mirror of
https://github.com/apachecn/ailearning.git
synced 2026-02-09 21:36:27 +08:00
425 lines
128 KiB
Markdown
425 lines
128 KiB
Markdown
# Pyplot 教程
|
||
|
||
## Matplotlib 简介
|
||
|
||
**`matplotlib`** 是一个 **`Python`** 的 `2D` 图形包。
|
||
|
||
在线文档：[http://matplotlib.org](http://matplotlib.org) ，提供了 [Examples](http://matplotlib.org/examples/index.html), [FAQ](http://matplotlib.org/faq/index.html), [API](http://matplotlib.org/contents.html), [Gallery](http://matplotlib.org/gallery.html)，其中 [Gallery](http://matplotlib.org/gallery.html) 是很有用的一个部分，因为它提供了各种画图方式的可视化，方便用户根据需求进行选择。
|
||
|
||
## 使用 Pyplot
|
||
|
||
导入相关的包：
|
||
|
||
In [1]:
|
||
|
||
```py
|
||
import numpy as np
|
||
import matplotlib.pyplot as plt
|
||
|
||
```
|
||
|
||
`matplotlib.pyplot` 包含一系列类似 **`MATLAB`** 中绘图函数的相关函数。每个 `matplotlib.pyplot` 中的函数对当前的图像进行一些修改，例如：产生新的图像，在图像中产生新的绘图区域，在绘图区域中画线，给绘图加上标记，等等…… `matplotlib.pyplot` 会自动记住当前的图像和绘图区域，因此这些函数会直接作用在当前的图像上。
|
||
|
||
下文中，以 `plt` 作为 `matplotlib.pyplot` 的省略。
|
||
|
||
## plt.show() 函数
|
||
|
||
默认情况下，`matplotlib.pyplot` 不会直接显示图像，只有调用 `plt.show()` 函数时，图像才会显示出来。
|
||
|
||
`plt.show()` 默认是在新窗口打开一幅图像，并且提供了对图像进行操作的按钮。
|
||
|
||
不过在 `ipython` 命令行中，我们可以使用 `magic` 命令将它插入 `notebook` 中，并且不需要调用 `plt.show()` 也可以显示：
|
||
|
||
* `%matplotlib notebook`
|
||
* `%matplotlib inline`
|
||
|
||
不过在实际写程序中，我们还是需要调用 `plt.show()` 函数将图像显示出来。
|
||
|
||
这里我们使图像输出在 `notebook` 中：
|
||
|
||
In [2]:
|
||
|
||
```py
|
||
%matplotlib inline
|
||
|
||
```
|
||
|
||
## plt.plot() 函数
|
||
|
||
### 例子
|
||
|
||
`plt.plot()` 函数可以用来绘图：
|
||
|
||
In [3]:
|
||
|
||
```py
|
||
plt.plot([1,2,3,4])
|
||
plt.ylabel('some numbers')
|
||
|
||
plt.show()
|
||
|
||
```
|
||
|
||
|
||
|
||
### 基本用法
|
||
|
||
`plot` 函数基本的用法有以下四种：
|
||
|
||
默认参数
|
||
|
||
* `plt.plot(x,y)`
|
||
|
||
指定参数
|
||
|
||
* `plt.plot(x,y, format_str)`
|
||
|
||
默认参数，`x` 为 `0~N-1`
|
||
|
||
* `plt.plot(y)`
|
||
|
||
指定参数，`x` 为 `0~N-1`
|
||
|
||
* `plt.plot(y, format_str)`
|
||
|
||
因此，在上面的例子中，我们没有给定 `x` 的值，所以其默认值为 `[0,1,2,3]`。
|
||
|
||
传入 `x` 和 `y`：
|
||
|
||
In [4]:
|
||
|
||
```py
|
||
plt.plot([1,2,3,4], [1,4,9,16])
|
||
|
||
```
|
||
|
||
Out[4]:
|
||
|
||
```py
|
||
[<matplotlib.lines.Line2D at 0xa48a550>]
|
||
```
|
||
|
||
|
||
|
||
### 字符参数
|
||
|
||
和 **`MATLAB`** 中类似，我们还可以用字符来指定绘图的格式：
|
||
|
||
表示颜色的字符参数有：
|
||
|
||
| 字符 | 颜色 |
|
||
| --- | --- |
|
||
| `‘b’` | 蓝色，blue |
|
||
| `‘g’` | 绿色，green |
|
||
| `‘r’` | 红色，red |
|
||
| `‘c’` | 青色，cyan |
|
||
| `‘m’` | 品红，magenta |
|
||
| `‘y’` | 黄色，yellow |
|
||
| `‘k’` | 黑色，black |
|
||
| `‘w’` | 白色，white |
|
||
|
||
表示类型的字符参数有：
|
||
|
||
| 字符 | 类型 | 字符 | 类型 |
|
||
| --- | --- | --- | --- |
|
||
| `'-'` | 实线 | `'--'` | 虚线 |
|
||
| `'-.'` | 虚点线 | `':'` | 点线 |
|
||
| `'.'` | 点 | `','` | 像素点 |
|
||
| `'o'` | 圆点 | `'v'` | 下三角点 |
|
||
| `'^'` | 上三角点 | `'<'` | 左三角点 |
|
||
| `'>'` | 右三角点 | `'1'` | 下三叉点 |
|
||
| `'2'` | 上三叉点 | `'3'` | 左三叉点 |
|
||
| `'4'` | 右三叉点 | `'s'` | 正方点 |
|
||
| `'p'` | 五角点 | `'*'` | 星形点 |
|
||
| `'h'` | 六边形点1 | `'H'` | 六边形点2 |
|
||
| `'+'` | 加号点 | `'x'` | 乘号点 |
|
||
| `'D'` | 实心菱形点 | `'d'` | 瘦菱形点 |
|
||
| `'_'` | 横线点 | | |
|
||
|
||
例如我们要画出红色圆点：
|
||
|
||
In [5]:
|
||
|
||
```py
|
||
