matplotlib繪圖

轉自：https://wklchris.github.io/

Python科學計算：matplotlib

2017-06-10[更新: 2017-06-17]                    Categories：                Python;

Py-compute 系列博文

• 2017-10-11          Basic Algorithms written in Python

• 2017-08-01          Python科學計算：Cython基礎

• 2017-06-10          Python科學計算：matplotlib           <<<< 當前

• 2017-03-04          Python科學計算：numpy

• 2017-02-24          Python科學計算：pandas

Tips: 雙擊 Ctrl 或點擊頁面右下圖標進行站內搜索；Esc 退出搜索。Double press CTRL or click the icon in the bottomright to search within the whole blog website. ESC to exit searching.

本站已加入 Google 索引：site: (https://wklchris.github.io) This site can be accessed via Google search.

【目錄ToC】

點擊以跳轉

1. 繪製與保存

1. 基礎繪圖：plt.plot

2. 多圖繪製：plt.subplots

3. 圖像保存

4. 顏色

5. rcParams：默認參數

2. 圖像控制

1. 圖像、座標軸標題：Axes.set_title / set_x(y)label

2. 座標軸命令：

3. 座標軸框架：Axes.spines

4. 圖例：Axes.legend

5. 刻度與刻度標籤：Axes.set_x(y)ticks / x(y)ticklabels

6. 添加文字：Axes.text / annotate

7. 網格：Axes.grid

3. 圖像繪製

1. 水平豎直線或區域：Axes.axhline / axhspan

2. 散點圖：Axes.scatter

3. 條形圖：Axes.bar / barh

4. 直方圖：Axes.hist

5. 箱形圖：Axes.boxplot

6. 等高線圖：Axes.contour(f)

4. 其餘命令

1. 填充：Axes.fill_between / fill_betweenx

2. 對數座標軸：Axes.loglog / semilogx / semilogy

3. 極座標

4. 左手座標系

5. 附：GIF 動態圖保存

1. 前提工做

2. 例子

若是您的設備分辨率太低，或網頁窗寬度太小，您可能看不到目錄邊欄。If your are using a low resolution device or viewing via a narrow webbrowser window, you might not see the sidebar.

 

本文介紹 matplotlib 相關的內容，以例子爲主。

全文的初始化加載以下：

import osimport numpy as npimport pandas as pdimport matplotlib as mplfrom matplotlib import pyplot as pltfrom numpy.random import rand

本文最後編輯時，使用的各版本號以下：

np.__version__, pd.__version__, mpl.__version__

('1.12.1', '0.19.2', '2.0.1')

繪製與保存

 

基礎繪圖：plt.plot

基礎的繪圖使用 plt.plot() 命令，並用 plt.show() 顯示。

# 向量經常使用 linspace 或者 arange 命令進行初始化。下兩例等價：# np.linspace(0, 4, 4)：閉區間 [0,4] 上等距取 4 個點# np.arange(0, 5, 1)：左閉右開區間 [0, 5) 上以步長 1 取點x = np.linspace(0, 4, 100)y1 = x ** 2y2 = 2 * x + 3plt.plot(x, y1, color="b", linestyle=":", linewidth=3, dashes=(2,1),  # 線的屬性
         marker="d", ms=10, mew=1.5, mec="g", mfc="w",  # 點的屬性
         markevery=10)plt.plot(x, y2, "#bf242a", ls="-", lw=1)plt.show()

一些經常使用的性質：

• color：線的顏色。基礎的有紅r，綠g，藍b，青c，洋紅m，黃y，黑k，白w。參考本節的「顏色」小節。

• 一些其餘的顏色表述：color=」#66ccff」 HTML碼；(1, 0, 0) 標準化的RGB元組；」0.5」 灰度字串。

• linestyle(ls)：線型。實線」-「，虛線」–「，點劃線」-.」，點線」:」。

• dashes: 虛線比例。傳入元組 (a,b)，那麼劃線長與間隔長之比爲 a/b。

• linewidth(lw)：線寬。

• marker：點樣式。實心」.」，像素」,」，圓點」o」，方塊」s」，上折/下折箭頭」v」/」\^」，左折/右折箭頭」<」/」>」，五邊形」p」，六邊形」h」，星」*「，加號」+」，叉號」x」，(瘦)鑽石」d/D」，豎線」‘|「，橫線」_「。

• markevery：每幾個點才繪製一個點。

• markersize(ms)：點大小。

• markeredgewidth(mew)：點邊緣線寬。

• markeredgecolor(mec)：點邊緣顏色。默認與線同色。

• markerfacecolor(mfc)：點填充顏色。默認與線同色。

另外介紹 plt.close() 命令。一般用 plt.close("all") 來關閉全部的圖片。

多圖繪製：plt.subplots

上面的內容我稱之爲基礎繪製，是一種多語句排列、最後用 plt.show() 命令轉換爲圖像輸出的方式。而下文要介紹的命令，大可能是基於多圖繪製的，會事先聲明總圖(figure對象)與全部子圖句柄(Axes對象)。

例如 plt.title() 命令是基礎繪製中的命令，直接調用自 matplotlib.pyplot 裏的命令。而在多圖繪製下，則是先生成一種子圖的實例 ax，再從實例中調用一個等價的函數 ax.set_title() 。

# 該例子改編自：http://matplotlib.org/examples/pylab_examples/subplots_demo.htmlx = np.linspace(0, 4 * np.pi, 400)y1 = np.sin(x)y2 = np.sin(2 * x)y3 = np.sin(4 * x)y = [y1, y2, y3]plt.close("all")# f, (ax1, ax2, ax3) = ... 也是一種寫法f, axarr = plt.subplots(3, sharex=True, sharey=True)f.subplots_adjust(hspace=0)  # 調整函數# 若是是多行多列，可使用 axarr = axarr.ravel() 再以 for 遍歷for i in range(len(y)):
    axarr[i].plot(x, y[i])plt.show()

plt.subplots() 是一個實用的命令：

• nrows, ncols：子圖的行數與列數。默認爲 1. 上例的 subplots(3) 至關於 subplots(3, 1)。

• sharex, sharey：軸對齊True，不對齊False，每行對齊」row」，每列對齊」col」。

有些參數能夠直接在 subplots 中使用，但其實會進一步傳遞給其餘函數。一併在這裏介紹：

• figsize：元組。總圖的長與寬。

• subplot_kw：傳遞給命令 add_subplot() 的參數，經常使用的是極座標 dict(projection=’polar’)。

• gridspec_kw：字典。給出各列/行子圖之間的寬/長之比，例如「條形圖」一節：gridspec_kw={‘height_ratios’:[1, 2]}。

