原文: Pyplot tutorial
译者:飞龙
协议: CC BY-NC-SA 4.0
matplotlib.pyplot
是一个命令风格函数的集合,使 matplotlib
的机制更像 MATLAB。 每个绘图函数对图像进行一些更改:例如,创建图像,在图像中创建绘图区域,在绘图区域绘制一些线条,使用标签装饰绘图等。在 matplotlib.pyplot
中,各种状态跨函数调用保存,以便跟踪诸如当前图像和绘图区域之类的东西,并且绘图函数始终指向当前轴(请注意,这里和文档中的大多数位置中的『轴』是指图像的一部分,而不是多于一个轴的严格数学术语)。
import matplotlib.pyplot as plt plt.plot([1,2,3,4]) plt.ylabel('some numbers') plt.show()
你可能想知道为什么 x
轴的范围为 0-3
, y
轴的范围为 1-4
。 如果你向 plot()
命令提供单个列表或数组,则 matplotlib
假定它是一个 y
值序列,并自动为你生成 x
值。 由于 python 范围从 0 开始,默认 x
向量具有与 y
相同的长度,但从 0 开始。因此 x
数据是 [0,1,2,3]
。
plot()
是一个通用命令,并且可接受任意数量的参数。 例如,要绘制 x
和 y
,你可以执行命令:
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
对于每个 x,y
参数对,有一个可选的第三个参数,它是指示图像颜色和线条类型的格式字符串。 格式字符串的字母和符号来自 MATLAB,并且将颜色字符串与线型字符串连接在一起。 默认格式字符串为 "b-"
,它是一条蓝色实线。 例如,要绘制上面的红色圆圈,你需要执行:
import matplotlib.pyplot as plt plt.plot([1,2,3,4], [1,4,9,16], 'ro') plt.axis([0, 6, 0, 20]) plt.show()
有关线型和格式字符串的完整列表,请参见 plot()
文档 。 上例中的 axis()
命令接收 [xmin,xmax,ymin,ymax]
的列表,并指定轴的可视区域。
如果 matplotlib
仅限于使用列表,它对于数字处理是相当无用的。 一般来说,你可以使用 numpy
数组。 事实上,所有序列都在内部转换为 numpy
数组。 下面的示例展示了使用数组和不同格式字符串,在一条命令中绘制多个线条。
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()
线条有许多你可以设置的属性: linewidth
, dash style
, antialiased
等,请参见 matplotlib.lines.Line2D
。 有几种方法可以设置线属性:
使用关键字参数:
plt.plot(x, y, linewidth=2.0)
使用 Line2D
实例的 setter
方法。 plot
返回 Line2D
对象的列表,例如 line1,line2 = plot(x1,y1,x2,y2)
。 在下面的代码中,我们假设只有一行,返回的列表长度为 1。我们对 line
使用元组解构,得到该列表的第一个元素:
line, = plt.plot(x, y, '-') line.set_antialiased(False) # turn off antialising
使用 setp()
命令。 下面的示例使用 MATLAB 风格的命令来设置线条列表上的多个属性。 setp
使用对象列表或单个对象透明地工作。 你可以使用 python 关键字参数或 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 MATLAB 风格的字符串值对 plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
下面是可用的 Line2D
属性。
属性 | 值类型 |
---|---|
alpha |
浮点值 |
animated |
[True / False] |
antialiased or aa |
[True / False] |
clip_box |
matplotlib.transform.Bbox 实例 |
clip_on |
[True / False] |
clip_path |
Path 实例和 Transform 实例,以及 Patch |
color or c |
任何 matplotlib 颜色 |
contains |
命中测试函数 |
dash_capstyle |
['butt' / 'round' / 'projecting'] |
dash_joinstyle |
['miter' / 'round' / 'bevel'] |
dashes |
以点为单位的连接/断开墨水序列 |
data |
(np.array xdata, np.array ydata) |
figure |
matplotlib.figure.Figure 实例 |
label |
任何字符串 |
linestyle or ls |
[ '-' / '--' / '-.' / ':' / 'steps' / ...] |
linewidth or lw |
以点为单位的浮点值 |
lod |
[True / False] |
marker |
[ '+' / ',' / '.' / '1' / '2' / '3' / '4' ] |
markeredgecolor or mec |
任何 matplotlib 颜色 |
markeredgewidth or mew |
以点为单位的浮点值 |
markerfacecolor or mfc |
任何 matplotlib 颜色 |
markersize or ms |
浮点值 |
markevery |
[ None / 整数值 / (startind, stride) ] |
picker |
用于交互式线条选择 |
pickradius |
线条的拾取选择半径 |
solid_capstyle |
['butt' / 'round' / 'projecting'] |
solid_joinstyle |
['miter' / 'round' / 'bevel'] |
transform |
matplotlib.transforms.Transform 实例 |
visible |
[True / False] |
xdata |
np.array |
ydata |
np.array |
zorder |
任何数值 |
要获取可设置的线条属性的列表,请以一个或多个线条作为参数调用 step()
函数
In [69]: lines = plt.plot([1, 2, 3]) In [70]: plt.setp(lines) alpha: float animated: [True | False] antialiased or aa: [True | False] ...snip
MATLAB 和 pyplot 具有当前图像和当前轴的概念。 所有绘图命令适用于当前轴。 函数 gca()
