Matplotlib系列(一)：快速绘图入门

Matplotlib系列目录

---

---

一、 简介

‎pyplot‎‎是 matplotlib 的一个基于状态的接口。‎可以快速的绘制图表。通常我们绘图只需要通过pyplot的接口就可以了。

matplotlib还有一个pylab接口，pylab接口实际上就是导入了pyplot接口以及numpy，scipy的一些函数。不推荐使用pylab，官网也同样不推荐。

Matplotlib系列将Matplotlib的知识和重点API，编制成思维导图和重点笔记形式，方便记忆和回顾，也方便应用时参考，初学者也可以参考逐步深入学习。

二、 思维导图

三、 Matplotlib快速绘图

1. 两种绘图方式

1.1 过程式绘图

import matplotlib.pyplot as plt
plt.plot(x,y)            #绘制折线图
plt.show()               #显示图形

就这么简单，依次调用pyplot模块中的相应函数就可以完成绘图。

1.2 面向对象绘图

采用面向对象的方式，也非常方便，并且更加容易对图形进行修改控制。

import matplotlib.pyplot as plt
fig=plt.figure()             #创建画布
ax=fig.subplots()            #在画布上创建一个图表
ax.plot(x,y)                 #图表上绘制线条
plt.show()                   #显示图形

画布上可以显示多个图表，fig.subplots()无参数创建图表，默认创建一个图表。

2. matplotlib绘图对象层次组成

在Matplotlib中，一个图形对象由容器、图表、图表元素几层对象组成。

• Figure：画布对象。是可以包含多个图表的容器。matplotlib中的顶层对象。
  • Text：suptitle，supxlabel，supylabel等画布级别的文本标签。
  • Axes：图表对象。指一个含坐标轴、点线图形、图例等的图表。
    • Text：title标题文本标签
    • Spine：边框，坐标轴线。
    • Axis：XAxis，YAxis坐标轴。
      • Text：label坐标轴标签
      • Tick：刻度元素
        • 主刻度、次刻度
        • 刻度值
        • 网格线
    • Legend：图例
    • Line2D、Markers等图形元素
    • Text：其他文本
  • Legend：图例（放在图表框之外的画布级图例）。

• Figure对象的属性texts、axes、legends，以及get_children()函数可以获得子对象。
• Axes对象的属性title、spines、xaxis、yaxis、legend_、lines、texts，以及get_children()函数可以获得子对象。
• Axis坐标轴通常可以直接用Axes对象的方法直接操作
• 所有可见的对象，比如Figure、Axes、Line2D、Text等都继承自Artist类。

Matplotlib中用Axes表示图表有点让人容易误解，可能是一个图表包含多个坐标轴吧，所以有人把Axes翻译为轴域或坐标系。

如果上图看不到，请到官网图形组成链接查看。

3. Matplotlib面向对象绘图过程

3.1 典型代码示例

先看一个典型的示例

#准备数据
import numpy as np
x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)

#导入matplotlib库pyplot模块
import matplotlib.pyplot as plt

#创建画布
fig=plt.figure()

#创建图表
ax=fig.subplots()

#绘制折线图，设置点线样式，设置线条名称
ax.plot(x,y,'+r--', label='line1',mec='b',ms=10)  #点为蓝色+(大小为10)，线为红色虚线

#设置坐标轴
ax.set_xlabel('X axis')            #坐标轴文本标签
ax.set_ylabel('Y axis')
ax.set_xticks([-4,-2,0,2,4])       #主刻度
ax.set_xticks(np.arange(-4,4,0.5),minor=True)  #次刻度
ax.set_yticks([-1,-0.5,0,0.5,1])
ax.set_yticks(np.arange(-1.5,1.5,0.1),minor=True)
ax.tick_params(axis='y',labelrotation=30)      #y轴主刻度文字旋转30度
ax.set_xlim(-3.5,3.5)              #设置显示刻度范围
ax.set_ylim(-1.5,1.5)

ax.grid(True)                      #显示主刻度网格

#设置图例
ax.legend()                  #注意需要绘图时，需指定label参数

#设置标题
ax.set_title("sample")

#保存显示图形
fig.savefig("sample.png")
plt.show()

绘图效果如下：

3.2 创建画布

• fig=plt.figure()：创建画布
• fig=plt.figure(figsize=(6.4,4.8),dpi=100)：指定画布大小和分辨率创建画布
  • figsize参数格式为(width,height)，单位为inch。
  • dpi参数：分辨率，指每inch像素数。默认dpi为100

