matplotlib繪圖總結

本文作為學習過程中對matplotlib一些常用知識點的整理，方便查找。

類MATLAB API

最簡單的入門是從類 MATLAB API 開始，它被設計成兼容 MATLAB 繪圖函數。

from pylab import * from numpy import * x = linspace(0, 5, 10) y = x ** 2 figure() plot(x, y, 'r') xlabel('x') ylabel('y') title('title') 

創建子圖，選擇繪圖用的顏色與描點符號:

subplot(1,2,1) plot(x, y, 'r--') subplot(1,2,2) plot(y, x, 'g*-'); 

linspace表示在0到5之間用10個點表示，plot的第三個參數表示畫線的顏色與樣式

此類 API 的好處是可以節省你的代碼量，但是我們並不鼓勵使用它處理復雜的圖表。處理復雜圖表時， matplotlib 面向對象 API 是一個更好的選擇。

matplotlib 面向對象 API

使用面向對象API的方法和之前例子里的看起來很類似，不同的是，我們並不創建一個全局實例，而是將新建實例的引用保存在 fig 變量中,如果我們想在圖中新建一個坐標軸實例，只需要 調用 fig 實例的 add_axes 方法：

import matplotlib.pyplot as plt from pylab import * x = linspace(0, 5, 10) y = x ** 2 fig = plt.figure() axes = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # left, bottom, width, height (range 0 to 1) axes.plot(x, y, 'r') axes.set_xlabel('x') axes.set_ylabel('y') axes.set_title('title') plt.show() 

盡管會寫更多的代碼，好處在於我們對於圖表的繪制有了完全的控制權，可以很容易地多加一個坐標軸到圖中：

import matplotlib.pyplot as plt from pylab import * x = linspace(0, 5, 10) y = x ** 2 fig = plt.figure() axes = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # left, bottom, width, height (range 0 to 1) axes2 = fig.add_axes([0.2, 0.5, 0.4, 0.3]) # inset axes axes.plot(x, y, 'r') axes.set_xlabel('x') axes.set_ylabel('y') axes.set_title('title') # insert axes2.plot(y, x, 'g') axes2.set_xlabel('y') axes2.set_ylabel('x') axes2.set_title('insert title'); plt.show() 

如果我們不在意坐標軸在圖中的排放位置️，那么就可以使用matplotlib的布局管理器了，我最喜歡的是subplots，使用方式如下：

import matplotlib.pyplot as plt from pylab import * x = linspace(0, 5, 10) y = x ** 2 fig, axes = plt.subplots(nrows=1, ncols=2) for ax in axes: ax.plot(x, y, 'r') ax.set_xlabel('x') ax.set_ylabel('y') ax.set_title('title') fig.tight_layout() plt.show() 

圖表尺寸，長寬比 與 DPI

在創建 Figure 對象的時候，使用figsize 與 dpi 參數能夠設置圖表尺寸與DPI， 創建一個800*400像素，每英寸100像素的圖就可以這么做：

fig = plt.figure(figsize=(8,4), dpi=100)


<matplotlib.figure.Figure at 0x4cbd390> 

同樣的參數也可以用在布局管理器上:

fig, axes = plt.subplots(figsize=(12,3)) axes.plot(x, y, 'r') axes.set_xlabel('x') axes.set_ylabel('y') axes.set_title('title'); 

保存圖表

可以使用 savefig 保存圖表

fig.savefig("filename.png") 這里我們也可以有選擇地指定DPI，並且選擇不同的輸出格式： fig.savefig("filename.png", dpi=200) 

有哪些格式？哪種格式能獲得最佳質量？

Matplotlib 可以生成多種格式的高質量圖像，包括PNG，JPG，EPS，SVG，PGF 和 PDF。如果是科學論文的話，我建議盡量使用pdf格式。 (pdflatex 編譯的 LaTeX 文檔使用 includegraphics 命令就能包含 PDF 文件)。 一些情況下，PGF也是一個很好的選擇。

圖例，軸標 與 標題

現在我們已經介紹了如何創建圖表畫布以及如何添加新的坐標軸實例，讓我們看一看如何加上標題，軸標和圖例

標題

每一個坐標軸實例都可以加上一個標題，只需調用坐標軸實例的 set_title 方法:

ax.set_title("title"); 

軸標

類似的， set_xlabel 與 set_ylabel 可以設置坐標軸的x軸與y軸的標簽。

ax.set_xlabel("x") ax.set_ylabel("y"); 

圖例

有兩種方法在圖中加入圖例。一種是調用坐標軸對象的 legend 方法，傳入與之前定義的幾條曲線相對應地圖例文字的 列表/元組：

ax.legend([“curve1”, “curve2”, “curve3”]);

