Matplotlib基本概念

---

一、import包

atplotlib包含有很多的模块，在具体使用的时候根据需要导入依赖的模块。通过将matplotlib包导入重命名为“mpl”，pyplot模块命名为“plt”，其中ticker为坐标轴刻度相关的模块。最基本的导入pyplot包即可。其他的包的使用在后续使用的时候逐一进行说明。

import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator, FormatStrFormatter

二、全局配置

设定坐标洗名称title，图例legend，坐标轴名称，刻度标签的字体大小，画布大小
large = 22; med = 16; small = 12
params = {'axes.titlesize': large,
          'legend.fontsize': med,
          'figure.figsize': (16, 10),
          'axes.labelsize': med,
          'axes.titlesize': med,
          'xtick.labelsize': med,
          'ytick.labelsize': med,
          'figure.titlesize': large}
#统一通过plt.rcParams设置
plt.rcParams.update(params)
#设置图的样式
plt.style.use('seaborn-whitegrid')
#设置中文字体
mpl.rcParams['font.family'] = ['Heiti TC']
# matplotlib具体作用是当调用matplotlib.pyplot的绘图函数plot()进行绘图的时候，或者生成一个figure画布的时候，可以直接在你的python console里面生成图像
%matplotlib inline

三 创建画布 figure

• 显示创建画布
  通过plt.figure()显示的创建画布，然后往画布中添加对应的坐标系

# 显示创建一个figure对象
figure = plt.figure()
#为创建的figer添加不同的坐标系，前两个参数2，1表明坐标系为2行1列的排版，最后一个参数表明为那个坐标系
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)

• 隐式创建画布：
  在执行plot()的时候首先会创建画布figure，在画布自动添加一个坐标系axes，然后根据plot()中的数据绘制对应的图像；

x = [1,2,3,4]
y = [2,4,6,8]
plt.plot(x,y)
plt.show()

在隐式创建的时候不需要关心画布和坐标系。隐式创建画布的时候，一个figure对象上，只能有一个axes坐标系，因此只能绘制一个图形。

1、plot函数使用：

函数说明

通常plot()函数有如下两种参数的调用形式：
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs)
参数：

• x: x轴数据
• y: y轴数据
• fmt：fmt=‘[marker][line][color]’ 表明图表的基本属性： 颜色(color)、点型(marker)、线型(linestyle)
• data：可索引的数据，类似dataframe对象，可选参数
• kwargs：指定透明度，线条的宽度，标签等等一系列的参数

具体详可以在官网中查询：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html?highlight=plot#matplotlib.pyplot.plot
除了plot函数外，针对不同的图形有专门的函数进行绘制。具体在后面会逐个进行介绍。

2、坐标轴范围

同时设置x,y两轴的范围

• 函数
  plt.axis([xmin, xmax, ymin, ymax])
• 示例

---

# 导入模块
import matplotlib.pyplot as plt
import numpy as np
# 生成数据
x = np.linspace(-8, 8, 80)
y = x*3

plt.plot(x, y)
# 设置轴的范围
plt.axis([-5, 5, -20, 20])

plt.show()

分别设置两轴的范围

• xlim(*args, **kwargs)
  设置和获取对应X坐标轴的范围

left, right = xlim()  # return the current xlim
xlim((left, right))   # set the xlim to left, right
xlim(left, right)     # set the xlim to left, right

等价于坐标系设定set_xlim()
axes.set_xlim(left, right)

• ylim(*args, **kwargs)
  设置和获取对应Y坐标轴的范围

bottom, top = ylim()  # return the current ylim
ylim((bottom, top))   # set the ylim to bottom, top
ylim(bottom, top)     # set the ylim to bottom, top

等价于坐标系设定set_ylim()
axes.set_ylim(bottom, top)

• 示例：

# 导入模块
import matplotlib.pyplot as plt
import numpy as np
# 生成数据
x = np.linspace(-8, 8, 80)
y = x*3

plt.plot(x, y)
# 设置轴的范围
plt.xlim(-5,5)
plt.ylim(-16,16)

plt.show()

3、 刻度设置：

普通刻度

• 函数：
  x轴的刻度：plt.xticks(item)
  y轴的刻度：plt.yticks(item)
• 示例：

# 导入模块
import matplotlib.pyplot as plt
import numpy as np
# 生成数据
x = np.linspace(-8, 8, 80)
y = x*3

plt.plot(x, y)
# 设置轴的范围
plt.xticks(np.arange(-5,5,1))
plt.yticks([-15,-5,3,9,15])

plt.show()

4、 添加文本的刻度

plt.xticks([‘数据’], [“标签”]) 设置刻度的基础上，在添加一个列表，来显示刻度

主次刻度设置

需要导入：from matplotlib.ticker import MultipleLocator, FormatStrFormatter

• 主刻度:（x，y轴相同）
  倍数：ax.xaxis.set_major_locator(MultipleLocator(倍数))
  文本格式：ax.xaxis.set_major_formatter(FormatStrFormatter(‘%占位数.小数点数f’))
• 副刻度：（x，y轴相同，将"major"改为"minor"即可）
  倍数：ax.xaxis.set_minor_locator(MultipleLocator(倍数))
  文本格式：ax.xaxis.set_minor_formatter(FormatStrFormatter(‘%占位数.小数点数f’))

