【译】Matplotlib：plotting

时间 2019-12-12

标签 matplotlib plotting 繁體版

原文原文链接

前言python

本教程源于Scipy Lecture Notes，URL：http://www.scipy-lectures.org/编程

本教程如有翻译不当或概念不明之处，请你们留言，博主及时更正，以便后来的用户更好更温馨地学习本教程。数组

转载本文请注明出处，谢谢。dom

感谢ide

很是感谢Bill Wing和Christoph Deil的审阅和校订。函数

做者：Nicolas Rougier, Mike Müller, Gaël Varoquaux学习

本章内容：ui

4.1 介绍spa

4.2 简单绘图命令行

4.3 图形，子图，坐标轴和刻度

4.4 其余类型的图形：示例和练习

4.5 本教程以外的内容

4.6 快速参考

4.1　　介绍

Matplotlib多是二维图形中最经常使用的Python包。它提供了一个很是快的可视化Pyhton数据的方法和许多可供发布的格式化图形。接下来，咱们将要在包含大多数常见状况的交互模式下探索Matplotlib。

4.1.1　　IPython和Matplotlib模式

Ipython是一个加强的交互式Python Shell。它有许多有趣的功能，包括命名输入和输出、访问Shell命令、改进调试等更多内容。它是Pyhton中科学计算工做流的核心，与Matplotlib结合一块儿使用。

有关Matlab/Mathematica相似功能的交互式Matplotlib会话，咱们使用IPython和它的特殊Matplotlib模式，使可以非阻塞绘图。

Ipython console　　当使用IPython控制台时，咱们以命令行参数--matplotlib启动它（-pylab命令用在很是老的版本中）

IPthon notebook　　在IPthon notebook中，咱们在notebook的起始处插入如下魔法函数：%matplotlib inline

4.1.2　　pyplot

pyplot为matplotlib面向对象的绘图库提供了一个程序接口。它以Matlab为关系模型。所以，plot中的大多数绘图命令都具备相似的Matlab模拟参数。重要的命令将使用交互示例进行说明。

from matplotlib import pyplot as plt

4.2　　简单绘图

在本节中，咱们将在同一个图形中绘制余弦和正弦函数，咱们将从默认设置开始，逐步充实图形，使其变得更好。

第一步：获取正弦和余弦函数的数据

import numpy as np

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

X如今是一个numpy数组，有256个值，范围从-π到+π（包括），C是余弦（256个值），S是正弦（256个值）。

要运行该示例，你能够在IPython交互式会话中键入它：

$ ipython --pylab

这将咱们带到IPython命令提示符下：

IPython 0.13 -- An enhanced Interactive Python.
? -> Introduction to IPython's features.
%magic -> Information about IPython's 'magic' % functions.
help -> Python's own help system.
object? -> Details about 'object'. ?object also works, ?? prints more.
Welcome to pylab, a matplotlib-based Python environment.
For more information, type 'help(pylab)'.

你能够下载每一个例子，使用常规的Python命令运行它，可是这样作你会失去交互数据操做的便利性。

$ python exercice_1.py

你也能够经过点击相应的图形来获取每一个步骤的源。

4.2.1　　使用默认设置绘图

Documentation

plot tutorial
plot() command

import numpy as np
import matplotlib.pyplot as plt

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

plt.plot(X, C)
plt.plot(X, S)

plt.show()

4.2.2　　示例的默认设置

Documentation

Customizing matplotlib

import numpy as np
import matplotlib.pyplot as plt

# Create a figure of size 8x6 inches, 80 dots per inch
plt.figure(figsize=(8, 6), dpi=80)

# Create a new subplot from a grid of 1x1
plt.subplot(1, 1, 1)

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

# Plot cosine with a blue continuous line of width 1 (pixels)
plt.plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# Plot sine with a green continuous line of width 1 (pixels)
plt.plot(X, S, color="green", linewidth=1.0, linestyle="-")

# Set x limits
plt.xlim(-4.0, 4.0)

# Set x ticks
plt.xticks(np.linspace(-4, 4, 9, endpoint=True))

# Set y limits
plt.ylim(-1.0, 1.0)

# Set y ticks
plt.yticks(np.linspace(-1, 1, 5, endpoint=True))

# Save figure using 72 dots per inch
# plt.savefig("exercice_2.png", dpi=72)

# Show result on screen
plt.show()

4.2.3　　更改线条颜色和宽度

Documentation

Controlling line properties
Line API

第一步，咱们要将余弦函数设置为蓝色，正弦函数设置为红色，而且将它们都设置为稍微粗的线型。咱们也会稍微改变一下图形的大小，使它更宽阔一些。

...
plt.figure(figsize=(10, 6), dpi=80)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
...

