Matplotlib pyplot 教程

matplotlib.pyplot是一個命令風格函數的集合，使matplotlib的機制更像 MATLAB。 每個繪圖函數對圖形進行一些更改：例如，創建圖形，在圖形中創建繪圖區域，在繪圖區域繪制一些線條，使用標簽裝飾繪圖等。在matplotlib.pyplot中，各種狀態跨函數調用保存，以便跟蹤諸如當前圖形和繪圖區域之類的東西，並且繪圖函數始終指向當前軸域（請注意，這里和文檔中的大多數位置中的『軸域』（axes）是指圖形的一部分（兩條坐標軸圍成的區域），而不是指代多於一個軸的嚴格數學術語）。

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

 

你可能想知道為什么x軸的范圍為0-3，y軸的范圍為1-4。 如果你向plot()命令提供單個列表或數組，則matplotlib假定它是一個y值序列，並自動為你生成x值。 由於 python 范圍從 0 開始，默認x向量具有與y相同的長度，但從 0 開始。因此x數據是[0,1,2,3]。

plot()是一個通用命令，並且可接受任意數量的參數。 例如，要繪制x和y，你可以執行命令：

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

對於每個x,y參數對，有一個可選的第三個參數，它是指示圖形顏色和線條類型的格式字符串。 格式字符串的字母和符號來自 MATLAB，並且將顏色字符串與線型字符串連接在一起。 默認格式字符串為"b-"，它是一條藍色實線。 例如，要繪制上面的紅色圓圈，你需要執行：

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

 

有關線型和格式字符串的完整列表，請參見plot()文檔。 上例中的axis()命令接收[xmin，xmax，ymin，ymax]的列表，並指定x軸與y軸，而xlim()與ylim()可以單獨設置x軸與y軸的范圍，其值為元組。

plt.xlim((-3,5))
plt.ylim((-3,10))

如果matplotlib僅限於使用列表，它對於數字處理是相當無用的。 一般來說，你可以使用numpy數組。 事實上，所有序列都在內部轉換為numpy數組。 下面的示例展示了使用數組和不同格式字符串，在一條命令中繪制多個線條。

import numpy as np
import matplotlib.pyplot as plt

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

 

控制線條屬性

線條有許多你可以設置的屬性：linewidth，dash style，antialiased等，請參見matplotlib.lines.Line2D。 有幾種方法可以設置線屬性：

• 使用關鍵字參數：

  plt.plot(x, y, linewidth=2.0)

• 使用Line2D實例的setter方法。 plot返回Line2D對象的列表，例如line1,line2 = plot(x1，y1，x2，y2)。 在下面的代碼中，我們假設只有一行，返回的列表長度為 1。我們對line使用元組解構，得到該列表的第一個元素：

  line, = plt.plot(x, y, '-')
  line.set_antialiased(False) # turn off antialising

• 使用setp()命令。 下面的示例使用 MATLAB 風格的命令來設置線條列表上的多個屬性。 setp使用對象列表或單個對象透明地工作。 你可以使用 python 關鍵字參數或 MATLAB 風格的字符串/值對：

  lines = plt.plot(x1, y1, x2, y2)
  # 使用關鍵字參數
  plt.setp(lines, color='r', linewidth=2.0)
  # 或者 MATLAB 風格的字符串值對
  plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

•  

下面是可用的Line2D屬性。

屬性	值類型
alpha	浮點值
animated	[True / False]
antialiased or aa	[True / False]
clip_box	matplotlib.transform.Bbox 實例
clip_on	[True / False]
clip_path	Path 實例， Transform，以及Patch實例
color or c	任何 matplotlib 顏色
contains	命中測試函數
dash_capstyle	['butt' / 'round' / 'projecting']
dash_joinstyle	['miter' / 'round' / 'bevel']
dashes	以點為單位的連接/斷開墨水序列
data	(np.array xdata, np.array ydata)
figure	matplotlib.figure.Figure 實例
label	任何字符串
linestyle or ls	[ '-' / '--' / '-.' / ':' / 'steps' / ...]
linewidth or lw	以點為單位的浮點值
lod	[True / False]
marker	[ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]
markeredgecolor or mec	任何 matplotlib 顏色
markeredgewidth or mew	以點為單位的浮點值
markerfacecolor or mfc	任何 matplotlib 顏色
markersize or ms	浮點值
markevery	[ None / 整數值 / (startind, stride) ]
picker	用於交互式線條選擇
pickradius	線條的拾取選擇半徑
solid_capstyle	['butt' / 'round' / 'projecting']
solid_joinstyle	['miter' / 'round' / 'bevel']
transform	matplotlib.transforms.Transform 實例
visible	[True / False]
xdata	np.array
ydata	np.array
zorder	任何數值

要獲取可設置的線條屬性的列表，請以一個或多個線條作為參數調用step()函數

 

