【DataWhale】Matplotlib入门——Task 2

引言

Matplotlib 是 Python 中较为常用和知名的可视化绘图工具。它提供了几十种绘图函数。用户可以根据需求定制可视化视觉样式和排版布局。

1、图形元素

2、图层顺序

在同一个坐标图形中绘制不同的数据图层时，Matplotlib 可通过设置每个绘图函数中的 zorder 参数来设定不同的图层。不同的艺术对象在坐标图形中的默认图层顺序如表 2-1-1 所示。


修改绘图函数中 zorder 参数值后绘制的可视化示例，如下图所示。

代码如下（示例）：

import pandas as pd
import numpy as np
import proplot as pplt
import matplotlib.pyplot as plt

from proplot import rc
rc["font.family"] = "Times New Roman"
rc['tick.labelsize'] = 12
rc["suptitle.size"] = 15

r = np.linspace(0.3, 1, 30)
theta = np.linspace(0, 4*np.pi, 30)
x = r * np.sin(theta)
y = r * np.cos(theta)

# 创建1行2列的子图分布
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(6, 3.5),facecolor="w",sharey=True)
ax1.plot(x, y, 'C3', lw=4)
ax1.scatter(x, y, s=180,color="#FFCC37",ec="k",label="zorder=2")
ax1.set_title('Lines on top of dots',fontsize=15)
ax1.legend()
ax2.plot(x, y, 'C3', lw=4)
ax2.scatter(x, y, s=180, color="#FFCC37",ec="k",zorder=3,label="zorder=3")  # move dots on top of line
ax2.set_title('Dots on top of lines',fontsize=15)
ax2.legend()

plt.tight_layout()

plt.show()

3.轴比例和刻度

3.1轴比例

轴比例规定了数值与给定轴之间的映射方式，即数值在轴上以何种方式进行缩放。Matplotlib 中的默认轴比例方式为线性（linear）方式，其他诸如 log、logit、symlog 和自定义函数比例方式也是常用的轴比例方式。如下图所示，为不同轴比例的可视化对比。

代码示例：

import pandas as pd
import numpy as np
import proplot as pplt
import matplotlib.pyplot as plt
from matplotlib.ticker import NullFormatter, FixedLocator

from proplot import rc

rc["font.family"] = "Times New Roman"
rc['tick.labelsize'] = 12
rc["suptitle.size"] = 15

np.random.seed(19680801)
# make up some data in the interval ]0, 1[
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))

# plot with various axes scales
fig, axs = plt.subplots(2, 2, figsize=(6, 4.5),
                        constrained_layout=True)
# linear
ax = axs[0, 0]
ax.plot(x, y, color="#2FBE8F", lw=3)
ax.set_yscale('linear')
ax.set_title('linear')
ax.grid(True)
# log
ax = axs[0, 1]
ax.plot(x, y, color="#2FBE8F", lw=3)
ax.set_yscale('log')
ax.set_title('log')
ax.grid(True)
# symmetric log
ax = axs[1, 1]
ax.plot(x, y - y.mean(), color="#2FBE8F", lw=3)
ax.set_yscale('symlog', linthresh=0.02)
ax.set_title('symlog')
ax.grid(True)
# logit
ax = axs[1, 0]
ax.plot(x, y, color="#2FBE8F", lw=3)
ax.set_yscale('logit')
ax.set_title('logit')
ax.grid(True)

plt.tight_layout()

plt.show()

3.2刻度位置和刻度格式

刻度位置和刻度格式分别规定了每个轴对象上刻度的位置与格式。

4、坐标系

常见的坐标系有直角坐标系、极坐标系和地理坐标系，其中直角坐标系和地理坐标系在科研论文绘图中出现的频率较高。

4.1直角坐标系

直角坐标系又称笛卡儿坐标系，如果在二维直角坐标系中添加一个Z 轴，则该坐标系转变为三维直角坐标系（也称为笛卡儿空间坐标系）

4.2极坐标系

极坐标系是一种在平面内由极点（pole）、极轴（polar axis）和极径组成的坐标系统。极坐标系往往体现数据的周期性，即它可以更好地展示数据的周期性变化，这就要求数据较为完整且有明显的周期性特征。而对于常见的科研论文配图，由于数据本身的问题，因此导致很少使用极坐标系绘制它们（地理空间类图表除外）。

