Matplotlib

matplotlib

简介

• Matplotlib是一个Python 2D绘图库，用于在Python中创建静态，动画和交互式可视化，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。 Matplotlib可用于Python脚本，Python和IPython Shell、Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。

• Matplotlib是John Hunter（1968-2012）的创意，他与许多贡献者一道，花费了无数的时间和精力来制作一款软件，该软件被全世界数千名科学家使用。

• 开源。Matplotlib是NumFOCUS的赞助项目，NumFOCUS是美国的501（c）（3）非营利慈善机构。NumFOCUS为Matplotlib提供财政，法律和行政支持，以帮助确保项目的健康和可持续性。有关更多信息，请访问numfocus.org。

安装

Matplotlib及其依赖项可作为包用于macOS，Windows和Linux发行版：

python -m pip install -U pip
python -m pip install -U matplotlib

使用指南

• 一个小例子

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()  # 创建一个包含单个轴的图形
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # 在轴上绘制一些数据
plt.show()

注：许多其他绘图库或语言不需要您显式创建轴。例如，在MATLAB中，plot([1, 2, 3, 4], [1, 4, 2, 3])一句话就可以生成如下图的所需的图形。 实际上，在Matplotlib中可执行相同的操作：对于每种Axes绘图方法，matplotlib.pyplot 模块中都有一个对应的功能，可以在“当前”轴上执行该绘图，并在不存在时创建该轴（及其上级图）。所以上面的例子可以写成plt.plot([1, 2, 3, 4], [1, 4, 2, 3])，也可生成下图。

一个图的有哪些部分组成呢？

• 在绘图结构中，figure创建窗口，subplot创建子图。所有的绘画只能在子图上进行。plt表示当前子图，若没有就创建一个子图。所有你会看到一些教程中使用plt进行设置，一些教程使用子图属性进行设置。他们往往存在对应功能函数

• Figure：面板(图)，matplotlib中的所有图像都是位于figure对象中，一个图像只能有一个figure对象。

• Subplot：子图，figure对象下创建一个或多个subplot对象(即axes)用于绘制图像。

配置参数：

• axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
• figure: 控制dpi、边界颜色、图形大小、和子图( subplot)设置
• font: 字体集（font family）、字体大小和样式设置
• grid: 设置网格颜色和线性
• legend: 设置图例和其中的文本的显示
• line: 设置线条（颜色、线型、宽度等）和标记
• patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
• savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
• verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。
• xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。

线条相关属性标记配置

线条风格linestyle或ls	描述
'-'	实线
':'	虚线
'None',' ',''	什么都不画
'-.'	点划线
'—'	破折线

线条标记

标记maker	描述
'O'	圆圈
‘p’	五边形
','	像素
'+'	加号
‘\ ‘	竖线
‘.’	点
‘D’	菱形
's'	正方形
'h'	六边形1
'*'	星号
‘H’	六边形2
‘d’	小菱形
‘_’	水平线
'v'	一角朝上的三角形
'X'	叉号
'^'	一角朝下的三角形
'8'	八边形
'>'	一角朝左的三角形
'<'	一角朝左的三角形
'None',' ',''	无

颜色

别名	颜色
b	蓝色
g	绿色
r	红色
y	黄色
c	青色
k	黑色
m	洋红色
w	白色

如果这些种颜色不够用，还可以通过两种其他方式来定义颜色值：

1、使用HTML十六进制字符串 color=’#123456’

2、使用合法的HTML颜色名字（’red’,’chartreuse’等）。

3、也可以传入一个归一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)

示例（以点图、线图为例）

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
import pandas as pd
from matplotlib.ticker import MultipleLocator

