matplotlib 绘图

figure, ax基础

plt.***和ax.***的区别

我认为所有不先讲清楚plt.和ax. 两种画图方式的区别的教程都是耍流氓。一上来就告诉你，plt.figure(), plt.plot(), plt.show()，这么画就对了的，都是不负责任的表现！

• 在matplotlib中，有两种画图方式：

1. plt.figure()： plt.***系列。通过http://plt.xxx来画图，其实是取了一个捷径。这是通过matplotlib提供的一个api，这个plt提供了很多基本的function可以让你很快的画出图来，但是如果你想要更细致的精调，就要使用另外一种方法。

plt.figure(1)  
plt.subplot(211)   
plt.plot(A,B)   
plt.show()

2. fig, ax = plt.subplots(): 这个就是正统的稍微复杂一点的画图方法了。指定figure和axes，然后对axes单独操作。等下就讲figure和axes都神马意思。

fig, ax = plt.subplots()   
ax.plot(A,B)

名词解释 in matplotlib

从官网截个图

• Figure fig = plt.figure(): 可以解释为画布。
  画图的第一件事，就是创建一个画布figure，然后在这个画布上加各种元素。

• Axes ax = fig.add_subplot(1,1,1): 就是坐标轴们，包括所有元素。
  如果你的figure只有一张图，那么你只有一个axes。如果你的figure有subplot，那么每一个subplot就是一个axes
  axes是matlibplot的宇宙中心！axes下可以修改编辑的变量非常多，基本上能包含你的所有需求。

• Axis ax.xaxis/ax.yaxis: 对，这才是你的xy坐标轴。
  每个坐标轴实际上也是由竖线和数字组成的，每一个竖线其实也是一个axis的subplot，因此ax.xaxis也存在axes这个对象。对这个axes进行编辑就会修改xaxis图像上的表现。

图像的各个部位名称

再从使用指南 User Guide 借个图。每个部分的名称指南，这样当你想修改一个部位的时候，起码知道关键字啊。

传统方法画个图

下面就是实战。用调取ax的方式来画个图。不要用plt！！

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
A = np.arange(1,5)
B = A**2
C = A**3

首先，搞个画布

我喜欢用这个命令来开始画图。哪怕你没有subplot，也可以用这个subplots来创建一个画布。

这个function创建了一个大小为（14，7）的画布，把这个画布赋值给变量fig，同时在这个画布上创建了一个axes，把这个axes赋值给ax。这样，所有未来的fig.xxx都是对这个画布的操作，所有ax.xxx都是对这个axes的操作。

如果你有两个图，那么ax是一个有两个元素ax[0],ax[1] 的list。ax[0]就对应第一个subplot的ax。

fig, ax = plt.subplots(figsize=(14,7))
# fig, ax = plt.subplots(2,1,figsize(14,7))
# ax[0].***
# ax[1].***

好了画布搞好了，画数据。

注意，我们这里依然不使用plt！因为我们要在这个axes上画数据，因此就用ax.plot()来画。画完第一个再call一次，再画第二个。

ax.plot(A,B)
ax.plot(B,A)

下面开始细节的处理

数据画好了就可以各种细调坐标轴啊，tick啊之类的。

首先把标题和xy坐标轴的标题搞定。Again, 不用plt。直接在axes上进行设定。

ax.set_title('Title',fontsize=18)
ax.set_xlabel('xlabel', fontsize=18,fontfamily = 'sans-serif',fontstyle='italic')
ax.set_ylabel('ylabel', fontsize='x-large',fontstyle='oblique')
ax.legend()

然后是xy坐标轴的一些属性设定, 也是在axes level上完成的

ax.set_aspect('equal') 
ax.minorticks_on() 
ax.set_xlim(0,16) 
ax.grid(which='minor', axis='both')

最后是坐标轴tick和细节，这个在axes.xaxis or axes.yaxis上完成。

ax.xaxis.set_tick_params(rotation=45,labelsize=18,colors='w') 
start, end = ax.get_xlim() 
ax.xaxis.set_ticks(np.arange(start, end,1)) 
ax.yaxis.tick_right()

参考

https://zhuanlan.zhihu.com/p/93423829

各种函数

在无GUI的 shell 上画图

直接画图会报错

qt.qpa.screen: QXcbConnection: Could not connect to display localhost:11.0
Could not connect to any X display.

只需要加入下面这行代码：

plt.switch_backend("agg")

然后画图之后使用

plt.savefig("result.png")

保存图片即可

https://www.cnblogs.com/wmr95/articles/7767258.html

保存图像

https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.imsave.html

# 直接保存array(图片)
# matplotlib.pyplot.imsave(fname, arr, **kwargs)
plt.imsave('./temp.png', inp)

中文字符显示

需要自己指定显示字体。

import matplotlib.pyplot as plt
from matplotlib.font_manager import *  # 如果想在图上显示中文，需导入这个包

myfont3 = FontProperties(fname=r'C:\Windows\Fonts\FZSTK.TTF', size=18)  # 标注字体
plt.annotate("这%s我们发了%d条消息！" % (str_list[time_flag], max_num),
                         xy=(max_indx,max_num), fontproperties=myfont3)

也可以这样

# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

plt.annotate

annotate用于在图形上给文字添加注解，支持带箭头的划线工具，方便我们在合适的地方添加描述信息。

参数说明：

*Axes.``annotate(s, xy, *args, *kwargs)

• **s：**注释文本的内容
• **xy：**被注释的坐标点，二维元组形如(x,y)
• **xytext：**注释文本的坐标点，也是二维元组，默认与xy相同
• **xycoords：**被注释点的坐标系属性，允许输入的值如下

属性值	含义
‘figure points’	以绘图区左下角为参考，单位是点数
‘figure pixels’	以绘图区左下角为参考，单位是像素数
‘figure fraction’	以绘图区左下角为参考，单位是百分比
‘axes points’	以子绘图区左下角为参考，单位是点数（一个figure可以有多个axex，默认为1个）
‘axes pixels’	以子绘图区左下角为参考，单位是像素数
‘axes fraction’	以子绘图区左下角为参考，单位是百分比
‘data’	以被注释的坐标点xy为参考 (默认值)
‘polar’	不使用本地数据坐标系，使用极坐标系

返回值：Annotation对象

https://blog.csdn.net/leaf_zizi/article/details/82886755

实例

简单画折线图

https://www.cnblogs.com/chenhuabin/p/12418411.html

设置字体大小

# -