Python matplotlib（2D绘图库）

文章目录

matplotlib简介

matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当完备，并且Gallery页面 中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。

在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包可以调用gnuplot，但是语法比较不习惯，而且画图质量不高。而Matplotlib则比较强：Matlab的语法、python语言、latex的画图质量（还可以使用内嵌的latex引擎绘制的数学公式）。

Matplotlib 图像各个部分
（1）Figure：整个图像为一个Figure对象。一个Figure对象可以包含一个或者多个Axes子图。

（2）Axes：每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域。子图Axes可以用subplot()快速绘制。
各个对象关系可以梳理成以下内容：
图像中所有对象均来自于Artist的基类。

当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示Get Current Figure和Get Current Axes。

matplotlib.pyplot
matplotlib.pyplot(下面简写成plt)是一些命令行风格函数的集合，使matplotlib以类似于MATLAB的方式工作。每个plt函数对一幅图片(figure)做一些改动：比如创建新图片，在图片创建一个新的作图区域(plotting area)，在一个作图区域内画直线，给图添加标签(label)等。plt是有状态的，亦即它会保存当前图片和作图区域的状态，新的作图函数会作用在当前图片的状态基础之上。

plt可在图片上做的一些修改如下：
（1）plt.axis：坐标轴

plt.axis([0,6,0,20])
axis()函数接受形如[xmin,xmax,ymin,ymax]的参数，指定了X,Y轴坐标的范围。

（2）Tick:刻度线，Tick Label：刻度注释 plt.xticks(np.linspace(-1, 1, 5)) #x坐标为从-1到1平均分成五个点：-1，-0.5,0.5,1
（3）plt.xlabel,plt.ylabel：坐标轴标注
（4）plt.title：图像标题
plt.title(s, *args, **kwargs)
为当前图表添加标题，重要参数如下：
s：标题内容
fontdict：标题样式，是一个字典
loc：标题位置，可选 ‘centet’, ‘left’, ‘right’

(5)plt.legend():显示图例

坐标轴相关设置

plt.axis():坐标轴设置

函数
plt.axis(*v, **kwargs)

主要用于设置坐标轴的属性，返回值为当前的坐标轴范围 [xmin, xmax, ymin, ymax]，几种调用方式如下：

plt.xlim() 和 plt.ylim()：x和y轴数值范围

设置并返回 x 轴和 y 轴的数值范围，以 xlim() 为例说明调用方式：

plt.xlabel()和plt.ylabel:x轴及y轴的标签

函数
plt.xlabel(label, fontdict=None, labelpad=None, **kwargs)

plt.xticks()和plt.yticks():x轴及y轴刻度

plt.xticks(locs, [labels], **kwargs) # Set locations and labels
locs表示位置，labels决定这些位置上的标签，labels的默认值为和locs相同。

# --coding:utf-8--
import matplotlib.pyplot as plt

数据设置

x1 = [0, 5000, 10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000];
y1 = [0, 223, 488, 673, 870, 1027, 1193, 1407, 1609, 1791, 2113, 2388];

x2 = [0, 5000, 10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000];
y2 = [0, 214, 445, 627, 800, 956, 1090, 1281, 1489, 1625, 1896, 2151];

设置输出的图片大小

figsize = 7,5
figure, ax = plt.subplots(figsize=figsize)

在同一幅图片上画两条折线

A, = plt.plot(x1, y1, ‘-r’, label=‘A’, linewidth=5.0)
B, = plt.plot(x2, y2, ‘b-.’, label=‘B’, linewidth=5.0)

设置图例并且设置图例的字体及大小

font1 = {‘family’: ‘Times New Roman’,
‘weight’: ‘normal’,
‘size’: 23,
}
legend = plt.legend(handles=[A, B], prop=font1)

设置坐标刻度值的大小以及刻度值的字体

plt.tick_params(labelsize=23)
labels = ax.get_xticklabels() + ax.get_yticklabels()
[label.set_fontname(‘Times New Roman’) for label in labels]

设置横纵坐标的名称以及对应字体格式

font2 = {‘family’: ‘Times New Roman’,
‘weight’: ‘normal’,
‘size’: 30,
}
plt.xlabel(‘round’, font2)
plt.ylabel(‘value’, font2)

将文件保存至文件中并且画出图

plt.savefig(‘figure.eps’)
plt.show()

plt.figure()的使用

函数

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

重要参数

• num:图像编号或名称，数字为编号 ，字符串为名称
• figsize:指定figure的宽和高，单位为英寸；
• dpi:指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张
• facecolor:背景颜色
• edgecolor:边框颜色
• frameon:是否显示边框

