python绘图函数教程_Python 绘图包 Matplotlib Pyplot (教程)

Pyplot 接口简介

Pyplot 入门

matplotlib.pyplot是命令风格函数的集合，使 Matplotlib 像 MATLAB 一样工作。每个 Pyplot 函数对图形做一些修改，例如：创建一个图形，在图形中创建一个绘图区域，在绘图区域中回值一些线条，用标签装饰图形等等。

在

注意

Pyplot API 通常不如面向对象的 API 灵活。在这里看到的大多数函数调用也可以作为 Axes 对象的方法调用。建议浏览教程和实力来了解这是如何工作的。

用 Pyplot 生成可视化效果非常快速：

importmatplotlib.pyplotasplt

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

plt.ylabel('some numbers')

可能知道为什么 X轴的范围是 0-3，Y 轴的范围是 1-4。如果向 plot() 命令提供单个列表或数组，Matplotlib 将假定是一个 Y 值序列，并自动生成 X 值。因为 Python 范围以 0 开头，所以默认的 X 向量与 Y 的长度相同，但是以 0 开头。因此 X 数据是[0, 1, 2, 3]。

plt.plot

([1, 2, 3, 4], [1, 4, 9, 16])

设置图的样式

对于每一对 X，Y 参数，第三个参数都是可选的，它是指示绘图的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，可以将一个颜色字符串与一个行样式字符串连接起来。默认的格式字符串是"b-"，这是一个纯蓝色的线。例如：要用红色源泉回值上面的图，代码如下：

plt.plot

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

plt.axis

([0, 6, 0, 20])

plt.show

()

有关行样式和格式化字符串的完整列表，参见axis() 命令接受一个[ xmin，xmax，ymin，ymax ] 列表，并指定轴的视口。

所有序列都在内部转换成 numpy 数组。下面是示例：

importnumpyasnp

# 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

()

使用关键词字符串绘图

在某些情况下，数据的格式允许使用字符串访问特定的变量。例如：使用 numpy.recarray 或

Matplotlib 允许使用 data 关键字参数提供这样的对象。如果提供了，那么可以生成包含与这些变量对应字符串的绘图。

data ={'a'

data['b'] =data[

data['d'] =np.abs(data['d']) *100

plt.scatter

('a', 'b', c='c', s='d', data=data)

plt.xlabel

('entry a')

plt.ylabel

('entry b')

plt.show

()

用分类变量绘图

还可以使用分类变量创建绘图。Matplotlib 允许直接将分类变量传递给许多绘图函数。例如：

names =['group_a', 'group_b', 'group_c']

values =[1, 10, 100]

plt.figure

(1, figsize=(9, 3))

plt.subplot

(131)

plt.bar

(names, values)

plt.subplot

(132)

plt.scatter

(names, values)

plt.subplot

(133)

plt.plot

(names, values)

plt.suptitle

('Categorical Plotting')

plt.show

()

控制线属性

线有许多可以设置的属性: linewidth、 dash style、 antialiased 等; 请参见matplotlib.lines.Line2D。有几种方法可以设置 line 属性：

使用关键字方向图:

plt.plot

(x, y, linewidth=2.0)

使用 Line2D 实力的 setter 方法。Plot 返回一个 Line2D 对象列表，例如：line1, line2 = plot(x1, y1, x2, y2)。在下面的代码中，假设只有一行，所以返回的列表长度为 1。使用元组拆分行，以获得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-style 的命令来设置行列表的多个属性。显而易见 setp 可以处理对象表单或单个对象。可以使用 Python 关键字参数或 MATLAB-style 的字符串或键值对。

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

# use keyword args

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

# or MATLAB style string value pairs

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

详细的Line2D属性。

若要获取可设置行属性的列表，请使用一行或多行作为参数调用 setp() 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

生成多个图和轴

MATLAB 和 pyplot，具有当前图形和当前 Axes（轴对象）。所有绘图命令都应用于当前 Axes。函数 gca() 返回当前 Axes（gca() 返回当前图形（matplotlib.figure.Figure 实例）。下面是创建两个图的代码：

deff(t):

return

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

()