plt.plot([1,2,3,4], [1,4,9,16], 'ro')
|
||
plt.show()
|
||
|
||
```
|
||
|
||
|
||
|
||
可以看出，有两个点在图像的边缘，因此，我们需要改变轴的显示范围。
|
||
|
||
### 显示范围
|
||
|
||
与 **`MATLAB`** 类似，这里可以使用 `axis` 函数指定坐标轴显示的范围：
|
||
|
||
```py
|
||
plt.axis([xmin, xmax, ymin, ymax])
|
||
```
|
||
|
||
In [6]:
|
||
|
||
```py
|
||
plt.plot([1,2,3,4], [1,4,9,16], 'ro')
|
||
# 指定 x 轴显示区域为 0-6，y 轴为 0-20
|
||
plt.axis([0,6,0,20])
|
||
plt.show()
|
||
|
||
```
|
||
|
||
|
||
|
||
### 传入 `Numpy` 数组
|
||
|
||
之前我们传给 `plot` 的参数都是列表，事实上，向 `plot` 中传入 `numpy` 数组是更常用的做法。事实上，如果传入的是列表，`matplotlib` 会在内部将它转化成数组再进行处理：
|
||
|
||
In [7]:
|
||
|
||
```py
|
||
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()
|
||
|
||
```
|
||
|
||
|
||
|
||
### 传入多组数据
|
||
|
||
事实上，在上面的例子中，我们不仅仅向 `plot` 函数传入了数组，还传入了多组 `(x,y,format_str)` 参数，它们在同一张图上显示。
|
||
|
||
这意味着我们不需要使用多个 `plot` 函数来画多组数组，只需要可以将这些组合放到一个 `plot` 函数中去即可。
|
||
|
||
### 线条属性
|
||
|
||
之前提到，我们可以用字符串来控制线条的属性，事实上还可以通过关键词来改变线条的性质，例如 `linwidth` 可以改变线条的宽度，`color` 可以改变线条的颜色：
|
||
|
||
In [8]:
|
||
|
||
```py
|
||
x = np.linspace(-np.pi,np.pi)
|
||
y = np.sin(x)
|
||
|
||
plt.plot(x, y, linewidth=2.0, color='r')
|
||
|
||
plt.show()
|
||
|
||
```
|
||
|
||
|
||
|
||
### 使用 plt.plot() 的返回值来设置线条属性
|
||
|
||
`plot` 函数返回一个 `Line2D` 对象组成的列表，每个对象代表输入的一对组合，例如：
|
||
|
||
* line1, line2 为两个 Line2D 对象
|
||
|
||
`line1, line2 = plt.plot(x1, y1, x2, y2)`
|
||
|
||
* 返回 3 个 Line2D 对象组成的列表
|
||
|
||
`lines = plt.plot(x1, y1, x2, y2, x3, y3)`
|
||
|
||
我们可以使用这个返回值来对线条属性进行设置：
|
||
|
||
In [9]:
|
||
|
||
```py
|
||
# 加逗号 line 中得到的是 line2D 对象，不加逗号得到的是只有一个 line2D 对象的列表
|
||
line, = plt.plot(x, y, 'r-')
|
||
|
||
# 将抗锯齿关闭
|
||
line.set_antialiased(False)
|
||
|
||
plt.show()
|
||
|
||
```
|
||
|
||
|
||
|
||
### plt.setp() 修改线条性质
|
||
|
||
更方便的做法是使用 `plt` 的 `setp` 函数：
|
||
|
||
In [10]:
|
||
|
||
```py
|
||
lines = plt.plot(x, y)
|
||
|
||
# 使用键值对
|
||
plt.setp(lines, color='r', linewidth=2.0)
|
||
|
||
# 或者使用 MATLAB 风格的字符串对
|
||
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
|
||
|
||
plt.show()
|
||
|
||
```
|
||
|
||
|
||
|
||
可以设置的属性有很多，可以使用 `plt.setp(lines)` 查看 `lines` 可以设置的属性，各属性的含义可参考 `matplotlib` 的文档。
|
||
|
||
In [11]:
|
||
|
||
```py
|
||
plt.setp(lines)
|
||
|
||
```
|
||
|
||
```py
|
||
agg_filter: unknown
|
||
alpha: float (0.0 transparent through 1.0 opaque)
|
||
animated: [True | False]
|
||
antialiased or aa: [True | False]
|
||
axes: an :class:`~matplotlib.axes.Axes` instance
|
||
clip_box: a :class:`matplotlib.transforms.Bbox` instance
|
||
clip_on: [True | False]
|
||
clip_path: [ (:class:`~matplotlib.path.Path`, :class:`~matplotlib.transforms.Transform`) | :class:`~matplotlib.patches.Patch` | None ]
|
||
color or c: any matplotlib color
|
||
contains: a callable function
|
||
dash_capstyle: ['butt' | 'round' | 'projecting']
|
||
dash_joinstyle: ['miter' | 'round' | 'bevel']
|
||
dashes: sequence of on/off ink in points
|
||
drawstyle: ['default' | 'steps' | 'steps-pre' | 'steps-mid' | 'steps-post']
|
||
figure: a :class:`matplotlib.figure.Figure` instance
|
||
fillstyle: ['full' | 'left' | 'right' | 'bottom' | 'top' | 'none']
|
||
gid: an id string
|
||
label: string or anything printable with '%s' conversion.