  • figsize=(6.4,4.8),dpi=100)最终得到的图像为640×480像素大小

3.3 创建图表

• ax=fig.subplots()：在画布上创建一个图表。

fig,ax=plt.subplots()可以创建画布并在画布上创建一个图表

ax=plt.add_axes([0,0,6.4,4.8])也可以创建图表，但是该函数必须指定坐标范围，并且创建的图表没有坐标轴等对象，是完全空白的。

3.4 绘制图形（包含设置点、线样式、颜色）

常见的基本图形包括：

• ax.scatter(x,y,label=‘name’)：散点图
• ax.plot(x,y,label=‘name’)：折线图
• ax.bar(x,y,label=‘name’)：柱状图

matplotlib支持非常多的图形绘制，包括二维图形和三维图形。后续详细解释。

3.4.1 点、线样式，颜色参数

不同的图形，样式也不太相同。

以最常见的点、线样式为主，简单介绍常用参数如下（详细参数见后续章节）：

• ax.plot(x,y,color='b')可以简写为ax.plot(x,y,c='b')设置点和线颜色为blue。
• ax.plot(x,y,linestyle='-',linewidth=1.5)：设置线样式为实线，线宽为1.5。
• ax.plot(x,y,marker='+',marckersize=1.5)：设置点样式为+，大小为1.5。
  • 可以简写为ax.plot(x,y,marker='o',ms=1.5)
• ax.plot(x,y,fmt='+r-')：用字符串参数，同时设置点样式、点线颜色、线样式
  • 可以简写为ax.plot(x,y,'+r-')
  • fmt的格式为[marker][line][color]

点的边缘颜色、填充颜色等也可以单独设置

• ax.plot(x,y,'o',markerfacecolor='b',markeredgecolor='r')：设置点颜色参数
  • markerfacecolor设置点填充颜色,markeredgecolor设置点边缘颜色。
  • markerfacecolor='b',markeredgecolor='r'可以简写为mfc='b',mec='r'

3.4.2 颜色参数取值

fmt参数中只能使用简化的颜色写法即：

• 'r','g','b'：‘red’,‘green’,'blue’的简写。
• 'c','m','y','k'：‘cyan’,‘magenta’,‘yellow’,'black’的简写。
• 'w'：'white’的简写。

color参数可以用简写，也可以用全称。

1) 基本颜色简写

• ‘r’,‘g’,‘b’,‘c’,‘m’,‘y’,‘k’,‘w’
• ‘red’,‘green’,‘blue’,‘cyan’,‘magenta’,‘yellow’,‘black’,‘white’

2) 颜色名称

• color='lightblue'：参数表示浅蓝颜色

• Brown, Chocolate, Gold, Gray, Orange, Pink, Purple, Silver, Snow, Tomato, Yellow

• ForestGreen, SandyBrown, SeaGreen, SkyBlue, SpringGreen, WhiteSmoke

• GreenYellow, OrangeRed, YellowGreen

• LightBlue , LightCyan, LightGrey, LightGreen, LightPink, LightYellow

• LightSeaGreen, LightSkyBlue

• MediumBlue, MediumPurple, MediumSeaGreen

• DarkBlue, DarkCyan, DarkGray, DarkGreen, Darkorange, DarkRed, DarkSeaGreen

• DeepPink, DeepSkyBlue, HotPink

以上为部分颜色名称

• matplotlib._color_data.CSS4_COLORS可以获得常用的颜色名称。
• matplotlib.colors.get_named_colors_mapping()可以获取所有的颜色名称。

3) 灰度数值

• color=0.5：参数表示灰色

用[0,1]之间浮点数表示灰度数据。0表示黑色，1表示白色，0.2表示深灰，0.8表示浅灰。

4）十六进制RGB字符串

• color='#0F0'：#RGB格式参数表示绿色
• color='#00FF00'：#RRGGBB格式参数表示绿色
• color='#00FF0088'：#RRGGBBAA表示半透明绿色

不分大小写。’#abc’与’#ABC’相同

5）RGB，RGBA元组

• color=(0.2,0.1,0.5)：(r,g,b)格式参数
• color=(0.1,0.2,0.5,0.3)：(r,g,b,a)格式参数

r,g,b取值范围为[0,1]

