Skip to content

matplotlib模块

简介

matplotlib 是一个用于创建出版质量图表的桌面绘图包（主要是 2D）。

在 Jupyter notebook 进行交互式绘图：%matplotlib notebook 通常，它以这样的方式引入：import matplotlib.pyplot as plt

Figure 和 Subplot

matplotlib 的图像都位于 Figure 对象中。使用 plt.figure 创建一个新的 Figure:

fig = plt.figure()

不能在空的 Figure 上面画图，你需要通过 add_subplot 创建一个或多个 subplot 才行：

ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)

# 紧接着调用 plot 画图, k-- 表示绘制黑色虚线图。
plt.plot(np.random.randn(50).cumsum(), 'k--')

plt 的绘图会画在 ax3 上，matplotlib 会在最后一个用过的 subplot 上进行绘制（如果没有则自动新建一个）。然后你可以在 ax1 和 ax2 上面画图：

ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))

结果展示：

不过，matplotlib 有一个更为方便的方法 plt.subplots，它可以创建一个新的 Figure，并返回一个含有已创建的 subplot 对象的 NumPy 数组

In [2]: import matplotlib.pyplot as plt

In [3]: fig, axes = plt.subplots(2, 3)

In [4]: axes
Out[4]: 
array([[<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>],
       [<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>]], dtype=object)

你可以通过下标索引来指定 axes： axes[0, 1]。另外，你可以通过 sharex 和 sharey 指定它们是否具有相同的 X 轴或者 Y 轴。

参数 说明
nrows subplot 的行数
ncols subplot 的列数
sharex 所有 subplots 应该使用相同的 X 轴刻度（调节 xlim 将会影响所有 subplot)
sharey 所有 subplots 应该使用相同的 Y 轴刻度（调节 ylim 将会影响所有 subplot)
subplot_kw 创建各 subplot 的关键字字典
**fig_kw 创建 figure 时的其他关键字，例如 plt.subplots(2, 2, figsize=(8,6))

调整

subplot 周围的间距

使用 Figure 的 subplots_adjust 方法可以轻而易举地修改间距，此外，它也是一个顶级函数：

subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

其中，wspace 和 hspace 控制宽度和高度的百分比，可以用作 subplot 之间的间距。

例如，在绘图之后，调用 plt.subplot_adjust(wspace = 0, hspace = 0) 会使得所有子图都紧挨着。在此之前你必须手动处于刻度位置和刻度标签，不然会重叠在一起。

颜色，标记和线型

matplotlib 的 plot 函数接受一组 X 和 Y 坐标，还可以接受一个表示颜色和线型的字符串缩写。例如 ax.plot(x, y, 'g--') 可以绘制绿色虚线。

当然，你也可以分别指定：

ax.plot(x, y, linestyle='--', color='g')。

再例如：

  • plt.plot(randn(30).cumsum(), 'ko--')
  • plt.plot(randn(30).cumsum(), color='k', linestyle='dashed', marker='o')

上面两种不同的操作有着同样的效果。

颜色对应关系

简称 颜色
b blue
c cyan
g green
k black
m magenta
r red
w white
y yello

附上 RGB 代码转换网站：http://www.sioe.cn/yingyong/yanse-rgb-16/

控制线性

简称 线性
- 实线
-- 短线
-. 短点相间线
: 虚线

控制标记：

  1. ., ,, o, v, ^, <, >
  2. 1, 2, 3, 4
  3. s, p, *, h, H, d, |, _, +, x

设置标题、轴标签、刻度以及刻度标签

要改变 x 轴刻度，可以使用 set_xticks 和 set_xticklabels。

ticks = ax.set_xticks([0, 250, 500, 700, 1000])
labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'], rotation = 30, fonsize = 'small')

其中，rotation 选项设定 \(x\) 刻度倾斜 30 度。

然后，设置图的标题以及 X 轴的名称：

ax.set_title('My first matplotlib plot')
ax.set_xlabel('Stages')
Y 轴阈值类似，除此之外，你可以使用集合方法来批量设定：

props = {
    "title" : "My first matplotlib plot"
    "xlabel" : "Stages"
}
ax.set(**props)

添加图例

添加图例的方式有很多，最简单的是直接在创建 subplot 的时候传入 label 参数：

ax.plot(randn(1000).cumsum(), 'k', label = 'one')

然后，调用 ax.legend() 或者 plt.legend() 来自动创建图例：

ax.legend(loc = 'best')

legend 方法有几个位置参数，例如： - upper left, upper center, upper right - center left, center, center right - lower left, lower center, lower right