|
||
linestyle or ls: [``'-'`` | ``'--'`` | ``'-.'`` | ``':'`` | ``'None'`` | ``' '`` | ``''``]
|
||
linewidth or lw: float value in points
|
||
lod: [True | False]
|
||
marker: :mod:`A valid marker style <matplotlib.markers>`
|
||
markeredgecolor or mec: any matplotlib color
|
||
markeredgewidth or mew: float value in points
|
||
markerfacecolor or mfc: any matplotlib color
|
||
markerfacecoloralt or mfcalt: any matplotlib color
|
||
markersize or ms: float
|
||
markevery: [None | int | length-2 tuple of int | slice | list/array of int | float | length-2 tuple of float]
|
||
path_effects: unknown
|
||
picker: float distance in points or callable pick function ``fn(artist, event)``
|
||
pickradius: float distance in points
|
||
rasterized: [True | False | None]
|
||
sketch_params: unknown
|
||
snap: unknown
|
||
solid_capstyle: ['butt' | 'round' | 'projecting']
|
||
solid_joinstyle: ['miter' | 'round' | 'bevel']
|
||
transform: a :class:`matplotlib.transforms.Transform` instance
|
||
url: a url string
|
||
visible: [True | False]
|
||
xdata: 1D array
|
||
ydata: 1D array
|
||
zorder: any number
|
||
|
||
```
|
||
|
||
## 子图
|
||
|
||
`figure()` 函数会产生一个指定编号为 `num` 的图：
|
||
|
||
```py
|
||
plt.figure(num)
|
||
```
|
||
|
||
这里，`figure(1)` 其实是可以省略的，因为默认情况下 `plt` 会自动产生一幅图像。
|
||
|
||
使用 `subplot` 可以在一副图中生成多个子图，其参数为：
|
||
|
||
```py
|
||
plt.subplot(numrows, numcols, fignum)
|
||
```
|
||
|
||
当 `numrows * numcols < 10` 时，中间的逗号可以省略，因此 `plt.subplot(211)` 就相当于 `plt.subplot(2,1,1)`。
|
||
|
||
In [12]:
|
||
|
||
```py
|
||
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()
|
||
|
||
```
|
||
|
||
|
||
|
||
## 图形上加上文字
|
||
|
||
`plt.hist()` 可以用来画直方图。
|
||
|
||
In [13]:
|
||
|
||
```py
|
||
mu, sigma = 100, 15
|
||
x = mu + sigma * np.random.randn(10000)
|
||
|
||
# the histogram of the data
|
||
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()
|
||
|
||
```
|
||
|
||
|
||
|
||
对于这幅图形，我们使用 `xlabel` ，`ylabel`，`title`，`text` 方法设置了文字，其中：
|
||
|
||
* `xlabel` ：x 轴标注
|
||
|
||
* `ylabel` ：y 轴标注
|
||
|
||
* `title` ：图形标题
|
||
|
||
* `text` ：在指定位置放入文字
|
||
|
||
输入特殊符号支持使用 `Tex` 语法，用 `$<some Tex code>$` 隔开。
|
||
|
||
除了使用 `text` 在指定位置标上文字之外，还可以使用 `annotate` 函数进行注释，`annotate` 主要有两个参数：
|
||
|
||
* `xy` ：注释位置
|
||
* `xytext` ：注释文字位置
|
||
|
||
In [14]:
|
||
|
||
```py
|
||
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(facecolor='black', shrink=0.05),
|
||
)
|
||
|
||
plt.ylim(-2,2)
|
||
plt.show()
|
||
|
||
```
|
||
|
||
 |