Skip to content

Latest commit

 

History

History
425 lines (275 loc) · 128 KB

081.md

File metadata and controls

425 lines (275 loc) · 128 KB
Raw

Pyplot 教程

Matplotlib 简介

matplotlib 是一个 Python 的 2D 图形包。

在线文档：http://matplotlib.org ，提供了 Examples, FAQ, API, Gallery，其中 Gallery 是很有用的一个部分，因为它提供了各种画图方式的可视化，方便用户根据需求进行选择。

使用 Pyplot

导入相关的包：

In [1]:

import numpy as np
import matplotlib.pyplot as plt

matplotlib.pyplot 包含一系列类似 MATLAB 中绘图函数的相关函数。每个 matplotlib.pyplot 中的函数对当前的图像进行一些修改，例如：产生新的图像，在图像中产生新的绘图区域，在绘图区域中画线，给绘图加上标记，等等…… matplotlib.pyplot 会自动记住当前的图像和绘图区域，因此这些函数会直接作用在当前的图像上。

下文中，以 plt 作为 matplotlib.pyplot 的省略。

plt.show() 函数

默认情况下，matplotlib.pyplot 不会直接显示图像，只有调用 plt.show() 函数时，图像才会显示出来。

plt.show() 默认是在新窗口打开一幅图像，并且提供了对图像进行操作的按钮。

不过在 ipython 命令行中，我们可以使用 magic 命令将它插入 notebook 中，并且不需要调用 plt.show() 也可以显示：

  • %matplotlib notebook
  • %matplotlib inline

不过在实际写程序中，我们还是需要调用 plt.show() 函数将图像显示出来。

这里我们使图像输出在 notebook 中：

In [2]:

%matplotlib inline

plt.plot() 函数

例子

plt.plot() 函数可以用来绘图：

In [3]:

plt.plot([1,2,3,4])
plt.ylabel('some numbers')

plt.show()

基本用法

plot 函数基本的用法有以下四种：

默认参数

  • plt.plot(x,y)

指定参数

  • plt.plot(x,y, format_str)

默认参数，x 为 0~N-1

  • plt.plot(y)

指定参数，x 为 0~N-1

  • plt.plot(y, format_str)

因此，在上面的例子中，我们没有给定 x 的值，所以其默认值为 [0,1,2,3]。

传入 x 和 y：

In [4]:

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

Out[4]:

[<matplotlib.lines.Line2D at 0xa48a550>]

字符参数

和 MATLAB 中类似，我们还可以用字符来指定绘图的格式：

表示颜色的字符参数有：

字符 颜色
‘b’ 蓝色，blue
‘g’ 绿色，green
‘r’ 红色，red
‘c’ 青色，cyan
‘m’ 品红，magenta
‘y’ 黄色，yellow
‘k’ 黑色，black
‘w’ 白色，white

表示类型的字符参数有：

字符 类型 字符 类型
'-' 实线 '--' 虚线
'-.' 虚点线 ':' 点线
'.' 点 ',' 像素点
'o' 圆点 'v' 下三角点
'^' 上三角点 '<' 左三角点
'>' 右三角点 '1' 下三叉点
'2' 上三叉点 '3' 左三叉点
'4' 右三叉点 's' 正方点
'p' 五角点 '*' 星形点
'h' 六边形点1 'H' 六边形点2
'+' 加号点 'x' 乘号点
'D' 实心菱形点 'd' 瘦菱形点
'_' 横线点

例如我们要画出红色圆点：

In [5]:

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

可以看出，有两个点在图像的边缘，因此，我们需要改变轴的显示范围。

显示范围

与 MATLAB 类似，这里可以使用 axis 函数指定坐标轴显示的范围：

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

In [6]:

plt.plot([1,2,3,4], [1,4,9,16], 'ro')
# 指定 x 轴显示区域为 0-6，y 轴为 0-20
plt.axis([0,6,0,20])
plt.show()

传入 Numpy 数组

之前我们传给 plot 的参数都是列表，事实上，向 plot 中传入 numpy 数组是更常用的做法。事实上，如果传入的是列表，matplotlib 会在内部将它转化成数组再进行处理：

In [7]:

import numpy as np
import matplotlib.pyplot as plt

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', 
         t, t**2, 'bs', 
         t, t**3, 'g^')

plt.show()

传入多组数据

事实上，在上面的例子中，我们不仅仅向 plot 函数传入了数组，还传入了多组 (x,y,format_str) 参数，它们在同一张图上显示。

这意味着我们不需要使用多个 plot 函数来画多组数组，只需要可以将这些组合放到一个 plot 函数中去即可。

线条属性

之前提到，我们可以用字符串来控制线条的属性，事实上还可以通过关键词来改变线条的性质，例如 linwidth 可以改变线条的宽度，color 可以改变线条的颜色：

In [8]:

x = np.linspace(-np.pi,np.pi)
y = np.sin(x)

plt.plot(x, y, linewidth=2.0, color='r')

plt.show()