注解以及在 subplot 上绘图

除了标准的绘图，你可能还希望在一些子集上绘制一些子集的注解，可能是文本、箭头或其他图形等。

注解和文字可以通过 text, arrow, annotate 函数进行添加。text 可以将文本绘制在图表的指定坐标 \((x, y)\)，还可以加上一些自定义格式：

ax.text(x, y, 'Hello workld!', family='monospace', fontsize=10)

Example

下面是加箭头注解的一个例子，使用最近的普尔 500 指数价格（来自Yahoo!Fiance）绘制一张曲线图，并标注出一些重要时间。

from datetime import datetime 
fig = plt.figure() 
ax = fig.add_subplot(1, 1, 1) 
data = pd.read_csv('examples/spx.csv', index_col=0, parse_dates=True) 
spx = data['SPX'] 
spx.plot(ax=ax, style='k-') 
crisis_data = [ (datetime(2007, 10, 11), 'Peak of bull market'), 
                (datetime(2008, 3, 12), 'Bear Stearns Fails'), 
                (datetime(2008, 9, 15), 'Lehman Bankruptcy') ] 

for date, label in crisis_data: 
    ax.annotate(label, xy=(date, spx.asof(date) + 75), 
                xytext=(date, spx.asof(date) + 225), 
                arrowprops=dict(facecolor='black', headwidth=4, width=2, headlength=4), 
                horizontalalignment='left', verticalalignment='top') 

# Zoom in on 2007-2010 
ax.set_xlim(['1/1/2007', '1/1/2011']) 
ax.set_ylim([600, 1800]) 

ax.set_title('Important dates in the 2008-2009 financial crisis')

图形的绘制要麻烦一些，一般也不常用。需要创建一个块 shp，然后通过 ax.add_patch(shp) 将其添加到 subplot 中。

将图表保存到文件

利用 plt.savefig 可以将当前图表保存到文件。该方法相当于 Figure 对象的实例方法 savefig。

plt.savefig('figpath.svg')

文件的类型是通过文件名后缀推测出来的。最常用的两个参数是 dpi 和 bbox_inches，分别控制每英寸点数（即分辨率）和图片边缘空白。

plt.savefig('figpath.png', dpi = 400, bbox_inches = 'tight')

当然，他还可以写入到任何文件型的对象，比如 BytesIO：

from io import BytesIO
buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()

关于 savefig 的其他参数：

参数 说明
fname 文件名或文件对象
dpi 图像分辨率，默认 100
facecolor, edgecolor 图像背景色，默认 w （白色）
format 显示设置文件格式
bbox_inches 图标需要保存的部分，如果是 tight，则将尝试剪除图表周围的空白部分

matplotlib 配置

几乎所有默认行为都可以通过一组全局参数进行自定义，它们可以管理图像大小，supblot 边距、配色方案、字体大小、网格类型等。一种方法是使用 rc 方法。

例如，要将全局图像默认大小设置为 10*10，你可以执行：

plt.rc('figure', figsize=(10,10))

rc 的第一个参数是希望自定义的对象，例如 figure, axes, xtick, ytick, grid, legend 等。其后跟上一系列的关键字参数。将这些选项写成参数会更方便：

font_options = {
    "family" : "monospace", # 如需中文，改为 SimHei
    "weight" : "bold",
    "size"   : "small"
}
plt.rc("font", **font_options)

Tip

关于设置中文显示，可以参考 python设置 matplotlib 正确显示中文的四种方式

救急方案： 

font = {'family' : 'SimHei',
    'weight' : 'bold',
    'size'   : '16'}
plt.rc('font', **font)               # 步骤一（设置字体的更多属性）
plt.rc('axes', unicode_minus=False)  # 步骤二（解决坐标轴负数的负号显示问题）

如果没有对应字体，需要去下载。

通过 matplotlib.get_configdir() 可以找到用户默认配置所处的位置，通常是在用户家目录下的隐藏文件中。在这里修改配置将对该用户全局生效。通过 matplotlib.matplotlib_fname() 可以找到当前使用的配置文件。

比较推荐的方法是，针对同一项目建议一份配置文件。在项目目录下创建 matplotlibrc 即可。

风格

查看内置风格：

In [1]:  print(plt.style.available)
['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

这里展示了每种风格的样子：Style sheets reference

每种风格的配置代码都在 xx\Lib\site-packages\matplotlib\mpl-data\stylelib 下，可以自己模仿进行配置。

如果要使用 ggplot 风格：

plt.style.use('ggplot')

参考

  • https://matplotlib.org/
  • https://zhuanlan.zhihu.com/p/137677737
  • https://www.runoob.com/w3cnote/matplotlib-tutorial.html
本文访问 次

Comments