In [69]: lines = plt.plot([1, 2, 3])

In [70]: plt.setp(lines)
  alpha: float
  animated: [True | False]
  antialiased or aa: [True | False]
  ...snip

　　

處理多個圖形和軸域

MATLAB 和 pyplot 具有當前圖形和當前軸域的概念。 所有繪圖命令適用於當前軸域。 函數gca()返回當前軸域（一個matplotlib.axes.Axes實例），gcf()返回當前圖形（matplotlib.figure.Figure實例）。 通常，你不必擔心這一點，因為它都是在幕后處理。 下面是一個創建兩個子圖的腳本。

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(1)
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()

 

這里的figure()命令是可選的，因為默認情況下將創建figure(1)，如果不手動指定任何軸域，則默認創建subplot(111)。subplot()命令指定numrows，numcols，fignum，其中fignum的范圍是從1到numrows * numcols。 如果numrows * numcols <10，則subplot命令中的逗號是可選的。 因此，子圖subplot(211)與subplot(2, 1, 1)相同。 你可以創建任意數量的子圖和軸域。 如果要手動放置軸域，即不在矩形網格上，請使用axes()命令，該命令允許你將axes([left, bottom, width, height])指定為位置，其中所有值都使用小數（0 到 1）坐標。 手動放置軸域的示例請參見pylab_examples示例代碼：axes_demo.py，具有大量子圖的示例請參見pylab_examples示例代碼：subplots_demo.py。

你可以使用clf()清除當前圖形，使用cla()清除當前軸域。 如果你搞不清在幕后維護的狀態（特別是當前的圖形和軸域），不要絕望：這只是一個面向對象的 API 的簡單的狀態包裝器，你可以使用面向對象 API（見藝術家教程）。

如果你正在制作大量的圖形，你需要注意一件事：在一個圖形用close()顯式關閉之前，該圖所需的內存不會完全釋放。 刪除對圖形的所有引用，和/或使用窗口管理器殺死屏幕上出現的圖形的窗口是不夠的，因為在調用close()之前，pyplot會維護內部引用。

處理文本

text()命令可用於在任意位置添加文本，xlabel()，ylabel()和title()用於在指定的位置添加文本（詳細示例請參閱文本介紹）。

 

import numpy as np
import matplotlib.pyplot as plt

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# 數據的直方圖
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()

所有的text()命令返回一個matplotlib.text.Text實例。 與上面一樣，你可以通過將關鍵字參數傳遞到text函數或使用setp()來自定義屬性：

t = plt.xlabel('my data', fontsize=14, color='red')

這些屬性的更詳細介紹請見文本屬性和布局。

 

在文本中使用數學表達式

matplotlib在任何文本表達式中接受 TeX 方程表達式。 例如，要在標題中寫入表達式，可以編寫一個由美元符號包圍的 TeX 表達式：

plt.title(r'$\sigma_i=15$')

標題字符串之前的r很重要 - 它表示該字符串是一個原始字符串，而不是將反斜杠作為 python 轉義處理。 matplotlib有一個內置的 TeX 表達式解析器和布局引擎，並且自帶了自己的數學字體 - 詳細信息請參閱編寫數學表達式。 因此，你可以跨平台使用數學文本，而無需安裝 TeX。 對於安裝了 LaTeX 和dvipng的用戶，還可以使用 LaTeX 格式化文本，並將輸出直接合並到顯示圖形或保存的 postscript 中 - 請參閱使用 LaTeX 進行文本渲染。

標注文本

上面的text()基本命令將文本放置在軸域的任意位置。 文本的一個常見用法是對圖的某些特征執行標注，而annotate()方法提供一些輔助功能，使標注變得容易。 在標注中，有兩個要考慮的點：由參數xy表示的標注位置和xytext表示的文本位置。 這兩個參數都是(x, y)元組。

 

在此基本示例中，xy（箭頭提示）和xytext（文本）都位於數據坐標中。 有多種其他坐標系可供選擇 - 詳細信息請參閱標注文本和標注軸域。 更多示例可以在pylab_examples示例代碼：annotation_demo.py中找到。

對數和其它非線性軸

matplotlib.pyplot不僅支持線性軸刻度，還支持對數和對數刻度。 如果數據跨越許多數量級，通常會使用它。 更改軸的刻度很容易:

plt.xscale('log')

下面示例顯示了四個圖，具有相同數據和不同刻度的y軸。

import numpy as np
import matplotlib.pyplot as plt

# 生成一些區間 [0, 1] 內的數據
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))

# 帶有多個軸域刻度的 plot
plt.figure(1)

# 線性
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)


# 對數
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)


# 對稱的對數
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()

原文：Pyplot tutorial

譯者：飛龍

協議：CC BY-NC-SA 4.0