pyplot的应用接口

本文主要介绍pyplot的应用接口 matplotlib.pyplot是一个函数集，可以让matplotlib像MATLAB一样工作，每一个pyplot函数都会让一个Figure对象产生一些变化，如创建一个画布（Figure），在Figrue上创建一个绘图区，在绘图区中画一些线条，给图形加标签等。

在matplotlib.pyplot中，对图形状态的保存贯穿函数的调用过程，所以它可以跟踪一些东西，如当前的Figure和绘图区域，绘图函数指向当前的axes（坐标系）——注意，这里的axes和大多数文档里提到的，指的是图形的坐标系部分，而不是数学意义上的多个坐标轴。

注意：隐式调用的bylot API通常比显式调用的API更简单一些。大多数你这里调用的方法也可以用Axes对象来调用。我们建议多浏览教程和示例来加深对它们如何工作的理解。

使用pyplot生成可视化效果非常快：

In [1]:

import matplotlib.pyplot as plt
plt.plot([1,2,3,4])
plt.ylabel('some numbers')
plt.show()

您也许会好奇，为什么x轴的取值范围是0到3,而y轴的取值范围是1到4。如果您提供了一个简单的list列表或array数组给plot，matplotlib就会认定那是一列y值，并会为您自动生成一系列的x值。由于Python的ranges从0开始，默认的x矢量值就会从0开始且与y具有相同的长度，也就是说，x的值是[0,1,2,3]。 plot是一个多用途函数，并且可以带着任意数量的参数。比如，要想同时画上x和y，您可以：

In [2]:

plt.plot([1,2,3,4],[1,4,9,16])

Out[2]:

[<matplotlib.lines.Line2D at 0xffff5e2f26a0>]

格式化您的plot风格

对于每一个x,y坐标参数，有第三个可选参数，即格式化字符，定义了图的颜色和线形，字符中的字母和符号来自于MATLAB，您可以联合颜色字符串和线形字符串，默认的字符串是“b-”，是一个蓝色的实线。如果您想让上图输出一个红点图，需要输入：

In [3]:

plt.plot([1,2,3,4],[1,4,9,16],'ro')
plt.axis([0,6,0,20])
plt.show()

查看完整的风格对应字符列表见plot文档。上面的axis方法取了一个[xmin,xmax,ymin,ymax]的参数列表，并在轴上显示出来。

如果matplotlib仅限于处理列表 ，那它对数据处理来说，真的很没用，通常，您会使用numpy数组，事实上，所有的列表在内部都转化成了numpy的数组了。下面的例子在用一个函数用不同的风络绘制了多条线。

In [4]:

import numpy as np
t = np.arange(0.,5.,0.2)
plt.plot(t,t,'r--',t,t**2,'bs',t,t**3,'g^')
plt.show()

使用关键字绘图

在一些特殊的例子里，有一些数据可以接收特殊的字符串做为变量。比如numpy.recarray或pandas.DataFrame。Matplotlib允许您提供这样一个对象：使用data关键字参数。如果您提供了，然后您就可以用字符串生成相应的图象。

In [5]:

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']) * 100

plt.scatter('a','b',c='c',s='d',data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()

用分类变量绘图

Matplotlib的很多函数允许您直接使用分类变量，如：

In [6]:

names = ['group_a','group_b','group_c']
values = [1,10,100]

plt.figure(figsize=(9,3))
plt.subplot(131)
plt.bar(names,values)

plt.subplot(132)
plt.scatter(names,values)

plt.subplot(133)
plt.plot(names,values)

plt.suptitle('Categorical Plotting')
plt.show()

对线型进行控制

线型有很多您可以控制的参数：线宽、点划、锯齿等，详细内容可以查matplotlib.lines.line2D，有几种方式可以设置线型。

• 使用关键字参数： plt.plot(x,y,linewidth=2.0)
• 使用对象实例的设置方法。plot返回一个Line2D的对象列表，比如，line1，line2 = plot（x1,y1,x2,y2）。在下面的代码中，我们假设我们只有一条线，我们使用tuple来解包line，来获得列表的元素。line, = plt.plot(x,y,'-') line.set_antialiased(False) #关闭锯齿
• 使用 setp。下面的这个例子使用了一个MATLAB风格的函数在一列里来设置多个参数，setp可以简明地处理一列对象或者一个对象，您既可以使用python的关键字参数也可以使用MATLAB风格的字符串/值对：lines = plt.plot(x1,y1,x2,y2) # 使用关键字参数 plt.setp(lines,color='r',linewidth=2.0) # 或者使用MATLAB风格的字符串/值对 plt.setp(lines,'color','r','linewidth',2.0)