調整函數 subplots_adjust 是一個視覺命令：

• left, right, bottom, top：間距。

• hspace，wspace：縱向/橫向間距。

圖像保存

多圖繪製一個便利之處在於，已經將圖像存儲在了聲明的 Figure 對象中。例如對於上一節的例子：

filename = r'd:\test.pdf'  # 這一步經常配合 os.getcwd() 來獲取工做目錄，再保存圖片f.savefig(filename, transparent='True', format='pdf')

若是是 png 格式，還能夠用 dpi=… 參數標定其圖片質量。

有時候咱們須要操做動態圖；對於動態圖 GIF 的保存，請參考本文附錄。

顏色

matplotlib 中的顏色支持用如下的方式指定：

• 標準化的 RGB：以三元元組的形式，好比 (0, 0, 1) 表明 (0, 0, 255)，即純藍。

• HTML 16進制顏色碼：以字符串的形式，好比 "#0F0F0F}"。

• 標準化的灰度值：以字符串形式，好比 0.5 。

• RGB 與 CMYK 標準色字符：以單個字符形式，有：r,g,b,c,m,y,k,w 八種，其中 w 是白色。

• X11/CSS4 標準的顏色名：

• XKCD 顏色調查（參考此頁面）：例如」xksd:sky blue」。

以及 matplotlib 採用的：

• matplotlib 默認的十色環：」C0」, 「C1」, ……，」C9」。這是 matplotlib 繪圖默認依次使用的顏色。

• 十色環的另外一種形式：’tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’。

以上字符串（除16進制碼外）均是大小寫敏感的。

# A list of X11 color names from: http://cng.seas.rochester.edu/CNG/docs/x11color.html# Total 140 colors included.colors = [("LightPink", "#FFB6C1"),("Pink", "#FFC0CB"),("Crimson", "#DC143C"),("LavenderBlush", "#FFF0F5"),
          ("PaleVioletRed", "#DB7093"),("HotPink", "#FF69B4"),("DeepPink", "#FF1493"),("MediumVioletRed", "#C71585"),        
          ("Orchid", "#DA70D6"),("Thistle", "#D8BFD8"),("Plum", "#DDA0DD"),("Violet", "#EE82EE"),                            
          ("Magenta", "#FF00FF"),("Fuchsia", "#FF00FF"),("DarkMagenta", "#8B008B"),("Purple", "#800080"),                    
          ("MediumOrchid", "#BA55D3"),("DarkViolet", "#9400D3"),("DarkOrchid", "#9932CC"),("Indigo", "#4B0082"),             
          ("BlueViolet", "#8A2BE2"),("MediumPurple", "#9370DB"),("MediumSlateBlue", "#7B68EE"),("SlateBlue", "#6A5ACD"),     
          ("DarkSlateBlue", "#483D8B"),("Lavender", "#E6E6FA"),("GhostWhite", "#F8F8FF"),("Blue", "#0000FF"),                
          ("MediumBlue", "#0000CD"),("MidnightBlue", "#191970"),("DarkBlue", "#00008B"),("Navy", "#000080"),                 
          ("RoyalBlue", "#4169E1"),("CornflowerBlue", "#6495ED"),("LightSteelBlue", "#B0C4DE"),("LightSlateGray", "#778899"),
          ("SlateGray", "#708090"),("DodgerBlue", "#1E90FF"),("AliceBlue", "#F0F8FF"),("SteelBlue", "#4682B4"),              
          ("LightSkyBlue", "#87CEFA"),("SkyBlue", "#87CEEB"),("DeepSkyBlue", "#00BFFF"),("LightBlue", "#ADD8E6"),            
          ("PowderBlue", "#B0E0E6"),("CadetBlue", "#5F9EA0"),("Azure", "#F0FFFF"),("LightCyan", "#E0FFFF"),                  
          ("PaleTurquoise", "#AFEEEE"),("Cyan", "#00FFFF"),("Aqua", "#00FFFF"),("DarkTurquoise", "#00CED1"),                 
          ("DarkSlateGray", "#2F4F4F"),("DarkCyan", "#008B8B"),("Teal", "#008080"),("MediumTurquoise", "#48D1CC"),           
          ("LightSeaGreen", "#20B2AA"),("Turquoise", "#40E0D0"),("Aquamarine", "#7FFFD4"),("MediumAquamarine", "#66CDAA"),   
          ("MediumSpringGreen", "#00FA9A"),("MintCream", "#F5FFFA"),("SpringGreen", "#00FF7F"),("MediumSeaGreen", "#3CB371"),
          ("SeaGreen", "#2E8B57"),("Honeydew", "#F0FFF0"),("LightGreen", "#90EE90"),("PaleGreen", "#98FB98"),                
          ("DarkSeaGreen", "#8FBC8F"),("LimeGreen", "#32CD32"),("Lime", "#00FF00"),("ForestGreen", "#228B22"),               
          ("Green", "#008000"),("DarkGreen", "#006400"),("Chartreuse", "#7FFF00"),("LawnGreen", "#7CFC00"),                  
          ("GreenYellow", "#ADFF2F"),("DarkOliveGreen", "#556B2F"),("YellowGreen", "#9ACD32"),("OliveDrab", "#6B8E23"),      
          ("Beige", "#F5F5DC"),("LightGoldenrodYellow", "#FAFAD2"),("Ivory", "#FFFFF0"),("LightYellow", "#FFFFE0"),          
          ("Yellow", "#FFFF00"),("Olive", "#808000"),("DarkKhaki", "#BDB76B"),("LemonChiffon", "#FFFACD"),                   
          ("PaleGoldenrod", "#EEE8AA"),("Khaki", "#F0E68C"),("Gold", "#FFD700"),("Cornsilk", "#FFF8DC"),                     
          ("Goldenrod", "#DAA520"),("DarkGoldenrod", "#B8860B"),("FloralWhite", "#FFFAF0"),("OldLace", "#FDF5E6"),           
          ("Wheat", "#F5DEB3"),("Moccasin", "#FFE4B5"),("Orange", "#FFA500"),("PapayaWhip", "#FFEFD5"),                      
          ("BlanchedAlmond", "#FFEBCD"),("NavajoWhite", "#FFDEAD"),("AntiqueWhite", "#FAEBD7"),("Tan", "#D2B48C"),           
          ("BurlyWood", "#DEB887"),("Bisque", "#FFE4C4"),("DarkOrange", "#FF8C00"),("Linen", "#FAF0E6"),                     
          ("Peru", "#CD853F"),("PeachPuff", "#FFDAB9"),("SandyBrown", "#F4A460"),("Chocolate", "#D2691E"),                   
          ("SaddleBrown", "#8B4513"),("Seashell", "#FFF5EE"),("Sienna", "#A0522D"),("LightSalmon", "#FFA07A"),               
          ("Coral", "#FF7F50"),("OrangeRed", "#FF4500"),("DarkSalmon", "#E9967A"),("Tomato", "#FF6347"),                     
          ("MistyRose", "#FFE4E1"),("Salmon", "#FA8072"),("Snow", "#FFFAFA"),("LightCoral", "#F08080"),                      
          ("RosyBrown", "#BC8F8F"),("IndianRed", "#CD5C5C"),("Red", "#FF0000"),("Brown", "#A52A2A"),                         
          ("FireBrick", "#B22222"),("DarkRed", "#8B0000"),("Maroon", "#800000"),("White", "#FFFFFF"),                        
          ("WhiteSmoke", "#F5F5F5"),("Gainsboro", "#DCDCDC"),("LightGrey", "#D3D3D3"),("Silver", "#C0C0C0"),                 
          ("DarkGray", "#A9A9A9"),("Gray", "#808080"),("DimGray", "#696969"),("Black", "#000000")]                           plt.close("all")f, ax = plt.subplots(figsize=(15, 12))w, h = 10, 4rowpad, colpad = 2, 9 for i in range(140):
    curname = colors[i][0]
    cols, rows = divmod(i, 35)
    rows = 34 - rows
    ax.fill_between([w * cols, w * (cols + 1) - colpad],
                    [h * rows, h * rows], 
                    [h * (rows + 1) - rowpad, h * (rows + 1) - rowpad],
                    facecolor=curname)
    ax.text(w * (cols + 1) - 0.95*colpad, h * rows + (h - rowpad) / 2, "{}, {}".format(*colors[i]), 
            horizontalalignment="left", verticalalignment='center')ax.axis(xmax=4*w)ax.set_axis_off()ax.set_title("X11 colors table", fontsize=16)
    plt.show()

