文章目录
前言
在学习了matplotlib的基础之后，本节我们学习利用matplotlib画出更加复杂的图形，并了解其中的原理，依次介绍了matplotlib的三层api，它的基本元素及对象容器。
一、概述
1.matplotlib的三层api
matplotlib的原理：用Artist对象在画布(canvas)上绘制(Render)图形。
与人画画的步骤类似：
- 准备一块画布或画纸
- 准备好颜料、画笔等制图工具
- 作画
所以matplotlib有三个层次的API：
matplotlib.backend_bases.FigureCanvas 代表了绘图区，所有的图像都是在绘图区完成的 ；
matplotlib.backend_bases.Renderer 代表了渲染器，可以近似理解为画笔，控制如何在 FigureCanvas上画图 ；
matplotlib.artist.Artist 代表了具体的图表组件，即调用了Renderer的接口在Canvas上作图。
前两者处理程序和计算机的底层交互事项，第三项Artist就是具体的调用接口来做出我们想要的图，比如图形、文本、线条的设定。所以通常来说，我们95%的时间都是用来和matplotlib.artist.Artist类打交道的。
2.Artist的分类
Artist有两种类型：primitives 和containers。
primitive是基本要素，它包含一些我们要在绘图区作图用到的标准图形对象，如曲线Line2D，文字text，矩形 Rectangle，图像image等。
container是容器，用来装基本要素的地方，包括**图形figure、坐标系Axes和坐标轴Axis。**它们之间的关系如下图所示：
3. matplotlib的标准用法
matplotlib的标准使用流程为：
- 创建一个Figure实例
- 使用Figure实例创建一个或者多个Axes或Subplot实例
- 使用Axes实例的辅助方法来创建primitive（Axes是一种容器，它可能是matplotlib API中最重要的类）
示例：
import matplotlib.pyplot as plt
import numpy as np
# step 1 # 我们用 matplotlib.pyplot.figure() 创建了一个Figure实例
fig = plt.figure()
# step 2 # 然后用Figure实例创建了一个两行一列(即可以有两个subplot)的绘图区，并同时在第一个位置创建了一个 subplot
ax = fig.add_subplot(2, 1, 1) # two rows, one column, first plot
# step 3 # 然后用Axes实例的方法画了一条曲线
t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax.plot(t, s, color='blue', lw=2)
二、基本元素 - primitives
各容器中可能会包含多种基本要素-primitives，primitives 的几种常用类型：曲线-Line2D，矩形-Rectangle，图像-image。
1. 2DLines
matplotlib中线-line的含义：它表示的可以是连接所有顶点的实线样式，也可以是每个顶点的标记。
它的构造函数为：
class matplotlib.lines.Line2D(xdata, ydata, linewidth=None, linestyle=None, color=None,marker=None, markersize=None, markeredgewidth=None, markeredgecolor=None,
markerfacecolor=None, markerfacecoloralt='none', fillstyle=None, antialiased=None,
dash_capstyle=None, solid_capstyle=None, dash_joinstyle=None, solid_joinstyle=None,
pickradius=5, drawstyle=None, markevery=None, **kwargs)
常用参数：
xdata:需要绘制的line中，点在x轴上的取值，若忽略，则默认为range(1,len(ydata)+1)；
ydata:需要绘制的line中，点在y轴上的取值；
linewidth:线条宽度；
linestyle:线型；
color:线条颜色；
marker:点的标记；
markersize:标记的size。
a. 如何设置Line2D的属性
三种方法：
- 直接在plot()函数中设置 ；
- 通过获得线对象，对线对象进行设置 ；
- 获得线属性，使用setp()函数设置。
# 1) 直接在plot()函数中设置
import matplotlib.pyplot as plt
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x,y, linewidth=10); # 设置线的粗细参数为10
# 2) 通过获得线对象，对线对象进行设置
x = range(0,5)
y = [2,5,7,8,10]
line, = plt.plot(x, y, '-')
line.set_antialiased(False) # 关闭抗锯齿功能
# 3) 获得线属性，使用setp()函数设置
x = range(0,5)