# 导入模块
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
'''
生成数据
'''
x = np.linspace(-40, 40)
y = x*3
plt.plot(x, y)

ax = plt.gca()

'''
设置轴的主刻度
'''
ax.xaxis.set_major_locator(MultipleLocator(20))  # 设置20倍数
ax.xaxis.set_major_formatter(FormatStrFormatter('%2.1f'))  # 设置文本格式
ax.yaxis.set_major_locator(MultipleLocator(50))  # 设置50倍数
ax.yaxis.set_major_formatter(FormatStrFormatter('%2.2f'))  # 设置文本格式

'''
设置轴的副刻度
'''
ax.xaxis.set_minor_locator(MultipleLocator(10))  # 设置10倍数
ax.xaxis.set_minor_formatter(FormatStrFormatter('%2.1f'))  # 设置文本格式
ax.yaxis.set_minor_locator(MultipleLocator(25))  # 设置25倍数
ax.yaxis.set_minor_formatter(FormatStrFormatter('%1.0f'))  # 设置文本格式
ax.tick_params(which='minor', width=1, labelsize=10,bottom=True)
ax.tick_params(which='minor', length=2, labelsize=10, labelcolor='0.25')
plt.show()

5、图例

在plot()的时候增加labe添加文本内容，通过legend()显示出来。
示例：

import matplotlib.pyplot as plt
import numpy as np
'''
生成数据
'''
x = np.linspace(-8, 8, 80)
y = x*3

plt.plot(x, y,label="x*3")
plt.plot(x, y*1.5,label="x*4.5")
plt.legend(loc='lower right')
plt.show()

6、spines设置

• 属性：

函数	说明	默认值
set_visible(bool)	边框的可见性	True
ax.xaxis.set_ticks_position({“top”,“left”……})	刻度的显示位置	外面(不是ax.spines[’ '].)
set_position({“top”,“left”……}）	边框的位置	左下角为交点
set_color(string)	边框的颜色	“black"（当值为None也是隐藏）
set_linewidth(int)	边框的宽度	1
set_linestyle(string)	边框的线性	”-“

• 箭头
  导入axisartist
  import mpl_toolkits.axisartist as axisartist

1、隐藏原有的边框坐标系
2、创建新的坐标系，添加箭头
3、创建新的坐标系时ax.new_floating_axis(0, 0)第一个参数：0表示横线，1表示竖线，第二个参数：表示经过那个坐标点。

import matplotlib.pyplot as plt
import numpy as np
import mpl_toolkits.axisartist as axisartist
# 生成数据
x = np.linspace(-10, 10, 80)
y = x*3

plt.plot(x, y)


ax = plt.gca()

'''
使用ax.spines[]选定边框，使用set_color()将选定的边框的颜色设为 none
'''
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

'''
移动坐标轴，将bottom即x坐标轴移动到y=0的位置
ax.xaixs为x轴，set_ticks_position()用于从上下左右(top/bottom/left/right)四条脊柱中选择一个作为x轴
使用set_position()设置边框位置：y=0的位置。位置的所有属性包括:outward、axes、data
'''
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))

'''
将left 即y坐标轴设置到x=0的位置
'''
ax.yaxis.set_ticks_position('left')  # 选定y轴
ax.spines['left'].set_position(('data', 0))


'''
不显示网格
'''
plt.grid( None)
plt.show()

7、多图的处理

• subplot()
  plt.subplot(m,n,p)m和n代表在一个图像窗口中显示m行n列个图像，也就是整个figure中有n个图是排成一行的，一共m行，后面的p代表现在选定第p个图像区域，即在第p个区域作图

import matplotlib.pyplot as plt
fig=plt.figure()
'''
子图1 第1行第1列
'''
ax1=fig.add_subplot(221) #2*2的图形 在第一个位置
ax1.text(0.5,0.5, 'one',ha='center',va='center',size=20,alpha=.5)
'''
子图2 第1行第2列
'''
ax2=fig.add_subplot(222)
ax2.text(0.5,0.5, 'one',ha='center',va='center',size=20,alpha=.5)
'''
子图3 第2行第1列
'''
ax3=fig.add_subplot(223)
ax3.text(0.5,0.5, 'one',ha='center',va='center',size=20,alpha=.5)
'''
子图4 第2行第2列
'''
ax4=fig.add_subplot(224)
ax4.text(0.5,0.5, 'one',ha='center',va='center',size=20,alpha=.5)
plt.show()

8、 常用的对象：

• figure 画布
• axes 坐标系，一个画布上可以有多个坐标系
• axis 坐标轴，一个坐标系中可以有多个坐标轴，一般都是二维平面坐标系，或者三维立体坐标系
• title 标题
• legend 图例
• grid 背景网格
• tick 刻度
• axis label 坐标轴名称
• tick label 刻度名称
  • major tick label 主刻度标签
  • minor tick label 副刻度标签
• line 线
• style 线条样式
• marker 点标记
• font 字体相关

---

总结

`本文仅仅简单介绍了Matplotlib在绘图中经常使用到的函数，而matplotlib中具体每种图表的制作，在后续的文章中逐一进行详细的介绍。