rcParams：默認參數

從上面的繪圖中能夠看到，即便沒有指定線型、點樣式，matplotlib 也能以其默認的顏色、樣式繪圖。這些默認參數是能夠修改的。它們都存儲在 matplotlib.rcParams 這個大字典變量中。例如默認的線顏色：

mpl.rcParams["lines.color"]

'C0'

使用 rc 命令來更改默認參數的值，例以下例將更改 mpl.rcParams["lines.linewidth"] 與 mpl.rcParams["lines.color"] 兩個鍵值：

# 更改默認的值：# mpl.rc('lines', linewidth=2, color='r')# 僅在接下來繪製的圖片中應用值：# plt.rc(...)

一個繪圖的例子：

from cycler import cyclern = 6line_num = 8x = np.linspace(0, 2 * np.pi, n)np.random.seed(0)y = np.random.rand(line_num, n)plt.close("all")f, ax = plt.subplots()plt.rc("lines", linewidth=2)plt.rc("axes", prop_cycle=(cycler('color', ['Salmon', 'Orange', 
                                            'SeaGreen', 'DodgerBlue']) +
                           cycler('linestyle', ['-', '--', ':', '-.'])))for i in range(line_num):
    ax.plot(x, y[i], label="Line {}".format(i+1))ax.legend(loc="lower left", ncol=4)plt.show()

要想下面的圖片繪製不受影響，使用如下命令恢復默認值：

mpl.rcParams.update(mpl.rcParamsDefault)

圖像控制

 

下面介紹一些經常使用的控制參數，如座標軸區間、標籤、標題文字等等。

圖像、座標軸標題：Axes.set_title / set_x(y)label

設置標題時能夠傳入字體參數字典 fontdict （或者將其中的鍵單獨傳遞，以下例），默認值是：

{'fontsize': rcParams['axes.titlesize'],
 'fontweight' : rcParams['axes.titleweight'],
 'verticalalignment': 'baseline',
 'horizontalalignment': loc}

座標軸標題 set_xlabel/set_ylabel 可使用 labelpad 參數，設定到座標軸的距離的倍數值。

若是要設定標題到圖像的距離，使用 set_title 的 y 參數 ，例如 y = 1.05.

x = np.linspace(0, 2 * np.pi, 1000)y = np.sin(x)plt.close("all")f, ax = plt.subplots()ax.plot(x, y)ax.set_title(r"Title even support LaTeX: $\alpha\geq\beta$", loc="left", fontsize=12)ax.set_xlabel("This is a X far from x-axis!", labelpad=20)ax.set_ylabel("This is a small fontsize Y!", fontsize=8)plt.show()