y = [2,5,7,8,10]
lines = plt.plot(x, y)
plt.setp(lines, color='r', linewidth=10);
b. 如何绘制lines
1. 绘制直线line
1） pyplot方法绘制
# 1. pyplot方法绘制
import matplotlib.pyplot as plt
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x,y);
2） Line2D对象绘制
# 2. Line2D对象绘制
import matplotlib.pyplot as plt
from matplotlib.lines import Line2D
fig = plt.figure()
ax = fig.add_subplot(111)
line = Line2D(x, y)
ax.add_line(line)
ax.set_xlim(min(x), max(x))
ax.set_ylim(min(y), max(y))
plt.show()
2. errorbar绘制误差折线图
pyplot通过errorbar类绘制误差折线图，它的构造函数为：
matplotlib.pyplot.errorbar(x, y, yerr=None, xerr=None, fmt='', ecolor=None, elinewidth=None,capsize=None, barsabove=False, lolims=False, uplims=False, xlolims=False, xuplims=False,errorevery=1, capthick=None, *, data=None, **kwargs)
主要参数：
x：需要绘制的line中的点在x轴上的取值；
y：需要绘制的line中的点在y轴上的取值；
yerr：指定y轴的水平误差；
xerr：指定x轴的水平误差；
fmt：指定折线图中某个点的颜色，形状，线条风格，例如‘co–’；
ecolor：指定error bar的颜色；
elinewidth：指定error bar的线条宽度。
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
x = np.arange(10)
y = 2.5 * np.sin(x / 20 * np.pi)
yerr = np.linspace(0.05, 0.2, 10)
plt.errorbar(x, y + 3, yerr=yerr, label='both limits (default)');
2. patches
matplotlib.patches.Patch类是二维图形类。它的基类是matplotlib.artist.Artist，它的构造函数为：
Patch(edgecolor=None, facecolor=None, color=None, linewidth=None, linestyle=None,
antialiased=None, hatch=None, fill=True, capstyle=None, joinstyle=None, **kwargs)
a. Rectangle-矩形
定义：通过锚点xy及其宽度和高度生成。xy控制锚点，width和height分别控制宽和高。它的构造函数为：
class matplotlib.patches.Rectangle(xy, width, height, angle=0.0, **kwargs)
在实际中最常见的矩形图是hist直方图和bar条形图。
1.hist-直方图
matplotlib.pyplot.hist(x,bins=None,range=None, density=None, bottom=None, histtype='bar',align='mid', log=False, color=None, label=None, stacked=False, normed=None)
常用参数：
x: 数据集，最终的直方图将对数据集进行统计；
bins: 统计的区间分布；
range: tuple, 显示的区间，range在没有给出bins时生效；
density: bool，默认为false，显示的是频数统计结果，为True则显示频率统计结果，这里需要注意，频率统计结果=区间数目/(总数*区间宽度)，和normed效果一致，官方推荐使用density；
histtype: 可选{‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}之一，默认为bar，推荐使用默认配置，step使用的是梯状，stepfilled则会对梯状内部进行填充，效果与bar类似；
align: 可选{‘left’, ‘mid’, ‘right’}之一，默认为’mid’，控制柱状图的水平分布，left或者right，会有部分空白区域，推荐使用默认；
log: bool，默认为False,即y坐标轴是否选择指数刻度；
stacked: bool，默认为False，是否为堆积状图。
1)hist绘制直方图
import matplotlib.pyplot as plt
import numpy as np
x=np.random.randint(0,100,100) #生成[0-100)之间的100个数据,即数据集
bins=np.arange(0,101,10)
#设置连续的边界值，即直方图的分布区间[0,10),[10,20)...