不過這種方式容易出錯，比如增加了新的曲線或者移除了某條曲線。更好的方式是在調用 plot方法時使用 label=”label text” 參數，再調用 legend 方法加入圖例：

ax.plot(x, x**2, label="curve1") ax.plot(x, x**3, label="curve2") ax.legend(); 

legend 還有一個可選參數 loc 決定畫出圖例的位置，詳情見：http://matplotlib.org/users/legend_guide.html#legend-location

最常用的值如下：

ax.legend(loc=0) # let matplotlib decide the optimal location ax.legend(loc=1) # upper right corner ax.legend(loc=2) # upper left corner ax.legend(loc=3) # lower left corner ax.legend(loc=4) # lower right corner # .. many more options are available => <matplotlib.legend.Legend at 0x4c863d0> 

下面這個例子同時包含了標題，軸標，與圖例的用法：

import matplotlib.pyplot as plt from pylab import * x = linspace(0, 5, 10) y = x ** 2 fig, ax = plt.subplots() ax.plot(x, x**2, label="y = x**2") ax.plot(x, x**3, label="y = x**3") ax.legend(loc=2); # upper left corner ax.set_xlabel('x') ax.set_ylabel('y') ax.set_title('title'); plt.show() 

格式化文本，LaTeX，字體大小，字體類型

Matplotlib 對 LaTeX 提供了很好的支持。我們只需要將 LaTeX 表達式封裝在 符號內，就可以在圖的任何文本中顯示了，比如“符號內，就可以在圖的任何文本中顯示了，比如“

不過這里我們會遇到一些小問題，在 LaTeX 中我們常常會用到反斜杠，比如 \alpha 來產生符號 αα

import matplotlib.pyplot as plt from pylab import * x = linspace(0, 5, 10) y = x ** 2 fig, ax = plt.subplots() ax.plot(x, x**2, label=r"$y = \alpha^2$") ax.plot(x, x**3, label=r"$y = \alpha^3$") ax.legend(loc=2) # upper left corner ax.set_xlabel(r'$\alpha$', fontsize=18) ax.set_ylabel(r'$y$', fontsize=18) ax.set_title('title'); plt.show() 

我們可以更改全局字體大小或者類型:

from matplotlib import rcParams rcParams.update({'font.size': 18, 'font.family': 'serif'}) 

STIX 字體是一種好選擇：

matplotlib.rcParams.update({'font.size': 18, 'font.family': 'STIXGeneral', 'mathtext.fontset': 'stix'}) 

我們也可以將圖中的文本全用 Latex 渲染：

matplotlib.rcParams.update({'font.size': 18, 'text.usetex': True}) 

設置顏色，線寬 與 線型

顏色

有了matplotlib，我們就有很多方法能夠定義線的顏色和很多其他圖形元素。首先，我們可以使用類MATLAB語法，’b’ 代表藍色，’g’ 代表綠色，依此類推。matplotlib同時也支持 MATLAB API 選擇線型所使用的方式：比如 ‘b.-‘ 意味着藍線標着點：

# MATLAB style line color and style ax.plot(x, x**2, 'b.-') # blue line with dots ax.plot(x, x**3, 'g--') # green dashed line fig => [<matplotlib.lines.Line2D at 0x4985810>] 

我們也可以以顏色的名字或者RGB值選擇顏色，alpha參數決定了顏色的透明度：

fig, ax = plt.subplots()

ax.plot(x, x+1, color="red", alpha=0.5) # half-transparant red ax.plot(x, x+2, color="#1155dd") # RGB hex code for a bluish color ax.plot(x, x+3, color="#15cc55") # RGB hex code for a greenish color fig => [<matplotlib.lines.Line2D at 0x4edbd10>] 

 

 

線與描點風格

linewidth 或是 lw 參數改變線寬。 linestyle 或是 ls 參數改變線的風格。

fig, ax = plt.subplots(figsize=(12,6)) ax.plot(x, x+1, color="blue", linewidth=0.25) ax.plot(x, x+2, color="blue", linewidth=0.50) ax.plot(x, x+3, color="blue", linewidth=1.00) ax.plot(x, x+4, color="blue", linewidth=2.00) # possible linestype options ‘-‘, ‘–’, ‘-.’, ‘:’, ‘steps’ ax.plot(x, x+5, color="red", lw=2, linestyle='-') ax.plot(x, x+6, color="red", lw=2, ls='-.') ax.plot(x, x+7, color="red", lw=2, ls=':') # custom dash line, = ax.plot(x, x+8, color="black", lw=1.50) line.set_dashes([5, 10, 15, 10]) # format: line length, space length, ... # possible marker symbols: marker = '+', 'o', '*', 's', ',', '.', '1', '2', '3', '4', ... ax.plot(x, x+ 9, color="green", lw=2, ls='*', marker='+') ax.plot(x, x+10, color="green", lw=2, ls='*', marker='o') ax.plot(x, x+11, color="green", lw=2, ls='*', marker='s') ax.plot(x, x+12, color="green", lw=2, ls='*', marker='1') # marker size and color ax.plot(x, x+13, color="purple", lw=1, ls='-', marker='o', markersize=2) ax.plot(x, x+14, color="purple", lw=1, ls='-', marker='o', markersize=4) ax.plot(x, x+15, color="purple", lw=1, ls='-', marker='o', markersize=8, markerfacecolor="red") ax.plot(x, x+16, color="purple", lw=1, ls='-', marker='s', markersize=8, markerfacecolor="yellow", markeredgewidth=2, markeredgecolor="blue") fig 