#使用numpy产生数据
x = np.arange(-5,5,0.1)
y = x*3

#创建窗口,子图
#方法一:先创建窗口,再创建子图.(一定绘制)
fig = plt.figure(num=1,figsize=(15,8),dpi=80)  #开启一个窗口,同时设置大小,分辨率
ax1 = fig.add_subplot(2,1,1)  #通过fig添加子图,参数:行数,列数:第几个.
ax2 = fig.add_subplot(2,1,2)  #通过fig添加子图,参数:行数,列数:第几个.
print(fig,ax1,ax2)

#一次性创建窗口和多个子图.(空白不绘制)
fig,axarr = plt.subplots(4,1) #开一个新窗口,并添加4个子图,返回子图数组
ax1 = axarr[0]  #通过子图数组获取一个子图
print(fig,ax1)

#方法3：一次性创建窗口和一个子图。（空白不绘制）
ax1 = plt.subplot(1,1,1,facecolor='blue')      #开一个新窗口，创建1个子图。facecolor设置背景颜色
print(ax1)

#获取对窗口的引用，适用于上面三种方法
# fig = plt.gcf()   #获得当前figure
# fig=ax1.figure   #获得指定子图所属窗口

# fig.subplots_adjust(left=0)                         #设置窗口左内边距为0，即左边留白为0。

#设置子图的基本元素
ax1.set_title('python-drawing')            #设置图体，plt.title
ax1.set_xlabel('x-name')                    #设置x轴名称,plt.xlabel
ax1.set_ylabel('y-name')                    #设置y轴名称,plt.ylabel
plt.axis([-6,6,-10,10])                  #设置横纵坐标轴范围，这个在子图中被分解为下面两个函数
ax1.set_xlim(-5,5)                           #设置横轴范围，会覆盖上面的横坐标,plt.xlim
ax1.set_ylim(-10,10)                         #设置纵轴范围，会覆盖上面的纵坐标,plt.ylim

xmajorLocator = MultipleLocator(2)          #定义横向主刻度标签的刻度差为2的倍数。就是隔几个刻度才显示一个标签文本
ymajorLocator = MultipleLocator(3)          #定义纵向主刻度标签的刻度差为3的倍数。就是隔几个刻度才显示一个标签文本
ax1.xaxis.set_major_locator(xmajorLocator)  #x轴 应用定义的横向主刻度格式。如果不应用将采用默认刻度格式
ax1.yaxis.set_major_locator(ymajorLocator)  #y轴 应用定义的纵向主刻度格式。如果不应用将采用默认刻度格式

ax1.xaxis.grid(True, which='major')      #x坐标轴的网格使用定义的主刻度格式
ax1.yaxis.grid(True, which='major')      #y坐标轴的网格使用定义的主刻度格式

ax1.set_xticks([])     #去除坐标轴刻度
ax1.set_xticks((-5,-3,-1,1,3,5))  #设置坐标轴刻度
ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small')  #设置刻度的显示文本，rotation旋转角度，fontsize字体大小

plot1=ax1.plot(x,y,marker='o',color='g',label='legend1')   #点图：marker图标
plot2=ax1.plot(x,y,linestyle='--',alpha=0.5,color='r',label='legend2')   #线图：linestyle线性，alpha透明度，color颜色，label图例文本

ax1.legend(loc='upper left')            #显示图例,plt.legend()
ax1.text(2.8, 7, r'y=3*x')                #指定位置显示文字,plt.text()
ax1.annotate('important point', xy=(2, 6), xytext=(3, 1.5),  #添加标注，参数：注释文本、指向点、文字位置、箭头属性
            arrowprops=dict(facecolor='black', shrink=0.05),
            )
#显示网格。which参数的值为major(只绘制大刻度)、minor(只绘制小刻度)、both，默认值为major。axis为'x','y','both'
ax1.grid(b=True,which='major',axis='both',alpha= 0.5,color='skyblue',linestyle='--',linewidth=2)