6）C0,C1,…CN字符串

用C0,C1,…CN字符串，循环引用rcParams['axes.prop_cycle']中的颜色。

• color='C30'

• matplotlib.rcParams['axes.prop_cycle']可以获取颜色列表。
• C必须大写。

很多绘图函数还支持用预定义的颜色风格ColorMap为数据设置颜色。详解"Matplotlib系列(二)"

3.4.3 线样式参数取值

• '-'：实线（solid line style）
• '--'：虚线（dashed line style）
• '-.'：点划线（dash-dot line style）
• ':'：点线（dotted line style）

3.4.4 点样式参数取值

• 点
  • '.':点（point marker）
  • ‘,’：像素点（pixel marker）
  • 'o'：实心圆（circle marker）
• 三角
  • ‘v’：倒三角（triangle_down marker）
  • '^'：三角形（triangle_up marker）
  • ‘<’：左三角（triangle_left marker）
  • ‘>’：右三角（triangle_right marker）
• 多边形
  • 's'：四边形（square marker）
  • ‘p’：五边形（pentagon marker）
  • ‘h’：六边形（hexagon1 marker）尖点朝上
  • ‘H’：六边形（hexagon2 marker）平边朝上
  • ‘8’：八边形（octagon marker）
  • 'D'：菱形（diamond marker）
  • 'd'：瘦菱形（thin_diamond marker）上下长，左右窄
• 符号形状
  • '+'：加号（plus marker）
  • ‘P’：粗加号(plus (filled) marker)
  • '_'：减号（hline marker）
  • '|'：竖线/减号旋转90度（vline marker）
  • 'x'：乘号（x marker）
  • ‘X’：粗乘号（x (filled) marker）
  • '*'：五角星（star marker）

3.5 坐标轴设置

• 设置坐标轴标签文本
  • ax.set_xlabel('X axis')
  • ax.set_ylabel('Y axis')
• 设置主刻度坐标
  • ax.set_xticks([-4,-2,0,2,4])
  • ax.set_yticks([-1,-0.5,0,0.5,1])
• 设置次刻度坐标
  • ax.set_xticks(np.arange(-4,4,0.5),minor=True)
  • ax.set_yticks(np.arange(-1.5,1.5,0.1),minor=True)
• 设置x,y轴坐标刻度显示范围
  • ax.set_xlim(-3.5,3.5)
  • ax.set_ylim(-1.5,1.5)

设置网格

• ax.grid(visible, which=‘major’, axis=‘both’)
  • visible参数：bool类型，True或者False
  • which参数：可选值{‘major’,‘minor’,‘both’}
  • axis参数：可选值{‘both’,‘x’,‘y’}
  • color参数：网格颜色
  • linestyle参数：网格线样式
  • linewidth参数：网格线宽度

设置刻度样式

• ax.tick_params(axis='y',labelrotation=30)：y轴刻度文字旋转30度。
  • axis参数：可取值{‘x’, ‘y’, ‘both’}，默认’both’
  • reset参数：bool类型。在更新参数前是否重置刻度到默认值。默认False
  • direction参数：可取值{‘in’, ‘out’, ‘inout’}。刻度文字位于内部，外部，轴上。默认外部
  • color参数：刻度颜色。
  • labelsize参数：文本大小。
  • labelcolor参数：文本颜色。
  • grid_color参数：网格颜色。

3.6 图例

• ax.legend()：显示图例。若plot为指定label参数，则图例无法显示。
• ax.legend(['line1','line2',...]：指定图例各个曲线的label名称。如果已有label，则会覆盖

图例样式设置

• ax.legend(loc='upper right'):自定义图例位置。
  • ‘best’：重叠最小的位置，默认值
  • ‘upper right’：右上
  • ‘upper left’：左上
  • ‘lower left’：左下
  • ‘lower right’：右下
  • ‘center left’：中左
  • ‘center right’：中右
  • ‘lower center’：中下
  • ‘upper center’：中上
• ax.legend(fontsize='samll')：自定义图例文字大小。
  • 相对大小（字符串）
    • ‘xx-small’,‘x-small’,‘smal’：小于当前默认字体大小
    • ‘medium’：中等
    • ‘large’,‘x-large’,‘xx-large’：大于当前默认字体大小
  • 绝对大小（数值）
    • fontsize=10：绝对字体大小，单位为点。
• ax.legend(labelcolor=['r','b'])：设置图例文本颜色。
• ax.legend(mode='expand')：图例水平平铺。

