【语言工具】Python Matplotlib 一些概念及用法汇总_def imshow(img, figsize=(8, 4),title):-CSDN博客

本文链接：https://blog.csdn.net/xylin1012/article/details/79620597

matplotlib实际上是一套Python面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。

matplotlib默认参数的配置处理：https://blog.csdn.net/lanchunhui/article/details/52327042

matplotlib.pyplot模块为matplotlib提供的一套和MATLAB类似的绘图API，以方便快速绘图。将众多绘图对象所构成的复杂结构隐藏在这套API内部。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。

matplotlib.pyplot模块对外提供函数式的接口，其内部实际保存了当前图表以及当前子图等信息。在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，比如说： plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。

在matplotlib.pyplot模块中，

Figure-Axes/Subplot - Axis的关系：

Figure:

Figure就是画板，是画纸Axes/Subplot的载体。

具体画画是在画纸Axes/Subplot上操作的，即使只有一个子图，也可以生成subplot，然后对subplot对象进行各种轴、刻度、标注的设定。

subplot与Axes的区别：

subplot用法：ax1 = fig.add_subplot(235)，23代表生成2行3列的图像，5代表从上到下，从左到右数，获取第5个子图的对象。

Axes用法：ax3=fig.add_axes([0.1, 0.1, 0.4, 0.9]), 前两个数字0.1 0.1 代表相对于fig的原始坐标的位置，0.4,0.9代表横纵坐标轴分别从原始位置出发，有多长的轴距。Axes可以理解为Axis的轴的集合，所以，也可以对应得到很多轴Axis的属性，如标注等。ax3即获得了一个轴域（由横纵坐标轴得到的区域, 也勉强叫做子图）

subplot与Axes的区别：

两者你中有我，我中有你，生成subplot的时候，必然生成axes，画axes也相当于是生成了一个subplot

add_supplot简单明了，而add_axes生成子图方式更加灵活，可以自由控制子图的位置（相对位置，很方便），可以实现重叠。

两种作图方式：

以调用plt函数库为代表的函数式编程思想，直接调用plot, xlim函数实现画图功能：

以调用sub_plot/add_axies为代表的面向对象编程思想，可以调用子图的.plot, set_xlim方法：

重要概念：

整体的设置：

https://absentm.github.io/2017/03/18/Python-matplotlib-%E6%95%B0%E6%8D%AE%E5%8F%AF%E8%A7%86%E5%8C%96/

获取当前图表：fig=plt.gcf() # Get Current Figure, 查看源码，返回一个figure() 画板对象。

获取当前子图：ax=plt.gca() # Get Current Axes，看源码，返回一个axes画纸/子图对象。

获取对象的各种属性: plt.getp(plt.gca(), "lines"),前面是对象，后面时属性

======================================================

1 创建一个画板，并获得子图

函数编程方式1：

plt.figure(num=1, figsize=(8,4), dpi=300), 创建制定编号，大小，分辨率的画板，dpi缺省值80。注意这里只是显示时看到的dpi，实际save图像的时候，最终的图像的分辨率为对应的savefig指定的分辨率。

# savefig(dpi=300)的默认分辨率，可以在matplotlib的配置文件中设置。设置配置文件方式如下：

# matplotlib.rcParams["savefig.dpi"]100

面向对象方式二：

fig=plt.figure()

ax=fig.add_subplot(111)

注意，以下均以函数编程方式讲解，特殊地方可以调用plt.gca() 获得子图对象，按子图对象单独处理

2 通过调用plot函数在当前的绘图对象中进行绘图

plt.plot(years, price, 'b*')#,label="$cos(x^2)$")
plt.plot(years, price, 'r')
Note:
1. 第一句将x,y数组传递给plot
2.通过第三个参数"b--"指定曲线的颜色和线型，这个参数称为格式化参数，它能够通过一些易记的符号快速指定曲线的样式。其中b表示蓝色，"--"表示线型为虚线。
3. 用关键字参数指定各种属性：label : 给所绘制的曲线一个名字，此名字在图示/图例(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。color : 指定曲线的颜色linewidth : 指定曲线的宽度
具体参见【附录 - matplotlib中的作图参数】

