Matplotlib繪圖總結

繪圖原理

block模式（python默認）

plt.polt()等繪圖函數不會直接在窗口中繪圖，只有調用plt.show()（默認block=True）或plt.pause()（窗口自動關閉）時才將內存中的圖繪制到窗口。
程序碰到第一個plt.show()時，繪圖后會暫停執行，直到手動關閉當前窗口才繼續執行后面的代碼，這就是“阻塞”的含義。
plt.pause(time)函數也能實現窗口繪圖（不需要plt.show）,但窗口只停留time時間便會自動關閉，然后再繼續執行后面代碼；plt.pause()會把它之前的所有繪圖都繪制在對應坐標系中，而不僅僅是在當前坐標系中繪圖；特別要注意的是，plt.pasue(0)將繪制之前的所有圖像，且圖像窗口不會自動關閉，但程序會停止在該語句所在位置，即使手動關閉窗口也不會繼續執行后面的代碼。
```
# 測試程序
import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 2 * np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(1)
plt.plot(x, y1)
plt.pause(2)  #在figure(1)上繪制sin曲線，2s后自動關閉窗口

plt.figure(1)
plt.plot(x, y2)
plt.pause(2)  #在figure(1)上繪制cos曲線，2s后自動關閉窗口
```

interactive模式（ipython模式默認）

開啟interactive模式，用plt.ion()，放在繪圖之前，關閉該模式用plt.ioff()
不用plt.show()或plt.pause()，只要plt.plot()等語句就能在窗口中繪圖，但是，繪圖后窗口立馬自動關閉，你壓根都沒法看清楚；可以用plt.pause(time)進行延遲自動關閉時間，需要注意的是如果有多個plt.pause()穿插在不同繪圖函數下，那么前面的窗口不會先關閉，會等到最后一個plt.pause()結束后再一起關閉。該模式下要實現同時繪圖，且保持，可用plt.pause(0)，但程序會結束在該位置，手動關閉窗口也不會繼續執行了，因此plt.pause(0)應放在程序最后。

該模式下，即使用了plt.show()也依然會自動關閉窗口，可在調用plt.show()之前調用plt.ioff()關閉交互模式，恢復到阻塞模式。

import numpy as np
import matplotlib.pyplot as plt

plt.ion() #開啟interactive模式
for i in range(100):
    y = np.random.random(size=10)
    #plt.cla() #清除當前圖像，若不清除則前面畫的圖保留
    plt.plot(y) #自動繪圖，但窗口會立即消失
    plt.pause(0.1) #用於保持窗口
plt.ioff() #關閉interactive模式，否則后面的plt.show()也會一閃而過
plt.show()

深入子圖

知道前面的原理可以滿足大多數的需要，但是如果如果想自定義每個圖的位置，大小，並從多個角度對數據進行比較、分析，則需要深入子圖。

子圖表示

四元列表：[x,y,width,height]，取值范圍都是[0, 1]，約定左下角為原點(0, 0), 右上角為(1, 1)。這些取值均為比例。

import numpy as np
import matplotlib.pyplot as plt

ax1 = plt.axes()
ax2 = plt.axes([0.5, 0.6, 0.2, 0.2])
plt.show(block=False)
plt.pause(10)

# 進階版
plt.figure(1)
ax1 = plt.axes()
plt.pause(2)
plt.figure(1)
ax2 = plt.axes([0.5, 0.6, 0.2, 0.2])
plt.show(block=False)
plt.pause(10)

子圖繪圖

每生成一個子圖坐標系，plt就表示當前的子圖，調用plt.plot()就是在當前的子圖上進行繪圖。

方法一：在一張圖上生成多種坐標系

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10) # 在[0, 10]之間均分50個點
plt.axes([0.1, 0.5, 0.8, 0.4], ylim=(-1.2, 1.2))  #
plt.grid(True)
plt.plot(np.sin(x))

plt.axes([0.1, 0.5, 0.8, 0.4], ylim=(-1.2, 1.2))
plt.grid(True)
plt.plot(np.cos(x))
plt.show()