座標軸命令：

座標軸命令有不少：

1. 設置座標軸區間：Axes.axis，能夠經過選項 xmin/xmax/ymin/ymax 指定單側邊界。

2. 設置單軸區間：Axes.set_xlim/ylim

3. 顯示、隱藏座標軸：Axes.set_axis_on/off

4. 隱藏座標框:Axes.set_frame_on，傳入 False 以隱藏。

5. 設置座標軸背景色：Axes.set_facecolor，傳入顏色字符串。

x = np.linspace(0, 2 * np.pi, 1000)y = np.sin(x)titles = ["Default", "Default without axes", "Default without frames",
          "Given all boundaries", "Given Xmax only", 
          "X-limit with background color"]plt.close("all")f, axarr = plt.subplots(2, 3, figsize=(15, 6))f.subplots_adjust(hspace=0.35, wspace=0.35)axarr = axarr.ravel()for ax, t in zip(axarr, titles):
    ax.plot(x, y)
    ax.set_xlabel("X")
    ax.set_ylabel("Y")
    ax.set_title(t)# axarr[0]：defaultaxarr[1].set_axis_off()axarr[2].set_frame_on(False)axarr[3].axis([0, 7, -1.5, 1.5])axarr[4].axis(xmax=2 * np.pi)axarr[5].set_xlim([1, 5])axarr[5].set_facecolor("lightgreen")plt.show()

座標軸框架：Axes.spines

座標軸框架能夠設置其可見性與否 set_visible，而且移動其位置。

x = np.linspace(-1, 3, 1000)y = x ** 2plt.close('all')fig, ax = plt.subplots()ax.plot(x, y)ax.set_xlabel("X")ax.set_ylabel("Y")ax.spines['right'].set_visible(False)ax.spines['top'].set_visible(False)ax.spines['bottom'].set_position(('data', 0))ax.spines['left'].set_position(('data', 0))ax.axis([-1, 2, -2, 6])plt.show()

圖例：Axes.legend

圖例配合 plot 函數的 label 參數使用，文字部分會直接使用 label 參數的字串。圖例放置位置由 loc 參數指定，具體的取值有：

• 自動‘best’或0

• 右上‘upper right’或1

• 左上‘upper left’或2，左下‘lower left’或3，左中‘center left’或6

• 右下‘lower right’或4，右側‘right’5，右中‘center right’或7

• 中下‘lower center’或8，中上‘upper center’或9，中部‘center’或10。

並能夠結合 bbox_to_anchor 參數靈活地設置對齊參考，甚至放置在圖框外側。

圖例由圖線（handle）與文字（text）兩部分組成，每對圖線與文字組成一個標籤（label）。由此理解：borderpad，labelspacing，handlelength，handletextpad，borderaxespad，columnspacing 這些空距控制參數。注意：borderpad是一個比例值。

其餘參數參考下面的例子。

x = np.linspace(0, 2 * np.pi, 30)y1, y2 = np.sin(x), np.cos(x)titles = ["Simple legend", "Legend with more and larger markers", 
          "Legend outside the figure frame",
          "Legend with a title but no frame",
          "Legend with face & edge color",
          "Legend with adjusted size & spacings"]plt.close("all")f, axarr = plt.subplots(2, 3, sharey=True, figsize=(15, 8))f.subplots_adjust(hspace=0.35)axarr = axarr.ravel()for ax, t in zip(axarr, titles):
    ax.plot(x, y1, "o-", label=r"$y=\sin x$")
    ax.plot(x, y2, "s--", label=r"$y=\cos x$")
    ax.set_title(t)axarr[0].legend(loc="lower left")axarr[1].legend(numpoints=2, markerscale=1.5, fontsize=14)axarr[2].legend(loc="upper center", ncol=2, bbox_to_anchor=(0.5, -0.08))axarr[3].legend(frameon=False, title="LgTitle")axarr[4].legend(facecolor="lightgreen", edgecolor="k")axarr[5].legend(handlelength=3, handletextpad=0.5,
                labelspacing=1, columnspacing=1)plt.show()

刻度與刻度標籤：Axes.set_x(y)ticks / x(y)ticklabels

刻度標籤字符串的格式如何修改，也在下例中給出。

附註：方法 Axes.set_xticks 與 Axes.xaxis.set_ticks 是等價的。

from matplotlib.ticker import FormatStrFormatterimport stringnp.random.seed(0)x, y = np.random.rand(2, 100)titles = ["Default ticks", "Given ticks", 
          "Given ticks and their format", "Given ticklabels"]xticksnum, yticksnum = 10, 5xticks = np.linspace(0, 1, xticksnum + 1)yticks = np.linspace(0, 1, yticksnum + 1)plt.close("all")f, axarr = plt.subplots(2, 2, figsize=(15, 7))axarr =axarr.ravel()for i in range(4):
    ax = axarr[i]
    ax.plot(x, y, "o")
    ax.set_title(titles[i])
    ax.axis([0, 1, 0, 1])
    if i > 0:
        ax.set_xticks(xticks)
        ax.set_yticks(yticks)
    axarr[2].xaxis.set_major_formatter(FormatStrFormatter('%0.2f'))axarr[3].set_xticklabels(string.ascii_uppercase[:xticksnum + 1])axarr[3].set_yticklabels([])  # y 軸刻度標籤留空plt.show()

添加文字：Axes.text / annotate

一個簡明的 text 命令的例子：

# 本例改編自：http://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.text.htmlplt.close("all")plt.plot([1 , 1], [0, 3], color='k', linewidth=0.5 , linestyle='--')# 單獨使用字號控制命令plt.text(2, 1, 'Hmm', fontsize=12)  # 使用字典形式的字體控制plt.text(1, 1, 'Two lines \n text ', horizontalalignment='center', 
         fontdict={'size': 12, 'color': 'r'})  # bbox 是一個複雜的參數，在此很少深刻plt.text(1, 3, 'With box', bbox=dict(facecolor='r', alpha=0.3))  plt.axis([0, 3, 0, 4])plt.show()

annotate 的例子：

plt.close('all')f, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))ax1.plot([0, 10], [0, 15], 'b')ax1.annotate(r'A text', xy=(6,8), xytext=(20, -30), textcoords='offset pixels', 
             arrowprops=dict(arrowstyle='->'))ax2.plot([0, 10], [0, 15], 'r')ax2.annotate(r'Another', xy=(6,8), xytext=(10, -60), 
             textcoords='offset pixels', fontsize=12, 
             # 指定圓弧半徑，負值表示順時針畫弧
             arrowprops=dict(arrowstyle='-|>',
                             connectionstyle='arc3, rad=-0.3'))  plt.show()