命令是可选的，因为图1是默认创建的，就像如果不手动指定任何坐标轴，默认情况下会创建一个子图2 一样。subplot()命令 numrows，numcols，plot_number，其中plot_number 范围从1到numrows * numcols。如果numrows * numcols < 10，那么 subplot 命令逗号是可选的。所以subplot(211)和subplot(2, 1, 1)是一样的。

可以创建任何数量的子图和轴。如果想动手设置一个坐标轴，可以使用axes([左，底，宽，高])，其中所有值都是小数（0-1）坐标。有关手动设置轴的示例，请参见。

importmatplotlib.pyplotasplt

plt.figure

(1) # the first figure

plt.subplot

(211) # the first subplot in the first figure

plt.plot

([1, 2, 3])

plt.subplot

(212) # the second subplot in the first figure

plt.plot

([4, 5, 6])

plt.figure

(2) # a second figure

plt.plot

([4, 5, 6]) # creates a subplot(111) by default

plt.figure

(1) # figure 1 current; subplot(212) still current

plt.subplot

(211) # make subplot(211) in figure1 current

plt.title

('Easy as 1, 2, 3') # subplot 211 title

可以使用清楚当前轴。这是一个面向对象 API 的有状态包装器，可以参见 教程。

如果制作大量图形，那么需要需要注意的：一个图形所需的内存在使用 close()显示关闭之前是不被完全释放的。删除对图形的所有引用，[并 、或] 关闭窗口是不够的。因为 pyplot 内部引用指到 结束。

操作文本

命令可用于在任何位置添加文本，而 xlabel()、ylabel() 和 title() 则用于指定位置添加文本，可参见 Text in Matplotlib Plots。

mu, sigma =100, 15

x =mu

# the histogram of the data

n, bins, patches =plt.hist(x, 50, density=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])

所有

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

Matplotlib 接受任何文本表达式中的 TeX 方程式。例如：要在标题中写入表达式σi=15，可以写 TeX 表达式，周围用 $ 包围：

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

标题字符串前面的 r 非常重要——它表示该字符串是一个原始字符串，并且不将反斜杠视为 python 转义。 Matplotlib 有一个内置的 TeX 表达式解析器和布局引擎，并有自己的数学字体，详情参看。因此，您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。请参见使用 LaTeX 的文本。

注解文本

text() 命令的使用将文本房子在轴线上的任意位置。文本的一个常见用途是对 plot 的某些特性进行注释，而annotate()方法提供了帮助器功能，使注释变得简单。在注释中，有两点需要考虑：用 XY 参数表示的注释位置位置额和文本 xytext 的位置。这两个参数都是 ( x, y ) 元组。

在这个基本示例中，xy (箭头顶端)和xytext位置(文本位置)都在数据坐标中。还有许多其它的坐标系可供选择，详情参见文档和高级注释。更多例子可参见。

对数 和 其它非线性轴

matplotlib.pyplot不仅支持线性轴刻度，还支持对数和对数尺度。如果数据跨越多个数量级，这是常用的。改变一个轴的尺寸很容易：

plt.xscale('log')

下面显示了 y 轴具有相同数据和不同尺度的四个绘图示例：

frommatplotlib.tickerimportNullFormatter

# useful for `logit` scale

# Fixing random state for reproducibility

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 =

# plot with various axes scales

plt.figure

(1)

# linear

plt.subplot

(221)

plt.plot

(x, y)

plt.yscale

('linear')

plt.title

('linear')

plt.grid

(True)

# log

plt.subplot

(222)

plt.plot

(x, y)

plt.yscale

('log')

plt.title

('log')

plt.grid

(True)

# symmetric log

plt.subplot

(223)

plt.plot

(x, y -y.mean())

plt.yscale

('symlog', linthreshy=0.01)

plt.title

('symlog')

plt.grid

(True)

# logit

plt.subplot

(224)

plt.plot

(x, y)

plt.yscale

('logit')

plt.title

('logit')

plt.grid

(True)

# Format the minor tick labels of the y-axis into empty strings with

# `NullFormatter`, to avoid cumbering the axis with too many labels.

plt.gca

().yaxis.set_minor_formatter(NullFormatter())

# Adjust the subplot layout, because the logit one may take more space

# than usual, due to y-tick labels like "1 - 10^{-3}"

plt.subplots_adjust

(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,

wspace=0.35)

plt.show

()