plt.hist(x,bins,color='fuchsia',alpha=0.8)#alpha设置透明度，0为完全透明
plt.xlabel('scores')
plt.ylabel('count')
plt.xlim(0,100)#设置x轴分布范围
plt.show()
2)Rectangle矩形类绘制直方图
import pandas as pd
import re
df = pd.DataFrame(columns = ['data'])
df.loc[:,'data'] = x
df['fenzu'] = pd.cut(df['data'], bins=bins, right = False,include_lowest=True)
df_cnt = df['fenzu'].value_counts().reset_index()
df_cnt.loc[:,'mini'] = df_cnt['index'].astype(str).map(lambda x:re.findall('\[(.*)\,',x) [0]).astype(int)
df_cnt.loc[:,'maxi'] = df_cnt['index'].astype(str).map(lambda x:re.findall('\,(.*)\)',x) [0]).astype(int)
df_cnt.loc[:,'width'] = df_cnt['maxi']- df_cnt['mini']
df_cnt.sort_values('mini',ascending = True,inplace = True)
df_cnt.reset_index(inplace = True,drop = True)
#用Rectangle把hist绘制出来
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(111)
for i in df_cnt.index:
rect = plt.Rectangle((df_cnt.loc[i,'mini'],0),df_cnt.loc[i,'width'],df_cnt.loc[i,'fenzu'])
ax1.add_patch(rect)
ax1.set_xlim(0, 100)
ax1.set_ylim(0, 16)
plt.show()
2.bar-柱状图
matplotlib.pyplot.bar(left, height, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3)
常用参数：
left：x轴的位置序列，一般采用range函数产生一个序列，但是有时候可以是字符串；
height：y轴的数值序列，即柱形图的高度，一般就是我们需要展示的数据；
alpha：透明度，值越小越透明；
width：柱形图的宽度，一般设为0.8；
color或facecolor：柱形图填充颜色；
edgecolor：图形边缘颜色；
label：解释每个图像代表的含义，这个参数是为legend()函数做铺垫的，表示该bar的标签。
1)bar绘制柱状图
# bar绘制柱状图
import matplotlib.pyplot as plt
y = range(1,17)
plt.bar(np.arange(16), y, alpha=0.5, width=0.5, color='yellow', edgecolor='red', label='The First Bar', lw=3);
2)Rectangle矩形类绘制柱状图
# Rectangle矩形类绘制柱状图
#import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(111)
for i in range(1,17):
rect = plt.Rectangle((i+0.25,0),0.5,i)
ax1.add_patch(rect)
ax1.set_xlim(0, 16)
ax1.set_ylim(0, 16)
plt.show()
b. Polygon-多边形
matplotlib.patches.Polygon类是多边形类。其基类是matplotlib.patches.Patch，它的构造函数为：
class matplotlib.patches.Polygon(xy, closed=True, **kwargs)
xy是一个N×2的numpy array，为多边形的顶点。
closed为True则指定多边形将起点和终点重合从而显式关闭多边形。
matplotlib.patches.Polygon类中常用的是fill类，它是基于xy绘制一个填充的多边形，它的定义：
matplotlib.pyplot.fill(*args, data=None, **kwargs)
# 用fill来绘制图形
import matplotlib.pyplot as plt
x = np.linspace(0, 5 * np.pi, 1000)
y1 = np.sin(x)
y2 = np.sin(2 * x)
plt.fill(x, y1, color = "g", alpha = 0.3);
c. Wedge-契形
matplotlib.patches.Polygon类是多边形类。其基类是matplotlib.patches.Patch，它的构造函数为：
class matplotlib.patches.Wedge(center, r, theta1, theta2, width=None, **kwargs)
一个Wedge-契形是以坐标x,y为中心，半径为r，从θ1扫到θ2(单位是度)。
如果宽度给定，则从内半径r-宽度到外半径r画出部分楔形。
wedge中比较常见的是绘制饼状图。
matplotlib.pyplot.pie语法：
matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6,
shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None,
textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)
制作数据x的饼图，每个楔子的面积用x/sum(x)表示。
主要参数：
x：契型的形状，一维数组。
explode：如果不是等于None，则是一个len(x)数组，它指定用于偏移每个楔形块的半径的分数。
labels：用于指定每个契型块的标记，取值是列表或为None。
colors：饼图循环使用的颜色序列。如果取值为None，将使用当前活动循环中的颜色。
startangle：饼状图开始的绘制的角度。
1.pie绘制饼状图
import matplotlib.pyplot as plt
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)
fig1, ax1 = plt.subplots()
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90)
ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.show()
2.wedge绘制饼图
import matplotlib.pyplot as plt