使用 plt.plot() 的返回值来设置线条属性

plot 函数返回一个 Line2D 对象组成的列表，每个对象代表输入的一对组合，例如：

  • line1, line2 为两个 Line2D 对象

    line1, line2 = plt.plot(x1, y1, x2, y2)

  • 返回 3 个 Line2D 对象组成的列表

    lines = plt.plot(x1, y1, x2, y2, x3, y3)

我们可以使用这个返回值来对线条属性进行设置：

In [9]:

# 加逗号 line 中得到的是 line2D 对象，不加逗号得到的是只有一个 line2D 对象的列表
line, = plt.plot(x, y, 'r-')

# 将抗锯齿关闭
line.set_antialiased(False)

plt.show()

plt.setp() 修改线条性质

更方便的做法是使用 plt 的 setp 函数：

In [10]:

lines = plt.plot(x, y)

# 使用键值对
plt.setp(lines, color='r', linewidth=2.0)

# 或者使用 MATLAB 风格的字符串对
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

plt.show()

可以设置的属性有很多，可以使用 plt.setp(lines) 查看 lines 可以设置的属性，各属性的含义可参考 matplotlib 的文档。

In [11]:

plt.setp(lines)
  agg_filter: unknown
  alpha: float (0.0 transparent through 1.0 opaque)         
  animated: [True | False]         
  antialiased or aa: [True | False]         
  axes: an :class:`~matplotlib.axes.Axes` instance         
  clip_box: a :class:`matplotlib.transforms.Bbox` instance         
  clip_on: [True | False]         
  clip_path: [ (:class:`~matplotlib.path.Path`,         :class:`~matplotlib.transforms.Transform`) |         :class:`~matplotlib.patches.Patch` | None ]         
  color or c: any matplotlib color         
  contains: a callable function         
  dash_capstyle: ['butt' | 'round' | 'projecting']         
  dash_joinstyle: ['miter' | 'round' | 'bevel']         
  dashes: sequence of on/off ink in points         
  drawstyle: ['default' | 'steps' | 'steps-pre' | 'steps-mid' |                   'steps-post']         
  figure: a :class:`matplotlib.figure.Figure` instance         
  fillstyle: ['full' | 'left' | 'right' | 'bottom' | 'top' | 'none']         
  gid: an id string         
  label: string or anything printable with '%s' conversion.         
  linestyle or ls: [``'-'`` | ``'--'`` | ``'-.'`` | ``':'`` | ``'None'`` |                   ``' '`` | ``''``]
  linewidth or lw: float value in points         
  lod: [True | False]         
  marker: :mod:`A valid marker style <matplotlib.markers>`
  markeredgecolor or mec: any matplotlib color         
  markeredgewidth or mew: float value in points         
  markerfacecolor or mfc: any matplotlib color         
  markerfacecoloralt or mfcalt: any matplotlib color         
  markersize or ms: float         
  markevery: [None | int | length-2 tuple of int | slice |         list/array of int | float | length-2 tuple of float]
  path_effects: unknown
  picker: float distance in points or callable pick function         ``fn(artist, event)``         
  pickradius: float distance in points         
  rasterized: [True | False | None]         
  sketch_params: unknown
  snap: unknown
  solid_capstyle: ['butt' | 'round' |  'projecting']         
  solid_joinstyle: ['miter' | 'round' | 'bevel']         
  transform: a :class:`matplotlib.transforms.Transform` instance         
  url: a url string         
  visible: [True | False]         
  xdata: 1D array         
  ydata: 1D array         
  zorder: any number

子图

figure() 函数会产生一个指定编号为 num 的图：

plt.figure(num)

这里，figure(1) 其实是可以省略的，因为默认情况下 plt 会自动产生一幅图像。

使用 subplot 可以在一副图中生成多个子图，其参数为：

plt.subplot(numrows, numcols, fignum)

当 numrows * numcols < 10 时，中间的逗号可以省略，因此 plt.subplot(211) 就相当于 plt.subplot(2,1,1)。

In [12]:

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(1)
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()

图形上加上文字

plt.hist() 可以用来画直方图。

In [13]:

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)

plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()

对于这幅图形，我们使用 xlabel ，ylabel，title，text 方法设置了文字，其中：

  • xlabel ：x 轴标注

  • ylabel ：y 轴标注

  • title ：图形标题

  • text ：在指定位置放入文字

输入特殊符号支持使用 Tex 语法，用 $<some Tex code>$ 隔开。

除了使用 text 在指定位置标上文字之外，还可以使用 annotate 函数进行注释，annotate 主要有两个参数：

  • xy ：注释位置
  • xytext ：注释文字位置

In [14]:

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),
            )

plt.ylim(-2,2)
plt.show()