Matplotlib 中文用户指南 3.5 艺术家教程
艺术家教程
译者：飞龙
matplotlib API 有三个层级。 matplotlib.backend_bases.FigureCanvas是绘制图形的区域，matplotlib.backend_bases.Renderer是知道如何在ChartCanvas上绘制的对象，而matplotlib.artist.Artist是知道如何使用渲染器在画布上画图的对象。 FigureCanvas和Renderer处理与用户界面工具包（如 wxPython）或 PostScript® 等绘图语言交互的所有细节，Artist处理所有高级结构，如表示和布局图形，文本和线条。用户通常要花费95％的时间来处理艺术家。
有两种类型的艺术家：基本类型和容器类型。基本类型表示我们想要绘制到画布上的标准图形对象：Line2D，Rectangle，Text，AxesImage等，容器是放置它们的位置（Axis，Axes和Figure）。标准用法是创建一个Figure实例，使用Figure创建一个或多个Axes或Subplot实例，并使用Axes实例的辅助方法来创建基本类型。在下面的示例中，我们使用matplotlib.pyplot.figure()创建一个Figure实例，这是一个便捷的方法，用于实例化Figure实例并将它们与你的用户界面或绘图工具包FigureCanvas连接。正如我们将在下面讨论的，这不是必须的 - 你可以直接使用 PostScript，PDF，Gtk+ 或 wxPython FigureCanvas实例，直接实例化你的图形并连接它们 - 但是因为我们在这里关注艺术家 API，我们让pyplot为我们处理一些细节：
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(2,1,1) # two rows, one column, first plotAxes可能是 matplotlib API 中最重要的类，你将在大多数时间使用它。 这是因为Axes是大多数对象所进入的绘图区域，Axes有许多特殊的辅助方法（plot()，text()，hist()，imshow()）来创建最常见的图形基本类型 Line2D，Text，Rectangle，Image）。 这些辅助方法将获取你的数据（例如 numpy 数组和字符串），并根据需要创建基本Artist实例（例如，Line2D），将它们添加到相关容器中，并在请求时绘制它们。 大多数人可能熟悉子图，这只是Axes的一个特例，它存在于Subplot实例的列网格的固定行上。 如果要在任意位置创建Axes，只需使用add_axes()方法，该方法接受[left, bottom, width, height]值的列表，以 0~1 的图形相对坐标为单位：
fig2 = plt.figure()
ax2 = fig2.add_axes([0.15, 0.1, 0.7, 0.3])以我们的例子继续：
import numpy as np
t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax.plot(t, s, color='blue', lw=2)在这个例子中，ax是上面的fig.add_subplot调用创建的Axes实例（记住Subplot只是Axes的一个子类），当你调用ax.plot时，它创建一个Line2D实例并将其添加到Axes.lines列表中。 在下面的 ipython 交互式会话中，你可以看到Axes.lines列表的长度为 1，并且包含由line, = ax.plot...调用返回的相同线条：
In [101]: ax.lines[0]
Out[101]: <matplotlib.lines.Line2D instance at 0x19a95710>
In [102]: line
Out[102]: <matplotlib.lines.Line2D instance at 0x19a95710>如果你对ax.plot进行连续调用（并且保持状态为『on』，这是默认值），则将在列表中添加其他线条。 你可以稍后通过调用列表方法删除线条；任何一个方法都可以：
del ax.lines[0]
ax.lines.remove(line) # one or the other, not both!轴域也拥有辅助方法，用于设置和装饰 x 和 y 轴的刻度、刻度标签和轴标签：
xtext = ax.set_xlabel('my xdata') # returns a Text instance
ytext = ax.set_ylabel('my ydata')当你调用ax.set_xlabel时，它将信息传递给XAxis的Text实例，每个Axes实例都包含XAxis和YAxis，它们处理刻度、刻度标签和轴标签的布局和绘制。
尝试创建下面的图形：
自定义你的对象
图中的每个元素都由一个 matplotlib 艺术家表示，每个元素都有一个扩展属性列表用于配置它的外观。 图形本身包含一个Rectangle，正好是图形的大小，你可以使用它来设置图形的背景颜色和透明度。 同样，每个Axes边框（在通常的 matplotlib 绘图中是标准的白底黑边）拥有一个Rectangle实例，用于确定轴域的颜色，透明度和其他属性，这些实例存储为成员变量Figure.patch和Axes.patch（『Patch』是一个继承自 MATLAB 的名称，它是图形上的一个颜色的 2D『补丁』，例如矩形，圆和多边形）。每个 matplotlib 艺术家都有以下属性。
| 属性 | 描述 |
|---|---|
| alpha | 透明度 - 0 ~ 1 的标量 |
