matplotlib_basis

基本绘图

提供一对相同长度的数组,然后使用plot()绘制曲线.

如果想绘制特别的曲线,有以下修饰

颜色	描述	标记	描述	线条	描述
‘b’	蓝色	‘.’	点标记	‘-‘	实线
‘g’	绿色	‘o’	圆圈标记	‘–’	虚线
‘r’	红色	‘x’	x标记	‘-.’	点划线
‘c’	青色	‘D’	钻石标记	‘:’	虚线
‘m’	品红色	‘H’	六角标记
‘y’	黄色	‘s’	正方形标记
‘k’	黑色	‘+’	加号标记
‘w’	白色

如果想在同一幅图里面绘制多条曲线,只需使用多条plot指令即可.如果您想清除图像，直接在程序末尾调用 clf() 方法即可。

figure对象

通过面向对象的思想,将图形封装为图形对象,就能更好的处理控制多个画布.Matplotlib 提供了matplotlib.figure图形类模块，它包含了创建图形对象的方法。通过调用 pyplot 模块中 figure() 函数来实例化 figure 对象。

参数	说明
figsize	指定画布的大小，(宽度,高度)，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，默认值为80。
facecolor	背景颜色。
dgecolor	边框颜色。
frameon	是否显示边框。

创建画布的步骤如下;

from matplotlib import plot as plt
fig = plt.figure() ## 实例化figure对象
ax=fig.add_axes([0,0,1,1]) ## 添加axes域到画布,这样ax就是我们的画布了

add_axes() 的参数值是一个序列，序列中的 4 个数字分别对应图形的左侧，底部，宽度，和高度，且每个数字必须介于 0 到 1 之间。

ax.set_title("sine wave") ##设置标题
ax.set_xlabel('angle') ##设置x轴标签
ax.set_ylabel('sine') ##设置y轴标签

axes类使用详解

Matplotlib 定义了一个 axes 类（轴域类），该类的对象被称为 axes 对象（即轴域对象），它指定了一个有数值范围限制的绘图区域。在一个给定的画布（figure）中可以包含多个 axes 对象，但是同一个 axes 对象只能在一个画布中使用。

也就是说一个figure里面能有多个axes对象,每个对象是一幅图,但是一个axes对象只能隶属一个figure画布.

通过调用 add_axes() 方法能够将 axes 对象添加到画布中，该方法用来生成一个 axes 轴域对象，对象的位置由参数rect决定。

rect 是位置参数，接受一个由 4 个元素组成的浮点数列表，形如 [left, bottom, width, height] ，它表示添加到画布中的矩形区域的左下角坐标(x, y)，以及宽度和高度。(每个参数都是相对于画布的分数,是相对距离)

ax=fig.add_axes([0.1,0.1,0.8,0.8])##表示从画布10%开始画,高与宽是画布的80%

legend()绘制图例

axes 类的 legend() 方法负责绘制画布中的图例，它需要三个参数

ax.legend(handles, labels, loc)

handles:是一个序列,包含了所有线的实例
labels:指定标签名称,也可以在plot的时候,直接命名label
loc:指定图例位置

位置	字符串表示	整数数字表示
自适应	Best	0
右上方	upper right	1
左上方	upper left	2
左下	lower left	3
右下	lower right	4
右侧	right	5
居中靠左	center left	6
居中靠右	center right	7
底部居中	lower center	8
上部居中	upper center	9
中部	center	10

axes.plot()方法

这是axes的基本方法,将一个数组和另一个数组汇成线,其修饰符和plot方法类似

颜色	描述	标记	描述	线条	描述
‘b’	蓝色	‘.’	点标记	‘-‘	实线
‘g’	绿色	‘o’	圆圈标记	‘–’	虚线
‘r’	红色	‘x’	x标记	‘-.’	点划线
‘c’	青色	‘D’	钻石标记	‘:’	虚线
‘m’	品红色	‘H’	六角标记
‘y’	黄色	‘s’	正方形标记
‘k’	黑色	‘+’	加号标记
‘w’	白色

axes.grid()设置网格格式

rid() 方法可以开启或者关闭画布中的网格（即是否显示网格）以及网格的主/次刻度。除此之外，grid() 函数还可以设置网格的颜色、线型以及线宽等属性。网格在默认状态下是关闭的，通过调用上述函数，网格会被自动开启，如果只是想开启不带任何样式的网格，可以通过 grid(True) 来实现。

grid(color, ls, lw)

color:网格线的颜色
ls:网格线的样式
lw:网格线的宽度

设置坐标轴格式

有时候不同的函数关系,x和y的刻度不应该相同,所以需要通过scale属性设置.

