当前位置：首页 > news >正文

matplotlib 文档：Pyplot tutorial

news 2024/5/20 6:54:17

Pyplot tutorial

对pyplot 接口的介绍

简介

matplotlib.pyplot 是一堆函数的集成，让matplotlib 像MATLAB 一样使用。创建画布，画线，装饰啥的。

但是 pyplot API 没有面向对象的API 灵活。

import matplotlib.pyplot as plt
plt.plot([1,2,3,4])      # 生成一个可视化的图是非常容易的
plt.ylabel('some data')
plt.show()# 注意一下坐标轴，当只传入一个列表或数组，matplotlib就认为这是y 值得序列，然后自动生成x 的值。
# 生成的x 的值是从0开始的，所以 y 1-4 x 0-3 
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

格式化绘图

除了 x,y 两个参数，还有格式化字符串这个参数，来表示颜色和绘制的线的种类。默认是 ‘b-’ ，蓝色的实线。更多格式，，这些函数的参数也太多了。。。

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')    # 红点
plt.axis([0, 6, 0, 20])    # 这个函数指定了两个坐标的可视化范围
plt.show()import numpy as np
t = np.arange(0., 5., 0.2)    # 传入列表再内部也会转换成数组。# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')    # 不同格式再一个函数里画
plt.show()

在这里插入图片描述

# 用关键字绘图
data = {'a': np.arange(50),'c': np.random.randint(0, 50, 50),'d': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100plt.scatter('a', 'b', c='c', s='d', data=data)   # 指定了data 这个参数
plt.xlabel('entry a')              # 就可以使用相关联的字符串
plt.ylabel('entry b')			# c 颜色， s 标记点的大小
plt.show()

用分类数据绘图

names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]plt.figure(figsize=(9, 3))plt.subplot(131)
plt.bar(names, values)    # 条形图
plt.subplot(132) 
plt.scatter(names, values)   # 散点图
plt.subplot(133)
plt.plot(names, values)     # 折线图
plt.suptitle('Categorical Plotting') 
plt.show()

在这里插入图片描述

控制线的属性

宽度，样式，抗锯齿等，设置方法：

plt.plot(x,y, linewidth = 2.0) 通过关键字参数
line, = plt.plot(x, y, '-'); line.set_antialiased(False) # turn off 抗锯齿 通过Line2D 对象的set 方法，plot 返回的是 Line2D 对象的列表。
setp 方法

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)

一下就是可用的 Line2D 属性：

Property	Value Type
alpha	float
animated	[True \| False]
antialiased or aa	[True \| False]
clip_box	a matplotlib.transform.Bbox instance
clip_on	[True \| False]
clip_path	a Path instance and a Transform instance, a Patch
color or c	any matplotlib color
contains	the hit testing function
dash_capstyle	[`'butt'` \| `'round'` \| `'projecting'`]
dash_joinstyle	[`'miter'` \| `'round'` \| `'bevel'`]
dashes	sequence of on/off ink in points
data	(np.array xdata, np.array ydata)
figure	a matplotlib.figure.Figure instance
label	any string
linestyle or ls	[ `'-'` \| `'--'` \| `'-.'` \| `':'` \| `'steps'` \| …]
linewidth or lw	float value in points
marker	[ `'+'` \| `','` \| `'.'` \| `'1'` \| `'2'` \| `'3'` \| `'4'` ]
markeredgecolor or mec	any matplotlib color
markeredgewidth or mew	float value in points
markerfacecolor or mfc	any matplotlib color
markersize or ms	float
markevery	[ None \| integer \| (startind, stride) ]
picker	used in interactive line selection
pickradius	the line pick selection radius
solid_capstyle	[`'butt'` \| `'round'` \| `'projecting'`]
solid_joinstyle	[`'miter'`\| `'round'` \| `'bevel'`]
transform	a matplotlib.transforms.Transform instance
visible	[True \| False]
xdata	np.array
ydata	np.array
zorder	any number

lines = plt.plot([1, 2, 3])
plt.step(lines)     # 获取可设置的线的属性列表（不是这个对象的取值）。。蛮方便的啊

使用多个图形和轴

绘图中，所有的函数都是i针对当前的图和轴，可以使用 Axes.gca 得到当前的轴， gcf 得到当前的图，一般不用管，交给后台就行

def f(t):return np.exp(-t) * np.cos(2*np.pi*t)t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)plt.figure()    # 也可以不用这个，因为figure(1) 会默认创建。
plt.subplot(211)     # 选择绘制的子图，两行一列第一个
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')plt.subplot(212)   # 也可以写成( 2, 1, 2)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()# 也可以创建多个 figure
import matplotlib.pyplot as plt
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 defaultplt.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 pyplot.clf() or cla() 来清除当前的 figure 和 axes。如果你制作了大量的图形，注意再图形通过 close() 关闭前，其内存是不会释放的 matplotlib.pyplot.close(fig=None)

文本

text 可用添加再任意位置，xlabel ylabel title 可用给指定位置增加文本

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)# 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'$\mu=100,\ \sigma=15$')   # 支持 TeX 方程表达式
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()# 这些文本函数都是 text.Text 实例，可用定义属性
t = plt.xlabel('my data', fontsize=14, color='red')  # or setp()

标记文本

使用 annotate 方法来标注文本，有两个位置标志位置 (x,y) 和文本位置 (xtext, ytext)。

ax = plt.subplot(111)t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),arrowprops=dict(facecolor='black', shrink=0.05),   # 箭头格式)plt.ylim(-2, 2)
plt.show()

在这里插入图片描述

对数和其他非线性轴

不仅支持线性轴刻度，也支持对数和 log 的刻度，如果数据跨越很多数量级，就可以改变轴的比率。plt.xscale(‘log’)

# Fixing random state for reproducibility
np.random.seed(19680801)# make up some data in the open interval (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))# plot with various axes scales
plt.figure()# 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', linthresh=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)
# 调整子图布局，因为logit可能会占用更多空间
# 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()