3 设置绘图对象的各个属性：

plt.xlabel("years(+2000)") #设置X轴的文字
plt.ylabel("housing average price(*2000 yuan)")
plt.ylim(0, 15) #设置Y轴的范围
plt.title('line_regression & gradient decrease') #设置图表的标题

plt.legend() #显示图示

通过配置文件方式设置xlabel和ylabel显示的默认大小

import matplotlib
matplotlib.rc('xtick', labelsize=18)

matplotlib.rc('ytick', labelsize=18)

4.最后调用plt.show()显示出我们创建的所有绘图对象。

Matplotlib 里的常用类的包含关系为 Figure -> Axes -> (Line2D, Text, etc.)一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，可以理解为子图。

plt.show()

5. 清空plt绘制的内容

plt.cla()
plt.close(0)# 关闭图 0

plt.close('all') 关闭所有图

6. 图形保存和输出设置

可以调用plt.savefig()将当前的Figure对象保存成图像文件，图像格式由图像文件的扩展名决定。下面的程序将当前的图表保存为“test.png”，并且通过dpi参数指定图像的分辨率为 120，因此输出图像的宽度为“8X120 = 960”个像素。
plt.savefig("test.png",dpi=120)
也可以通过show()出来的图形界面手动保存和设置
matplotlib中绘制完成图形之后通过show()展示出来，我们还可以通过图形界面中的工具栏对其进行设置和保存
matplotlib修改图片大小：图形界面下方工具栏可以设置图形上下左右的边距
如果想在跑程序外部查看图片，可以这样：
plt.savefig('/tmp/1.png')
subprocess.run('xdg-open /tmp/1.png', shell=True)

7. 绘制多图表
如果需要同时绘制多幅图表，可以给figure()传递一个整数参数指定Figure对象的序号，如果序号所指定的Figure对象已经存在，将不创建新的对象，而只是让它成为当前的Figure对象。
import numpy as np
import matplotlib.pyplot as plt
plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(211) # 在图表2中创建子图1
ax2 = plt.subplot(212) # 在图表2中创建子图2
x = np.linspace(0, 3, 100)
for i in xrange(5):
plt.figure(1) #选择图表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1) #选择图表2的子图1
plt.plot(x, np.sin(i*x))
plt.sca(ax2) # 选择图表2的子图2
plt.plot(x, np.cos(i*x))

plt.show()

8. 绘制多子图

matplotlib.pyplot.subplots(2,3,5)

subplot将整个绘图区域等分为numRows行* numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。

9. Matplotlib中坐标轴设定:刻度线、刻度标签、坐标网格以及坐标轴标题:

刻度包括主刻度和副刻度，分别通过get_major_ticks()和get_minor_ticks()方法获得。

每个刻度线都是一个XTick或YTick对象，它包括实际的刻度线和刻度标签。

Axis 对象提供了 get_ticklabels()和get_ticklines()方法,可以直接获得刻度标签和刻度线。

plt.plot([1,2,3],[4,5,6])
plt.show()
axis = plt.gca().xaxis
axis.get_ticklocs()#获得axis对象的刻度位置列表 # array([ 1. , 1.5, 2. , 2.5, 3. ])
axis.get_ticklabels() # 获得刻度标签列表 # axis.get_ticklabels() # 获得刻度标签列表

[x.get_text() for x in axis.get_ticklabels()]# 获得刻度的文本字符串# [u'1.0', u'1.5', u'2.0', u'2.5', u'3.0‘] 获得X轴上表示主刻度线的列表，可看到X轴上共有10条刻度线

axis.get_ticklines() # 由于没有副刻度线，因此副刻度线列表的长度为0：

axis.get_ticklines(minor=True) # 获得副刻度线列表

plt.xticks(fontsize=16, color="red", rotation=45) # 使用pyplot模块中的xticks()能够完成X轴上刻度标签的配置：

10. 配置属性

matplotlib所绘制的图的每个组成部分都对应有一个对象，我们可以通过调用这些对象的属性设置方法set_*或者pyplot的属性设置函数setp设置其属性值。