Matplotlib

Table of Contents

1 Matplotlib简介

Matplotlib 是 Python 的一个绘图库。它的 Gallery 页面中有很多实用例子,并且带有源程序。

参考:
Matplotlib documentation: http://matplotlib.org/contents.html

1.1 查看帮助文档

使用 help 可以查看相关模块或函数的帮助文档。如:

>>> import matplotlib.pyplot as plt
>>> help(plt)
Help on module matplotlib.pyplot in matplotlib:

NAME
    matplotlib.pyplot - Provides a MATLAB-like plotting framework.

FILE
    /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/matplotlib/pyplot.py

DESCRIPTION
    :mod:`~matplotlib.pylab` combines pyplot with numpy into a single namespace.
    This is convenient for interactive work, but for programming it
    is recommended that the namespaces be kept separate, e.g.::

        import numpy as np
        import matplotlib.pyplot as plt

        x = np.arange(0, 5, 0.1);
        y = np.sin(x)
        plt.plot(x, y)
:
>>> help(plt.plot)      # 这里省略了输出
>>> help(plt.show)      # 这里省略了输出

2 pyplot实例

Matplotlib的pyplot子库提供了和MATLAB类似的绘图API,方便用户快速绘制2D图表。

参考:
Plotting commands summary: http://matplotlib.org/api/pyplot_summary.html
Pyplot tutorial: http://matplotlib.org/users/pyplot_tutorial.html

2.1 几个简单例子

下面是pyplot的简单例子。

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
plt.plot([1,4,9,16])            # 这里省略了 x 值,和 plt.plot([0,1,2,3], [1,4,9,16]) 相同
plt.ylabel('some numbers')      # 定制 y 轴标签
plt.show()                      # 显示图形

生成的图片如图 1 所示。

matplotlib_example1.png

Figure 1: plot([1,4,9,16])

上面例子中, plt.plot([1,4,9,16]) 的作用和 plt.plot([0,1,2,3], [1,4,9,16]) 是一样的,即在图片上画4个点,不过plot默认会把点连接在一起。我们可以通过plot的第3个参数控制线条的颜色和格式,如 'ro' 表示“红色”和“圆点”:

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
plt.plot([0,1,2,3], [1,4,9,16], 'ro') # 'ro' 表示显示格式为“红色”和“圆点”
plt.axis([-1, 4, 0, 18])              # 控制坐标轴的显示范围,格式为 [xmin, xmax, ymin, ymax]
                                      # 也可对x,y分别控制,即plt.xlim(-1, 4); plt.ylim(0, 18);
plt.ylabel('some numbers')
plt.show()

生成的图片如图 2 所示。

matplotlib_example2.png

Figure 2: 和图 1 一样,不过定制了显式格式,及坐标轴范围

2.2 一个坐标上画多个图形

用一个 plot 命令可在一个坐标上同时画多个图形。

# -*- coding: utf-8 -*-
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^')     # 同时画了三个图形,并指定不同样式
plt.show()

生成的图片如图 3 所示。

matplotlib_multiple.png

Figure 3: 一个plot命令可同时画多个图形

2.3 子图形窗口(subplot)

利用 subplot 命令,可以在一个图片中显示多个子图形窗口。

# -*- coding: utf-8 -*-
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)                 # 可省略
plt.subplot(211)              # 共有2行1列,当前是第1个子图。也可以写为 plt.subplot(2,1,1)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

plt.subplot(212)              # 共有2行1列,当前是第2个子图。也可以写为 plt.subplot(2,1,2)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()

生成的图片如图 4 所示。

matplotlib_example3.png

Figure 4: subplot实例

2.4 图片中增加文字说明(text)

使用 text 命令可以在图片指定位置增加文字说明。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

# Fixing random state for reproducibility
np.random.seed(19680801)

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

plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)  # 画直方图

plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')          # 在(60, 0.025)处显示指定文字 r'$\mu=100,\ \sigma=15$'
plt.axis([40, 160, 0, 0.03])
plt.grid(True)                                        # 显示网格
plt.show()

说明:The r preceding the title string is important – it signifies that the string is a raw string and not to treat backslashes as python escapes.

