Python圖表繪製：matplotlib繪圖庫入門（轉）

matplotlib 是Python最著名的繪圖庫，它提供了一整套和matlab類似的命令API，十分適合交互式地行製圖。並且也能夠方便地將它做爲繪圖控件，嵌入GUI應用程序中。

它的文檔至關完備，而且Gallery頁面中有上百幅縮略圖，打開以後都有源程序。所以若是你須要繪製某種類型的圖，只須要在這個頁面中瀏覽/複製/粘貼一下，基本上都能搞定。

在Linux下比較著名的數據圖工具還有gnuplot，這個是免費的，Python有一個包能夠調用gnuplot，可是語法比較不習慣，並且畫圖質量不高。

而 Matplotlib則比較強：Matlab的語法、python語言、latex的畫圖質量（還可使用內嵌的latex引擎繪製的數學公式）。

 

---

Matplotlib.pyplot快速繪圖

 

---

快速繪圖 和 面向對象方式繪圖

matplotlib其實是一套面向對象的繪圖庫，它所繪製的圖表中的每一個繪圖元素，例如線條Line2D、文字Text、刻度等在內存中都有一個對象與之對應。

爲了方便快速繪圖matplotlib經過pyplot模塊提供了一套和MATLAB相似的繪 圖API，將衆多繪圖對象所構成的複雜結構隱藏在這套API內部。咱們只須要調用pyplot模塊所提供的函數就能夠實現快速繪圖以及設置圖表的各類細 節。pyplot模塊雖然用法簡單，但不適合在較大的應用程序中使用。

爲了將面向對象的繪圖庫包裝成只使用函數的調用接口，pyplot模塊的內部保存了當前圖表以 及當前子圖等信息。當前的圖表和子圖可使用plt.gcf()和plt.gca()得到，分別表示"Get Current Figure"和"Get Current Axes"。在pyplot模塊中，許多函數都是對當前的Figure或Axes對象進行處理，好比說：

plt.plot()實際上會經過plt.gca()得到當前的Axes對象ax，而後再調用ax.plot()方法實現真正的繪圖。

能夠在Ipython中輸入相似"plt.plot??"的命令查看pyplot模塊的函數是如何對各類繪圖對象進行包裝的。

配置屬性

matplotlib所繪製的圖表的每一個組成部分都和一個對象對應，咱們能夠經過調用這些對象的屬性設置方法set_*()或者pyplot模塊的屬性設置函數setp()設置它們的屬性值。

由於matplotlib其實是一套面向對象的繪圖庫，所以也能夠直接獲取對象的屬性

配置文件

繪製一幅圖須要對許多對象的屬性進行配置，例如顏色、字體、線型等等。咱們在繪圖時，並無逐一對這些屬性進行配置，許多都直接採用了matplotlib的缺省配置。

matplotlib將這些缺省配置保存在一個名爲「matplotlibrc」的配置文件 中，經過修改配置文件，咱們能夠修改圖表的缺省樣式。配置文件的讀入可使用rc_params()，它返回一個配置字典；在matplotlib模塊載 入時會調用rc_params()，並把獲得的配置字典保存到rcParams變量中；matplotlib將使用rcParams字典中的配置進行繪 圖；用戶能夠直接修改此字典中的配置，所作的改變會反映到此後建立的繪圖元素。

繪製多子圖（快速繪圖）

Matplotlib 裏的經常使用類的包含關係爲 Figure -> Axes -> (Line2D, Text, etc.)一個Figure對象能夠包含多個子圖(Axes)，在matplotlib中用Axes對象表示一個繪圖區域，能夠理解爲子圖。

可使用subplot()快速繪製包含多個子圖的圖表，它的調用形式以下：

subplot(numRows, numCols, plotNum)

subplot將整個繪圖區域等分爲numRows行* numCols列個子區域，而後按照從左到右，從上到下的順序對每一個子區域進行編號，左上的子區域的編號爲1。若是numRows，numCols和 plotNum這三個數都小於10的話，能夠把它們縮寫爲一個整數，例如subplot(323)和subplot(3,2,3)是相同的。 subplot在plotNum指定的區域中建立一個軸對象。若是新建立的軸和以前建立的軸重疊的話，以前的軸將被刪除。