轴是连接刻度的线，也就是绘图区域的边界，在绘图区域（axes 对象）的顶部、底部、左侧和右侧都有一个边界线（轴）。通过指定轴的颜色和宽度，从而对进行显示格式设置，比如将所有轴的颜色设置为 None，那么它们都会成为隐藏状态，或者也可以给轴添加相应的颜色。

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_axes([0,0,1,1])
#为左侧轴，底部轴添加颜色
ax.spines['bottom'].set_color('blue')
ax.spines['left'].set_color('red')
ax.spines['left'].set_linewidth(2)
#将侧轴、顶部轴设置为None
ax.spines['right'].set_color(None)
ax.spines['top'].set_color(None)
ax.plot([1,2,3,4,5])
plt.show()

设置坐标轴范围

Matplotlib 可以根据自变量与因变量的取值范围，自动设置 x 轴与 y 轴的数值大小。当然，您也可以用自定义的方式，通过 set_xlim() 和 set_ylim() 对 x、y 轴的数值范围进行设置。当对 3D 图像进行设置的时，会增加一个 z 轴，此时使用 set_zlim() 可以对 z 轴进行设置。

示例如下:

import matplotlib.pyplot as plt
import numpy as npy

##生成画布
fig = plt.figure()
ax1 = fig.add_axes([0,0,0.5,0.5])
##自变量生成
x = npy.linspace(0,2*npy.pi,100)
##绘图区域生成
ax1.plot(x,npy.cos(x),'r--',label='cos')
ax1.legend()
##设置y轴取值范围
ax1.set_ylim(-npy.pi,npy.pi)
plt.show()

设置刻度和刻度标签

如果需要将刻度设置为“英文数字形式”或者“大写阿拉伯数字”，自带的刻度就需要自己重新设置。

xticks() 和 yticks() 函数接受一个列表对象作为参数，列表中的元素表示对应数轴上要显示的刻度。如:

ax.set_xticks([2,4,6,8,10])

也可以分别通过 set_xticklabels() 和 set_yticklabels() 函数设置与刻度线相对应的刻度标签。

import matplotlib.pyplot as plt
import numpy as npy

##生成画布对象
fig = plt.figure()
#添加绘图区域
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
y = npy.cos(x)
ax.plot(x, y)
#设置x轴标签
ax.set_xlabel(‘angle’)
ax.set_title('sin')
ax.set_xticks([0,2,4,6])
#设置x轴刻度标签
ax.set_xticklabels(['zero','two','four','six'])
#设置y轴刻度
ax.set_yticks([-1,0,1])
plt.show()

subplot()函数

matplotlib.pyplot模块提供了一个 subplot() 函数，它可以均等地划分画布，该函数的参数格式如下：

plt.subplot(nrows, ncols, index)

subplot如果出现了图像重叠,那么之前的那幅图就会被消除,但是,如果使用figure对象的add_subplot方法就不会被消除,而是两幅图重叠一起.