例子1

import matplotlib.pyplot as plt
创建自定义图像
fig=plt.figure(figsize=(4,3),facecolor='blue')
plt.show()

subplot创建单个子图

matplotlib下, 一个 Figure 对象可以包含多个子图(Axes), 可以使用 subplot() 快速绘制, 其调用形式如下 :
subplot(nrows,ncols,sharex,sharey,subplot_kw,**fig_kw)

• 图表的整个绘图区域被分成 numRows 行和 numCols 列
• 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
• plotNum 参数指定创建的Axes对象所在的区域

例如，如果 numRows ＝ 2, numCols ＝ 2, 那整个绘制图表样式为 2X2 的图片区域, 用坐标表示为
(1, 1), (1, 2)
(2, 1), (2, 2)
这时, 当 plotNum ＝ 2时,表示的坐标为(1, 2), 即第一行第二列的子图

（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(222) 和 subplot(2,2,2) 是相同的。
（2）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。

示例1
规则划分成2*2的

import matplotlib.pyplot as plt

plt.figure()

绘制第一个图

plt.subplot(2, 2, 1)
plt.plot([0, 1], [0, 1])

绘制第二个图

plt.subplot(2, 2, 2)
plt.plot([0, 1], [0, 1])

绘制第三个图

plt.subplot(2, 2, 3)
plt.plot([0, 1], [0, 1])

绘制第四个图

plt.subplot(2, 2, 4)
plt.plot([0, 1], [0, 1])
a,b,c,d=plt.axis()
print(“a:”,a," b:",b," c:"," d:",d) #a: -0.05 b: 1.05 c: d: 1.05
plt.show()

不规则的

import matplotlib.pyplot as plt

plt.figure()

绘制第一个图

plt.subplot(2, 1, 1)
plt.plot([0, 1], [0, 1])

绘制第二个图

plt.subplot(2, 3, 4)
plt.plot([0, 1], [0, 1])

绘制第三个图

plt.subplot(2, 3, 5)
plt.plot([0, 1], [0, 1])

绘制第四个图

plt.subplot(2, 3, 6)
plt.plot([0, 1], [0, 1])
plt.show()

import matplotlib.pyplot as plt
import numpy as np

def f(t):
return np.exp(-t) * np.cos(2 * np.pi * t)

t1 = np.arange(0, 5, 0.1)
t2 = np.arange(0, 5, 0.02)

plt.figure(12)#12代表第几个figure（左上角）

分成2x2，占用第一个，即第一行第一列的子图

plt.subplot(221)
plt.plot(t1, f(t1), ‘bo’, t2, f(t2), ‘r–’)

分成2x2，占用第二个，即第一行第二列的子图

plt.subplot(222)
plt.plot(t2, np.cos(2 * np.pi * t2), ‘r–’)

将整个Figure，分成2x1，占用第二个，即第二行

plt.subplot(212)
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

plt.show()

subplots创建多个子图

subplots参数与subplots相似。两者都可以规划figure划分为n个子图，但每条subplot命令只会创建一个子图，而一条subplots就可以将所有子图创建好。subplots返回一个 Figure实例fig 和一个 AxesSubplot实例ax 。
fig, ax = plt.subplots()

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 100)

划分子图

fig, axes = plt.subplots(2, 2) #2行2列
ax1 = axes[0, 0]
ax2 = axes[0, 1]
ax3 = axes[1, 0]
ax4 = axes[1, 1]

作图1

ax1.plot(x, x)

作图2

ax2.plot(x, -x)

作图3

ax3.plot(x, x ** 2)
ax3.grid(color=‘r’, linestyle=’–’, linewidth=1, alpha=0.3)

作图4

ax4.plot(x, -2xx+2*x)
plt.savefig(“test.jpg”)
plt.show()

add_subplot与add_axes新增子图或区域

import matplotlib.pyplot as plt
import numpy as np

def f(t):
return np.exp(-t) * np.cos(2 * np.pi * t)

t1 = np.arange(0, 5, 0.1)
t2 = np.arange(0, 5, 0.02)
#使用add方式
fig=plt.figure(12)#12代表第几个figure（左上角）

分成2x2，占用第一个，即第一行第一列的子图

ax1=fig.add_subplot(221)
ax1.plot(t1, f(t1), ‘bo’, t2, f(t2), ‘r–’)

分成2x2，占用第二个，即第一行第二列的子图

ax2=fig.add_subplot(222)
ax2.plot(t2, np.cos(2 * np.pi * t2), ‘r–’)

将整个Figure，分成2x1，占用第二个，即第二行

ax3=fig.add_subplot(212)
ax3.plot([1, 2, 3, 4], [1, 4, 9, 16])

plt.show()

plt.legend:画图例

1.使用pyplot的方式
legend语法参数如下: matplotlib.pyplot.legend(*args,**kwargs)
一些重要参数如下：
(1)设置图例位置
使用loc参数
plt.legend(loc=‘lower left’)
有下面一些组合：
‘best’ : 0, (only implemented for axes legends)(自适应方式) ‘upper right’ : 1, ‘upper left’ : 2, ‘lower left’ : 3, ‘lower right’ : 4, ‘right’ : 5, ‘center left’ : 6, ‘center right’ : 7, ‘lower center’ : 8, ‘upper center’ : 9, ‘center’ : 10