这里是一些可用的Line2D的property。

要获取可设置特色的列表，请使用一行或多行参数来调用setp函数。

In [16]:

lines = plt.plot([1,2,3])
plt.setp(lines)

  agg_filter: a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array and two offsets from the bottom left corner of the image
  alpha: scalar or None
  animated: bool
  antialiased or aa: bool
  clip_box: `.Bbox`
  clip_on: bool
  clip_path: Patch or (Path, Transform) or None
  color or c: color
  dash_capstyle: `.CapStyle` or {'butt', 'projecting', 'round'}
  dash_joinstyle: `.JoinStyle` or {'miter', 'round', 'bevel'}
  dashes: sequence of floats (on/off ink in points) or (None, None)
  data: (2, N) array or two 1D arrays
  drawstyle or ds: {'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}, default: 'default'
  figure: `.Figure`
  fillstyle: {'full', 'left', 'right', 'bottom', 'top', 'none'}
  gid: str
  in_layout: bool
  label: object
  linestyle or ls: {'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
  linewidth or lw: float
  marker: marker style string, `~.path.Path` or `~.markers.MarkerStyle`
  markeredgecolor or mec: color
  markeredgewidth or mew: float
  markerfacecolor or mfc: color
  markerfacecoloralt or mfcalt: color
  markersize or ms: float
  markevery: None or int or (int, int) or slice or list[int] or float or (float, float) or list[bool]
  path_effects: `.AbstractPathEffect`
  picker: float or callable[[Artist, Event], tuple[bool, dict]]
  pickradius: float
  rasterized: bool
  sketch_params: (scale: float, length: float, randomness: float)
  snap: bool or None
  solid_capstyle: `.CapStyle` or {'butt', 'projecting', 'round'}
  solid_joinstyle: `.JoinStyle` or {'miter', 'round', 'bevel'}
  transform: `.Transform`
  url: str
  visible: bool
  xdata: 1D array
  ydata: 1D array
  zorder: float

您可以使用对齐参数horizontalalignment,verticalalignment,multialignment布局文本。horizontalalignment控制着x位置参数是指文本边界的左侧、中间还是右侧，vertialignment控制文本的y位置参数是文本边界框的底部、中心或顶部，multialignment仅用有换行分隔符的字符串，控制不同行的左对齐，居中对齐和右对齐。下面是一个使用text（）命令显示对齐情况的示例，代码中使用的transform=ax.transAxes表示坐标是相对于坐标系边界框给出的，（0，0）是轴的左下角，（1，1）是右上角。

In [21]:

import matplotlib.pyplot as plt
import matplotlib.patches as patches

left,width = .25,.5
bottom,height = .25,.5
right = bottom + height
top = bottom + height

fig = plt.figure()
ax = fig.add_axes([0,0,1,1])
p = patches.Rectangle(
    (left,bottom),width,height,
    fill = False,transform=ax.transAxes,clip_on=False)
ax.add_patch(p)

ax.text(left,bottom,'left top',
        horizontalalignment='left',
        verticalalignment='top',
        transform=ax.transAxes)
ax.text(left, bottom, 'left bottom',
        horizontalalignment='left',
        verticalalignment='bottom',
        transform=ax.transAxes)

ax.text(right, top, 'right bottom',
        horizontalalignment='right',
        verticalalignment='bottom',
        transform=ax.transAxes)

ax.text(right, top, 'right top',
        horizontalalignment='right',
        verticalalignment='top',
        transform=ax.transAxes)

ax.text(right, bottom, 'center top',
        horizontalalignment='center',
        verticalalignment='top',
        transform=ax.transAxes)

ax.text(left, 0.5*(bottom+top), 'right center',
        horizontalalignment='right',
        verticalalignment='center',
        rotation='vertical',
        transform=ax.transAxes)

ax.text(left, 0.5*(bottom+top), 'left center',
        horizontalalignment='left',
        verticalalignment='center',
        rotation='vertical',
        transform=ax.transAxes)

ax.text(0.5*(left+right), 0.5*(bottom+top), 'middle',
        horizontalalignment='center',
        verticalalignment='center',
        fontsize=20, color='red',
        transform=ax.transAxes)

ax.text(right, 0.5*(bottom+top), 'centered',
        horizontalalignment='center',
        verticalalignment='center',
        rotation='vertical',
        transform=ax.transAxes)

ax.text(left, top, 'rotated\nwith newlines',
        horizontalalignment='center',
        verticalalignment='center',
        rotation=45,
        transform=ax.transAxes)

