matplotlib API函数都位于matplotlib.pyplot模块中,本节代码中引入的约定为:impor matplotlib.pyplot as plt
1.1 Figure和Subplot
matplotlib的图像位域Figure对象中,可以使用plt.figure()创建一个新的Figure。不能通过Figure绘图,必须用add_subplot创建一个或多个subplot才行。
1 # -*- coding:utf-8 -*- 2 3 from matplotlib import pyplot as plt 4 5 fig = plt.figure() 6 ax1 = fig.add_subplot(2, 2, 1) #图像为2x2,当前选中的是4个subplot中的第一个 7 plt.plot([1.5, 3.5, -2, 1.6]) 8 ax2 = fig.add_subplot(2, 2, 2) 9 ax3 = fig.add_subplot(2, 2, 3) 10 # 默认在最后一个用过的subplot(ax3)上进行绘制 11 # ‘K--‘是一个线性选项,告诉matplotlib绘制黑色虚线图 12 plt.plot(randn(50).cumsum(), ‘k--‘) 13 plt.show()
显示的图像为:
由于根据特定布局创建Figure和subplot是很常见的任务,于是出现了更常见的方法(plt.subplots),它可以创建一个新的Figure,并返回一个含有已创建的subplot对象的NumPy数组。
1 >>> fig, axes = plt.subplots(2, 3) 2 >>> fig 3 <Figure size 640x480 with 6 Axes> 4 >>> axes 5 array([[<matplotlib.axes._subplots.AxesSubplot object at 0x0000026BB87DE5F8>, 6 <matplotlib.axes._subplots.AxesSubplot object at 0x0000026BBB414780>, 7 <matplotlib.axes._subplots.AxesSubplot object at 0x0000026BBB446D30>], 8 [<matplotlib.axes._subplots.AxesSubplot object at 0x0000026BBB485320>, 9 <matplotlib.axes._subplots.AxesSubplot object at 0x0000026BBB4B28D0>, 10 <matplotlib.axes._subplots.AxesSubplot object at 0x0000026BBB4E5E80>]], 11 dtype=object) 12 >>>
这种操作很方便,可以轻松对axes数组进行索引,就像一个二维数组一样,如axes[0, 1]。还可以通过sharex和sharey指定subplot应该具有相同的X轴或Y轴。在相同范围的数据时,很实用。否则matplotlib会自动缩放各图表的界限。下表是subplots方法的更多信息。
参数 |
说明 |
nrows |
subplot的行数 |
ncols |
subplot的列数 |
sharex |
所有subplot应该使用相同的X轴刻度(调节xlim将会影响所有subplot) |
sharey |
所有subplot应该使用相同的Y轴刻度(调节ylim将会影响所有subplot) |
subplot_kw |
用于创建各subplot的关键字字典 |
**fig_kw |
创建figure时的其它关键字,如plt.subplots(2, 2, figsize=(8, 6)) |
1.2 调整subplot周围的间距
默认情况下,matplotlib会在subplot外围留下一定的边距,并在subplot之间留下一定的间距。间距和图像的高度和宽度有关,因此,如果调整了图像大小,间距也会自动调整。例如Figure的subplots_adjust方法可以修改间距,这也是一个*函数。
wspace和hspace用于控制宽度和高度的百分比,可以用作subplot之间的间距。
下面举例将间距收缩到0。
1 >>> fig, axes = plt.subplots(2, 2, sharex=True, sharey=Ture) 2 >>> for i in range(2): 3 ... for j in range(2): 4 ... axes[i, j].hist(np.random.randn(500), bins=50, color=‘k‘, alpha=0.5) 5 ... 6 >>> plt.subplots_adjust(wspace=0, hspace=0) 7 >>> plt.show()
可以看出,其中的轴标签重叠了,matplotlib不会检查标签是否重叠,对于这种情况,只能自己设置刻度位置和刻度标签。
1.3 颜色、标记和线性
matplotlib函数接受一组X和Y坐标,还可以接受一个表示颜色和线型的字符串缩写。如根据x和y绘制绿色虚线,可执行ax.plot(x, y, ‘g--’)。
下面是通过更为明确的方式得到同样的效果:ax.plot(x, y, linestyle=’--’, color=’g’)。
常用的颜色都有一个缩写,要使用其它颜色可以通过指定其RGB值的形式使用(如:’#CECECE’)。
线型图还可以加上一些标记(marker),以强调实际的数据点。由于matplotlib创建的是连续的线型图(点与点之间插值),因此有时可能不太容易看出这是数据点的位置。标记也可放在格式字符串中,当标记类型和线型必须放在颜色后面。
1 >>> plt.plot(np.random.randn(30).cumsum(), ‘ko--‘) 2 [<matplotlib.lines.Line2D object at 0x0000026BBD6FE2E8>] 3 >>> plt.show()
也可以使用更为明确的方式:
1 >>> plt.plot(np.random.randn(30).cumsum(), color=‘k‘, linestyle=‘dashed‘, marker=‘o‘)
在线型图中,非实际数据点默认是按线性方式插值的,可以通过drawstyle选项修改:
1 >>> data = np.random.randn(30).cumsum() 2 >>> plt.plot(data, ‘k--‘, drawstyle=‘steps-post‘, label=‘Default‘) 3 [<matplotlib.lines.Line2D object at 0x0000026BBAE3DF28>] 4 >>> plt.legend(loc=‘best‘) 5 <matplotlib.legend.Legend object at 0x0000026BBD7E7C18> 6 >>> plt.show() 7 >>>
1.4 刻度、标签和图例
对于大多数的图表装饰项,其主要实现方式有二:使用过程型的pyplot接口以及更为面向对象的原生matplotlib API。
pyplot接口的设计目的是交互式使用,还有诸如xlim、xticks和xticklabels之类的方法。它们分别控制图表的范围、刻度位置、刻度标签等。其使用方式有以下两种:
- 调用时不带参数,则返回当前的参数值,例如,plt.xlim()返回当前的X轴绘图范围。
- 调用时带参数,则设置参数值。如,plt.xlim([0, 10])会将X轴的范围设置为0到10。
所有这些方法都是对当前或最近创建的AxesSubplot起作用的。它们各自对应subplot对象上的两个方法,以xlim为例,就是ax.get_xlim和ax.set_xlim。
1.5 设置标题、轴标签、刻度以及刻度标签
要修改X轴的刻度,最简单的方法是使用set_xticks(刻度在数据范围中的哪些位置,也是刻度标签值)和set_xticklabels(将任何其它的值用作标签)。
1 >>> fig = plt.figure() 2 >>> ax = fig.add_subplot(1, 1, 1) 3 >>> ax.plot(np.random.randn(1000).cumsum()) 4 [<matplotlib.lines.Line2D object at 0x0000026BBFD03780>] 5 >>> ticks = ax.set_xticks([0, 250, 500, 750, 1000]) #设置x轴标签 6 >>> labels = ax.set_xticklabels([‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘five‘], rotation=30, fontsize=‘small‘) #更改x轴标签 7 >>> ax.set_title(‘My first matplotlib plot‘) #设置标题 8 Text(0.5, 1.0, ‘My first matplotlib plot‘) 9 >>> ax.set_xlabel(‘Stages‘) #设置X轴名称 10 Text(0.5, 0, ‘Stages‘) 11 >>> plt.show()
set_xlabel用于为X轴设置一个名称。
1.6 添加图例
图例(legend)是另一种用于标识图表元素的重要工具。添加图例的方式有两种。
(1)最简单的是在添加subplot道德是否传入label参数
1 fig = plt.figure() 2 ax = fig.add_subplot(1, 1, 1) 3 4 ax.plot(np.random.randn(10), ‘k‘, label=‘one‘) 5 ax.plot(np.random.randn(10), ‘g‘, label=‘two‘) 6 ax.plot(np.random.randn(10), ‘b‘, label=‘three‘) 7 8 # 创建图例 9 ax.legend(loc=‘best‘) #确定图例的位置 10 plt.show()
1.7 注释以及在Subplot上绘图
注释可以通过text、arrow和annotate等函数进行添加。text可以将文本绘制在图表的指定作表(x, y),还可以加上一些自定义格式:ax.text(x, y, ‘name’, family=’monospace’, fontsize=10)
1 fig = plt.figure() 2 ax = fig.add_subplot(1, 1, 1) 3 data = np.random.randn(10).cumsum() 4 max_value, max_index = [data.max(), data.argmax()] 5 ax.plot(data, ‘k--‘, label=‘text‘) 6 7 ax.text(max_index, max_value, ‘max value!‘, family=‘monospace‘, fontsize=10) 8 9 plt.show()
注释中可以含有文本也可以含有箭头。
1.8 图形的绘制
matplotlib有一些表示常见图形的对象。这些对象被称为块(patch)。完整的集合在matplotlib.patches。要在图表中创建一个图形,需要创建一个块对象shp,然后通过ax.add_patch(shp)将其添加到subplot中。
1 fig = plt.figure() 2 ax = fig.add_subplot(1, 1, 1) 3 4 rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color=‘k‘, alpha=0.3) 5 circ = plt.Circle((0.7, 0.2), 0.15, color=‘b‘, alpha=0.3) 6 pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]], color=‘g‘, alpha=0.5) 7 8 ax.add_patch(rect) 9 ax.add_patch(circ) 10 ax.add_patch(pgon) 11 12 plt.show()
1.9 将图表保存到文件
利用plt.savefig可以将当前图表保存到文件,该方法相当于Figure对象的实例方法savefig,例如要将图表保存为SVG文件,只需要输入plt.savefig(‘figpath.svg’)。
文件类型是通过文件扩展名推断出来的。在发布图片时最常用的两个重要的选项是dpi(控制“每英寸点数”分辨率和bbox_inches(可以剪除当前图表周围的空白部分))。如,要得到一张带有最小白边且分辨率为400DPI的PNG图片,可以:plt.savefig(‘figpath.png’, dpi=400, bbox_inches=’tight’)。savefig并非一定要写入磁盘,可以写入任何文件类型的对象,比如stringIO。
下表是Figure.savefig()方法的参数及说明。
参数 |
说明 |
fname |
含有文件路径的字符串或python的文件型对象。图像格式由摁键扩展名推断出 |
dpi |
图像像素点(每英寸点数),默认为100 |
facecolor、edgecolor |
图像的背景色,默认为“w”(白色) |
format |
显示设置文件格式(“png”、“pdf”、“svg”…) |
bbox_inches |
图表需要保存的部分,如果设置为“tight”,则将尝试剪除图表周围的空白部分 |
1.10 matplotlib配置
matplotlib自带一些配色方案,以及为生成出版质量的图片而设定的默认配置信息。几乎所有默认行为都可以通过一组全局参数进行自定义,它们可以管理图像大小、subplot边距、配色方案、字体大小、网格类型等。操作matplotlib配置系统的方式主要有两种。第一种python编程方式,即利用rc方法。比如将全局的图像默认大小设置为10x10,则:plt.rc(‘figure’, figsize=(10, 10))
rc的第一个参数时希望自定义的对象,如“figure”、“axes”、“xtick”、“ytick”、“grid”、“legend”等。其后可以跟上一系列的关键字参数。最简单的方式是将这些选项写成一个字典:
font_options = {‘family’: ‘monospace’, ‘weigt’: ‘bold’, ‘size’: ‘small’}
plt.rc(‘font’, **font_options)