(2)设置图例字体
#设置字体大小
fontsize: int or float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}

(3)设置图例边框及背景
plt.legend(loc=‘best’,frameon=False) #去掉图例边框
plt.legend(loc=‘best’,edgecolor=‘blue’) #设置图例边框颜色
plt.legend(loc=‘best’,facecolor=‘blue’) #设置图例背景颜色,若无边框,参数无效

(4)设置图例标题
plt.legend(loc=‘best’,title=‘figure 1 legend’)

2.使用面向对象的方式
(1)获取并设置legend图例

plt.legend(loc=0, numpoints=1)  
leg = plt.gca().get_legend() #或leg=ax.get_legend()  
ltext = leg.get_texts()  
plt.setp(ltext, fontsize=12,fontweight='bold') 

(2)设置图例

legend = ax.legend(loc='upper center', shadow=True, fontsize='x-large')  
legend.get_frame().set_facecolor('red')   #设置图例legend背景为红色  
frame = legend.get_frame()  
frame.set_alpha(1)  
frame.set_facecolor('none') #设置图例legend背景透明  

(3)移除图例
ax1.legend_.remove() ##移除子图ax1中的图例

示例1：显示多图例legend

import matplotlib.pyplot as plt
import numpy as np

x = np.random.uniform(-1, 1, 4)
y = np.random.uniform(-1, 1, 4)
p1, = plt.plot([1, 2, 3])
p2, = plt.plot([3, 2, 1])
l1 = plt.legend([p2, p1], [“line 2”, “line 1”], loc=‘upper left’)

p3 = plt.scatter(x[0:2], y[0:2], marker=‘D’, color=‘r’)
p4 = plt.scatter(x[2:], y[2:], marker=‘D’, color=‘g’)

This removes l1 from the axes.

plt.legend([p3, p4], [‘label’, ‘label1’], loc=‘lower right’, scatterpoints=1)

Add l1 as a separate artist to the axes

plt.gca().add_artist(l1)
plt.show()

示例2：

import matplotlib.pyplot as plt
#蓝线
line1, = plt.plot([1,2,3], label="Line 1", linestyle='--')
#橘黄色的线
line2, = plt.plot([3,2,1], label="Line 2", linewidth=4)
# 为第一个线条创建图例
first_legend = plt.legend(handles=[line1], loc=1)
# plt.gca(): 返回当前axes(matplotlib.axes.Axes)
# plt.gcf(): 返回当前figure(matplotlib.figure.Figure)
# plt.clf(): 清理当前figure
# plt.cla(): 清理当前axes
# plt.close(): 一副figure知道显示的调用close()时才会释放她所占用的资源;
# 手动将图例添加到当前轴域
ax = plt.gca().add_artist(first_legend)
# 为第二个线条创建另一个图例
plt.legend(handles=[line2], loc=4)
plt.show()

plt.plot：曲线图、折线图

plt.plot画图时可以设定线条参数。包括：颜色、线型、标记风格。

只提供一个列表或数组（Y向量）-缺省x
如果只提供给plot()函数一个列表或数组，matplotlib会认为这是一串Y值(Y向量)，并且自动生成X值(X向量)，x的默认值是：range(len(y))。

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

提供X,Y向量
也可以给plt.plot()函数传递多个序列(元组或列表)，每两个序列是一个X,Y向量对，在图中构成一条折线。

如果要显示的制定X轴的坐标，可以像如下一样：
plt.plot([1,2,3,4],[1,4,9,16])
形成点（1,1），（2,4），（3,9），（4,16）

控制线形（marker）和颜色

（1）线形，默认是实线solid-
    ``'-'``             solid line style
    ``'--'``            dashed line style
    ``'-.'``            dash-dot line style
    ``':'``             dotted line style
    
（2）点的形状：marker，默认为point .
    ``'.'``             point marker
    ``','``             pixel marker
    ``'o'``             circle marker
    ``'v'``             triangle_down marker
    ``'^'``             triangle_up marker
    ``'<'``             triangle_left marker
    ``'>'``             triangle_right marker
    ``'1'``             tri_down marker
    ``'2'``             tri_up marker
    ``'3'``             tri_left marker
    ``'4'``             tri_right marker
    ``'s'``             square marker
    ``'p'``             pentagon marker
    ``'*'``             star marker
    ``'h'``             hexagon1 marker
    ``'H'``             hexagon2 marker
    ``'+'``             plus marker
    ``'x'``             x marker
    ``'D'``             diamond marker
    ``'d'``             thin_diamond marker
    ``'|'``             vline marker
    ``'_'``             hline marker
    
