Python 绘图与可视化 matplotlib（下）

详细的参考链接：更详细的：https://www.cnblogs.com/zhizhan/p/5615947.html

图像、子图、坐标轴以及记号

Matplotlib中图像的意思是打开的整个画图窗口，【图像】里有所谓的【子图】，子图的位置是有坐标网格确定的，而【坐标轴】的位置却不受任何限制，可以放在图像中的任何位置

上篇中是使用隐式的方法来绘制图像以及坐标轴，当我们使用plot（）时，matplotlib调用gca（）函数以及gcf（）函数获取当前的坐标轴和图像，如果获取不到图像，则会调用figure函数来创建一个--准确来说，是使用subplot（1,1,1,）创建一个只用一个子图的图像。在快速绘图中，这样是很方便的，我们也可以显示的控制图像、子图、坐标轴及记号。

图像

　　当我们运行程序，会打开一个以figure*命名的窗口，这一整个窗口就是【图像】，图像的编号从1开始，和MATLAB的风格保持一致，不与Python从0开始编号的风格。

参数	默认值	描述
num	1	图像的数量
figsize	figure.figsize	图像的长和宽（英寸）
dpi	figure.dpi	分辨率（点/英寸）
facecolor	figure.facecolor	绘图区域的背景颜色
edgecolor	figure.edgecolor	绘图区域边缘的颜色
frameon	True	是否绘制图像边缘

我们可以在源文件中指明这些默认值，不过一般除了图像数量这个参数，其他一般很少修改。

可以使用close（）这个命令关闭图像，这个图像有几个可选参数

close（）#关闭当前窗口
close（）#传入当前实例或者图像编号关闭指定窗口
close（all）关闭全部窗口　　

　　使用如下语句，关闭失败

#plt.draw()
plt.show()
time.sleep(1)
plt.close('all')

　　

（不理解），和其他对象一样，你也可以使用setp或者set_something来设置图像的属性

 

子图

　　你可以使用【子图】来将图样（plot）放置在均匀的坐标网格中，使用subplot函数，需要指明网格的行列数量，以及你需要将【图样】放置在哪一个区域中。另外还可以使用功能同样强大的gridspec（）来实现同样的功能。

　　使用subplot绘制没有嵌套的网格：

#绘制3行4列一共12个网格，按照先从左到右，后从上到下的顺序，左上角为1，右下角为12
plt.subplot(3,4,3)#将图样放在第三个中

　　

　　使用gridspec（）绘制嵌套坐标网格

from pylab import *
import matplotlib.gridspec as gridspec

G = gridspec.GridSpec(3, 3)

axes_1 = subplot(G[0, :])
xticks([]), yticks([])
text(0.5,0.5, 'Axes 1',ha='center',va='center',size=24,alpha=.5)

axes_2 = subplot(G[1,:-1])
xticks([]), yticks([])
text(0.5,0.5, 'Axes 2',ha='center',va='center',size=24,alpha=.5)

axes_3 = subplot(G[1:, -1])
xticks([]), yticks([])
text(0.5,0.5, 'Axes 3',ha='center',va='center',size=24,alpha=.5)

axes_4 = subplot(G[-1,0])
xticks([]), yticks([])
text(0.5,0.5, 'Axes 4',ha='center',va='center',size=24,alpha=.5)

axes_5 = subplot(G[-1,-2])
xticks([]), yticks([])
text(0.5,0.5, 'Axes 5',ha='center',va='center',size=24,alpha=.5)

#plt.savefig('../figures/gridspec.png', dpi=64)
show()

　　效果：

坐标轴axes

　　我们先来看什么是Figure和Axes对象。在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个，或者多个Axes对象。每个Axes对象都是一个拥有自己坐标系统的绘图区域。其逻辑关系如下：

　　其中Axis是确定坐标范围的：

plt.axis([xmin, xmax, ymin, ymax])
上面例子里的axis()命令给定了坐标范围。

　　axes的官方文档：

• axes() by itself creates a default full subplot(111) window axis.（axes（）会单独创建一个默认的窗口）
• axes(rect, axisbg=’w’) where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.（其中rect=[left,bottom,width,height]是标量范围为0-1,,axisbgsi 这个axis的背景色）
• axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.（返回一个Axes实例，其中的h是当前axis？）

rect=[左, 下, 宽, 高] 规定的矩形区域,rect矩形简写，这里的数值都是以figure大小为比例，因此，若是要两个axes并排显示，那么axes[2]的左=axes[1].左+axes[1].宽，这样axes[2]才不会和axes[1]重叠。

 

　　这个坐标轴的意思并不是坐标系中的那个坐标轴，而是一种防止图样位置的一种定位方式，坐标轴表示的定位可以放在图像的任何位置，如果你想要在一副大图中添加一副小图，就可以使用这样的方法。

import matplotlib.pyplot as plt

plt.axes([0.1,0.1,.8,.8])
plt.xticks([]), plt.yticks([])
plt.text(0.6,0.6, 'axes([0.1,0.1,.8,.8])',ha='center',va='center',size=20,alpha=.5)

axes([0.2,0.2,.3,.3])
xticks([]), yticks([])
text(0.5,0.5, 'axes([0.2,0.2,.3,.3])',ha='center',va='center',size=16,alpha=.5)

plt.savefig("../figures/axes.png",dpi=64)
show()

　　效果：

plt.axes([0,0,1,1])
#plt.axes([a,b,c,d])四个都是标量，0-1
#a代表图像左边与窗口边缘的距离为窗口宽的a倍
#b-----上边
#c宽度
#d高度为窗口高的d倍

　　

 

记号

　　matplotlib中记号中的各个细节都是可以由用户自己配置的。Ticks Locators指定在哪些位置放置记号、Ticks Formatters来调整记号的样式。主要的记号和次要的记号可以以不同的方式来显示、默认情况下、每个记号都是隐藏的、也就是说默认情况下、次要记号的列表都是空的 NullLocator

Tick Locators

下面有为不同需求设计的一些 Locators。

 

类型	说明
NullLocator	No ticks.
IndexLocator	Place a tick on every multiple of some base number of points plotted.
FixedLocator	Tick locations are fixed.
LinearLocator	Determine the tick locations.
MultipleLocator	Set a tick on every integer that is multiple of some base.
AutoLocator	Select no more than n intervals at nice locations.
LogLocator	Determine the tick locations for log axes.

这些 Locators 都是 matplotlib.ticker.Locator 的子类，你可以据此定义自己的 Locator。以日期为 ticks 特别复杂，因此 Matplotlib 提供了 matplotlib.dates 来实现这一功能。

　　

转载于:https://www.cnblogs.com/Gaoqiking/p/11068285.html