科研绘图(Matplotlib.pyplot)

        本文为目标导向,目标就是利用Matplotlib绘制类似于下图的多子图、图例位于坐标轴外且格式为矢量图的论文插图。

利用Matplotlib库绘图的推荐路线:

首先根据需求搜索所需函数;

之后直接根据函数名搜索官方网站的函数解释,英文原文的解释非常全面,也不会造成误解,中文文章都是二次加工,且不够全面,很容易造成使用时的偏差。

一、明确几个概念:

首先import matplotlib.pyplot as plt

例如使用命令figure, ax = plt.subplots(2, 2),其中:

命令中所得到的figure为画布,一个画布上可以有多张子图

所得到的ax为子图

2, 2表示行和列上分别有几个子图(axes)

 上图来源于【Python基础】Matplotlib如何绘制多个子图的几种方法_风度78的博客-CSDN博客

二、绘图流程

        该图片出处为matplotlib.pyplot的使用总结大全(入门加进阶) - 知乎

三、plt和ax的区别

        首先明确,plt是在import matplotlib.pyplot as plt时为pyplot创建的别名;ax是在figure, ax = plt.subplots(2, 2)时为subplots函数所返回的axes对象创建的别名。借用一、里面的图,plt其实是对整个画布对象进行操作,而ax实际上是对子图对象进行操作。因此如果要绘制有多子图的图片,更建议使用ax来进行绘图,因为更加灵活。

四、绘图

1、设置整体框架,添加所需元素

(1)创建画布、设置画布名称

fig = plt.figure()  # 1、创建画布对象并添加画布名称
fig.suptitle('P-R Curve')

(2)多子图的创建、选取

        核心点在于选定好子图的对应位置,之后就可利用plot方法画折线图、scatter方法画散点图、pie方法画饼图、bar方法画条形图等。

        选定子图对应位置的方法有以下三种:

1、如一中提到的,利用figure, axes = plt.subplots(2, 2)命令,之后axes即为一个保存了四个子图的变量,利用axes[0][0]访问左上子图、axes[0][1]访问右上子图、axes[1][0]访问左下子图、axes[1][1]访问右下子图;

2、利用figure的add_subplot方法来选定子图。此种方法首先要用figure=plt.figure()创建画布对象;之后用所创建的画布对象的内置方法add_subplot得到子图的实例对象,如ax1=fig.add_subplot(221)代表ax1是为2*2画布上左上角的子图对象,之后利用ax1.plot()等方法进行绘图;

3、直接利用plt.subplot选定画布上的子图位置,用法为plt.subplot(221),221表示2*2画布上的第一个子图也就是左上子图,之后直接plt.plot()等方法绘图即可。

        一些具体的多子图代码实现或不规则子图的绘制可参考【Python基础】Matplotlib如何绘制多个子图的几种方法_风度78的博客-CSDN博客

2、设置图中各元素的所需属性

可以通过创建后缀为.mplstyle的自定义风格文件利用rcParams来设置各元素的属性,具体见Customizing Matplotlib with style sheets and rcParams — Matplotlib 3.7.1 documentation

需要哪些属性可以在上述链接的官方默认配置文档中查找

3、主标题和子标题的设定

        设置主标题:使用画布对象并调用其suptitle()函数

        设置子标题:使用子图对象并调用其set_title()函数

4、设置坐标轴标签

        若绘制只有一个子图的图片,可以直接使用plt.xlabel或plt.ylabel进行坐标轴标签的设置

        若绘制多子图图片,在选定了子图对象之后,调用其set_xlabel或set_ylabel函数即可设置其坐标轴标签

5、图例位置的设置

可以参考matplotlib.pyplot.axes和add_axes这两个函数

6、保存图像

命令:plt.savefig(保存的文件名,dpi值),其中dpi代表the resolution in dots per inch(每英寸点的分辨率),通常普通图片dpi值设置为300,折线图设置为600(最好1000),参考链接【7】python_matplotlib 输出(保存)矢量图方法;画图时图例说明(legend)放到图像外侧;Python_matplotlib图例放在外侧保存时显示不完整问题解决 - ✨汀、 - 博客园

如果保存tiff格式的时候图片文件太大,可以在savefig函数里添加参数

pil_kwargs={"compression": "tiff_lzw"}

该压缩方法参考matplotlib保存tif图像时压缩_铜锣烧阿南Anan的博客-CSDN博客

PS:savefig命令要放到plt.show()命令之前,否则将保存空白图

7、科研图常用配色

参考Matplotlib颜色设置_半月夏微凉的博客-CSDN博客

我的常用配色

color_set = ['turquoise', 'lightpink', 'gold', 'tomato', 'limegreen', 'xkcd:lilac', 'royalblue', 'brown', 'red']

