Matplolib Tips

Matplolib是最经常使用的Python数据绘图工具库，支持不一样样式数据的图像绘制。本文介绍一些使用Matplotlib库的注意事项，主要包括：

• subplots
• 布局调整
• specgram（光谱图）
• pcolormesh
• 样式加强

其余：

• 颜色集
• 直方图Hist

---

subplots

subplots()是绘图的开始，建立不一样子图的排列结构。

以下：

import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2)
plt.show()
复制代码

最终的图像展现使用plt.show()方法。

返回：

• fig：绘图的底版，用于显示整个背景轮廓，等同于plt.gcf()；
• axes：子图的集合，经过下标选中单个子图，如axes[0][0]；

参数：

• nrows和ncols：子图排列的行和列；

非规则的排列，使用subplot2grid()，经过结构shape和位置loc排列子图，如，排列5个子图，上三下二结构：

ax1 = plt.subplot2grid(shape=(2, 6), loc=(0, 0), colspan=2)
ax2 = plt.subplot2grid((2, 6), (0, 2), colspan=2)
ax3 = plt.subplot2grid((2, 6), (0, 4), colspan=2)
ax4 = plt.subplot2grid((2, 6), (1, 1), colspan=2)
ax5 = plt.subplot2grid((2, 6), (1, 3), colspan=2)
复制代码

---

布局调整

在排列子图的过程当中，可能出现：

• 坐标轴遮挡：使用tight_layout()设置间距，其中pad表示总体轮廓间距，w_pad表示子图水平间距，h_pad表示子图竖直间距；
• 图像密集：使用set_size_inches()设置图像长宽的具体尺寸（英寸）；

即：

plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)
fig = plt.gcf()
fig.set_size_inches(10, 8)
复制代码

这样，子图就能够优雅地排列在一块儿了。

---

specgram

连续信号推荐使用specgram()展现，即光谱图（spectrogram）。

参数：

• x：信号连续值列表；
• Fs：信号帧率；

即：

axes[0, 0].specgram(x=y, Fs=sr)  # 光谱图
axes[0, 0].set_title('std')
复制代码

set_title()用于设置图像的标题。

连续信号不推荐使用线图展现，由于在信号中，通常含有帧率，即每秒信号数，而使用线图展现，就会忽略帧率信息，没法体现波形的类似性。

---

pcolormesh

二维特征推荐使用pcolormesh()展现。除此以外，类似的展现形式：

• contourf：等高线，与pcolormesh相似，边界较为模糊；
• imshow：图像模式，支持模糊处理，自适应宽高须要设置aspect的“auto”属性；

即

axes[0, 0].pcolormesh(df1)
axes[0, 1].contourf(df2)
axes[1, 0].imshow(df2, interpolation='bicubic', aspect='auto')
axes[1, 1].axis('off')
复制代码

axis('off')用于关闭子图。

二维特征不推荐使用散点图，由于散点图的展现区域较小，对比效果较差。

---

样式加强

seaborn是Matplotlib的颜色和样式扩展。

使用方式：在plt绘制以前，经过seaborn声明其余的展现样式。

import seaborn as sns

sns.set(style='ticks', palette='Set2')
复制代码

---

颜色集

Matplotlibcolors，参考

---

直方图

标准直方图的绘制，输入数据hist_data是列表数据。

def plot_hist(hist_data):
    """ 绘制直方图 :param hist_data: 直方图数据 :return: 展现图 """
    hist_data = np.asarray(hist_data)
    sns.set(style='ticks', palette='Set2')
    fig, aux = plot.subplots(ncols=1, nrows=1)
    aux.hist(hist_data, bins=50, facecolor='magenta', alpha=0.75)
    plot.show()
复制代码

对于坐标轴X（或Y）：

• set_xlabel设置标签；
• set_xlim设置坐标值的范围
• set_xticks设置坐标值的粒度；

注意：坐标值的范围（lim）与粒度（ticks）尽可能统一。

aux.set_xlabel("sec")
aux.set_ylabel("num")
min_x, max_x = 8, 22
aux.set_xlim([min_x, max_x])
aux.set_xticks(range(min_x, max_x, 1))
复制代码

---

欢迎Follow个人GitHub：https://github.com/SpikeKing

By C. L. Wang @ 美图云事业部

OK, that's all!