subplot()返回它所建立的Axes對象，咱們能夠將它用變量保存起來，而後用sca()交替讓它們成爲當前Axes對象，並調用plot()在其中繪圖。

繪製多圖表（快速繪圖）

若是須要同時繪製多幅圖表，能夠給figure()傳遞一個整數參數指定Figure對象的序號，若是序號所指定的Figure對象已經存在，將不建立新的對象，而只是讓它成爲當前的Figure對象。

import numpy as np

import matplotlib.pyplot as plt

plt.figure(1) # 建立圖表1

plt.figure(2) # 建立圖表2

ax1 = plt.subplot(211) # 在圖表2中建立子圖1

ax2 = plt.subplot(212) # 在圖表2中建立子圖2

x = np.linspace(0, 3, 100)

for i in xrange(5):

    plt.figure(1)  #❶ # 選擇圖表1

    plt.plot(x, np.exp(i*x/3))

    plt.sca(ax1)   #❷ # 選擇圖表2的子圖1

    plt.plot(x, np.sin(i*x))

    plt.sca(ax2)  # 選擇圖表2的子圖2

    plt.plot(x, np.cos(i*x))

plt.show()

在圖表中顯示中文

matplotlib的缺省配置文件中所使用的字體沒法正確顯示中文。爲了讓圖表能正確顯示中文，能夠有幾種解決方案。

1. 在程序中直接指定字體。
2. 在程序開頭修改配置字典rcParams。
3. 修改配置文件。

 

---

面向對象畫圖

---

matplotlib API包含有三層，Artist層處理全部的高層結構，例如處理圖表、文字和曲線等的繪製和佈局。一般咱們只和Artist打交道，而不須要關心底層的繪製細節。

直接使用Artists建立圖表的標準流程以下：

• 建立Figure對象
• 用Figure對象建立一個或者多個Axes或者Subplot對象
• 調用Axies等對象的方法建立各類簡單類型的Artists

import matplotlib.pyplot as plt 

X1 = range(0, 50) 

Y1 = [num**2 for num in X1] # y = x^2 

X2 = [0, 1] 

Y2 = [0, 1] # y = x 

Fig = plt.figure(figsize=(8,4)) # Create a `figure' instance 

Ax = Fig.add_subplot(111) # Create a `axes' instance in the figure 

Ax.plot(X1, Y1, X2, Y2) # Create a Line2D instance in the axes 

Fig.show() 

Fig.savefig("test.pdf")

 

參考：

《Python科學計算》(Numpy視頻) matplotlib-繪製精美的圖表(快速繪圖)(面向對象繪圖)（深刻淺出適合系統學習）

什麼是 Matplotlib （主要講面向對象繪圖，對於新手可能有點亂）

 

---

Matplotlib.pylab快速繪圖

---

matplotlib還提供了一個名爲pylab的模塊，其中包括了許多NumPy和pyplot模塊中經常使用的函數，方便用戶快速進行計算和繪圖，十分適合在IPython交互式環境中使用。這裏使用下面的方式載入pylab模塊：

>>> import pylab as pl

1 安裝numpy和matplotlib

>>> import numpy
>>> numpy.__version__

>>> import matplotlib
>>> matplotlib.__version__

 

2 兩種經常使用圖類型：Line and scatter plots(使用plot()命令), histogram(使用hist()命令)

2.1 折線圖&散點圖 Line and scatter plots

2.1.1 折線圖 Line plots(關聯一組x和y值的直線)

import numpy as np

import pylab as pl

x = [1, 2, 3, 4, 5]# Make an array of x values

y = [1, 4, 9, 16, 25]# Make an array of y values for each x value

pl.plot(x, y)# use pylab to plot x and y

pl.show()# show the plot on the screen

 

2.1.2 散點圖 Scatter plots

把pl.plot(x, y)改爲pl.plot(x, y, 'o')便可，下圖的藍色版本

 

2.2  美化 Making things look pretty

2.2.1 線條顏色 Changing the line color

紅色：把pl.plot(x, y, 'o')改爲pl.plot(x, y, ’or’)

 

2.2.2 線條樣式 Changing the line style

虛線:plot(x,y, '--')

 

2.2.3 marker樣式 Changing the marker style

藍色星型markers：plot(x,y, ’b*’)

 

