pyplot中文手册_Matplotlib 中文用户指南 3.1 pyplot 教程

pyplot 教程

译者：飞龙

matplotlib.pyplot是一个命令风格函数的集合，使matplotlib的机制更像 MATLAB。 每个绘图函数对图形进行一些更改：例如，创建图形，在图形中创建绘图区域，在绘图区域绘制一些线条，使用标签装饰绘图等。在matplotlib.pyplot中，各种状态跨函数调用保存，以便跟踪诸如当前图形和绘图区域之类的东西，并且绘图函数始终指向当前轴域(请注意，这里和文档中的大多数位置中的『轴域』(axes)是指图形的一部分(两条坐标轴围成的区域)，而不是指代多于一个轴的严格数学术语)。

import matplotlib.pyplot as plt

plt.plot([1,2,3,4])

plt.ylabel('some numbers')

plt.show()

你可能想知道为什么x轴的范围为0-3，y轴的范围为1-4。 如果你向plot()命令提供单个列表或数组，则matplotlib假定它是一个y值序列，并自动为你生成x值。 由于 python 范围从 0 开始，默认x向量具有与y相同的长度，但从 0 开始。因此x数据是[0,1,2,3]。

plot()是一个通用命令，并且可接受任意数量的参数。 例如，要绘制x和y，你可以执行命令：

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

对于每个x,y参数对，有一个可选的第三个参数，它是指示图形颜色和线条类型的格式字符串。 格式字符串的字母和符号来自 MATLAB，并且将颜色字符串与线型字符串连接在一起。 默认格式字符串为"b-"，它是一条蓝色实线。 例如，要绘制上面的红色圆圈，你需要执行：

import matplotlib.pyplot as plt

plt.plot([1,2,3,4], [1,4,9,16], 'ro')

plt.axis([0, 6, 0, 20])

plt.show()

有关线型和格式字符串的完整列表，请参见plot()文档。 上例中的axis()命令接收[xmin，xmax，ymin，ymax]的列表，并指定轴域的可视区域。

如果matplotlib仅限于使用列表，它对于数字处理是相当无用的。 一般来说，你可以使用numpy数组。 事实上，所有序列都在内部转换为numpy数组。 下面的示例展示了使用数组和不同格式字符串，在一条命令中绘制多个线条。

import numpy as np

import matplotlib.pyplot as plt

# evenly sampled time at 200ms intervals

t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles

plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')

plt.show()

控制线条属性

线条有许多你可以设置的属性：linewidth，dash style，antialiased等，请参见matplotlib.lines.Line2D。 有几种方法可以设置线属性：

使用关键字参数：

plt.plot(x, y, linewidth=2.0)

使用Line2D实例的setter方法。 plot返回Line2D对象的列表，例如line1,line2 = plot(x1，y1，x2，y2)。 在下面的代码中，我们假设只有一行，返回的列表长度为 1。我们对line使用元组解构，得到该列表的第一个元素：

line, = plt.plot(x, y, '-')

line.set_antialiased(False) # turn off antialising

使用setp()命令。 下面的示例使用 MATLAB 风格的命令来设置线条列表上的多个属性。 setp使用对象列表或单个对象透明地工作。 你可以使用 python 关键字参数或 MATLAB 风格的字符串/值对：

lines = plt.plot(x1, y1, x2, y2)

# 使用关键字参数

plt.setp(lines, color='r', linewidth=2.0)

# 或者 MATLAB 风格的字符串值对

plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

下面是可用的Line2D属性。

属性

值类型

alpha

浮点值

animated

[True / False]

antialiased or aa

[True / False]

clip_box

matplotlib.transform.Bbox 实例

clip_on

[True / False]

clip_path

Path 实例， Transform，以及Patch实例

color or c

任何 matplotlib 颜色

contains

命中测试函数

dash_capstyle

['butt' / 'round' / 'projecting']

dash_joinstyle

['miter' / 'round' / 'bevel']

dashes

以点为单位的连接/断开墨水序列

data

(np.array xdata, np.array ydata)

figure

matplotlib.figure.Figure 实例

label

任何字符串

linestyle or ls

[ '-' / '--' / '-.' / ':' / 'steps' / ...]

linewidth or lw

以点为单位的浮点值

lod

[True / False]

marker

[ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]

markeredgecolor or mec

任何 matplotlib 颜色

markeredgewidth or mew

以点为单位的浮点值

markerfacecolor or mfc

任何 matplotlib 颜色

markersize or ms

浮点值

markevery

[ None / 整数值 / (startind, stride) ]

picker

用于交互式线条选择

pickradius

线条的拾取选择半径

solid_capstyle

['butt' / 'round' / 'projecting']

solid_joinstyle

['miter' / 'round' / 'bevel']

transform

matplotlib.transforms.Transform 实例

visible

[True / False]

xdata

np.array

ydata

np.array

zorder

任何数值

要获取可设置的线条属性的列表，请以一个或多个线条作为参数调用step()函数

In [69]: lines = plt.plot([1, 2, 3])

In [70]: plt.setp(lines)

alpha: float

animated: [True | False]

antialiased or aa: [True | False]

...snip

处理多个图形和轴域

MATLAB 和 pyplot 具有当前图形和当前轴域的概念。 所有绘图命令适用于当前轴域。 函数gca()返回当前轴域(一个matplotlib.axes.Axes实例)，gcf()返回当前图形(matplotlib.figure.Figure实例)。 通常，你不必担心这一点，因为它都是在幕后处理。 下面是一个创建两个子图的脚本。

import numpy as np

import matplotlib.pyplot as plt

def f(t):

return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)

t2 = np.arange(0.0, 5.0, 0.02)

plt.figure(1)

plt.subplot(211)

plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

plt.subplot(212)

plt.plot(t2, np.cos(2*np.pi*t2), 'r--')

plt.show()