上例中，arrowprops 要傳入一個字典。該字典的 arrowwstyle 鍵可選的值（大體都是象形的，再也不註釋中文含義）有：

arrowstyle 參數	等效參數形式
’-‘	None
’->’	head_length=0.4,head_width=0.2
’-[’	widthB=1.0,lengthB=0.2,angleB=None
‘|-|’	widthA=1.0,widthB=1.0
’-|>’	head_length=0.4,head_width=0.2
’<-‘	head_length=0.4,head_width=0.2
’<->’	head_length=0.4,head_width=0.2
’<|-‘	head_length=0.4,head_width=0.2
’<|-|>’	head_length=0.4,head_width=0.2

connectionstyle 鍵可選的值：

connectionstyle 參數	等效參數形式
angle	angleA=90,angleB=0,rad=0.0
angle3	angleA=90,angleB=0
arc	angleA=0,angleB=0,armA=None,armB=None,rad=0.0
arc3	rad=0.0
bar	armA=0.0,armB=0.0,fraction=0.3,angle=None

網格：Axes.grid

一個基礎的例子：

x = np. linspace (0, 10, 100)y = 2 * np.sin(x)plt.close("all")plt.plot(x, y)# 其實簡單地使用 "plt.grid(True)"  就能夠顯示網格plt.grid(axis='y', linestyle='--', color='0.75')  # 灰度適當很重要plt.show()

下例給出了網格線的繪製步驟，以及主要、次要網格線分開設置的方法。

from matplotlib.ticker import MultipleLocator, FormatStrFormatterx = np. linspace (0, 10, 100)y = 2*xplt.close('all')fig, ax = plt.subplots()ax.plot(x, y)ax.xaxis.set_major_locator(MultipleLocator(2))ax.yaxis.set_major_locator(MultipleLocator(5))ax.xaxis.set_minor_locator(MultipleLocator(1))ax.yaxis.set_minor_locator(MultipleLocator(1))ax.xaxis.set_major_formatter(FormatStrFormatter('%d'))ax.grid(which='major', linestyle='-', color='k')ax.grid(which='minor', linestyle='--', color='r', alpha=0.2)ax.axis([0, 10, 0, 20])plt.show()

圖像繪製

 

下面介紹不一樣種類的圖像的繪製，如條形圖、散點圖等等。

水平豎直線或區域：Axes.axhline / axhspan

參數：圖像中座標軸的百分比位置 xmin/xmax/ymin/ymax。

plt.close("all")f, ax = plt.subplots()ax.axis([0, 3, 0, 2])ax.axhline(1, lw=8, color='g')ax.axhline(y=1.5, ls="--", lw=2, xmin=0.25, xmax=0.75)ax.axvline(2.5, color="y")ax.axhspan(0.25, 0.75, xmin=0.25, facecolor='0.5')ax.axvspan(0.5, 1.5, facecolor="#74D2D5", alpha=0.2)plt.show()

散點圖：Axes.scatter

參數：點大小向量s，點顏色向量c，透明度alpha。

此外，直接使用 plot命令能夠繪製簡單的點圖。只要不指定線屬性，繪圖時就只繪製點而不繪製線。

np.random.seed(230)x, y = np.random.rand(2, 10)np.random.seed(666)point_size = 1000 * rand(10)plt.close("all")f, ax = plt.subplots()ax.scatter(x, y, s=point_size, c=["b", "r"] * 5, alpha=0.5)plt.show()

條形圖：Axes.bar / barh

條形圖命令 bar 用於繪製豎立的條形圖，而 barh 用於繪製水平的。

在 Axes.bar(left, height, width=0.8, bottom=None, **kwargs) 命令中，條形的繪製區域是 [left +/- width], [bottom, bottom + height]。利用 yerr 與 error_kw 參數，能夠繪製 error 線在條形圖中。

bar_width = 0.35groups = np.arange(5)y1 = np.linspace(10, 50, 5)np.random.seed(0)y2 = np.random.rand(5) * 40 + 10 plt.close("all")f, ax = plt.subplots(2, 2, figsize=(14, 6), gridspec_kw = {'height_ratios':[1, 2]})# 並列豎立條形圖ax[0,0].bar(groups, y1, bar_width, label="Class 1",
          yerr=2 * groups + 1)ax[0,0].bar(groups + bar_width, y2, bar_width, label="Class 2")ax[0,0].set_xticks(groups + bar_width / 2)ax[0,0].set_xticklabels(list("ABCDE"))ax[0,0].legend(loc="upper left")# 堆疊豎立條形圖ax[0,1].bar(groups, y1, bar_width, label="Class 1")ax[0,1].bar(groups, y2, bar_width, bottom=y1, label="Class 2")ax[0,1].set_xticks(groups)ax[0,1].set_xticklabels(list("ABCDE"))ax[0,1].legend(loc="upper left")# 橫置條形圖ax[1,0].barh(groups, y1, bar_width, label="Class 1")ax[1,0].barh(groups + bar_width, y2, bar_width, label="Class 2")ax[1,0].set_yticks(groups + bar_width / 2)ax[1,0].set_yticklabels(list("ABCDE"))ax[1,0].legend(loc="lower right")# 堆疊豎立百分比條形圖（附百分比數字）y1_percent = y1 / (y1 + y2)y2_percent = y2 / (y1 + y2)ax[1,1].bar(groups, y1_percent, bar_width, label="Class 1")ax[1,1].bar(groups, y2_percent, bar_width, bottom=y1_percent, label="Class 2")## 加上百分比字串for k in range(len(groups)):
    ax[1,1].text(groups[k], y1_percent[k]/2, r"{:.0%}".format(y1_percent[k]),
                 color="w", ha="center", va="center")
    ax[1,1].text(groups[k], y2_percent[k]/2 + y1_percent[k], 
                 r"{:.0%}".format(y2_percent[k]), color="k", ha="center", va="center")ax[1,1].set_xticks(groups)ax[1,1].set_xticklabels(list("ABCDE"))ax[1,1].legend(loc="center left", bbox_to_anchor=(1.0, 0.5))## 設置 y 軸刻度ax[1,1].yaxis.set_major_formatter(mpl.ticker.FuncFormatter(
                                  lambda y, pos: r"{:.0f}%".format(100*y)))plt.show()