通过给figure画布创建多个axes对象也能做到subplot的效果.

subplots()函数

subplots() 函数和 subplot() 函数类似。其不同之处在于，subplots() 既创建了一个包含子图区域的画布，又创建了一个 figure 图形对象，而 subplot() 只是创建一个包含子图区域的画布。
格式如下

fig , ax = plt.subplots(nrows, ncols)

实例:

import matplotlib.pyplot as plt
fig,a =  plt.subplots(2,2)
import numpy as np
x = np.arange(1,5)
#绘制平方函数
a[0][0].plot(x,x*x)
a[0][0].set_title('square')
#绘制平方根图像
a[0][1].plot(x,np.sqrt(x))
a[0][1].set_title('square root')
#绘制指数函数
a[1][0].plot(x,np.exp(x))
a[1][0].set_title('exp')
#绘制对数函数
a[1][1].plot(x,np.log10(x))
a[1][1].set_title('log')
plt.show()

subplot2grid()函数

subplot2grid()能够在画布的特定位置创建 axes 对象（即绘图区域）。不仅如此，它还可以使用不同数量的行、列来创建跨度不同的绘图区域。与 subplot() 和 subplots() 函数不同，subplot2gird() 函数以非等分的形式对画布进行切分，并按照绘图区域的大小来展示最终绘图结果。

plt.subplot2grid(shape, location, rowspan, colspan)

shape：把该参数值规定的网格区域作为绘图区域；
location：在给定的位置绘制图形，初始位置 (0,0) 表示第1行第1列；

rowsapan/colspan：这两个参数用来设置让子区跨越几行几列。

import matplotlib.pyplot as plt
import numpy as np

#使用 colspan指定列，使用rowspan指定行
a1 = plt.subplot2grid((3,3),(0,0),colspan = 2)
a2 = plt.subplot2grid((3,3),(0,2), rowspan = 3)
a3 = plt.subplot2grid((3,3),(1,0),rowspan = 2, colspan = 2)
x = np.arange(1,10)
a2.plot(x, x*x)
a2.set_title('square')
a1.plot(x, np.exp(x))
a1.set_title('exp')
a3.plot(x, np.log(x))
a3.set_title('log')
plt.tight_layout()
plt.show()

双轴图

在需要两个x轴或者两个y轴的情况下,可以使用Matplotlib提供的twinx()和twiny()函数,实现双轴功能.
绘制指数函数和对数函数的示例如下:

import matplotlib.pyplot as plt
import numpy as npy

## 布置画布
fig = plt.figure()
ax1 = fig.add_axes([0,0,1,1])
## 准备自变量x
x = npy.linspace(-5,1,200)
## 绘制指数函数
ax1.plot(x,npy.exp(x),'r',label='exp')
ax1.set_ylabel('exp')
ax1.legend()
## 绘制对数函数
ax2 = ax1.twiny()
ax2.plot(x[x>0],npy.log(x[x>0]),'b--',label='log')
ax2.set_ylabel('log')
ax2.legend()
plt.show()

柱状图

Matplotlib 提供了bar()函数来绘制柱状图。当它与 axes 对象一起使用时，其语法格式如下：

ax.bar(x, height, width, bottom, align)

x:标量,代表x坐标
height:标量序列,表示柱状图高度
width:可选参数,表示柱状图宽度
bottom:表示柱状图开始堆叠的起始值
align:有两个可选项 {“center”,”edge”}，默认为 ‘center’，该参数决定 x 值位于柱状图的位置。

直方图

语法格式:

hist(x,bins,range,density,histtype)

x:数组或者数组序列
bins:可选参数,整数或者序列，表示每一个间隔的边缘（起点和终点）默认会生成10个间隔。
range:指定全局间隔的下限与上限值 (min,max)，元组类型，默认值为 None。
density:如果为 True，返回概率密度直方图；默认为 False，返回相应区间元素的个数的直方图。
histtype:要绘制的直方图类型，默认值为“bar”，可选值有 barstacked(堆叠条形图)、step(未填充的阶梯图)、stepfilled(已填充的阶梯图)。

饼状图

Matplotlib 提供了一个 pie() 函数，该函数可以生成数组中数据的饼状图。您可使用 x/sum(x) 来计算各个扇形区域占饼图总和的百分比。pie() 函数的参数说明如下：

pie(x,labels,color,autopct)

x:数组
labels:字符串序列,给每一个扇形区域备注一个名字
color:为每个扇形区域设置颜色,默认按照颜色周期填充
autopct: 格式化字符串”fmt%pct”，使用百分比的格式设置每个扇形
区的标签，并将其放置在扇形区内。

