自学Matplotlib的一些翻译记录

Matplotlib

Getting Started

基础使用

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

一个简单的例子

Matplotlib 将你的数据显示在Figure上，每个图片可以包含一个或以上的坐标域（Axes：一个可以用x-y坐标、极坐标、三维坐标表示特定点的区域），通过pyplot.subplots可以创建一个带有坐标的Figure，可以使用Axes.plot在坐标域中画一些数据，例如

fig, ax = plt.subplots()  # Create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]);  # Plot some data on the axes.

Figure的组成

Figure可以包含图中的部分

最简单的创建一个新的Figure的方式是使用pyplot,下面是创建几种不同样式的Figure的例子

fig = plt.figure()  # an empty figure with no Axes
fig, ax = plt.subplots()  # a figure with a single Axes
fig, axs = plt.subplots(2, 2)  # a figure with a 2x2 grid of Axes

Artist

任何在Figure中可见的元素都被称为Artist，大多数Artist都被绑定至一个Axes

Axes

Axes是Figure中作为绘图的区域，通常包含2个或3个坐标轴（Axis）以及相应的坐标间隔尺度等

绘图函数的输入变量类型

绘图函数期望输入的类型是numpy.array或numpy.ma.masked_array,
或者是可以被转换为numpy.asarray的数据。一些类数组(array-like)的数据类,例如pandas以及numpy.matrix可能不会像你想要的方式运行，通常先将它们转换为numopy.asarray类型再进行绘图，例如

b = np.matrix([[1, 2], [3, 4]])
b_asarray = np.asarray(b)

大多数方法(methods)也会解析一些寻址类型的数据类型，例如dict,numpy.rearray,pandas.dataFrames。Matplotlib allows you provide the data keyword argument and generate plots passing the strings corresponding to the x and y variables.

np.random.seed(19680801)  # seed the random number generator.
data = {'a': np.arange(50),
        'c': np.random.randint(0, 50, 50),
        'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100

fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')
ax.scatter('a', 'b', c='c', s='d', data=data)
ax.set_xlabel('entry a')
ax.set_ylabel('entry b');

编码风格

将常用绘图方式打包成一个函数

def my_plotter(ax, data1, data2, param_dict):
    """
    A helper function to make a graph.
    """
    out = ax.plot(data1, data2, **param_dict)
    return out

data1, data2, data3, data4 = np.random.randn(4, 100)  # make 4 random data sets
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(5, 2.7))
my_plotter(ax1, data1, data2, {'marker': 'x'})
my_plotter(ax2, data3, data4, {'marker': 'o'})

Artists Styles

大多数绘制方法具有Styles可选项，可以通过plot人为设置颜色、线宽、线型等

fig, ax = plt.subplots(figsize=(5, 2.7))
x = np.arange(len(data1))
ax.plot(x, np.cumsum(data1), color='blue', linewidth=3, linestyle='--')
l, = ax.plot(x, np.cumsum(data2), color='orange', linewidth=2)
l.set_linestyle(':')

颜色

fig, ax = plt.subplots(figsize=(5, 2.7))
ax.scatter(data1, data2, s=50, facecolor='C0', edgecolor='k')

线宽、线型、标识符

fig, ax = plt.subplots(figsize=(5, 2.7))
ax.plot(data1, 'o', label='data1')
ax.plot(data2, 'd', label='data2')
ax.plot(data3, 'v', label='data3')
ax.plot(data4, 's', label='data4')
ax.legend()

添加标签

坐标域标签和文字

set_xlabel, set_ylabel, set_title, text

mu, sigma = 115, 15
x = mu + sigma * np.random.randn(10000)
fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')
# the histogram of the data
n, bins, patches = ax.hist(x, 50, density=1, facecolor='C0', alpha=0.75)

ax.set_xlabel('Length [cm]')
ax.set_ylabel('Probability')
ax.set_title('Aardvark lengths\n (not really)')
ax.text(75, .025, r'$\mu=115,\ \sigma=15$')
ax.axis([55, 175, 0, 0.03])
ax.grid(True)

数学表达式

Matplotlib接受Tex的方程表达式,例如 ${\sigma }_i=15$

ax.set_title(r'$\sigma_i=15$')

附注(Annotations)

fig, ax = plt.subplots(figsize=(5, 2.7))

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)
line, = ax.plot(t, s, lw=2)

ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
            arrowprops=dict(facecolor='black', shrink=0.05))

ax.set_ylim(-2, 2)

图例(legends)

fig, ax = plt.subplots(figsize=(5, 2.7))
ax.plot(np.arange(len(data1)), data1, label='data1')
ax.plot(np.arange(len(data2)), data2, label='data2')
ax.plot(np.arange(len(data3)), data3, 'd', label='data3')
ax.legend()

坐标轴尺度和刻度

尺度

loglog, semilogx, semilogy

fig, axs = plt.subplots(1, 2, figsize=(5, 2.7), layout='constrained')
xdata = np.arange(len(data1))  # make an ordinal for this
data = 10**data1
axs[0].plot(xdata, data)

axs[1].set_yscale('log')
axs[1].plot(xdata, data)

刻度位置和格式

set_xticks

fig, axs = plt.subplots(2, 1, layout='constrained')
axs[0].plot(xdata, data1)
axs[0].set_title('Automatic ticks')

axs[1].plot(xdata, data1)
axs[1].set_xticks(np.arange(0, 100, 30), ['zero', '30', 'sixty', '90'])
axs[1].set_yticks([-1.5, 0, 1.5])  # note that we don't need to specify labels
axs[1].set_title('Manual ticks')

绘制日期和字符串

未完待续