4.3地理坐标系

Matplotlib 地理坐标系中的地理投影方式较少，仅有 Aitoff 投影、Hammer 投影、Lambert投影和 Mollweide 投影 4 种。Matplotlib 不适合绘制地理图表，可使用 Python 的第三方库（如 cartopy、ProPlot 等库）绘制地理图表。

5.多子图绘制

Matplotlib 中提供了多个用来绘制多子图的函数。

1.subplot():对当前画布对象添加单个子图，且每次添加子图都会规定其位置顺序。

代码示例如下：

import pandas as pd
import numpy as np
import proplot as pplt
import matplotlib.pyplot as plt

from proplot import rc
rc["font.family"] = "Times New Roman"
rc["axes.labelsize"] = 15
rc['tick.labelsize'] = 13
rc["suptitle.size"] = 15


plt.figure(figsize=(6,3),dpi=100,facecolor="w")
ax1 = plt.subplot(212)
ax1.text(0.5, 0.5, "subplot(212)", alpha=0.75, ha="center", va="center", weight="bold", size=12)
ax2 = plt.subplot(221)
ax2.text(0.5, 0.5, "subplot(221)", alpha=0.75, ha="center", va="center", weight="bold", size=12)
ax3 = plt.subplot(222)
ax3.text(0.5, 0.5, "subplot(222)", alpha=0.75, ha="center", va="center", weight="bold", size=12)

plt.tight_layout()    
plt.show()

2.add_subplot():使用方法和 subplot() 函数类似，不同之处是，它先产生 figure 对象，然后在该对象的基础上依次添加子图。

代码示例:

3.subplots():语法格式如下
subplots(nrows, ncols, sharex, sharey)

nrows表示绘制子图的行数;
ncols表示绘制子图的列数，行数与列数的乘积即绘制的总子图数;
sharex 可以用来设定是否共享 X 轴;
sharey 可以用来设定是否共享 Y 轴。
该函数会返回一个坐标数组对象，该对象用于每个子图的单独绘制。
代码示例：

4.axes()：为当前画布 (figure) 对象添加坐标图形 (axes) 对象，使其成为当前的坐标图形（axes）对象。

代码示例：

import pandas as pd
import numpy as np
import proplot as pplt
# from colormaps import parula  #自定义的颜色系
import matplotlib.pyplot as plt

from proplot import rc
rc["font.family"] = "Times New Roman"
rc["axes.labelsize"] = 15
rc['tick.labelsize'] = 13
rc["suptitle.size"] = 15

# Fixing random state for reproducibility
np.random.seed(19680801)
#plt.figure(figsize=(6,4))
plt.subplot(211)
plt.imshow(np.random.random((100, 100)))
plt.subplot(212)
plt.imshow(np.random.random((100, 100)))

plt.subplots_adjust(bottom=0.1, right=0.8, top=0.9)
cax = plt.axes([0.85, 0.1, 0.075, 0.8]) # rect 参数（一个四元组：left、 bottom、width、height）
plt.colorbar(cax=cax)

plt.show()

5.subplot2grid()：实现对不规则多子图的绘制，即在当前画布对象上绘制网格（grid），网格可用于在特定位置绘制布局和大小不同的子图对象。
语法：subplot2grid(shape, location, rowspan/colspan)
shape 规定了的网格的行数和列数；
location 决定了子图在网格内的行号和列号；
rowspan 或 colspan，它们分别规定了每个子图向下跨越的行数和向右跨越的列数。

代码示例：

6.gridspec.GridSpec()：数用于指定放置子图的网格的几何形状。
语法：gridspec.GridSpec(nrows, ncols, figure, left, bottom, right, top)
nrows 表示网格中的行数；
ncols 表示网格中的列数；
left、bottom、right和 top 是可选参数，用于将子图的范围定义为图形宽度或高度的一部分。

代码示例：

7.subplot_mosaic()：可利用 mosaic 参数设置特定字符串符号（重复次数、顺序等）来进行子图的视觉布局。
语法：subplot_mosaic(mosaic,…)

代码示例：

6.常见的图类型

包括误差图、散点图、柱形图、饼图、直方图和箱线图等。

7.图的保存

Matplotlib 绘制的图对象可以保存为多种格式，如 PNG、JPG、TIFF、PDF 和 SVG 等。

注意！！！：结果保存函数 savefig() 必须出现在 show() 函数之前，可避免保存结果为空白等问题。

设置参数 bbox_inches=‘tight’，去除图表周围的空白部分。
代码示例：