生成的图片如图 5 所示。

matplotlib_text.png

Figure 5: 在(60, 0.025)处显示指定文字

2.4.1 添加箭头等标记(annotate)

使用 annotate 可以更方便地增加箭头等标记。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
             arrowprops=dict(arrowstyle="->",connectionstyle="arc3"))
# 其中,xy是箭头所指位置,xytext是起点,arrowstyle指定箭头的样式

plt.ylim(-2,2)
plt.show()

生成的图片如图 6 所示。

matplotlib_annotate.png

Figure 6: 使用annotate增加标记的例子

2.5 标题、坐标标签和图例

下面是在图片中显示“标题、坐标标签和图例”的例子。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 50)   # 生成包含50个元素的数组,它们均匀的分布在[0, 2pi]的区间中
plt.plot(x, np.sin(x), 'r-x', label='Sin(x)')
plt.plot(x, np.cos(x), 'g-^', label='Cos(x)')
plt.legend()                        # 显示图例
plt.xlabel('Rads')                  # 显示x轴标签
plt.ylabel('Amplitude')             # 显示y标签
plt.title('Sin and Cos Waves')      # 显示标题
plt.show()

生成的图片如图 7 所示。

matplotlib_legend_titile.png

Figure 7: 显示“标题、坐标标签和图例”的例子

2.6 对数坐标画图

对数值的范围跨度比较大时,我们往往会使用对数坐标。

2.6.1 xscale, yscale

使用 xscale, yscale 可以对坐标轴进行伸缩,从而实现对数坐标。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

# Fixing random state for reproducibility
np.random.seed(19680801)

# make up some data in the interval ]0, 1[
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))

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

# logarithmic y axis
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')                   # 设置y轴为对数坐标
plt.title('logarithmic y axis')
plt.grid(True)

# logarithmic x axis
plt.subplot(223)
plt.plot(x, y)
plt.xscale('log')                   # 设置x轴为对数坐标
plt.title('logarithmic x axis')
plt.grid(True)

# logarithmic x and y axis
plt.subplot(224)
plt.plot(x, y)
plt.xscale('log')                   # 设置x轴为对数坐标
plt.yscale('log')                   # 设置y轴为对数坐标
plt.title('loglogarithmic x and y axis')
plt.grid(True)

plt.show()

生成的图片如图 8 所示。

matplotlib_logarithmic.png

Figure 8: 对数坐标例子

2.6.2 semilogx, semilogy, loglog

除了上节介绍的方法外,使用 semilogx, semilogy, loglog 也能实现x轴/y轴/xy轴对数坐标画图。图 8 所示图片也可由下面代码生成。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

# Fixing random state for reproducibility
np.random.seed(19680801)

# make up some data in the interval ]0, 1[
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))

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

# logarithmic y axis
plt.subplot(222)
plt.semilogy(x, y)                   # 设置y轴为对数坐标
plt.title('logarithmic y axis')
plt.grid(True)

# logarithmic x axis
plt.subplot(223)
plt.semilogx(x, y)                   # 设置x轴为对数坐标
plt.title('logarithmic x axis')
plt.grid(True)

# logarithmic x and y axis
plt.subplot(224)
plt.loglog(x, y)                     # 设置x轴和y轴都为对数坐标
plt.title('loglogarithmic x and y axis')
plt.grid(True)

plt.show()

2.7 各种类型的图

2.7.1 直方图(hist)

下面是使用 hist 画直方图的例子。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randn(10000)

plt.hist(x, bins=100, facecolor='r', alpha=0.3)       # 画直方图,100表示竖箱子个数

plt.title(r'Normal distribution with $\mu=0, \sigma=1$')

plt.savefig('matplotlib_histogram.png')
plt.show()

生成的图片如图 9 所示。

matplotlib_hist_example.png

Figure 9: 直方图实例

2.7.2 条形图(bar)

下面是使用 bar 画条形图的例子。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from matplotlib.ticker import FuncFormatter
import matplotlib.pyplot as plt

x = [0, 1, 2, 3]
money = [1.5e5, 2.5e6, 5.5e6, 2.0e7]

def millions(x, pos):
    'The two args are the value and tick position'
    return '$%1.1fM' % (x*1e-6)

formatter = FuncFormatter(millions)

fig, ax = plt.subplots()
ax.yaxis.set_major_formatter(formatter)

plt.bar(x, money)       # 画条形图

plt.xticks(x, ('Bill', 'Fred', 'Mary', 'Sue'))

plt.show()

生成的图片如图 10 所示。

matplotlib_bar_example.png

Figure 10: 条形图实例

2.7.3 饼图(pie)

下面是使用 pie 画饼图的例子。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import matplotlib.pyplot as plt

# Pie chart, where the slices will be ordered and plotted counter-clockwise:
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)  # only "explode" the 2nd slice (i.e. 'Hogs')

plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90)

plt.axis('equal')  # increments of x and y have the same length. 如果不设置plt.axis('equal'),则饼图是椭圆,而不是正圆

plt.show()