 

控制坐標軸的樣式

坐標軸樣式也是通常需要自定義的地方，像是標號或是標簽的位置或是字體的大小等。

圖的范圍

我們想做的第一件事也許是設置坐標軸的范圍，可以使用 set_ylim 或是 set_xlim 方法或者 axis(‘tight’) 自動將坐標軸調整的緊湊 The first thing we might want to configure is the ranges of the axes. We can do this using the set_ylim and set_xlim methods in the axis object, or axis(‘tight’) for automatrically getting “tightly fitted” axes ranges:

fig, axes = plt.subplots(1, 3, figsize=(12, 4)) axes[0].plot(x, x**2, x, x**3) axes[0].set_title("default axes ranges") axes[1].plot(x, x**2, x, x**3) axes[1].axis('tight') axes[1].set_title("tight axes") axes[2].plot(x, x**2, x, x**3) axes[2].set_ylim([0, 60]) axes[2].set_xlim([2, 5]) axes[2].set_title("custom axes range"); fig 

對數刻度

也可以將軸的刻度設置成對數刻度，調用 set_xscale 與 set_yscale 設置刻度，參數選擇 “log” ：

fig, axes = plt.subplots(1, 2, figsize=(10,4)) axes[0].plot(x, x**2, x, exp(x)) axes[0].set_title("Normal scale") axes[1].plot(x, x**2, x, exp(x)) axes[1].set_yscale("log") axes[1].set_title("Logarithmic scale (y)"); fig 

自定義標號位置與符號

set_xticks 與 set_yticks 方法可以顯示地設置標號的位置， set_xticklabels 與 set_yticklabels 為每一個標號設置符號：

fig, ax = plt.subplots(figsize=(10, 4)) ax.plot(x, x**2, x, x**3, lw=2) ax.set_xticks([1, 2, 3, 4, 5]) ax.set_xticklabels([r'$\alpha$', r'$\beta$', r'$\gamma$', r'$\delta$', r'$\epsilon$'], fontsize=18) yticks = [0, 50, 100, 150] ax.set_yticks(yticks) ax.set_yticklabels(["$%.1f$" % y for y in yticks], fontsize=18); # use LaTeX formatted labels fig => [<matplotlib.text.Text at 0x5d75c90>, <matplotlib.text.Text at 0x585fe50>, <matplotlib.text.Text at 0x575c090>, <matplotlib.text.Text at 0x599e610>] 

 

科學計數法

如果軸上涉及非常大的數，最好使用科學計數法：

fig, ax = plt.subplots(1, 1) ax.plot(x, x**2, x, exp(x)) ax.set_title("scientific notation") ax.set_yticks([0, 50, 100, 150]) from matplotlib import ticker formatter = ticker.ScalarFormatter(useMathText=True) formatter.set_scientific(True) formatter.set_powerlimits((-1,1)) ax.yaxis.set_major_formatter(formatter) fig 

 

軸上數與標簽的間距

# distance between x and y axis and the numbers on the axes rcParams['xtick.major.pad'] = 5 rcParams['ytick.major.pad'] = 5 fig, ax = plt.subplots(1, 1) ax.plot(x, x**2, x, exp(x)) ax.set_yticks([0, 50, 100, 150]) ax.set_title("label and axis spacing") # padding between axis label and axis numbers ax.xaxis.labelpad = 5 ax.yaxis.labelpad = 5 ax.set_xlabel("x") ax.set_ylabel("y"); fig 

調整坐標軸的位置：

fig, ax = plt.subplots(1, 1) ax.plot(x, x**2, x, exp(x)) ax.set_yticks([0, 50, 100, 150]) ax.set_title("title") ax.set_xlabel("x") ax.set_ylabel("y") fig.subplots_adjust(left=0.15, right=.9, bottom=0.1, top=0.9); fig 