| animated | 用于帮助动画绘制的布尔值 |
| axes | 艺术家所在的轴域，可能为空 |
| clip_box | 用于剪切艺术家的边框 |
| clip_on | 剪切是否开启 |
| clip_path | 艺术家被剪切的路径 |
| contains | 一个拾取函数，用于判断艺术家是否位于拾取点 |
| figure | 艺术家所在的图形实例，可能为空 |
| label | 文本标签（用于自动标记） |
| picker | 控制对象拾取的 Python 对象 |
| transform | 变换 |
| visible | 布尔值，表示艺术家是否应该绘制 |
| zorder | 确定绘制顺序的数值 |
| rasterized | 布尔值，是否将向量转换为光栅图形（出于压缩或 eps 透明度） |
每个属性都使用一个老式的setter或getter（是的，我们知道这会刺激 Python 爱好者，我们计划支持通过属性或 traits 直接访问，但它还没有完成）。 例如，要将当前alpha值变为一半：
a = o.get_alpha()
o.set_alpha(0.5*a)如果你打算可以一次性设置一些属性，你也可以以关键字参数使用set方法，例如：
o.set(alpha=0.5, zorder=2)如果你在 Python 交互式 Shell 中工作，检查Artist属性的一种方便的方法是使用matplotlib.artist.getp()函数（在 pylab 中只需要getp()），它列出了属性及其值。 这适用于从Artist派生的类，例如Figure和Rectangle。 这里是上面提到的Figure的矩形属性：
In [149]: matplotlib.artist.getp(fig.patch)
alpha = 1.0
animated = False
antialiased or aa = True
axes = None
clip_box = None
clip_on = False
clip_path = None
contains = None
edgecolor or ec = w
facecolor or fc = 0.75
figure = Figure(8.125x6.125)
fill = 1
hatch = None
height = 1
label =
linewidth or lw = 1.0
picker = None
transform = <Affine object at 0x134cca84>
verts = ((0, 0), (0, 1), (1, 1), (1, 0))
visible = True
width = 1
window_extent = <Bbox object at 0x134acbcc>
x = 0
y = 0
zorder = 1所有类的文档字符串也包含Artist属性，因此你可以查阅交互式『帮助』或 Artist模块，来获取给定对象的属性列表。
对象容器
现在我们知道如何检查和设置我们想要配置的给定对象的属性，现在我们需要如何获取该对象。 前面提到了两种对象：基本类型和容器类型。 基本类型通常是你想要配置的东西（Text实例的字体，Line2D的宽度），虽然容器也有一些属性 - 例如 Axes是一个容器艺术家，包含你的绘图中的许多基本类型，但它也有属性，比如xscale来控制xaxis是『线性』还是『对数』。 在本节中，我们将回顾各种容器对象存储你想要访问的艺术家的位置。
图形容器
顶层容器艺术家是matplotlib.figure.Figure，它包含图形中的所有内容。 图形的背景是一个Rectangle，存储在Figure.patch中。 当你向图形中添加子图（add_subplot()）和轴域（add_axes()）时，这些会附加到Figure.axes。 它们也由创建它们的方法返回：
In [156]: fig = plt.figure()
In [157]: ax1 = fig.add_subplot(211)
In [158]: ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3])
In [159]: ax1
Out[159]: <matplotlib.axes.Subplot instance at 0xd54b26c>
In [160]: print fig.axes
[<matplotlib.axes.Subplot instance at 0xd54b26c>, <matplotlib.axes.Axes instance at 0xd3f0b2c>]因为图形维护了『当前轴域』（见figure.gca和图figure.sca）的概念以支持 pylab/pyplot 状态机，所以不应直接从轴域列表中插入或删除轴域，而应使用add_subplot()和add_axes()方法进行插入，并使用delaxes()方法进行删除。 然而，你可以自由地遍历轴域列表或索引，来访问要自定义的Axes实例。 下面是一个打开所有轴域网格的示例：
for ax in fig.axes:
ax.grid(True)图形还拥有自己的文本，线条，补丁和图像，你可以使用它们直接添加基本类型。 图形的默认坐标系统简单地以像素（这通常不是你想要的）为单位，但你可以通过设置你添加到图中的艺术家的transform属性来控制它。
更有用的是『图形坐标系』，其中(0,0)是图的左下角，(1,1)是图的右上角，你可以通过将Artist的变换设置为fig.transFigure来获得：
In [191]: fig = plt.figure()
In [192]: l1 = matplotlib.lines.Line2D([0, 1], [0, 1],
