129 KiB
Pyplot 教程
Matplotlib 简介
matplotlib 是一个 Python 的 2D 图形包。
在线文档：http://matplotlib.org ，提供了 Examples, FAQ, API, Gallery，其中 Gallery 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]:
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]:
%matplotlib inline
plt.plot() 函数
例子
plt.plot() 函数可以用来绘图：
In [3]:
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]:
plt.plot([1,2,3,4], [1,4,9,16])
Out[4]:
[<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]:
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：
plt.axis([xmin, xmax, ymin, ymax])
In [6]:
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]:
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]:
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]:
# 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]:
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]:
plt.setp(lines)
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：
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：
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]:
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]:
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]:
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()