直方圖：Axes.hist

參數：histtype 能夠指定爲 「bar」（默認）或者 「barstacked」, 「step」, 「stepfilled」 四種類型，其中 「barstacked」 與 「bar」 參數外加 「stacked=True」 的效果是同樣的。rwidth 能夠指定每組的柱形寬度佔組寬的多少。normed 參數用於控制標準化，使各條形面積總和爲 1。weights 參數用於添加計數權重，尺寸與數據尺寸一致。最後，color 參數來傳入一個控制顏色的元組。

np.random.seed(0)x = np.random.rand(100, 3)bins_num = 10plt.close("all")f, ax = plt.subplots(2, 2, sharex=True, figsize=(12, 8))ax[0,0].hist(x, bins_num)ax[0,0].set_title("Simple")ax[0,1].hist(x, bins_num, histtype="bar", stacked=True, rwidth=0.5)ax[0,1].set_title("Stacked histogram")ax[1,0].hist(x, bins_num, normed=True)ax[1,0].set_title("Normalized histogram")ax[1,1].hist(x, bins_num, color=("c", "y", "b"), weights=1/x)ax[1,1].set_title("Weighted histogram")plt.show()

箱形圖：Axes.boxplot

箱形圖的參數比較多：

• labels：字符串列表。做爲分組標籤。

• width：列表。指定各箱形圖的寬度。

• vert：默認爲 True。爲 False 時，箱形圖將橫向繪製。

• whis：數字，列表，或者「range」，用於指定正常值範圍。通常地，箱形圖中會找到低、高兩個四分位點 Q1 與 Q3，並在它們之間（IQR=Q3-Q1）繪製箱形圖的主體。而箱形圖中的高、低的兩個 cap 所肯定的正常值範圍，則是由 Q3 + whis * IQR 與 Q1 - whis * IQR 決定的，其中 whis 的默認值是 1.5。除了給該參數傳入數字，也能夠傳入：

• 字符串「range」，表示將全部數據點歸入正常值範圍。

• 數字列表：以 [a, b] 的形式傳入，表示正常值範圍從 a 百分位到 b 百分位。

• 均值相關的參數：

• showmeans：布爾型，默認 False。顯示均值。如下參數在 showmean=True 時有效。

• meanline：布爾型。在箱形圖中繪製一條橫線，表示均值的位置。

• meanprops：字典。指定均值參數。能夠是點屬性，也能夠是線屬性，參考下例。

• 中位數相關的參數：

• medianprops 用法相似均值參數。

• usermedians傳入一個 n 乘 2 數組，數組中非None的元素會取代對應位置的正常計算的中位數。

• 箱體相關的參數：showbox，boxprops。

• 異常值（flier）、須（whisker）與區間壁（cap）相關的參數：showcaps，showfliers，flierprops，capprops， whiskerprops。

• 置信區間參數：

• notch：布爾型。繪製 V 型（中值處內縮的）箱形圖。

• conf_intervals ：置信區間，n 乘 2 數組（n爲單組數據點個數，下例爲1000）。

• bootstrap：整數。用自助抽樣法抽取指定個數的樣本，並標註 95% 置信區間。

• 美化參數：patch_artist 默認 False。若是爲 True，會填充箱形區域，並支持更改顏色。好比 facecolor 參數，它在 patch_artist=False 時是沒法傳入給 boxprops 字典的，由於兩種模式下 boxplot 返回的類型是不一樣的。

# 本例源自：http://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.boxplot.htmlmu, sigma = 1, 1/3np.random.seed(0)x = np.random.normal(mu, sigma, size=(1000, 3))# Properties boxprops = dict(linestyle='--', linewidth=3, color='tan')flierprops = dict(marker='o', markerfacecolor='lightgreen', markersize=4,
                  linestyle='none')medianprops = dict(linestyle='-.', linewidth=2.5, color='firebrick')meanpointprops = dict(marker='D', markeredgecolor='black',
                      markerfacecolor='firebrick', markersize=6)meanlineprops = dict(linestyle='--', linewidth=2.5, color='purple')# Plotplt.close("all")f, ax = plt.subplots(2, 3, figsize=(15, 8))ax[0,0].boxplot(x)ax[0,0].set_title("Default boxplot")ax[0,1].boxplot(x, whis=1, labels=list("ABC"),
                patch_artist=True, boxprops = dict(facecolor=("lightblue")))ax[0,1].set_title("Bboxplot with labels and 1X range")ax[0,2].boxplot(x, medianprops=medianprops, whis="range", labels=list("ABC"))ax[0,2].set_title("Boxplot with medianline and\nfull-length whiskers")ax[1,0].boxplot(x, showcaps=False, showfliers=False, labels=list("ABC"),
                showmeans=True, meanline=True, meanprops=meanlineprops,)ax[1,0].set_title("Customized boxplot: meanline")ax[1,1].boxplot(x, showmeans=True, flierprops=flierprops, 
                meanprops=meanpointprops, labels=list("ABC"))ax[1,1].set_title("Customized boxplot: meanpoint")ax[1,2].boxplot(x, vert=False, boxprops=boxprops, labels=list("ABC"))ax[1,2].set_title("Horizontal customized boxplot")plt.show()