3.7 图表标题

• ax.set_title("sample")：设置图表标题。
• ax.set_title("title", loc='left')：设置图表标题位置。
  • loc可选值为{‘left’,‘center’,‘right’}，默认值为’center’

3.8 保存图形

• fig.savefig("sample.png"):保存图形到文件。

支持如下格式：

• jpg, jpeg：jpg图
• png：png图
• svg, svgz：svg图
• tif, tiff：tiff图
• pgf：pgf位图
• pdf, eps, ps：pdf或postscript文件
• raw, rgba

3.9 显示图形

plt.show()

必须调用plt.show()才能显示。

4. 过程式绘图过程

#准备数据
import numpy as np
x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)


#导入matplotlib库pyplot模块
import matplotlib.pyplot as plt

#绘制折线图，设置点线样式，设置线条名称
plt.plot(x,y,'+r-.', label='line1')   #点为蓝色+，线为红色点划线


#设置坐标轴
plt.xlabel('X axis')                  #坐标轴文本标签
plt.ylabel('Y axis')
plt.xticks([-4,-2,0,2,4])             #主刻度，不支持次刻度设置
plt.yticks([-1,-0.5,0,0.5,1], rotation=30)
plt.xlim(-3.5,3.5)                    #设置显示刻度范围
plt.ylim(-1.5,1.5)

plt.grid(True,c='gray',linestyle=':') #显示主刻度网格

#设置图例
plt.legend()                          #注意需要绘图时，指定label参数

#设置标题
plt.title("sample")

#保存显示图形
plt.savefig("sample.png")

plt.show()

方法参数基本上与面向对象方式一致。

5. 绘图数据和多子图绘图

5.1 字典数据绘图

import numpy as np
import matplotlib.pyplot as plt

data = {'x': np.arange(50),
        'y': np.random.randint(0, 50, 50),
        'color': np.random.randn(50)}

plt.scatter('x', 'y', c='color', data=data)

plt.show()

效果如下：

5.2 多子图绘图

可以用如下方式创建多个子图

• fig,axarray=plot.subplots(m,n)：一次生成m行n列子图
• axarray=fig.subplots(m,n)：一次生成m行n列子图，返回m×n个axes对象
• fig.add_subplot(m,n,i)：增加一个子图，m行n列放在第i个
  • 也可以用fig.add_subplots(mni)方式调用

axarray=plt.subplots(2,2)
ax1=axarray[0]
ax2=axarray[1]
ax3=axarray[2]
ax4=axarray[3]
ax1.plot(x,y)

建议用fig.add_subplots()函数创建多子图。

fig=plt.figure()
ax1=fig.add_subplot(2,2,1)  #2行2列，第1个子图
ax1.plot(x,y,'r-')
ax2=fig.add_subplot(223)    #2行2列，第3个子图
ax2.plot(x,y,'b:')
ax3=fig.add_subplot(1,2,2)  #跨行子图
ax3.plot(x,y,'Dg--')
plt.show()

画布级别标题和标签

• fig.suptitle(“figtitle”)：设置总标题（与所有子图平级）
• fig.supxlabel(“figxlabel”)：设置总x标签（如果所有子图标签相同，可以只设置一个总标签）
• fig.supylabel(“figxlabel”)：设置总y标签

子图间距

• fig.subplots_adjust(wspace=0.5,hspace=0.5)：调整子图之间的间距
  • wspace：表示子图间宽度方向间隔系数
  • hspace：表示子图间高度方向间隔系数
• fig.tight_layout(pad=1)：调整子图四周空白宽度
  • pad：四周空白宽度系数
  • w_pad：宽度方向空白宽度系数
  • h_pad：高度方向空白宽度系数

fig.suptitle("figtitle", x=0.5, y=0.98)
fig.supxlabel("figxlabel", x=0.5, y=0.02)
fig.supylabel("figylabel", x=0.02, y=0.5)
fig.tight_layout(pad=2)

显示效果如下：

---

Matplotlib系列目录

---

个人总结，部分内容进行了简单的处理和归纳，如有谬误，希望大家指出，持续修订更新中。

修订历史版本见：https://github.com/hustlei/AI_Learning_MindMap

未经允许请勿转载。