返回当前轴(一个 matplotlib.axes.Axes
实例), gcf()
返回当前图像( matplotlib.figure.Figure
实例)。 通常,你不必担心这一点,因为它都是在幕后处理。 下面是一个创建两个子图的脚本。
import numpy as np import matplotlib.pyplot as plt 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()
这里的 figure()
命令是可选的,因为默认情况下将创建 figure(1)
,如果不手动指定任何轴,则默认创建 subplot(111)
。 subplot()
命令指定 numrows
, numcols
, fignum
,其中 fignum
的范围是从 1
到 numrows * numcols
。 如果 numrows * numcols <10
,则 subplot
命令中的逗号是可选的。 因此,子图 subplot(211)
与 subplot(2, 1, 1)
相同。 你可以创建任意数量的子图和轴。 如果要手动放置轴,即不在矩形网格上,请使用 axes()
命令,该命令允许你将 axes([left, bottom, width, height])
指定为位置,其中所有值都使用小数(0 到 1)坐标。 手动放置轴的示例请参见 pylab_examples
示例代码: axes_demo.py
,具有大量子图的示例请参见 pylab_examples
示例代码: subplots_demo.py
。
你可以通过使用递增图像编号多次调用 figure()
来创建多个图像。 当然,每个数字可以包含所需的轴和子图数量:
import matplotlib.pyplot as plt plt.figure(1) # 第一个图像 plt.subplot(211) # 第一个图像的第一个子图 plt.plot([1, 2, 3]) plt.subplot(212) # 第一个图像的第二个子图 plt.plot([4, 5, 6]) plt.figure(2) # 第二个图像 plt.plot([4, 5, 6]) # 默认创建 subplot(111) plt.figure(1) # 当前是图像 1,subplot(212) plt.subplot(211) # 将第一个图像的 subplot(211) 设为当前子图 plt.title('Easy as 1, 2, 3') # 子图 211 的标题
你可以使用 clf()
清除当前图像,使用 cla()
清除当前轴。 如果你搞不清在幕后维护的状态(特别是当前的图像和轴),不要绝望:这只是一个面向对象的 API 的简单的状态包装器,你可以使用面向对象 API(见 艺术家教程 )。
如果你正在制作大量的图像,你需要注意一件事:在一个图像用 close()
显式关闭之前,该图所需的内存不会完全释放。 删除对图像的所有引用,和/或使用窗口管理器杀死屏幕上出现的图像的窗口是不够的,因为在调用 close()
之前, pyplot
会维护内部引用。
text()
命令可用于在任意位置添加文本, xlabel()
, ylabel()
和 title()
用于在指定的位置添加文本(详细示例请参阅 文本介绍 )。
import numpy as np import matplotlib.pyplot as plt mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) # 数据的直方图 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()
所有的 text()
命令返回一个 matplotlib.text.Text
实例。 与上面一样,你可以通过将关键字参数传递到 text
函数或使用 setp()
来自定义属性:
t = plt.xlabel('my data', fontsize=14, color='red')
这些属性的更详细介绍请见 文本属性和布局 。
matplotlib
在任何文本表达式中接受 TeX 方程表达式。 例如,要在标题中写入表达式,可以编写一个由美元符号包围的 TeX 表达式:
plt.title(r'$/sigma_i=15$')
标题字符串之前的 r
很重要 - 它表示该字符串是一个原始字符串,而不是将反斜杠作为 python 转义处理。 matplotlib
有一个内置的 TeX 表达式解析器和布局引擎,并且自带了自己的数学字体 - 详细信息请参阅 编写数学表达式 。 因此,你可以跨平台使用数学文本,而无需安装 TeX。 对于安装了 LaTeX 和 dvipng
的用户,还可以使用 LaTeX 格式化文本,并将输出直接合并到显示图像或保存的 postscript 中 - 请参阅 使用 LaTeX 进行文本渲染 。
上面的 text()
基本命令将文本放置在轴的任意位置。 文本的一个常见用法是对图的某些特征执行标注,而 annotate()
方法提供一些辅助功能,使标注变得容易。 在标注中,有两个要考虑的点:由参数 xy
表示的标注位置和 xytext
表示的文本位置。 这两个参数都是 (x, y)
元组。
在此基本示例中, xy
(箭头提示)和 xytext
(文本)都位于数据坐标中。 有多种其他坐标系可供选择 - 详细信息请参阅 标注文本 和 标注轴 。 更多示例可以在 pylab_examples
示例代码: annotation_demo.py
中找到。
matplotlib.pyplot
不仅支持线性轴刻度,还支持对数和对数刻度。 如果数据跨越许多数量级,通常会使用它。 更改轴的刻度很容易:
plt.xscale('log')
下面示例显示了四个图,具有相同数据和不同刻度的 y
轴。
import numpy as np import matplotlib.pyplot as plt # 生成一些区间 [0, 1] 内的数据 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)) # 带有多个轴刻度的 plot plt.figure(1) # 线性 plt.subplot(221) plt.plot(x, y) plt.yscale('linear') plt.title('linear') plt.grid(True) # 对数 plt.subplot(222) plt.plot(x, y) plt.yscale('log') plt.title('log') plt.grid(True) # 对称的对数 plt.subplot(223) plt.plot(x, y - y.mean()) plt.yscale('symlog', linthreshy=0.05) plt.title('symlog') plt.grid(True) # logit plt.subplot(224) plt.plot(x, y) plt.yscale('logit') plt.title('logit') plt.grid(True) plt.show()
还可以添加自己的刻度,详细信息请参阅 向 matplotlib
添加新的刻度和投影 。