"$\frac{\pi}{%d}$" % n return r"$\frac{%d \pi}{%d}$" % (m,n) # 設置兩個坐標軸的範圍 pl.ylim(-1.5,1.5) pl.xlim(0, np.max(x)) # 設置圖的底邊距 pl.subplots_adjust(bottom = 0.15) pl.grid() #開啟網格 # 主刻度為pi/4 ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) ) # 主刻度文本用pi_formatter函數計算 ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) ) # 副刻度為pi/20 ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) ) # 設置刻度文本的大小 for tick in ax.xaxis.get_major_ticks(): tick.label1.set_fontsize(16) pl.show() 

關於刻度的定位和文本格式的東西都在matplotlib.ticker中定義，程序中使用到如下兩個類：

• MultipleLocator : 以指定值的整數倍為刻度放置刻度線
• FuncFormatter : 使用指定的函數計算刻度文本，他會傳遞給所指定的函數兩個參數：刻度值和刻度序號，程序中通過比較笨的辦法計算出刻度值所對應的刻度文本

此外還有很多預定義的Locator和Formatter類，詳細內容請參考相應的API文檔。

 

不得不說，這面這個教程是學習matplotlib最好的教程之一，前面我們解決了matplotlib在pyqt4中嵌入的問題，這就使得所有的matplotlib圖形可以在pyqt中展現。后面陸續的會把pyqt的內容寫下去，不過太多了，寫幾個小時都寫不完。