等高線圖：Axes.contour(f)

contour 有如下幾種調用方法：

• contour(Z, …)表示在網格上，繪製高度爲 Z 的等高線圖。

• contour(Z, N, …)表示繪製高度爲 Z 的等高線圖，其等高線總數爲 N 且自動選定。

• contour(Z, V, …)表示繪製高度爲 Z 的等高線圖，其等高線知足列表 V 指定要繪製等高線的高度位置。

• 以上全部調用方法以前，都可以加上 X, Y 參數，表示在  X,Y 網格上繪製。

其餘的一些經常使用參數（contour 還可使用 linestyle 與 linewidth）：

• colors：單個字串或一個字串元組。設定等高線顏色。

• levels：即上述調用方法中的 V 參數。

• orgin：[當 X,Y 指定時無做用] 默認’None’，即 Z 的首元素是左下角點。可選’upper’/’lower’/’image’。若是設爲’image’，rc值中的image.origin會被使用。

• extent：[當 X,Y 指定時無做用] 以四元元組 (x0, x1, y0, y1) 的方式傳值。若是 origin 非 None，它給出圖像的邊界；若是 origin 是 None，則 (x0, y0) 表示 Z[0,0] 的位置，(x1, y1) 表示 Z[-1, -1] 的位置。

至於命令 Axes.clabel(CS, ...)，它設置了 CS 對象中存儲的等高線的高度標記格式，具體參數有：

• inline：布爾型。是否移除高度標記位置下方的等高線，默認 True。

• inline_spacing：數字。高度標記兩側到等高線的空距，默認 5 像素。

• fmt：格式化字串。用於指定高度標記的格式，默認 ‘%1.3f’（小數點左一位右三位）。

• colors：單個字串或一個字串元組。設定高度標記顏色。

# 本例改編自：http://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.contour.htmlimport matplotlib.mlab as mlabdelta = 0.025x = np.arange(-3.0, 3.0, delta)y = np.arange(-2.0, 2.0, delta)X, Y = np.meshgrid(x, y)  # 生成網格np.random.seed(0)Z1 = mlab.bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)  # 聯合正態Z2 = mlab.bivariate_normal(X, Y, 1.5, 0.5, 1, 1)Z = 10.0 * (Z2 - Z1)plt.close("all")f, ax = plt.subplots(1, 2, figsize=(10, 5))ax[0].clabel(ax[0].contour(X, Y, Z, 8), inline=True) ax[0].set_title("Colored contour")# 想要取消負高度虛線，使用：# matplotlib.rcParams['contour.negative_linestyle'] = 'solid'ax[1].clabel(ax[1].contour(X, Y, Z, 6, colors="k"), inline=True)ax[1].set_title("Contour: negative dashed")plt.show()

# 另外一個例子，也改編自上例import matplotlib.cm as cmplt.close("all")plt.figure()# 顯示一個圖片到座標軸上im = plt.imshow(Z, interpolation='bilinear', origin='lower',
                cmap=cm.gray, extent=(-3, 3, -2, 2))levels = np.arange(-1.2, 1.6, 0.2)CS = plt.contour(Z, levels,
                 origin='lower',
                 linewidths=2,
                 extent=(-3, 3, -2, 2))# 加粗高度爲 0 的等高線zc = CS.collections[6]plt.setp(zc, linewidth=4)# 每隔一個 level, 標記一次高度plt.clabel(CS, levels[1::2],
           inline=1,
           fmt='%1.1f',
           fontsize=14)# 添加一個顏色條CB = plt.colorbar(CS, shrink=0.8, extend='both')plt.title('Lines with colorbar')# 交換如下兩行的註釋與否，能夠獲得不一樣的色圖#plt.hot()plt.flag()# 能夠再加上另外一個顏色條CBI = plt.colorbar(im, orientation='horizontal', shrink=0.8)# 調整先前顏色條的位置l, b, w, h = plt.gca().get_position().boundsll, bb, ww, hh = CB.ax.get_position().boundsCB.ax.set_position([ll, b + 0.1*h, ww, h*0.8])plt.show()

說完 contour，再看一個 contourf 的例子：

# 本例改編自：http://www.labri.fr/perso/nrougier/teaching/matplotlib/#contour-plots# import matplotlib.cm as cmplt.close('all')fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(15, 4))def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)n = 256X,Y = np.meshgrid(np.linspace(-3,3,n), np.linspace(-3,3,n))Z = f(X, Y)# 只畫出邊界：contourC1 = ax1.contour(X, Y, Z, 8, linewidth=.5)ax1.clabel(C1, inline=1, fontsize=10, fmt='%0.1f')  # 等高線標上數字ax1.axis('scaled')# 只填充顏色：contourfax2.contourf(X, Y, Z, 8, alpha=.75, cmap=cm.gray)ax2.axis('scaled')# 繪製邊界並填充顏色ax3.contour(X, Y, Z, 8, color='k', linewidth=.5)ax3.contourf(X, Y, Z, 8, alpha=.75, cmap='jet')ax3.axis('scaled')plt.show()

其中，contourf 的 cmap 參數支持的字串有如下幾種：

cmap_paras = ['autumn', 'bone', 'cool', 'copper', 'flag', 'gray', 'hot', 'hsv', 
              'jet', 'pink', 'prism', 'spring', 'summer', 'winter',
              'nipy_spectral', 'nipy_spectral_r']plt.close('all')fig, axarr = plt.subplots(len(cmap_paras), 1, sharex=True, figsize=(15, 4))X, Y = np.meshgrid(np.linspace(0, 10, 1000), np.linspace(0, 1, 10))Z = X axarr[0].set_title('\'cmap\' Parameter (from low to high) ')for index, cmapstr in enumerate(cmap_paras):
    axarr[index].contourf(X, Y, Z, 40, cmap=cmapstr)  # 分爲40級
    axarr[index].text(10.3, 0.2, cmapstr)
    axarr[index].set_yticklabels([])plt.show()