这里的figure()命令是可选的，因为默认情况下将创建figure(1)，如果不手动指定任何轴域，则默认创建subplot(111)。subplot()命令指定numrows，numcols，fignum，其中fignum的范围是从1到numrows * numcols。 如果numrows * numcols <10，则subplot命令中的逗号是可选的。 因此，子图subplot(211)与subplot(2, 1, 1)相同。 你可以创建任意数量的子图和轴域。 如果要手动放置轴域，即不在矩形网格上，请使用axes()命令，该命令允许你将axes([left, bottom, width, height])指定为位置，其中所有值都使用小数(0 到 1)坐标。 手动放置轴域的示例请参见pylab_examples示例代码：axes_demo.py，具有大量子图的示例请参见pylab_examples示例代码：subplots_demo.py。

你可以通过使用递增图形编号多次调用figure()来创建多个图形。 当然，每个数字可以包含所需的轴和子图数量：

import matplotlib.pyplot as plt

plt.figure(1) # 第一个图形

plt.subplot(211) # 第一个图形的第一个子图

plt.plot([1, 2, 3])

plt.subplot(212) # 第一个图形的第二个子图

plt.plot([4, 5, 6])

plt.figure(2) # 第二个图形

plt.plot([4, 5, 6]) # 默认创建 subplot(111)

plt.figure(1) # 当前是图形 1，subplot(212)

plt.subplot(211) # 将第一个图形的 subplot(211) 设为当前子图

plt.title('Easy as 1, 2, 3') # 子图 211 的标题

你可以使用clf()清除当前图形，使用cla()清除当前轴域。 如果你搞不清在幕后维护的状态(特别是当前的图形和轴域)，不要绝望：这只是一个面向对象的 API 的简单的状态包装器，你可以使用面向对象 API(见艺术家教程)。

如果你正在制作大量的图形，你需要注意一件事：在一个图形用close()显式关闭之前，该图所需的内存不会完全释放。 删除对图形的所有引用，和/或使用窗口管理器杀死屏幕上出现的图形的窗口是不够的，因为在调用close()之前，pyplot会维护内部引用。

处理文本

text()命令可用于在任意位置添加文本，xlabel()，ylabel()和title()用于在指定的位置添加文本(详细示例请参阅文本介绍)。

import numpy as np

import matplotlib.pyplot as plt

mu, sigma = 100, 15

x = mu + sigma * np.random.randn(10000)

# 数据的直方图

n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)

plt.xlabel('Smarts')

plt.ylabel('Probability')

plt.title('Histogram of IQ')

plt.text(60, .025, r'$\mu=100,\ \sigma=15$')

plt.axis([40, 160, 0, 0.03])

plt.grid(True)

plt.show()

所有的text()命令返回一个matplotlib.text.Text实例。 与上面一样，你可以通过将关键字参数传递到text函数或使用setp()来自定义属性：

t = plt.xlabel('my data', fontsize=14, color='red')

这些属性的更详细介绍请见文本属性和布局。

在文本中使用数学表达式

matplotlib在任何文本表达式中接受 TeX 方程表达式。 例如，要在标题中写入表达式，可以编写一个由美元符号包围的 TeX 表达式：

plt.title(r'$\sigma_i=15$')

标题字符串之前的r很重要 - 它表示该字符串是一个原始字符串，而不是将反斜杠作为 python 转义处理。 matplotlib有一个内置的 TeX 表达式解析器和布局引擎，并且自带了自己的数学字体 - 详细信息请参阅编写数学表达式。 因此，你可以跨平台使用数学文本，而无需安装 TeX。 对于安装了 LaTeX 和dvipng的用户，还可以使用 LaTeX 格式化文本，并将输出直接合并到显示图形或保存的 postscript 中 - 请参阅使用 LaTeX 进行文本渲染。

标注文本

上面的text()基本命令将文本放置在轴域的任意位置。 文本的一个常见用法是对图的某些特征执行标注，而annotate()方法提供一些辅助功能，使标注变得容易。 在标注中，有两个要考虑的点：由参数xy表示的标注位置和xytext表示的文本位置。 这两个参数都是(x, y)元组。

在此基本示例中，xy(箭头提示)和xytext(文本)都位于数据坐标中。 有多种其他坐标系可供选择 - 详细信息请参阅标注文本和标注轴域。 更多示例可以在pylab_examples示例代码：annotation_demo.py中找到。

对数和其它非线性轴

matplotlib.pyplot不仅支持线性轴刻度，还支持对数和对数刻度。 如果数据跨越许多数量级，通常会使用它。 更改轴的刻度很容易：

plt.xscale('log')

下面示例显示了四个图，具有相同数据和不同刻度的y轴。

import numpy as np

import matplotlib.pyplot as plt

# 生成一些区间 [0, 1] 内的数据

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))

# 带有多个轴域刻度的 plot

plt.figure(1)

# 线性

plt.subplot(221)

plt.plot(x, y)

plt.yscale('linear')

plt.title('linear')

plt.grid(True)

# 对数

plt.subplot(222)

plt.plot(x, y)

plt.yscale('log')

plt.title('log')

plt.grid(True)

# 对称的对数

plt.subplot(223)

plt.plot(x, y - y.mean())

plt.yscale('symlog', linthreshy=0.05)

plt.title('symlog')

plt.grid(True)

# logit

plt.subplot(224)

plt.plot(x, y)

plt.yscale('logit')

plt.title('logit')

plt.grid(True)

plt.show()