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:
- 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()
- 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
# -