matplotlib.pyplot畫圖筆記

一、簡單示例

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(3,8,1)    #x軸數據
y1 = x*2
y2 = x**2
plt.figure(figsize=(5,3.5))
plt.plot(x, y1,'r',marker='o',label='y1:double x')  #關鍵句,前兩個參數是X、Y軸數據,其他參數指定曲線屬性，如標簽label，顏色color,線寬linewidth或lw,點標記marker
plt.plot(x,y2,'g',marker='^',label='y2:square of x')
plt.legend(loc='best')  #顯示圖例，前提是plot參數里寫上label;loc是圖例的位置
plt.xlabel('x(ms)')
plt.ylabel('y')
plt.title('a simple example')
#plt.savefig('G:/YDPIC/example.png',dpi=80)  #除了png，還有一些格式如svg，dpi是dot per inch每英寸的像素點數，缺省值80，論文寫作一般要求1200或者矢量圖
plt.show()  #show函數顯示圖表會中斷程序，直到關閉圖像。不要把show寫在savefig前，否則保存圖像一片空白。最好是注釋掉savefig或者show其中一行。

matplotlib官網對plot的說明

二、面向對象方式繪圖

Figure對象,是一個“畫布或者容器” 的東西。如果用戶沒有寫plt.figure()，程序會自動創建一個Figure對象(圖像窗口)。 Axes是子圖，一個figure上可以有多個子圖，是具體作圖的區域。 Axis是坐標軸。關系如下圖。

在"一、簡單示例"的代碼中，plt幫我們隱藏了創建對象的過程，使用起來簡單，能滿足大部分作圖的需求。查看plt.plot的源碼發現ax = gca() 意思是get current axes獲取當前子圖，然后作圖都是調用的"ax"對象的方法。 當需要在一個figure上畫多子圖的時候，面向對象方式繪圖很好用。
給出幾個例子

 繪制多子圖subplot

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0,5,0.01)
y1 = np.cos( 2*np.pi*x )*np.exp(-x)
y2 = np.cos( 2*np.pi*x )

fig = plt.figure(facecolor='y')

ax1 = fig.add_subplot(211)  #2行1列第1幅圖
ax1.plot(x, y1, '.-')
ax1.set_title('A table of 2 subplots')
ax1.set_ylabel('Damped oscillation')

ax2 = fig.add_subplot(212)  #2行1列第2幅圖
ax2.plot(x,y2, '.-' )
ax2.set_xlabel('time(s)')
ax2.set_ylabel('Undamped')

plt.show()

雙Y軸 ax2 = ax1.twinx()

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0.01,np.e, 0.01)
y1 = np.exp(-x)
y2 = np.log(x)

fig = plt.figure()

ax1 = fig.add_subplot(111)
ax1.plot(x, y1,'r',label='exp(-x)')
ax1.legend(bbox_to_anchor=(1,0.5))
ax1.set_ylabel('Y values for exp(-x)',color='r')
ax1.set_xlabel('X values')
ax1.set_title('Double Y axis')

ax2 = ax1.twinx()
ax2.plot(x,y2,'g',label='log(x)')
ax2.legend(bbox_to_anchor=(1,0.6))
ax2.set_ylabel('Y values for log(x)',color='g')

plt.show()

移動坐標軸spines

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(4,4))
ax = fig.add_subplot(111)
theta = np.arange(0, 2*np.pi, 2*np.pi/100)
x = np.cos(theta)
y = np.sin(theta)
ax.plot(x,y)
# top和right顏色置為none從而看不見
ax.spines['top'].set_color('none')  
ax.spines['right'].set_color('none')
# spines的set_position函數，移動坐標軸位置
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

ax.xaxis.set_ticks([-1.2,1.2])
ax.yaxis.set_ticks([-1.2,1.2])
plt.show()

set_postion()函數 接收的參數是一個二元組tuple (postion type, amount) position type的取值可以有：'outward', 'axes','data'三種。本例中選擇了''data' amount取的0 就是數據坐標為0的位置。官網的解釋如下：

 

參考博客：
https://morvanzhou.github.io/tutorials/data-manipulation/plt/4-2-subplot2/
http://hyry.dip.jp/tech/book/page/scipy/matplotlib_fast_plot.html