折线图

matplotlib里面没有绘制折线图的函数,但是可以通过调用text()的方法在图像上绘制注释文本的方法,示例如下:

import matplotlib.pyplot as plt

#准备绘制数据
x = ["Mon", "Tues", "Wed", "Thur", "Fri","Sat","Sun"]
y = [20, 40, 35, 55, 42, 80, 50]
# "g" 表示红色，marksize用来设置'D'菱形的大小
plt.plot(x, y, "g", marker='D', markersize=5, label="周活")
#绘制坐标轴标签
plt.xlabel("登录时间")
plt.ylabel("用户活跃度")
plt.title("C语言中文网活跃度")
#显示图例
plt.legend(loc="lower right")
#调用 text()在图像上绘制注释文本
#x1、y1表示文本所处坐标位置，ha参数控制水平对齐方式, va控制垂直对齐方式，str(y1)表示要绘制的文本
for x1, y1 in zip(x, y):
    plt.text(x1, y1, str(y1), ha='center', va='bottom', fontsize=10)
#保存图片
plt.savefig("1.jpg")
plt.show()

散点图

散点图的语法规范:

scatter(x, y, color)

x:自变量
y:因变量
color:点的颜色

等高线图

如果您想要查看因变量 Z 与自变量 X、Y 之间的函数图像变化（即 Z=f(X,Y)），那么采用等高线图最为直观。

numpy里面有函数meshgrid构建网格点矩阵.

在matplotlob API里面提供了绘制等高线（contour）与填充等高线（ contourf）的函数。这两个函数都需要三个参数，分别是 X、Y 与 Z。

示例:

import matplotlib.pyplot as plt
import numpy as npy

## 构建500*500的网格
x = npy.linspace(-10,10,500)
y = npy.linspace(-10,10,500)
X,Y = npy.meshgrid(x,y)
## 构建画布
fig = plt.figure()
ax1 = fig.add_axes([0,0,1,1,])
## 构建函数
Z = npy.log(X**2+Y**2+100)
## 构建等高线
cp = ax1.contourf(X,Y,Z)
fig.colorbar(cp) ##添加颜色柱
ax1.set_title('Test')
ax1.set_ylabel('Y')
ax1.set_xlabel('X')
## 画等高线
plt.show()

3D绘图

通过调用matplotlib的绘图工具包mpl_toolkits.mplot3d的一些接口可以实现绘制3D图形.

基础绘图

首先需要创建一个3D绘图区域,pyplot.axes()这个axes对象构造方法提供了一个参数projection,将其参数值设置为3d.

from mpl_toolkits import mplot3d as m3d
import matplotlib.pyplot as plt
import numpy as npy

ax1 = plt.axes(projection='3d')

然后构建3D图像

#从x,y,z轴开始构建
x = npy.linspace(0,10,200)
y = npy.linspace(0,10,200)
z = npy.exp(x)+npy.hstack((npy.array([0]),npy.log(y[y>0])))

最后调用plot3D()方法构建3d图形

ax1.plot3D(x,y,z,'b')
ax1.set_title('The first 3D')
plt.show()

3D散点图

ax.scatter3D()函数可以绘制 3D 散点图

3D等高线图

ax.contour3D()可以用来创建三维等高线图

3D线框图

plot_wireframe()能够绘制 3D 线框图。

3D曲线图

plot_surface()函数可以绘制 3D 曲面图

Matplotlib绘制文本

Matplotlib通过下列函数绘制出相应内容

函数	解释
text	在绘图区域的任意位置添加文本。
annotate	在绘图区域的任意位置添加带有可选箭头的注释。
xlabel	在绘图区域的 x 轴上添加标签。
ylabel	在绘图区域的 y 轴上添加标签。
title	为绘图区域添加标题。
figtext	在画布的任意位置添加文本。
suptitle	为画布中添加标题。

Matplotlib数学表达式

Matplotlib 中的文本字符串都可以使用 Text Markup（一种文本标记语言）显现出来，Text Markup类似Mathjax.

Charles's Castle

Matplotlib_basis