8、解决Linux下matplotlib找不到times new roman 或 simhei字体的问题

结合以下两个链接可以解决

Matplotlib找不到Times New Roman的解决方案 - 知乎

解决使用matplotlib.pyplot画图包含中文乱码显示问题(macbook上 family ‘sans-serif‘ not found 问题)_pyplot中文乱码_zzzxydq的博客-CSDN博客

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Matplotlib.pyplotPython中常用的可视化库,下面是一些常用的函数及其说明: 1. plot:绘制一条线性图; 2. scatter:绘制散点图; 3. hist:绘制直方图; 4. bar:绘制条形图; 5. pie:绘制饼图; 6. imshow:绘制图像; 7. xlabel:设置x轴标签; 8. ylabel:设置y轴标签; 9. title:设置图形标题; 10. legend:设置图例; 11. axis:设置坐标轴范围; 12. figure:创建新图形; 13. show:显示图形。 这些函数都是Matplotlib.pyplot库中的核心函数,使用这些函数可以制作出各种类型的可视化图形。 ### 回答2: matplotlib.pyplotPython中用于绘制数据可视化图形的常用库之一。它提供了大量的函数和方法,用于绘制不同类型的图形,如散点图、线图、柱状图、饼图等。 常用的函数及其说明如下: 1. plot(x, y, fmt, **kwargs): 绘制线图。x和y分别是数据的横坐标和纵坐标,fmt是指定线条的颜色、样式和标记的字符串。此外,还可以使用**kwargs参数来设置线条的其他属性。 2. scatter(x, y, s=None, c=None, **kwargs): 绘制散点图。x和y分别是数据的横坐标和纵坐标,s是指定散点的大小,c是指定散点的颜色。此外,**kwargs参数可用于设置其他属性。 3. bar(x, height, width=0.8, bottom=None, align='center', **kwargs): 绘制柱状图。x是柱状图的横坐标,height是柱状图的高度,width是柱子的宽度,align是柱子的对齐方式,**kwargs参数可用于设置其他属性。 4. pie(x, explode=None, labels=None, colors=None, autopct=None, **kwargs): 绘制饼图。x是每个扇形的大小,explode是指定要突出显示的扇形的偏移量,labels是指定每个扇形的标签,colors是指定每个扇形的颜色,autopct是指定每个扇形的数字显示格式,**kwargs参数可用于设置其他属性。 以上只是常用函数中的几个,matplotlib.pyplot还提供了很多其他绘图函数,如箱线图、热力图、等高线图等,可以根据需要选择合适的函数进行使用。同时,matplotlib.pyplot还提供了丰富的设置函数,如设置图形标题、坐标轴标签、图例等,使得图形更加美观和易于阅读。 ### 回答3: matplotlib.pyplot是一个用于绘制图表的Python工具包。它是matplotlib库的子模块,其中包含了很多常用的函数。 常用函数及其说明如下: 1. figure():创建一个新的图表窗口,可以设置图表的大小、标题等属性。 2. plot(x, y, 'format'):绘制一个折线图。x是x轴上的数据,y是y轴上的数据,'format'是可选参数,用于设置折线的颜色、线型等属性。 3. scatter(x, y):绘制散点图。x是x轴上的数据,y是y轴上的数据,用于表示数据的点。 4. bar(x, height, width):绘制条形图。x是x轴上的类别,height是条形的高度,width是条形的宽度。 5. hist(x, bins):绘制直方图。x是数据,bins是将数据分成几个区间。 6. xlabel()和ylabel():设置x轴和y轴的标签。 7. xlim()和ylim():设置x轴和y轴的显示范围。 8. title():设置图表的标题。 9. legend():显示图例,用于解释图表中的不同元素。 10. savefig():保存图表为图片。 11. show():显示图表。 这些函数可以用来绘制各种不同类型的图表,如折线图、散点图、条形图、直方图等。通过设置不同的参数,可以调整图表的大小、颜色、线型等属性,以及添加标签、标题等。通过图例,可以解释图表中的不同元素。 Matplotlib.pyplot是一个功能强大且灵活的绘图工具,广泛应用于数据可视化、科学研究等领域。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值