pyplot

  以下内容来自官方手册以及汉化手册。

导入包

from matplotlib import pyplot as plt

创建画布

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

参数	含义
num	图像编号或名称，数字为编号 ，字符串为名称
figsize	指定figure的宽和高，单位为英寸
dpi	参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80
facecolor	背景颜色
edgecolor	边框颜色
frameon	是否显示边框

fig = plt.figure()

创建子图

方法一：

plt.subplot(*args)

  参数一共有三个，每个参数是 $1$ 到 $9$ 的整数。参数之间可以用逗号隔开写，也可合再一起写。三个参数依次为：子图有几行、子图有几列、选择哪个子图作为当前要绘制的图（从左到右从上到下对子图编号）。

from matplotlib import pyplot as plt

ax1 = plt.subplot(2, 2, 1)  # 创建两行两列的子图，并选择 1 号图（左上图）作为当前要绘制的图
ax3 = plt.subplot(223)      # 选择 3 号图（左下图）作为当前要绘制的图
plt.show()

方法二：

plt.axes(arg=None)

  参数为一个四元素列表，每个元素是 $0$ 到 $1$ 的小数，用来表示百分数。四个元素依次为：子图左下角在整张画布中的横坐标（画布以左下角为原点）、子图左下角在整张画布中的纵坐标、子图的宽度在整张画布中的占比、子图的高度在整张画布中的占比。

from matplotlib import pyplot as plt

ax1 = plt.axes()                        # 创建默认子图，并将其作为当前要绘制的图
ax2 = plt.axes([0.2, 0.6, 0.2, 0.2])    # 按要求创建子图，并将其作为当前要绘制的图
plt.show()

绘制折线图

plt.plot([x], y, [fmt], data=None, **kwargs)

参数	含义
x	各点的横坐标，缺省时为range(len(y))
y	各点的纵坐标
fmt	折线的格式，详细见下文
data	笔者还未搞懂用法
**kwargs	可选标签参数

  fmt总共由三类符号组成，分别为：标记点样式符号（marker）、折线样式符号（line）、颜色符号（color）。格式为 fmt='[marker][line][color]'。fmt缺省时程序默认不添加标记点、折线样式为实线、自动为不同的折线匹配不同的颜色。

• 标记点样式符号

符号	含义
.	点标记
,	像素标记
o	圆点标记
v	下三角标记
^	三角标记
<	左三角标记
>	右三角标记
1	下三星标记
2	上三星标记
3	左三星标记
4	右三星标记
s	方形标记
p	五边形标记
*	五角星标记
h	六边形标记
H	六角星2标记
+	加号标记
x	叉号标记
D	菱形标记
d	长菱形标记
|	竖杠标记
_	横杠标记器

• 折线样式符号

符号	含义
-	实线
--	线段式虚线
-.	点划线
:	点式虚线

• 颜色符号

符号	含义
b	蓝色
g	绿色
r	红色
c	青色
m	洋红
y	黄的
k	黑色
w	白色

plt.plot(x, y)	# 此为隐式调用最近一个子图进行绘制，但不推荐，因为有些方法不支持隐式调用
ax.plot(x, y)	# 此为显式调用 ax 实例的绘图方法

三维绘图基础及绘制三维折线图

• 通过标签参数projection='3d'来为图像建立三维坐标系。
• 建立三维坐标系后，plot将允许输入三个坐标参数，并以这三个参数绘制折线。

from matplotlib import pyplot as plt
import numpy as np

r = np.linspace(0, 10*np.pi, 3600)
x = np.cos(r)
y = np.sin(r)
z = r

ax = plt.axes(projection='3d')              # 建立三维坐标系
# ax = plt.gca(projection='3d')             # 与上句等价，gca 即 get current axes
# ax = plt.subplot(111, projection='3d')    # 与上句等价，通过 subplot 可以在一张画布上同时绘制二维和三维图像
ax.plot(x, y, z)				            # 输入点坐标进行绘制
plt.show()

绘制三维表面图

from matplotlib import pyplot as plt
import numpy as np

x, y = np.meshgrid(np.linspace(-5, 5, 100), np.linspace(-5, 5, 100))
z = x*x - y*y

ax = plt.axes(projection='3d')  	# 建立三维坐标系
ax.plot_surface(x, y, z)		    # 输入点坐标进行绘制
plt.show()

  设置颜色映射

from matplotlib import pyplot as plt
import numpy as np

x, y = np.meshgrid(np.linspace(-5, 5, 100), np.linspace(-5, 5, 100))
z = x*x - y*y

ax = plt.axes(projection='3d')  	        # 建立三维坐标系
ax.plot_surface(x, y, z, cmap='rainbow')    # 输入点坐标进行绘制

plt.show()