其餘命令

 

填充：Axes.fill_between / fill_betweenx

參數：填充指定區域where，使用插值的精確點而不是原有的數據點interpolate=True。

x = np.linspace(0, 2 * np.pi, 1000)plt.close("all")f, ax = plt.subplots(3, 2, sharex="col", figsize=(12, 8))y1 = np.sin(x)y2 = 1.6 * np.sin(2 * x)ax[0,0].fill_between(x, 0, y1)ax[0,0].set_title("Fill between 0 and y1")ax[1,0].fill_between(x, y1, 1)ax[1,0].set_title("Fill between y1 and 1")ax[2,0].plot(x, y1, x, y2, color="k")ax[2,0].fill_between(x, y1, y2)ax[2,0].set_title("Fille between y1 and y2")ax[0,1].plot(x, y1, x, y2, color="k")ax[0,1].fill_between(x, y1, y2, where = y2>y1, facecolor="lightgreen")ax[0,1].fill_between(x, y1, y2, where = y2<y1, facecolor="lightblue")ax[0,1].set_title("Fill between where")ax[1,1].fill_betweenx(x, 0, 4)ax[1,1].set_title("Fill between 0 and 4")ax[2,1].fill_betweenx(x, y1, y2, alpha=0.6)ax[2,1].set_title("Fill between 0 and y1")plt.show()

對數座標軸：Axes.loglog / semilogx / semilogy

x = np.arange(0.01, 20, 0.01)plt.close("all")f, ax = plt.subplots(2, 2, figsize=(14, 6))f.subplots_adjust(hspace=0.3)ax[0,0].semilogy(x, np.exp(x))ax[0,0].set_title("semilogy")ax[0,1].semilogx(x, np.sin(2 * np.pi * x))ax[0,1].set_title("semilogx")ax[1,0].loglog(x, 20*np.exp(x), basex=2)ax[1,0].set_title("loglog base 2 on x-axis")ax[1,1].loglog(x, x, visible=False)ax[1,1].set_title("loglog invisible")plt.show()

極座標

x = np.linspace(0, 2 * np.pi, 400)y = np.sin(x ** 2)plt.close('all')fig, ax = plt.subplots(1, 1, subplot_kw=dict(projection='polar'))  # 或者 dict(polar=True)ax.plot(x, y)plt.show()

左手座標系

實質是翻轉了 X 座標軸。相似地，Y 座標軸也能夠被翻轉。

x = np.linspace(0, 2 * np.pi, 100)y = np.sin(x)plt.close("all")f, ax = plt.subplots()ax.plot(x, y)ax.invert_xaxis()ax.set_title("Inverted X-axis")plt.show()

能夠用 xaxis_inverted 來檢測座標軸是否處於翻轉狀態：

ax.xaxis_inverted(), ax.yaxis_inverted()

(True, False)

附：GIF 動態圖保存

 

這是一個很是有趣的功能。GIF 動態圖的繪製與生成不一樣於靜態圖像。主要使用 matplotlib 中的 animation 模塊。

前提工做

在開始繪製動態圖以前，你可能須要一些工做來保證命令正常運行：

1. 下載並安裝 ImageMagick，好比 Windows 用戶選擇「ImageMagick-x.x.x-0-Q16-x64-dll.exe」版本。其中 Q16 表示顏色的位深度，x.x.x是版本號。請記錄你將它安裝到了何處。安裝成功後，在命令行下輸入「convert」應當會正常調用ImageMagick。

2. 若是在安裝後仍不能生成 GIF，那可能須要編輯你的 matplotlib 配置文件。你能夠這樣查找你的配置文件路徑：

import matplotlib as mplmpl.matplotlib_fname()

'e:\\python\\lib\\site-packages\\matplotlib\\mpl-data\\matplotlibrc'

而後用文本編輯器打開 matplotlibrc，找到被「#」註釋的如下兩行：

#animation.ffmpeg_path: 'ffmpeg'
#animation.convert_path: 'convert'

替換爲（路徑改爲你的 ImageMagick 安裝路徑）：

animation.ffmpeg_path: F:\ProgramFiles\ImageMagick-7.0.5-Q16\ffmpeg.exe
animation.convert_path: F:\ProgramFiles\ImageMagick-7.0.5-Q16\convert.exe

例子

至於如何生成 GIF，例子以下。一些要點：

• 一般須要定義一個 update 函數。

• 經過 FuncAnimation 函數的 interval 參數，控制每幀停留的時間。

• 你可使用 set_data（須要傳入一個兩行 n 列的 np.array 對象，或者兩個類 List 對象） 代替 set_ydata / set_xdata。

from matplotlib.animation import FuncAnimationx = np.linspace(0, 1, 100)y = np.arange(0.05, 5, 0.05)fig, ax = plt.subplots(figsize=(8,6))# 注意這裏把 plot 的結果保存到一個 Lines 對象# 這個初始幀不會寫入到 GIFframes, = ax.plot(x, x)  def update_gif(k, X=x):
    frames.set_ydata(np.power(X, k))
    ax.set_title("Curve of $y=x^k$ when k={:.2f}".format(k))
    ax.axis([0, 1, 0, 1])
    return frames, anim = FuncAnimation(fig, update_gif, y, interval=0.1*1000)  # 依次傳入y並更新幀# 如下是保存爲 gif# gif_path = os.path.join(os.getcwd(), "{0}_files".format("Py3-matplotlib"))# if not os.path.exists(gif_path):#     os.makedirs(gif_path)                 # anim.save(os.path.join(gif_path, "matplotlib-eg.gif"), dpi=100, writer='imagemagick')

因爲不能直接 plt.show（不然會把每一幀輸出爲單獨的圖片），這裏我用 Markdown 的語法來嵌入這個 GIF:

若是你以爲 matplotlib + ImageMagick 的操做仍不能知足一些複雜的 GIF 要求，我推薦使用第三方的、帶有圖形界面的 GIF 製做軟件，例如 Ulead Gif Animator.