（3）颜色对应如下,默认为蓝色b
    'b'         blue
    'g'         green
    'r'         red
    'c'         cyan
    'm'         magenta
    'y'         yellow
    'k'         black
    'w'         white

示例：
为了区分同一个图里的多条曲线，可以为每个X,Y向量对指定一个参数来标明该曲线的表现形式，默认的参数是’b-’，亦即蓝色的直线，如果想用红色的圆点来表示这条曲线，可以：

import matplotlib.pyplot as plt
plt.plot([1,2,3,4],[1,4,9,16],'ro')

matplotlib不仅仅可以使用序列(列表和元组)作为参数，还可以使用numpy数组。实际上，所有的序列都被内在的转化为numpy数组。同时plot函数还可以同时绘制多条线。

import numpy as np
import matplotlib.pyplot as plt
t=np.arange(0.,5.,0.2)
plt.plot(t,t,'r--',t,t**2,'bs',t,t**3,'g^')#绘制三条线，t**2表示t的平方，即每个元素的都平方
plt.show()

线条、marker、颜色可以无顺序任意组合

import numpy as np
import matplotlib.pyplot as plt
t=np.arange(0.,5.,0.2)
plt.plot(t,t,'r--*',t,t**2,'s--b',t,t**3,':g')#绘制三条线，t**2表示t的平方，即每个元素的都平方
plt.axis([0,6,0,20])
#axis()函数接受形如[xmin,xmax,ymin,ymax]的参数，指定了X,Y轴坐标的范围。
plt.show()

plt.scatter：散点图

语法：plt.scatter(x, y, s, c ,marker, alpha,…)

• x,y: x轴与y轴的数据,都是向量，而且必须长度相等
• s: 点的面积。想让所有点大小一样就填一个数字，想不一样就填一个向量
• c: 点的颜色。可填成RGB 三元数或颜色名称或由 RGB 三元数组成的三列矩阵或颜色向量

#不同颜色的点
cValue = ['r','y','g','b','r','y','g','b','r']
plt.scatter(x,y,c=cValue)

• marker: 点的形状
• alpha: 透明度。[0,1]：1不透明，0透明
• edgecolors：轮廓颜色。和c类似，参数也相同
• linewidths：线宽。标记边缘的宽度，默认是’face’

注意事项：
color、marker等不能同时作为一个参数，plt.scatter(x1, y1, ‘bo’, s=5)不合法。

示例1：

from numpy import *  
import matplotlib  
import matplotlib.pyplot as plt  
import numpy as np
x = random.rand(50,30)      #创建一个50行30列的多维数组(ndarray)
#basic  
f1 = plt.figure(1)          #创建显示图形输出的窗口对象
plt.subplot(211)            #创建子坐标系
#x[:,1]获取第二列作为一维数组，x[:,0]获取第一列作为一维数组
plt.scatter(x[:,1],x[:,0])  #画散点图

with label

plt.subplot(212) #c重新创建坐标系

#list(ones(20)) 创建1行20列的全为1列表
#list(2ones(15)) 创建1行15列全为2的列表
#list(3ones(15) 创建1行15列全为3的列表

label = list(ones(20))+list(2ones(15))+list(3ones(15)) #将列表合并到一起，共50列
label = array(label) #将列表转为数组

#15.0*label 将数组的每个值都乘以15.0
#x[:,1] 将x的第2列50行转为1行50列
#x[:,0] 将x的第1列50行转为1行50列

#x轴和y轴均50个点，两个Label都是1行50列的数组
#从第一个点到第20个点的样式相同，从第21到第35个点相同，从第36到第50个点相同
plt.scatter(x[:,1],x[:,0],15.0label,15.0label)

with legend

f2 = plt.figure(2) #创建显示图形输出的窗口对象
idx_1 = np.where(label==1) #找label中为1的位置

#画图 marker标识散点图样式 color标识颜色 label表示图例的解释 s表示散点的大小
p1 = plt.scatter(x[idx_1,1], x[idx_1,0], marker = ‘x’, color = ‘m’, label=‘1’, s = 30)
idx_2 = np.where(label==2) #找label中为2的位置

p2 = plt.scatter(x[idx_2,1], x[idx_2,0], marker = ‘+’, color = ‘c’, label=‘2’, s = 50)
idx_3 = np.where(label==3) #找label中为3的位置

p3 = plt.scatter(x[idx_3,1], x[idx_3,0], marker = ‘o’, color = ‘r’, label=‘3’, s = 15)
plt.legend(loc = ‘upper right’) #图例的位置

plt.show()