方法二：調用`plt.subplot()`

無法繪制比例自定義的子圖

import numpy as np
import matplotlib.pyplot as plt

# 縱橫間隙
plt.subplots_adjust(hspace=0.3, wspace=0.3)
for i in range(1, 7):
    # 划分子圖，生成一張圖
    plt.subplot(2, 3, i)
    # 在當前子圖上書寫
    plt.text(0.5, 0.5, str((2, 3, i)), fontsize=18, ha='center')
plt.show()

方法三：子圖坐標軸共用

便於數據的比較、分析

import numpy as np
import matplotlib.pyplot as plt

# 返回子圖及其坐標軸
fig, ax = plt.subplots(2, 3, sharex='col', sharey='row')
for i in range(2):
    for j in range(3):
        ax[i, j].text(0.5, 0.5, str((i, j)), fontsize=18, ha='center')
plt.show()

方法四：子圖不規則

使用GridSpec方法

import numpy as np
import matplotlib.pyplot as plt

# 將一個區域划分為2行3列共6塊
grid = plt.GridSpec(2, 3, wspace=0.5, hspace=0.5)
plt.subplot(grid[0,0]) # 占第一行第一列一個塊
plt.subplot(grid[0,1:3]) # 占第一行第二、三列2個塊
plt.subplot(grid[1, 0:2]) # 同理
plt.subplot(grid[1,2]) # 同理

plt.show()

例子

import numpy as np
import matplotlib.pyplot as plt

mean = [0, 0]
cov = [[1, 1], [1, 4]]
x, y = np.random.multivariate_normal(mean, cov, 3000).T
plt.figure(figsize=(6, 6))
grid = plt.GridSpec(4, 4, wspace=0.5, hspace=0.5)

main_ax = plt.subplot(grid[0:3, 1:4])  # 0,1,2 rows, 1,2,3 col
plt.plot(x, y, 'ok', markersize=3, alpha=0.2)

y_hist = plt.subplot(grid[0:3, 0], xticklabels=[], sharey=main_ax)  # 和大子圖共y軸
plt.hist(y, 60, orientation='horizontal', color='gray')  # 圖形水平繪制
y_hist.invert_xaxis()  # x軸調換方向

x_hist = plt.subplot(grid[3, 1:4], yticklabels=[], sharex=main_ax)  # 和大子圖共x軸
plt.hist(x, 60, orientation='vertical', color='gray')
x_hist.invert_yaxis()  # y軸調換方向

plt.show()

繪制動畫

方法一：開啟交互模式

缺點無法保存

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
plt.ion()
ims = []
for i in range(1, 10):
    im = plt.plot(np.linspace(0, i, 10),
                  np.linspace(0, np.random.randint(i), 10))
    ims.append(im)
    plt.draw()
    plt.pause(0.8)
plt.ioff()

方法二：使用animation

可生成GIF文件，注意散點圖返回對象與其他不同，需調用findobj()返回Artis對象

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
if __name__ == "__main__":
    fig = plt.figure()
    ims = []
    for i in range(1, 10):
        im = plt.plot(np.linspace(0, i, 10),
                      np.linspace(0, np.random.randint(i), 10))
        ims.append(im)
    ani = animation.ArtistAnimation(fig, ims, interval=200, repeat_delay=1000)
    ani.save("test1.gif", writer='pillow')

import matplotlib.animation as animation
import matplotlib.pyplot as plt
ims = []
fig = plt.figure()
x = np.linspace(0, 10)  # 在[0, 10]之間均分50個點
plt.plot(x, np.sin(x), color='black')
for i in range(1, 10):
    im = plt.scatter(i, np.sin(i), color='r').findobj()
    ims.append(im)
ani = animation.ArtistAnimation(fig, ims, interval=200, repeat_delay=1000)
ani.save("test2.gif", writer='pillow')