坐標軸網格

grid 方法可以打開關閉網格線，也可以自定義網格的樣式：

fig, axes = plt.subplots(1, 2, figsize=(10,3)) # default grid appearance axes[0].plot(x, x**2, x, x**3, lw=2) axes[0].grid(True) # custom grid appearance axes[1].plot(x, x**2, x, x**3, lw=2) axes[1].grid(color='b', alpha=0.5, linestyle='dashed', linewidth=0.5) fig 

軸

我們也可以改變軸的屬性:

fig, ax = plt.subplots(figsize=(6,2)) ax.spines['bottom'].set_color('blue') ax.spines['top'].set_color('blue') ax.spines['left'].set_color('red') ax.spines['left'].set_linewidth(2) # turn off axis spine to the right ax.spines['right'].set_color("none") ax.yaxis.tick_left() # only ticks on the left side fig 

雙坐標軸

twinx 與 twiny 函數能設置雙坐標軸：

fig, ax1 = plt.subplots()

ax1.plot(x, x**2, lw=2, color="blue") ax1.set_ylabel(r"area $(m^2)$", fontsize=18, color="blue") for label in ax1.get_yticklabels(): label.set_color("blue") ax2 = ax1.twinx() ax2.plot(x, x**3, lw=2, color="red") ax2.set_ylabel(r"volume $(m^3)$", fontsize=18, color="red") for label in ax2.get_yticklabels(): label.set_color("red") fig 

設置坐標原點在（0，0）點

fig, ax = plt.subplots()

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)) # set position of x spine to x=0 ax.yaxis.set_ticks_position('left') ax.spines['left'].set_position(('data',0)) # set position of y spine to y=0 xx = np.linspace(-0.75, 1., 100) ax.plot(xx, xx**3); fig 

其他 2D 圖表風格

包括一般的 plot 方法, 還有很多其他函數能夠生成不同類型的圖表，詳情請見 http://matplotlib.org/gallery.html 這里列出其中幾種比較常見的函數方法。

n = array([0,1,2,3,4,5]) fig, axes = plt.subplots(1, 4, figsize=(12,3)) axes[0].scatter(xx, xx + 0.25*randn(len(xx))) axes[0].set_title("scatter") axes[1].step(n, n**2, lw=2) axes[1].set_title("step") axes[2].bar(n, n**2, align="center", width=0.5, alpha=0.5) axes[2].set_title("bar") axes[3].fill_between(x, x**2, x**3, color="green", alpha=0.5); axes[3].set_title("fill_between"); fig 

# polar plot using add_axes and polar projection fig = plt.figure() ax = fig.add_axes([0.0, 0.0, .6, .6], polar=True) t = linspace(0, 2 * pi, 100) ax.plot(t, t, color='blue', lw=3); 

# A histogram n = np.random.randn(100000) fig, axes = plt.subplots(1, 2, figsize=(12,4)) axes[0].hist(n) axes[0].set_title("Default histogram") axes[0].set_xlim((min(n), max(n))) axes[1].hist(n, cumulative=True, bins=50) axes[1].set_title("Cumulative detailed histogram") axes[1].set_xlim((min(n), max(n))); fig 

hist的參數含義

x : (n,) array or sequence of (n,) arrays

這個參數是指定每個bin(箱子)分布的數據,對應x軸

bins : integer or array_like, optional

這個參數指定bin(箱子)的個數,也就是總共有幾條條狀圖

normed : boolean, optional

If True, the first element of the return tuple will be the counts normalized to form a probability density, i.e.,n/(len(x)`dbin)

這個參數指定密度,也就是每個條狀圖的占比例比,默認為1

color : color or array_like of colors or None, optional

這個指定條狀圖的顏色

參見： hist的使用

餅狀圖

import matplotlib.pyplot as plt labels='frogs','hogs','dogs','logs' sizes=15,20,45,10 colors='yellowgreen','gold','lightskyblue','lightcoral' explode=0,0.1,0,0 plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50) plt.axis('equal') plt.show() 

文本注釋

text 函數可以做文本注釋，且支持 LaTeX 格式：

fig, ax = plt.subplots()

ax.plot(xx, xx**2, xx, xx**3) ax.text(0.15, 0.2, r"$y=x^2$", fontsize=20, color="blue") ax.text(0.65, 0.1, r"$y=x^3$", fontsize=20, color="green"); fig 

帶有多子圖與插圖的圖

fig.add_axes 在圖中加入新坐標軸

subplots， subplot2grid，gridspec等 子圖布局管理器

subplots

fig, ax = plt.subplots(2, 3)
fig.tight_layout()

fig

 

subplot2grid

fig = plt.figure()
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))
fig.tight_layout()

fig

 

顏色映射圖與輪廓圖

顏色映射圖與輪廓圖適合繪制兩個變量的函數。

matplotlib也可以畫3D圖，這里暫且略過。

轉載於：http://whuhan2013.github.io/blog/2016/09/16/python-matplotlib-learn/