2.2.4 圖和軸標題以及軸座標限度 Plot and axis titles and limits

import numpy as np

import pylab as pl

x = [1, 2, 3, 4, 5]# Make an array of x values

y = [1, 4, 9, 16, 25]# Make an array of y values for each x value

pl.plot(x, y)# use pylab to plot x and y

pl.title(’Plot of y vs. x’)# give plot a title

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

pl.xlim(0.0, 7.0)# set axis limits

pl.ylim(0.0, 30.)

pl.show()# show the plot on the screen

 

2.2.5 在一個座標系上繪製多個圖 Plotting more than one plot on the same set of axes

作法是很直接的，依次做圖便可:

import numpy as np

import pylab as pl

x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph

y1 = [1, 4, 9, 16, 25]

x2 = [1, 2, 4, 6, 8]

y2 = [2, 4, 8, 12, 16]

pl.plot(x1, y1, ’r’)# use pylab to plot x and y

pl.plot(x2, y2, ’g’)

pl.title(’Plot of y vs. x’)# give plot a title

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

pl.xlim(0.0, 9.0)# set axis limits

pl.ylim(0.0, 30.)

pl.show()# show the plot on the screen

 

2.2.6  圖例 Figure legends

pl.legend((plot1, plot2), (’label1, label2’), 'best’, numpoints=1)

其中第三個參數表示圖例放置的位置:'best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.

若是在當前figure裏plot的時候已經指定了label，如plt.plot(x,z,label="$cos(x^2)$")，直接調用plt.legend()就能夠了哦。

import numpy as np

import pylab as pl

x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph

y1 = [1, 4, 9, 16, 25]

x2 = [1, 2, 4, 6, 8]

y2 = [2, 4, 8, 12, 16]

plot1 = pl.plot(x1, y1, ’r’)# use pylab to plot x and y : Give your plots names

plot2 = pl.plot(x2, y2, ’go’)

pl.title(’Plot of y vs. x’)# give plot a title

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

pl.xlim(0.0, 9.0)# set axis limits

pl.ylim(0.0, 30.)

pl.legend([plot1, plot2], (’red line’, ’green circles’), ’best’, numpoints=1)# make legend

pl.show()# show the plot on the screen

 

2.3 直方圖 Histograms

import numpy as np

import pylab as pl

# make an array of random numbers with a gaussian distribution with

# mean = 5.0

# rms = 3.0

# number of points = 1000

data = np.random.normal(5.0, 3.0, 1000)

# make a histogram of the data array

pl.hist(data)

# make plot labels

pl.xlabel(’data’)

pl.show()

若是不想要黑色輪廓能夠改成pl.hist(data, histtype=’stepfilled’)

 

2.3.1 自定義直方圖bin寬度 Setting the width of the histogram bins manually

增長這兩行

bins = np.arange(-5., 16., 1.) #浮點數版本的range
pl.hist(data, bins, histtype=’stepfilled’)

 

3 同一畫板上繪製多幅子圖 Plotting more than one axis per canvas

若是須要同時繪製多幅圖表的話，能夠是給figure傳遞一個整數參數指定圖標的序號，若是所指定
序號的繪圖對象已經存在的話，將不建立新的對象，而只是讓它成爲當前繪圖對象。

fig1 = pl.figure(1)
pl.subplot(211)
subplot(211)把繪圖區域等分爲2行*1列共兩個區域, 而後在區域1(上區域)中建立一個軸對象. pl.subplot(212)在區域2(下區域)建立一個軸對象。

You can play around with plotting a variety of layouts. For example, Fig. 11 is created using the following commands:

f1 = pl.figure(1)
pl.subplot(221)
pl.subplot(222)
pl.subplot(212)

當繪圖對象中有多個軸的時候，能夠經過工具欄中的Configure Subplots按鈕，交互式地調節軸之間的間距和軸與邊框之間的距離。若是但願在程序中調節的話，能夠調用subplots_adjust函數，它有 left, right, bottom, top, wspace, hspace等幾個關鍵字參數，這些參數的值都是0到1之間的小數，它們是以繪圖區域的寬高爲1進行正規化以後的座標或者長度。

pl.subplots_adjust(left=0.08, right=0.95, wspace=0.25, hspace=0.45)

 