4.2.4　　设置边界

Documentation

xlim() command
ylim() command

当前图形的边界有点紧凑，咱们想要预留一些空间，以便清楚地查看全部数据点。

...
plt.xlim(X.min() * 1.1, X.max() * 1.1)
plt.ylim(C.min() * 1.1, C.max() * 1.1)
...

4.2.5　　设置刻度

Documentation

xticks() command
yticks() command
Tick container
Tick locating and formatting

当前刻度不太理想，由于它们未显示正弦函数和余弦函数有趣的值，咱们将更改它们，以便只显示这些值。

...
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
plt.yticks([-1, 0, +1])
...

4.2.6　　设置刻度标签

Documentation

Working with text
xticks() command
yticks() command
set_xticklabels()
set_yticklabels()

刻度如今被正确放置，可是它们的标签不是很明确。咱们可能猜想3.142表明π，它应该更好地使其明确出来。当咱们设置刻度值时，咱们还能够在第二个参数列表中提供相应的标签。注意，咱们将使用LATEX语法，容许标签更好地呈现出来。

...
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
...

4.2.7　　移动轴线

Documentation

Spines
Axis container
Transformations tutorial

轴线是链接轴刻度线而且标记数据区域边界的线。他们能够被放置在任意位置，直到如今，他们在轴的边界。咱们将改变它，由于咱们想把它们放置在中间。由于它有四个边界（顶部/底部/左侧/右侧），咱们将它们的颜色设置为none来丢弃顶部和右侧边界，咱们移动底部和左侧的边界将数据空间坐标变为原点。

...
ax = plt.gca() # gca stands for 'get current axis'
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
...

4.2.8　　添加图例

Documentation

Legend guide
legend() command
Legend API

让咱们在左上角添加一个图例，这只须要将label（这将被用在图例框中）关键字参数添加到plot命令中。

...
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")
plt.legend(loc='upper left')
...

4.2.9　　注释一些点

Documentation

Annotating axis
annotate() command

让咱们使用annotate命令注释一些有趣的点。咱们选择了数值2π/3，咱们想注释正弦和余弦。首先，咱们将在曲线上绘制一个标记以及一条直虚线。而后，咱们将使用annotate命令显示一些带有箭头的文本。

...

t = 2 * np.pi / 3
plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=2.5, linestyle="--")
plt.scatter([t, ], [np.cos(t), ], 50, color='blue')

plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
xy=(t, np.sin(t)), xycoords='data',
xytext=(+10, +30), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plt.plot([t, t],[0, np.sin(t)], color='red', linewidth=2.5, linestyle="--")
plt.scatter([t, ],[np.sin(t), ], 50, color='red')

plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',
xy=(t, np.cos(t)), xycoords='data',
xytext=(-90, -50), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

...

4.2.10　　问题在于细节

Documentation

Artists
BBox

因为蓝色和红色的线，刻度标签如今几乎不可见。咱们能够放大它们，咱们也能够调整它们的属性，以便它们能够被呈如今半透明的白色背景中。这会容许咱们看到数据和标签。

...
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(16)
label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65))
...

4.3　　图形、子图、坐标轴和刻度

matplotlib中的"figure"表示用户界面中的整个窗口。在这个figure中能够有多个“subplot”。

到目前为止，咱们已经明确地建立了图形和坐标轴。这对于快速绘图很方便。咱们可使用更多的控制来显示图形、子图和坐标轴，虽然子图将绘图定位在规则网格中，轴线容许在图中自由放置。根据你的意图，这二者都是可用的。咱们已经使用图形和子图来工做了，可是咱们没有明确地调用它们。当咱们调用plot时，matplotlib调用gca()获取当前坐标轴，同时，gca依次调用gcf()获取当前图形，若是None，它调用figure()建立一个figure对象，严格的说，是建立一个subplot(111)。下面让咱们来看一看详细状况。

4.3.1　　图形

一个figure对象是标题为"Figure#"的GUI窗口，Figure命名是以1开始，与以0开始索引的常规Python方式大相径庭。这显然是Matlab风格。如下有几个参数肯定figure对象的外观：

Argument	Default	Description
num	1	number of figure
figsize	figure.figsize	figure size in in inches (width, height)
dpi	figure.dpi	resolution in dots per inch
facecolor	figure.facecolor	color of the drawing background
edgecolor	figure.edgecolor	color of edge around the drawing background
frameon	Ture	draw figure frame or not