生成的图片如图 11 所示。

matplotlib_pie_example.png

Figure 11: 饼图实例

3 Artist对象

Matplotlib API有三层:
(1) backend_bases.FigureCanvas : 最底层
(2) backend_bases.Renderer : 中间层
(3) artist.Artist : 高层

其中,FigureCanvas和Renderer处理底层的绘图操作,例如使用wxPython在界面上绘图;Artist处理所有的高层结构,例如处理图表、文字和曲线等的绘制和布局。 通常我们只和Artist打交道,而不需要关心底层的绘制细节。

Artists分为简单类型(primitives)和容器类型(containers)两种。简单类型的Artists为标准的绘图元件,例如Line2D、Rectangle、Text、AxesImage 等属于简单类型。而容器类型则可以包含许多简单类型的Artists,使它们组织成一个整体,例如Axis、Axes、Figure等属于容器类型。

参考:
Artist tutorial: http://matplotlib.org/users/artists.html#artist-tutorial
http://old.sebug.net/paper/books/scipydoc/matplotlib_intro.html#artist

3.1 使用Artists创建图表

直接使用Artists创建图表的流程如下:
(1) 创建Figure对象(一个Figure对象对应一个图形窗口);
(2) 创建Axes对象(一个Axes对象可以看作是一个拥有自己坐标系统的绘图区域)。有两种方式,方式一:在Figure对象上调用 add_axes 方法创建Axes对象;方式二:在Figure对象上调用 add_subplot 方法创建AxesSubplot(它是Axes的子类)对象;
(3) 调用Axes对象的方法创建各种简单类型的Artists。

3.1.1 在Figure对象上创建Axes对象

3.1.1.1 使用add_axes创建Axes对象

下面是使用 add_axes 画图的例子(下面这种风格称为object-oriented plot)。

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt

fig = plt.figure()

# first axes
ax1    = fig.add_axes([0.1, 0.1, 0.2, 0.2])   # [left, bottom, width, height] 表示所创建的Axes对象相对于fig的位置和大小,取值在0到1之间
line,  = ax1.plot([0,1], [0,1])
ax1.set_xlabel("x")
ax1.set_ylabel("y")
ax1.grid(True)         # 显示网格
ax1.set_title("ax1")

# second axes
ax2    = fig.add_axes([0.4, 0.3, 0.4, 0.5])   # [left, bottom, width, height] 表示所创建的Axes对象相对于fig的位置和大小,取值在0到1之间
sca    = ax2.scatter([1,3,5], [2,1,1.8])
ax2.set_xlabel("x")
ax2.set_ylabel("y")
ax2.set_title("ax2")

plt.show()

生成的图片如图 12 所示。

matplotlib_add_axes.png

Figure 12: add_axes画图实例

3.1.1.2 使用add_subplot创建Axes对象

下面是使用 add_subplot 画图的例子。

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
fig.subplots_adjust(top=0.8)
ax1 = fig.add_subplot(211)             # 第一个Axes对象

t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax1.plot(t, s, color='blue', lw=2)
ax1.set_ylabel('volts')
ax1.set_title('a sine wave')

# Fixing random state for reproducibility
np.random.seed(19680801)

ax2 = fig.add_subplot(212)              # 第二个Axes对象
n, bins, patches = ax2.hist(np.random.randn(1000), 50, facecolor='yellow', edgecolor='yellow')  # 画直方图
ax2.set_xlabel('time (s)')

plt.show()

生成的图片如图 13 所示。

matplotlib_add_subplot.png

Figure 13: add_subplot画图实例

3.1.2 在Axes对象上创建Artists对象的各种方法(fill,hist,plot,scatter,etc.)

Table 1: 在Axies对象上创建Artists对象的部分方法
Helper method 说明 所创建的Artist对象 Container
ax.annotate text annotations Annotate ax.texts
ax.bar bar charts Rectangle ax.patches
ax.errorbar error bar plots Line2D and Rectangle ax.lines and ax.patches
ax.fill shared area Polygon ax.patches
ax.hist histograms Rectangle ax.patches
ax.imshow image data AxesImage ax.images
ax.legend axes legends Legend ax.legends
ax.plot xy plots Line2D ax.lines
ax.scatter scatter charts PolygonCollection ax.collections
ax.text text Text ax.texts

3.1.3 定制Artists对象的表现形式

可以通过修改Artists对象的属性来定制Artists对象的表现形式。

Table 2: 所有Artists对象都有的属性
Property Description
alpha The transparency - a scalar from 0-1
animated A boolean that is used to facilitate animated drawing
axes The axes that the Artist lives in, possibly None
clip_box The bounding box that clips the Artist
clip_on Whether clipping is enabled
clip_path The path the artist is clipped to
contains A picking function to test whether the artist contains the pick point
figure The figure instance the artist lives in, possibly None
label A text label (e.g., for auto-labeling)
picker A python object that controls object picking
transform The transformation
visible A boolean whether the artist should be drawn
zorder A number which determines the drawing order
rasterized Boolean; Turns vectors into rastergraphics: (for compression & eps transparency)