transform=fig.transFigure, figure=fig)
In [193]: l2 = matplotlib.lines.Line2D([0, 1], [1, 0],
transform=fig.transFigure, figure=fig)
In [194]: fig.lines.extend([l1, l2])
In [195]: fig.canvas.draw()
这里是图形可以包含的艺术家总结：
| 图形属性 | 描述 |
|---|---|
axes | Axes实例的列表（包括Subplot） |
patch | Rectangle背景 |
images | FigureImages补丁的列表 - 用于原始像素显示 |
legends | 图形Legend实例的列表（不同于Axes.legends） |
lines | 图形Line2D实例的列表（很少使用，见Axes.lines） |
patches | 图形补丁列表（很少使用，见Axes.patches） |
texts | 图形Text实例的列表 |
轴域容器
matplotlib.axes.Axes是 matplotlib 宇宙的中心 - 它包含绝大多数在一个图形中使用的艺术家，并带有许多辅助方法来创建和添加这些艺术家本身，以及访问和自定义所包含的艺术家的辅助方法。 就像Figure那样，它包含一个Patch patch，它是一个用于笛卡尔坐标的Rectangle和一个用于极坐标的Cirecle; 这个补丁决定了绘图区域的形状，背景和边框：
ax = fig.add_subplot(111)
rect = ax.patch # a Rectangle instance
rect.set_facecolor('green')当调用绘图方法（例如通常是plot()）并传递数组或值列表时，该方法将创建一个matplotlib.lines.Line2D()实例，将所有Line2D属性作为关键字参数传递， 将该线条添加到Axes.lines容器，并将其返回给你：
In [213]: x, y = np.random.rand(2, 100)
In [214]: line, = ax.plot(x, y, '-', color='blue', linewidth=2)plot返回一个线条列表，因为你可以传入多个x,y偶对来绘制，我们将长度为一的列表的第一个元素解构到line变量中。 该线条已添加到Axes.lines列表中：
In [229]: print ax.lines
[<matplotlib.lines.Line2D instance at 0xd378b0c>]与之类似，创建补丁的方法（如bar()）会创建一个矩形列表，将补丁添加到Axes.patches列表中：
In [233]: n, bins, rectangles = ax.hist(np.random.randn(1000), 50, facecolor='yellow')
In [234]: rectangles
Out[234]: <a list of 50 Patch objects>
In [235]: print len(ax.patches)你不应该直接将对象添加到Axes.lines或Axes.patches列表，除非你确切知道你在做什么，因为Axes需要在它创建和添加对象做一些事情。 它设置Artist的figure和axes属性，以及默认Axes变换（除非设置了变换）。 它还检查Artist中包含的数据，来更新控制自动缩放的数据结构，以便可以调整视图限制来包含绘制的数据。 但是，你可以自己创建对象，并使用辅助方法（如add_line()和add_patch()）将它们直接添加到Axes。 这里是一个注释的交互式会话，说明正在发生什么：
In [261]: fig = plt.figure()
In [262]: ax = fig.add_subplot(111)
# create a rectangle instance
In [263]: rect = matplotlib.patches.Rectangle( (1,1), width=5, height=12)
# by default the axes instance is None
In [264]: print rect.get_axes()
None
# and the transformation instance is set to the "identity transform"
In [265]: print rect.get_transform()
<Affine object at 0x13695544>
# now we add the Rectangle to the Axes
In [266]: ax.add_patch(rect)
# and notice that the ax.add_patch method has set the axes
# instance
In [267]: print rect.get_axes()
Axes(0.125,0.1;0.775x0.8)
# and the transformation has been set too
In [268]: print rect.get_transform()
<Affine object at 0x15009ca4>
# the default axes transformation is ax.transData
In [269]: print ax.transData
<Affine object at 0x15009ca4>