4 繪製文件中的數據Plotting data contained in files

4.1 從Ascii文件中讀取數據 Reading data from ascii files

讀取文件的方法不少，這裏只介紹一種簡單的方法，更多的能夠參考官方文檔和NumPy快速處理數據(文件存取)。

numpy的loadtxt方法能夠直接讀取以下文本數據到numpy二維數組

**********************************************

# fakedata.txt
0 0
1 1
2 4
3 9
4 16
5 25
6 36
7 49
8 64
9 81
0 0
1 1
2 4
3 9
4 16
5 25
6 36
7 49
8 64
9 81

**********************************************

import numpy as np

import pylab as pl

# Use numpy to load the data contained in the file 

# ’fakedata.txt’ into a 2-D array called data

data = np.loadtxt(’fakedata.txt’)

# plot the first column as x, and second column as y

pl.plot(data[:,0], data[:,1], ’ro’) 

pl.xlabel(’x’)

pl.ylabel(’y’)

pl.xlim(0.0, 10.)

pl.show()

 

4.2 寫入數據到文件 Writing data to a text file

寫文件的方法也不少，這裏只介紹一種可用的寫入文本文件的方法，更多的能夠參考官方文檔。

import numpy as np

# Let’s make 2 arrays (x, y) which we will write to a file

# x is an array containing numbers 0 to 10, with intervals of 1

x = np.arange(0.0, 10., 1.)

# y is an array containing the values in x, squared

y = x*x

print ’x = ’, x

print ’y = ’, y

# Now open a file to write the data to 

# ’w’ means open for ’writing’

file = open(’testdata.txt’, ’w’)

# loop over each line you want to write to file

for i in range(len(x)):

    # make a string for each line you want to write 

    # ’\t’ means ’tab’

    # ’\n’ means ’newline’

    # ’str()’ means you are converting the quantity in brackets to a string type

    txt = str(x[i]) + ’\t’ + str(y[i]) + ’ \n’

    # write the txt to the file

    file.write(txt)

# Close your file

file.close()

這部分是翻譯自：Python Plotting Beginners Guide

---

對LaTeX數學公式的支持

Matlplotlib對LaTeX有必定的支持，若是記得使用raw字符串語法會很天然：

xlabel(r"$\frac{x^2}{y^4}$")

在matplotlib裏面，可使用LaTex的命令來編輯公式，只須要在字符串前面加一個「r」便可

Here is a simple example:

# plain text
plt.title('alpha > beta')

produces 「alpha > beta」.

Whereas this:

# math text
plt.title(r'$\alpha > \beta$')

produces "".

這裏給你們看一個簡單的例子。

import matplotlib.pyplot as plt

x = arange(1,1000,1)
r = -2
c = 5
y = [5*(a**r) for a in x]

 

fig = plt.figure()

ax = fig.add_subplot(111)
ax.loglog(x,y,label = r"$y = \frac{1}{2\sigma_1^2}, c=5,\sigma_1=-2$")
ax.legend()
ax.set_xlabel(r"x")
ax.set_ylabel(r"y")

程序執行結果如圖3所示，這其實是一個power-law的例子，有興趣的朋友能夠繼續google之。

再看一個《用Python作科學計算》中的簡單例子，下面的兩行程序經過調用plot函數在當前的繪圖對象中進行繪圖：

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
plt.plot(x,z,"b--",label="$cos(x^2)$")

plot函數的調用方式很靈活，第一句將x,y數組傳遞給plot以後，用關鍵字參數指定各類屬性：

• label : 給所繪製的曲線一個名字，此名字在圖示(legend)中顯示。只要在字符串先後添加"$"符號，matplotlib就會使用其內嵌的latex引擎繪製的數學公式。
• color : 指定曲線的顏色
• linewidth : 指定曲線的寬度

 

詳細的能夠參考matplotlib官方教程:

Writing mathematical expressions

• Subscripts and superscripts
• Fractions, binomials and stacked numbers
• Radicals
• Fonts
  • Custom fonts
• Accents
• Symbols
• Example

Text rendering With LaTeX

• usetex with unicode
• Postscript options
• Possible hangups
• Troubleshooting

有幾個問題：

• matplotlib.rcParams屬性字典
• 想要它正常工做，在matplotlibrc配置文件中須要設置text.markup = "tex"。
• 若是你但願圖表中全部的文字（包括座標軸刻度標記）都是LaTeX'd,須要在matplotlibrc中設置text.usetex = True。若是你使用LaTeX撰寫論文，那麼這一點對於使圖表和論文中其他部分保持一致是頗有用的。
• 在matplotlib中使用中文字符串時記住要用unicode格式，例如：u''測試中文顯示''

matplotlib使用小結