Artist对象的所有属性都通过相应的 get_*set_* 函数进行读写,例如下面的语句将alpha属性设置为当前值的一半:

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

如果你想用一条语句设置多个属性的话,可以使用set函数:

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

使用 matplotlib.pyplot.getp 函数可以方便地输出Artist对象的所有属性名和值:

>>> plt.getp(fig)
    agg_filter = None
    alpha = None
    animated = False
......

4 画三维图

The mplot3d toolkit adds simple 3D plotting capabilities to matplotlib by supplying an axes object that can create a 2D projection of a 3D scene.

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')    # 创建Axes3D对象

x = [0, 1, 2, 3]
y = [1, 2, 3, 4]
z = [1, 5, 13, 25]

ax.plot(x, y, z, 'ro')

ax.set_xlim(0,4)     # 设置x坐标轴范围
ax.set_ylim(0,5)     # 设置y坐标轴范围
ax.set_zlim(0,26)    # 设置z坐标轴范围

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')

plt.show()

生成的图片如图 14 所示。

matplotlib_3d_example.png

Figure 14: 三维图简单例子

4.1 plot_surface画曲面图

下面是使用 plot_surface 画 \(z=x^2 + y^2\) 图形的例子。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

u = np.linspace(-1, 1, 100)
x, y = np.meshgrid(u, u)
z = x ** 2 + y ** 2

ax.plot_surface(x, y, z, rstride=4, cstride=4, cmap=cm.coolwarm) #通过修改cmap可改变颜色风格

ax.set_xlabel(r'$x$')
ax.set_ylabel(r'$y$')
ax.set_zlabel(r'$z$')

ax.set_title(r'$z=x^2 + y^2$')

plt.show()

生成的图片如图 15 所示。

matplotlib_3d_plot_surface.png

Figure 15: plot_surface实例 \(z=x^2 + y^2\)

5 附录

5.1 plot格式字符串

默认地,用plot画第一次图形时会选择风格蓝色实线(即'b-'),画后面图形时会从“style cycle”中选择其它风格。当然你可以定制它们。

Table 3: plot格式字符串中的颜色缩写
字符 颜色
'b' 蓝色
'g' 绿色
'r' 红色
'c' 青色
'm' 品红色
'y' 黄色
'k' 黑色
'w' 白色
Table 4: plot格式字符串中的样式缩写
字符 描述
'-' 实线样式
'–' 短横线样式
'-.' 点划线样式
':' 虚线样式
'.' 点标记
',' 像素标记
'o' 圆标记
'v' 倒三角标记
'^' 正三角标记
'<' 左三角标记
'>' 右三角标记
'1' 下箭头标记
'2' 上箭头标记
'3' 左箭头标记
'4' 右箭头标记
's' 正方形标记
'p' 五边形标记
'*' 星形标记
'h' 六边形标记1
'H' 六边形标记2
'+' 加号标记
'x' X标记
'D' 菱形标记
'd' 窄菱形标记
| 竖直线标记
'_' 水平线标记

下面是格式字符串对应风格的一些测试。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import matplotlib.pyplot as plt

x = [0, 1, 2, 3]
y0 = [1, 1, 1, 1]
y1 = [2, 2, 2, 2]
y2 = [3, 3, 3, 3]
y3 = [4, 4, 4, 4]
y4 = [5, 5, 5, 5]
y5 = [6, 6, 6, 6]
y6 = [7, 7, 7, 7]
y7 = [8, 8, 8, 8]

plt.plot(x, y0, '<', label='<')
plt.plot(x, y1, 'm>', label='m>')
plt.plot(x, y2, 'r*', label='r*')
plt.plot(x, y3, 'x', label='x')
plt.plot(x, y4, '-.', label='-.')
plt.plot(x, y5, 'go-', label='go-')
plt.plot(x, y6, 's', label='s')
plt.plot(x, y7, 'o', label='o')

plt.xlim(-1, 5)
plt.ylim(0, 10)

plt.legend()
plt.show()

生成的图片如图 16 所示。

matplotlib_plot_style.png

Figure 16: plot不同格式字符串对应风格

参考:http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.plot


Author: cig01

Created: <2016-04-30 Sat 00:00>

Last updated: <2017-12-21 Thu 09:50>

Creator: Emacs 25.3.1 (Org mode 9.1.4)