from matplotlib.patches import Circle, Wedge
from matplotlib.collections import PatchCollection
fig = plt.figure()
ax1 = fig.add_subplot(111)
theta1 = 0
sizes = [15, 30, 45, 10]
patches = []
patches += [ Wedge((0.3, 0.3), .2, 0, 54), # Full circle
Wedge((0.3, 0.3), .2, 54, 162), # Full ring \
Wedge((0.3, 0.3), .2, 162, 324), # Full sector
Wedge((0.3, 0.3), .2, 324, 360), # Ring sector
]
colors=100 * np.random.rand(len(patches))
p=PatchCollection(patches, alpha=0.4)
p.set_array(colors)
ax1.add_collection(p)
plt.show()
3.collections
collections类是用来绘制一组对象的集合，collections有许多不同的子类，如RegularPolyCollection,CircleCollection, Pathcollection, 分别对应不同的集合子类型。其中比较常用的就是散点图，它是属于PathCollection子类，scatter方法提供了该类的封装，根据x与y绘制不同大小或颜色标记的散点图。 它的构造方法为：
Axes.scatter(self, x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None,
vmax=None, alpha=None, linewidths=None, verts=, edgecolors=None, *, plotnonfinite=False,
data=None, **kwargs)
主要参数：
x：数据点x轴的位置；
y：数据点y轴的位置；
s：尺寸大小；
c：可以是单个颜色格式的字符串，也可以是一系列颜色；
marker: 标记的类型。
#用scatter绘制散点图
x = [0,2,4,6,8,10]
y = [10]*len(x)
s = [20*2**n for n in range(len(x))]
plt.scatter(x,y,s=s)
plt.show()
4. images
images是matplotlib中绘制image图像的类，其中最常用的imshow可以根据数组绘制成图像，它的构造函数为：
class matplotlib.image.AxesImage(ax, cmap=None, norm=None, interpolation=None, origin=None,
extent=None, filternorm=True, filterrad=4.0, resample=False, **kwargs)
imshow根据数组绘制图像：
matplotlib.pyplot.imshow(X, cmap=None, norm=None, aspect=None, interpolation=None,
alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=, filternorm=1,
filterrad=4.0, imlim=, resample=None, url=None, *, data=None, **kwargs）
使用imshow画图时首先需要传入一个数组，数组对应的是空间内像素位置和像素点的值，interpolation参数可以设置不同的差值方法，具体效果如下。
import matplotlib.pyplot as plt
import numpy as np
methods = [None, 'none', 'nearest', 'bilinear', 'bicubic', 'spline16', 'spline36', 'hanning', 'hamming', 'hermite', 'kaiser', 'quadric', 'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc', 'lanczos']
grid = np.random.rand(4, 4)
fig, axs = plt.subplots(nrows=3, ncols=6, figsize=(9, 6), subplot_kw={'xticks': [], 'yticks': []})
for ax, interp_method in zip(axs.flat, methods):
ax.imshow(grid, interpolation=interp_method, cmap='viridis')
ax.set_title(str(interp_method))
plt.tight_layout()
plt.show()
三、对象容器 - Object container
容器会包含一些primitives，和它自身的属性。比如Axes Artist，它是一种容器，它包含了很多primitives，比如Line2D，Text；同时，它也有自身的属性，比如xscal，用来控制X轴是linear还是log的。
1. Figure容器
matplotlib.figure.Figure是Artist最顶层的container-对象容器，它包含了图表中的所有元素。一张图表的背景就是在Figure.patch中的一个矩形Rectangle。
当我们向图表添加Figure.add_subplot()或者Figure.add_axes()元素时，这些都会被添加到Figure.axes列表中。
fig = plt.figure()
ax1 = fig.add_subplot(211) # 作一幅2*1的图，选择第1个子图
ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3]) # 位置参数，四个数分别代表了(left,bottom,width,height)
print(ax1)
print(fig.axes) # fig.axes 中包含了subplot和axes两个实例, 刚刚添加的
由于Figure维持了current axes，因此不能手动的从Figure.axes列表中添加删除元素，而要通过Figure.add_subplot()、Figure.add_axes()来添加元素，通过Figure.delaxes()来删除元素。但是你可以迭代或者访问Figure.axes中的Axes，然后修改它的属性。
比如遍历axes里的内容，并且添加网格线：
fig = plt.figure()
ax1 = fig.add_subplot(211)
for ax in fig.axes:
ax.grid(True)
Figure也有它自己的text、line、patch、image。你可以直接通过add primitive语句直接添加。但要注意Figure默认的坐标系是以像素为单位，你可能需要转换成figure坐标系：(0,0)表示左下点，(1,1)表示右上点。
Figure容器的常见属性：