默认值能够在源文件中指定，而且在大多数时间都会使用，只有图形的编号常常改变。

与其余对象同样，你能够设置figure对象的属性，也可使用带有设置选项的setp方法设置figure。

使用GUI窗口时，你能够经过单击右上角的X按钮关闭figure对象，可是你能够经过调用close已编程方式关闭figure。根据不一样的参数，它关闭：（1）当前figur（无参数）；（2）指定参数（figure数字或实例做为参数）；（3）全部figure（all做为参数）。

plt.close(1) # Closes figure 1

4.3.2　　子图

使用子图能够在常规网格中排列图，你须要指定行数、列数以及图区。注意，gridspec命令是一个更强大的选择。

4.3.3　　轴线

坐标轴很是相似于子图，但容许将绘图放置在figure中的任何位置。因此，若是咱们想把一个较小的图形放在一个更大的图里面，咱们将用axes方法这样作。

4.3.4　　刻度

格式友好的刻度是准备发布figure重要的组成部分，Matplotlib为刻度提供了一个彻底可配置的系统。有刻度定位符指定刻度应该出如今那里和刻度格式化给刻度你想要的外观，主要刻度和次要刻度能够独立的被定位和格式化，默认的次要刻度不显示，即它们只有一个空列表，由于它是NullLocator（见下文）。

刻度定位符

刻度定位符控制刻度的位置，它们设置以下：

ax = plt.gca()
ax.xaxis.set_major_locator(eval(locator))

有几种定位器适用于不一样类型的要求：

全部这些定位器派生自基类matplotlib.ticker.Locater。你可使用本身的派生定位器，将刻度做为日期处理可能特别棘手。所以，matplotlib在matplotlib.dates提供了特别的定位符。

4.4　　其余类型的图形：示例和练习

4.4.1　　常规图（Regular Plots）

你须要使用fill_between命令。

从如下代码开始，尝试在右侧从新生成图表，注意填充区域：

n = 256
X = np.linspace(-np.pi, np.pi, n, endpoint=True)
Y = np.sin(2 * X)

plt.plot(X, Y + 1, color='blue', alpha=1.00)
plt.plot(X, Y - 1, color='blue', alpha=1.00)

点击图形查看解决方法。

4.4.2　　散点图（Scatter Plots）

颜色由(X,Y)的角度给定。

从如下代码开始，尝试在右侧从新生成图表，注意标记大小，颜色和透明度：

n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)

plt.scatter(X,Y)

点击图形查看解决方法。

4.4.3　　柱状图（Bar Plots）

你须要关注文本对齐方式。

从如下代码开始，尝试在右侧经过增长红色柱形条从新生成图形：

n = 12
X = np.arange(n)
Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)

plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x, y in zip(X, Y1):
    plt.text(x + 0.4, y + 0.05, '%.2f ' % y, ha='center', va='bottom')

plt.ylim(-1.25, +1.25)

点击图形查看解决方法。

4.4.4　　等高线图（Contour Plots）

你须要使用clabel命令。

从如下代码开始，尝试在右侧从新生成图形，注意色彩映射（在下面查看色彩映射表）：

def f(x, y):
    return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 -y ** 2)

n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y)

plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap='jet')
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)

点击图形查看解决方法。

4.4.5　　显示图像（Imshow）

你须要关注imshow命令里图像的原点且要使用颜色条。

从如下代码开始，尝试在右侧从新生成图形，注意色彩映射，图形插值和原点。

def f(x, y):
    return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)

n = 10
x = np.linspace(-3, 3, 4 * n)
y = np.linspace(-3, 3, 3 * n)
X, Y = np.meshgrid(x, y)
plt.imshow(f(X, Y))

点击图形查看解决方法。

4.4.6　　饼图（Pie Plots）

你须要修改Z。

从如下代码开始，尝试在右侧从新生成图形，注意颜色和分片大小。

Z = np.random.uniform(0, 1, 20)
plt.pie(Z)

点击图形查看解决方法。

4.4.7　　向量场图（Quiver Plots）

n = 8
X, Y = np.mgrid[0:n, 0:n]
plt.quiver(X, Y)

点击图形查看解决方法。

4.4.8　　网格线（Grids）

axes = plt.gca()
axes.set_xlim(0, 4)
axes.set_ylim(0, 3)
axes.set_xticklabels([])
axes.set_yticklabels([])

点击图形查看解决方法。

4.4.9　　多图（Multi Plots）

plt.subplot(2, 2, 1)
plt.subplot(2, 2, 3)
plt.subplot(2, 2, 4)

点击图形查看解决方法。

4.4.10　　极轴（Polar Axis）

plt.axes([0, 0, 1, 1])

N = 20
theta = np.arange(0., 2 * np.pi, 2 * np.pi / N)
radii = 10 * np.random.rand(N)
width = np.pi / 4 * np.random.rand(N)
bars = plt.bar(theta, radii, width=width, bottom=0.0)

for r, bar in zip(radii, bars):
    bar.set_facecolor(cm.jet(r / 10.))
    bar.set_alpha(0.5)

点击图形查看解决方法。

4.4.11　　三维图（3D Plots）

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot')

点击图形查看解决方法。

4.4.12　　文本（Text）