# notice that the xlimits of the Axes have not been changed
In [270]: print ax.get_xlim()
(0.0, 1.0)
# but the data limits have been updated to encompass the rectangle
In [271]: print ax.dataLim.bounds
(1.0, 1.0, 5.0, 12.0)
# we can manually invoke the auto-scaling machinery
In [272]: ax.autoscale_view()
# and now the xlim are updated to encompass the rectangle
In [273]: print ax.get_xlim()
(1.0, 6.0)
# we have to manually force a figure draw
In [274]: ax.figure.canvas.draw()有非常多的Axes辅助方法用于创建基本艺术家并将它们添加到他们各自的容器中。 下表总结了他们的一部分，他们创造的Artist的种类，以及他们在哪里存储它们。
| 辅助方法 | 艺术家 | 容器 |
|---|---|---|
ax.annotate - 文本标注 | Annotate | ax.texts |
ax.bar - 条形图 | Rectangle | ax.patches |
ax.errorbar - 误差条形图 | Line2D 和 Rectangle | ax.lines 和 ax.patches |
ax.fill - 共享区域 | Polygon | ax.patches |
ax.hist - 直方图 | Rectangle | ax.patches |
ax.imshow - 图像数据 | AxesImage | ax.images |
ax.legend - 轴域图例 | Legend | ax.legends |
ax.plot - xy 绘图 | Line2D | ax.lines |
ax.scatter - 散点图 | PolygonCollection | ax.collections |
ax.text - 文本 | Text | ax.texts |
除了所有这些艺术家，Axes包含两个重要的艺术家容器：XAxis和YAxis，它们处理刻度和标签的绘制。 它们被存储为实例变量xaxis和yaxis。 XAxis和YAxis容器将在下面详细介绍，但请注意，Axes包含许多辅助方法，它们会将调用转发给Axis实例，因此你通常不需要直接使用它们，除非你愿意。 例如，你可以使用Axes辅助程序方法设置XAxis刻度标签的字体大小：
for label in ax.get_xticklabels():
label.set_color('orange')下面是轴域所包含的艺术家的总结
| 轴域属性 | 描述 |
|---|---|
artists | Artist实例的列表 |
patch | 用于轴域背景的Rectangle实例 |
collections | Collection实例的列表 |
images | AxesImage的列表 |
legends | Legend实例的列表 |
lines | Line2D实例的列表 |
patches | Patch实例的列表 |
texts | Text实例的列表 |
xaxis | matplotlib.axis.XAxis实例 |
yaxis | matplotlib.axis.YAxis实例 |
轴容器
matplotlib.axis.Axis实例处理刻度线，网格线，刻度标签和轴标签的绘制。你可以分别为y轴配置左和右刻度，为x轴分别配置上和下刻度。 Axis还存储在自动缩放，平移和缩放中使用的数据和视图间隔，以及Locator和Formatter实例，它们控制刻度位置以及它们表示为字符串的方式。
每个Axis对象都包含一个label属性（这是 pylab 在调用xlabel()和ylabel()时修改的东西）以及主和次刻度的列表。刻度是XTick和YTick实例，它包含渲染刻度和刻度标签的实际线条和文本基本类型。因为刻度是按需动态创建的（例如，当平移和缩放时），你应该通过访问器方法get_major_ticks()和get_minor_ticks()访问主和次刻度的列表。虽然刻度包含所有下面要提及的基本类型，Axis方法包含访问器方法来返回刻度线，刻度标签，刻度位置等：
In [285]: axis = ax.xaxis
In [286]: axis.get_ticklocs()
Out[286]: array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
In [287]: axis.get_ticklabels()
Out[287]: <a list of 10 Text major ticklabel objects>
# note there are twice as many ticklines as labels because by
# default there are tick lines at the top and bottom but only tick
# labels below the xaxis; this can be customized
In [288]: axis.get_ticklines()
Out[288]: <a list of 20 Line2D ticklines objects>