axes1 = plt.axes([.2, .3, .1, .1], facecolor='y')       #在当前窗口添加一个子图，rect=[左, 下, 宽, 高]，是使用的绝对布局，不和以存在窗口挤占空间
axes1.plot(x,y)  #在子图上画图
plt.savefig('aa.jpg',dpi=400,bbox_inches='tight')   #savefig保存图片，dpi分辨率，bbox_inches子图周边白色空间的大小
plt.show()    #打开窗口，对于方法1创建在窗口一定绘制，对于方法2方法3创建的窗口，若坐标系全部空白，则不绘制

plot时可以设置的属性包括如下：

属性                      值类型
alpha                   浮点值
animated                [True / False]
antialiased or aa       [True / False]
clip_box                matplotlib.transform.Bbox 实例
clip_on                 [True / False]
clip_path               Path 实例， Transform，以及Patch实例
color or c              任何 matplotlib 颜色
contains                命中测试函数
dash_capstyle           ['butt' / 'round' / 'projecting']
dash_joinstyle          ['miter' / 'round' / 'bevel']
dashes                  以点为单位的连接/断开墨水序列
data                    (np.array xdata, np.array ydata)
figure                  matplotlib.figure.Figure 实例
label                   任何字符串
linestyle or ls         [ '-' / '--' / '-.' / ':' / 'steps' / ...]
linewidth or lw         以点为单位的浮点值
lod                     [True / False]
marker                  [ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]
markeredgecolor or mec  任何 matplotlib 颜色
markeredgewidth or mew  以点为单位的浮点值
markerfacecolor or mfc  任何 matplotlib 颜色
markersize or ms        浮点值
markevery               [ None / 整数值 / (startind, stride) ]
picker                  用于交互式线条选择
pickradius              线条的拾取选择半径
solid_capstyle          ['butt' / 'round' / 'projecting']
solid_joinstyle         ['miter' / 'round' / 'bevel']
transform               matplotlib.transforms.Transform 实例
visible                 [True / False]
xdata                   np.array
ydata                   np.array
zorder                  任何数值

一个窗口多个图

#一个窗口，多个图，多条数据
sub1=plt.subplot(211,facecolor=(0.1843,0.3098,0.3098))  #将窗口分成2行1列，在第1个作图，并设置背景色
sub2=plt.subplot(212)   #将窗口分成2行1列，在第2个作图
sub1.plot(x,y)          #绘制子图
sub2.plot(x,y)          #绘制子图

axes1 = plt.axes([.2, .3, .1, .1], facecolor='y')  #添加一个子坐标系，rect=[左, 下, 宽, 高]
plt.plot(x,y)           #绘制子坐标系，
axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y')  #添加一个子坐标系，rect=[左, 下, 宽, 高]
plt.plot(x,y)
plt.show()

极坐标

属性设置同点图、线图中

from matplotlib import pyplot as plt
#一个窗口，多个图，多条数据
import numpy as np
#使用numpy产生数据
# x = np.arange(-5,5,0.1)
# y = x*3
fig = plt.figure(2)                                #新开一个窗口
ax1 = fig.add_subplot(1,2,1,polar=True)                  #启动一个极坐标子图
theta=np.arange(0,2*np.pi,0.02)              #角度数列值
ax1.plot(theta,2*np.ones_like(theta),lw=2)   #画图，参数：角度，半径，lw线宽
ax1.plot(theta,theta/6,linestyle='--',lw=2)  #画图，参数：角度，半径，linestyle样式，lw线宽

ax2 = fig.add_subplot(1,2,2,polar=True)                  #启动一个极坐标子图
ax2.plot(theta,np.cos(5*theta),linestyle='--',lw=2)
ax2.plot(theta,2*np.cos(4*theta),lw=2)

ax2.set_rgrids(np.arange(0.2,2,0.2),angle=45)   #距离网格轴，轴线刻度和显示位置
ax2.set_thetagrids([0,45,90])                   #角度网格轴，范围0-360度

plt.show()

