matplotlib-绘制精美的图标第一节快速绘图(II)

最新推荐文章于 2023-06-05 17:28:06 发布

纪辰晓

最新推荐文章于 2023-06-05 17:28:06 发布

阅读量227

点赞数

分类专栏：机器学习

原文链接：https://github.com/xusworld/PythonForScientificCalculations

版权

机器学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

转

matplotlib-绘制精美的图标第一节快速绘图(II)

2017年05月06日 16:43:40 xusworld 阅读数 257

配置属性

matplotlib所绘制图表的每个组成部分都和一个对象对应，可以通过调用这些对象的属性设置方法set_*()或者pyplot模块的属性设置函数setp()来设置它们的属性值。

例子


  
  
    
    
     
     
    
    
    
    
     
     
      
      import matplotlib.pyplot as plt
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      import numpy 
      
      as np
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.figure(figsize=(
      
      4,
      
      3))
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      x = np.arange(
      
      0, 
      
      5, 
      
      0.1)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      line = plt.plot(x, 
      
      0.05*x*x)[
      
      0]
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      #调用Line2D对象的Set_*()方法来设置属性值，修改曲线的透明度
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      line.set_alpha(
      
      0.5)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      #同时绘制sin cos 两条曲线
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      lines = plt.plot(x, np.sin(x), x, np.cos(x))
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      #调用setp()可以同时配置多个对象属性，这里同时设置两条曲线的颜色和线宽
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.setp(lines, color=
      
      "r", linewidth=
      
      4.0)
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.legend()
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.show()

与代码部分set_*() 对应的是get_*()或者是通过plt.getp()来获取对象的属性值:


  
  
    
    
     
     
    
    
    
    
     
     
      
      line.get_linewidth()
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt
      
      .getp(
      
      lines
      
      [0], "
      
      color")

该部分就不再过多赘述。

绘制多子图

一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，称之为子图。在前面的例子中，Figure对象只包括一个子图。可以使用subplot()快速绘制包含多个子图的图表，调用形式如下:

subplot(numRows, numCols, plotNum)

图表整个绘图区域被等分成numRows行和numCols列，然后从左到右，从上到下的顺序对每个区域进行编号，左上区域的编号为1.plotNum参数指定所创建Axes对象的区域。如果numRows, numCols, plotNum三个参数都小于 10 ，则可把它们缩写成一个整数。例如subplot(323)和subplot(3,2,3)的含义相同。如果新创建的子图和之前创建的子图区域有重叠的部分，之前的子图将被删除。

看下面代码


 
 
   
   
    
    
   
   
   
   
    
    
     
     import matplotlib.pyplot as plt
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     import numpy as np
    
    
   
   

   
   
    
    
   
   
   
   
    
     
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     plt.figure(figsize=(
     
     8,
     
     6))
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     for idx, color 
     
     in 
     
     enumerate(
     
     "rgbyck"):
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
         plt.subplot(
     
     321+idx, axisbg=color)
    
    
   
   

   
   
    
    
   
   
   
   
    
     
    
    
   
   

   
   
    
    
   
   
   
   
    
     
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     plt.legend()
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     plt.show()

效果如图

图中将整个绘图区域等分按照numRows, numCols设定的多个子图，如果希望某个子图占据整行或整列，可以按照如下方法调用subplot()


  
  
    
    
     
     
    
    
    
    
     
     
      
      import matplotlib.pyplot 
      
      as plt
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      import numpy 
      
      as np
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.figure(figsize=(
      
      8,
      
      6))
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.subplot(
      
      221)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.subplot(
      
      222)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.subplot(
      
      212)
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.legend()
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.show()

效果如图

subplot()返回它所创建的Axes对象，我们可以将这些对象保存起来，然后用sca()交替让它们成为当前Axes对象，并使用plot()在其中绘图。如果需要同时绘制多幅图表，可以给figure()传递一个整数参数来指定Figure对象的序号。如果序号指定的Figure对象已经存在，将不创建新的对象，而只是让它成为当前Figure对象。


  
  
    
    
     
     
    
    
    
    
     
     
      
      import matplotlib.pyplot as plt
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      import numpy 
      
      as np
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.figure(
      
      1)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.figure(
      
      2)
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      ax1 = plt.subplot(
      
      121)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      ax2 = plt.subplot(
      
      122)
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      x = np.linspace(
      
      0,
      
      3,
      
      100)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      for i 
      
      in range(
      
      5):
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          plt.figure(
      
      1)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          plt.plot(x, np.exp(i*x/
      
      3))
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          plt.sca(ax1)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          plt.plot(x, np.sin(i*x))
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          plt.sca(ax2)
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
          plt.plot(x, np.cos(i+x))
     
     
    
    

    
    
     
     
    
    
    
    
     
      
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.legend()
     
     
    
    

    
    
     
     
    
    
    
    
     
     
      
      plt.show()