  官方提供的颜色映射表如下：

添加标签与标题

• 使用标签参数label可以为折线添加标签，而后使用方法legend()来显示标签。
• 使用方法set_xlabel()、set_ylabel()、set_zlabel()或set()可以分别为 x、y、z 轴添加标签。
• 使用方法set_title()可以为子图添加标题。

from matplotlib import pyplot as plt
import numpy as np

x = np.linspace(-2, 2, 100)
y1 = x*x
y2 = x*x*x

ax = plt.axes()
ax.set_title('title')                           # 设置标题
ax.set_xlabel('x')                              # 设置 x 轴标签
ax.set_ylabel('y')                              # 设置 y 轴标签
# ax.set(title='title', xlabel='x', ylabel='y')   # 等价于以上三句
ax.plot(x, y1, label='y1')                      # 使用标签参数来指定曲线的标签
ax.plot(x, y2, label='y2')                      # 使用标签参数来指定曲线的标签
ax.legend()                                     # 调用此方法来显示曲线的标签
plt.show()

设置图层优先级

使用标签参数zorder指定图层优先级，数值越大优先级越高

from matplotlib import pyplot as plt
import numpy as np

x = np.linspace(-2, 2, 100)
y1 = x*x
y2 = x*x*x

ax = plt.axes()
ax.plot(x, y1, linewidth=50, zorder=2)  # 使用 linewidth 调整线宽便于观察
ax.plot(x, y2, linewidth=50, zorder=1)  # 使用 zorder 指定图层优先级，数值越大优先级越高
plt.show()

坐标轴、显示比例和刻度

统一进行设置

xmin, xmax, ymin, ymax = axis()
xmin, xmax, ymin, ymax = axis([xmin, xmax, ymin, ymax])
xmin, xmax, ymin, ymax = axis(option)
xmin, xmax, ymin, ymax = axis(**kwargs)

• xmin, xmax, ymin, ymax即坐标轴的范围。
• option的取值见下表

符号	含义
'on'或True	显示坐标轴
'off'或False	不显示坐标轴
'equal'	各坐标轴等比列（使圆显示成圆形，而不是被拉伸成椭圆形），这种方式是在坐标轴框不变的情况下，通过调整xmin, xmax, ymin, ymax的值实现的。下方有示例图。
'scaled'	各坐标轴等比列（使圆显示成圆形，而不是被拉伸成椭圆形），这种方式是通过调整坐标轴框实现的。
'square'	等价于'scaled' && xmax-xmin = ymax-ymin

import matplotlib.pyplot as plt
import numpy as np

x = np.array(np.linspace(-2 * np.pi, 2 * np.pi))
y = np.sin(x) + 1
ax1 = plt.subplot(2, 1, 1)
ax1.plot(x, y)
ax1.axis('equal')
ax1.set_title('equal')
ax2 = plt.subplot(2, 1, 2)
ax2.plot(x, y)
ax2.axis('scaled')
ax2.set_title('scaled')
plt.show()

分别进行设置（请读者对下方内容自行举一反三）

• 使上侧的坐标轴不显示

ax.spines['top'].set(visible=False)
ax.spines['top'].set_visible(False)

• 使下侧的坐标轴位于y=0处

ax.spines['bottom'].set(position=('data', 0))
ax.spines['bottom'].set_position('data', 0)

• 使左侧的坐标轴位于x=0处

ax.spines['left'].set(position=('data', 0))
ax.spines['left'].set_position('data', 0)

• 使右侧的坐标轴为红色

ax.spines['right'].set(color='red')
ax.spines['right'].set_color('r')

设置刻度值

from matplotlib import pyplot as plt
import numpy as np

x = y = np.linspace(0, 2.5, 100)
ax1 = plt.subplot(131)
ax2 = plt.subplot(132)
ax3 = plt.subplot(133)
ax1.plot(x, y)
ax2.plot(x, y)
ax3.plot(x, y)

ax2.set_xticks((0, 2))
ax2.set_yticks((0, 2))
# ax2.set(xticks=(0, 2), yticks=(0, 2))   # 本句等价于以上两句

ax3.set_xticks(())
ax3.set_yticks(())
# ax3.set(xticks=(), yticks=())           # 本句等价于以上两句

plt.show()

绘制矩形框

matplotlib.patches.Rectangle(xy, width, height, *, angle=0.0, rotation_point='xy', **kwargs)

:                +------------------+
:                |                  |
:              height               |
:                |                  |
:               (xy)---- width -----+

参数	含义
xy:(float, float)	锚点坐标
width:float	水平边长
hight:float	垂直边长
angle:float=0.0	逆时针旋转角度

标签参数	含义
fill=True	内部是否填充

from matplotlib import pyplot as plt

rect = plt.Rectangle((0.1, 0.2), 0.2, 0.1, fill=False)
plt.gca().add_patch(rect)
plt.show()