# ax.set_axis_off()
plt.show()

多画板和坐标系

MATLAB，以及pyplot,是有一个当前画板和当前坐标系的概念。所有的画图方法支持当前的坐标系。方法gca返回当前坐标系（一个matplotlib.axes.Axes实例），gcf方法返回当前画板（一个matplotlib.figure.Figure实例）。正常来说，你不必关心这个事儿，因为那是在场景后台需要关心的。下面是一个创建两个子图的脚本。

In [8]:

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()
plt.subplot(211)
plt.plot(t1,f(t1),'bo',t2,f(t2),'k')

plt.subplot(212)
plt.plot(t2,np.cos(2*np.pi*t2),'r--')

plt.show()

这里调用的figure是可选的，因为一个figure对象将会在不存在的情况下被创建，就像是Axes被创建时一样（等同于显式创建subplot()）。调用subplot时参数有行数，列数，图号，图号多1开始排，总量是行数列数。当行数列数<10时，逗号可以省略。所以subplot(211)也就是subplot(2,1,1)。

您可以创建任意数量的子图和坐标系，如果您想要手动放置一个Axes，使用axes([left,bottom,width,height])函数，所有值的取值范围都是0-1，代表它与Figure的比值。

您可以使用多个figure方法来创建多个Figure。当前，每一个figure可以包含多少axes和子图，您说了算。

In [9]:

import matplotlib.pyplot as plt
plt.figure(1) # 第一个Figure
plt.subplot(211)
plt.plot([1,2,3])
plt.subplot(212)
plt.plot([4,5,6])

plt.figure(2) # 第二个Figure
plt.plot([4,5,6])

plt.figure(1)
plt.subplot(211)
plt.title('Easy')

Out[9]:

Text(0.5, 1.0, 'Easy')

您可以用clf来清除当前figure，也可以用cla来清除当前axes。如果您创建了很多个figure，您需要知道一件事儿，在figure显式的调用close方法之前，内存中的figure对象是不会被释放的。即使是删除它的所有引用，或用在窗口中关闭都不够，因为pyplot还在内部引用它。

关于文本

text方法被用于在任意位置添加文本，xlabel,ylabel和title被用于在指定位置添加文本。

In [13]:

mu,sigma = 100,15
x = mu + sigma*np.random.randn(10000)
n,bins,patches = plt.hist(x,50,density=True,facecolor='g',alpha=0.75) #数据直方图
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')

plt.text(60,0.025,r'$\mu=100,\ \sigma=15#39;) #位置是坐标系的坐标点
plt.axis([40,160,0,0.03]) # x,y轴的显示范围
plt.grid(True)
plt.show()

所有的text方法返回一个matplotlib.text,Text实例，您可以通过传入关键字参数来text来定制特性或者用setp也可以。 t = plt.xlabel('My data',fontsize=14,color='red')

在Text中使用数学表达式

plt.title(r'$\sigma_i=15#39;)

注释文本

上面基础的text方法可以放置到Axes的任意位置，文本的一个常见用途是注释绘图的某些特征，annotate方法提供了一些方便的功能。在一个注释里，需要考虑两点：由参数xy表示的注释位置和文本xytext的位置，这两个参数都是（x,y）元组。

In [14]:

ax = plt.subplot()
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))
plt.ylim(-2,2)
plt.show()

在这个示例里，不管xy（箭尖）和xytext（文本位置）都在数据坐标中。

对数轴和其他非线性轴

matplotlib.pyplot不仅支持线性轴刻度，还支持对数和逻辑回归刻度。如果数据跨越多个数量级，则通常使用此方法。更改轴的比例很简单： plt.xscal('log') 一个例子，四个图，用相同的数据，不同的y轴比例

In [15]:

# 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)
# Adjust the subplot layout, because the logit one may take more space
# 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()

In [ ]:

s