Figure.patch属性：Figure的背景矩形；
Figure.axes属性：一个Axes实例的列表（包括Subplot)；
Figure.images属性：一个FigureImages patch列表；
Figure.lines属性：一个Line2D实例的列表（很少使用）；
Figure.legends属性：一个Figure Legend实例列表（不同于Axes.legends)；
Figure.texts属性：一个Figure Text实例列表。
2. Axes容器
matplotlib.axes.Axes是matplotlib的核心。大量的用于绘图的Artist存放在它的内部，并且它有许多辅助方法来创建和添加Artist给它自己，而且它也有许多赋值方法来访问和修改这些Artist。
和Figure容器类似，Axes包含了一个patch属性，对于笛卡尔坐标系而言，它是一个Rectangle；对于极坐标而言，它是一个Circle。这个patch属性决定了绘图区域的形状、背景和边框。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
fig = plt.figure()
ax = fig.add_subplot(111)
rect = ax.patch # axes的patch是一个Rectangle实例
rect.set_facecolor('green')
3. Axis容器
matplotlib.axis.Axis实例处理tick line、grid line、tick label以及axis label的绘制，它包括坐标轴上的刻度线、刻度label等。通常你可以独立的配置y轴的左边以及右边的刻度，也可以独立地配置x轴的上边以及下边的刻度。
刻度包括主刻度和次刻度，它们都是Tick刻度对象。
Axis也存储了用于自适应，平移以及缩放的data_interval和view_interval。
它还有Locator实例和Formatter实例用于控制刻度线的位置以及刻度label。
每个Axis都有一个label属性，也有主刻度列表和次刻度列表。这些ticks是axis.XTick和axis.YTick实例，它们包含line primitive以及text primitive用来渲染刻度线以及刻度文本。
刻度是动态创建的，只有在需要创建的时候才创建（比如缩放的时候）。
Axis也提供了一些辅助方法来获取刻度文本、刻度线位置等等：
常见的如下：
# 不用print，直接显示结果
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
fig, ax = plt.subplots()
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x, y, '-')
axis = ax.xaxis # axis为X轴对象
axis.get_ticklocs() # 获取刻度线位置
axis.get_ticklabels() # 获取刻度label列表(一个Text实例的列表）。 可以通过minor=True|False关键字 参数控制输出minor还是major的tick label。
axis.get_ticklines() # 获取刻度线列表(一个Line2D实例的列表）。 可以通过minor=True|False关键字参 数控制输出minor还是major的tick line。
axis.get_data_interval()# 获取轴刻度间隔
axis.get_view_interval()# 获取轴视角（位置）的间隔
调整一些轴和刻度的属性：
fig = plt.figure() # 创建一个新图表
rect = fig.patch # 矩形实例并将其设为黄色
rect.set_facecolor('lightgoldenrodyellow')
ax1 = fig.add_axes([0.1, 0.3, 0.4, 0.4]) # 创一个axes对象，从(0.1,0.3)的位置开始，宽和高都为0.4，
rect = ax1.patch # ax1的矩形设为灰色
rect.set_facecolor('lightslategray')
for label in ax1.xaxis.get_ticklabels(): # 调用x轴刻度标签实例，是一个text实例
label.set_color('red') # 颜色
label.set_rotation(45) # 旋转角度
label.set_fontsize(16) # 字体大小
for line in ax1.yaxis.get_ticklines(): # 调用y轴刻度线条实例, 是一个Line2D实例
line.set_color('green') # 颜色
line.set_markersize(25) # marker大小
line.set_markeredgewidth(2)# marker粗细
plt.show()
4. Tick容器
matplotlib.axis.Tick是从Figure到Axes到Axis到Tick中最末端的容器对象。
Tick包含了tick、grid line实例以及对应的label。
所有的这些都可以通过Tick的属性获取，常见的tick属性有
Tick.tick1line：Line2D实例
Tick.tick2line：Line2D实例
Tick.gridline：Line2D实例
Tick.label1：Text实例
Tick.label2：Text实例
y轴分为左右两个，因此tick1对应左侧的轴；tick2对应右侧的轴。
x轴分为上下两个，因此tick1对应下侧的轴；tick2对应上侧的轴。
例：将Y轴右侧轴设为主轴，并将标签设置为美元符号且为绿色：
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
fig, ax = plt.subplots()
ax.plot(100*np.random.rand(20)) # 设置ticker的显示格式
formatter = matplotlib.ticker.FormatStrFormatter('$%1.2f')
ax.yaxis.set_major_formatter(formatter) # 设置ticker的参数，右侧为主轴，颜色为绿色
ax.yaxis.set_tick_params(which='major', labelcolor='green', labelleft=False, labelright=True);
总结
以上就是今天要讲的内容，主要介绍了matplotlib的三种api，以及通过api画出各种各样的图形的具体方法。
参考资料
[1].https://zhuanlan.zhihu.com/p/32693665
[2].https://matplotlib.org/stable/api/artist_api.html
[3].https://matplotlib.org/stable/tutorials/intermediate/artists.html
[4].https://www.bookstack.cn/read/huaxiaozhuan-ai/spilt.2.333f5abdbabf383d.md
528
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