柱形图

属性设置同点图、线图中

from matplotlib import pyplot as plt
#一个窗口，多个图，多条数据
import numpy as np
#使用numpy产生数据
plt.figure(3)
x_index = np.arange(5)   #柱的索引
x_data = ('A', 'B', 'C', 'D', 'E')
y1_data = (20, 35, 30, 35, 27)
y2_data = (25, 32, 34, 20, 25)
bar_width = 0.35   #定义一个数字代表每个独立柱的宽度

rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1')            #参数：左偏移、高度、柱宽、透明度、颜色、图例
rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2') #参数：左偏移、高度、柱宽、透明度、颜色、图例
#关于左偏移，不用关心每根柱的中心不中心，因为只要把刻度线设置在柱的中间就可以了
plt.xticks(x_index + bar_width/2, x_data)   #x轴刻度线
plt.legend()    #显示图例
plt.tight_layout()  #自动控制图像外部边缘，此方法不能够很好的控制图像间的间隔
plt.show()

直方图

from matplotlib import pyplot as plt
# 一个窗口，多个图，多条数据
import numpy as np

fig, (ax0, ax1) = plt.subplots(nrows=2, figsize=(9, 6))  # 在窗口上添加2个子图
sigma = 1  # 标准差
mean = 0  # 均值
x = mean + sigma * np.random.randn(1000)  # 正态分布随机数
ax0.hist(x, bins=40,  histtype='bar', facecolor='yellowgreen',alpha=0.75) # histtype直方图类型，facecolor颜色，alpha透明度
ax1.hist(x, bins=20, histtype='bar', facecolor='pink', alpha=0.75, cumulative=True,
         rwidth=0.8)  # bins柱子的个数,cumulative是否计算累加分布，rwidth柱子宽度

plt.show()  # 所有窗口运行

散点图

from matplotlib import pyplot as plt
# 一个窗口，多个图，多条数据
import numpy as np

fig = plt.figure(4)          #添加一个窗口
ax =fig.add_subplot(1,1,1)   #在窗口上添加一个子图
x=np.random.random(100)      #产生随机数组
y=np.random.random(100)      #产生随机数组
ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none')  #x横坐标，y纵坐标，s图像大小，c颜色，marker图片，lw图像边框宽度
plt.show()  #所有窗口运行

三维图

from matplotlib import pyplot as plt
# 一个窗口，多个图，多条数据
import numpy as np

fig = plt.figure(5)
ax=fig.add_subplot(1,1,1,projection='3d')     #绘制三维图

x,y=np.mgrid[-2:2:20j,-2:2:20j]  #获取x轴数据，y轴数据
z=x*np.exp(-x**2-y**2)   #获取z轴数据

ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8)  #绘制三维图表面
ax.set_xlabel('x-name')     #x轴名称
ax.set_ylabel('y-name')     #y轴名称
ax.set_zlabel('z-name')     #z轴名称

plt.show()

画矩阵，多边形，椭圆

from matplotlib import pyplot as plt
# 一个窗口，多个图，多条数据
import numpy as np

fig = plt.figure(6)   #创建一个窗口
ax=fig.add_subplot(1,1,1)   #添加一个子图
rect1 = plt.Rectangle((0.1,0.2),0.2,0.3,color='r')  #创建一个矩形，参数：(x,y),width,height
circ1 = plt.Circle((0.7,0.2),0.15,color='r',alpha=0.3)  #创建一个椭圆，参数：中心点，半径，默认这个圆形会跟随窗口大小进行长宽压缩
pgon1 = plt.Polygon([[0.45,0.45],[0.65,0.6],[0.2,0.6]])  #创建一个多边形，参数：每个顶点坐标

ax.add_patch(rect1)  #将形状添加到子图上
ax.add_patch(circ1)  #将形状添加到子图上
ax.add_patch(pgon1)  #将形状添加到子图上

fig.canvas.draw()  #子图绘制
plt.show()