# by default you get the major ticks back
In [291]: axis.get_ticklines()
Out[291]: <a list of 20 Line2D ticklines objects>
# but you can also ask for the minor ticks
In [292]: axis.get_ticklines(minor=True)
Out[292]: <a list of 0 Line2D ticklines objects>下面是Axis的一些有用的访问器方法的总结（它们拥有相应的setter，如set_major_formatter）。
| 访问器方法 | 描述 |
|---|---|
| get_scale | 轴的比例，例如'log'或'linear' |
| get_view_interval | 轴视图范围的内部实例 |
| get_data_interval | 轴数据范围的内部实例 |
| get_gridlines | 轴的网格线列表 |
| get_label | 轴标签 - Text实例 |
| get_ticklabels | Text实例的列表 - 关键字`minor=True |
| get_ticklines | Line2D实例的列表 - 关键字`minor=True |
| get_ticklocs | Tick位置的列表 - 关键字`minor=True |
| get_major_locator | 用于主刻度的matplotlib.ticker.Locator实例 |
| get_major_formatter | 用于主刻度的matplotlib.ticker.Formatter实例 |
| get_minor_locator | 用于次刻度的matplotlib.ticker.Locator实例 |
| get_minor_formatter | 用于次刻度的matplotlib.ticker.Formatter实例 |
| get_major_ticks | 用于主刻度的Tick实例列表 |
| get_minor_ticks | 用于次刻度的Tick实例列表 |
| grid | 为主或次刻度打开或关闭网格 |
这里是个例子，出于美观不太推荐，它自定义了轴域和刻度属性。
import numpy as np
import matplotlib.pyplot as plt
# plt.figure creates a matplotlib.figure.Figure instance
fig = plt.figure()
rect = fig.patch # a rectangle instance
rect.set_facecolor('lightgoldenrodyellow')
ax1 = fig.add_axes([0.1, 0.3, 0.4, 0.4])
rect = ax1.patch
rect.set_facecolor('lightslategray')
for label in ax1.xaxis.get_ticklabels():
# label is a Text instance
label.set_color('red')
label.set_rotation(45)
label.set_fontsize(16)
for line in ax1.yaxis.get_ticklines():
# line is a Line2D instance
line.set_color('green')
line.set_markersize(25)
line.set_markeredgewidth(3)
plt.show()
刻度容器
matplotlib.axis.Tick是我们从Figure到Axes再到Axis再到Tick的最终的容器对象。Tick包含刻度和网格线的实例，以及上侧和下侧刻度的标签实例。 每个都可以直接作为Tick的属性访问。此外，也有用于确定上标签和刻度是否对应x轴，以及右标签和刻度是否对应y轴的布尔变量。
| 刻度属性 | 描述 |
|---|---|
tick1line | Line2D实例 |
tick2line | Line2D实例 |
gridline | Line2D实例 |
label1 | Text实例 |
label2 | Text实例 |
gridOn | 确定是否绘制刻度线的布尔值 |
tick1On | 确定是否绘制主刻度线的布尔值 |
tick2On | 确定是否绘制次刻度线的布尔值 |
label1On | 确定是否绘制主刻度标签的布尔值 |
label2On | 确定是否绘制次刻度标签的布尔值 |
这里是个例子，使用美元符号设置右侧刻度，并在y轴右侧将它们设成绿色。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
# Fixing random state for reproducibility
np.random.seed(19680801)
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(100*np.random.rand(20))
formatter = ticker.FormatStrFormatter('$%1.2f')
ax.yaxis.set_major_formatter(formatter)
for tick in ax.yaxis.get_major_ticks():
tick.label1On = False
tick.label2On = True
tick.label2.set_color('green')
plt.show()
