Matplotlib系列(一)：快速绘图入门

Matplotlib系列目录

文章目录

• 一、 简介
• 二、 思维导图
• 三、 Matplotlib快速绘图
  *
• 1. 两种绘图方式
  –
  • 1.1 过程式绘图
  • 1.2 面向对象绘图
• 2. matplotlib绘图对象层次组成
• 3. Matplotlib面向对象绘图过程
  –
  • 3.1 典型代码示例
  • 3.2 创建画布
  • 3.3 创建图表
  • 3.4 绘制图形（包含设置点、线样式、颜色）
    +
  • 3.4.1 点、线样式，颜色参数
  • 3.4.2 颜色参数取值
    *
    • 1) 基本颜色简写
    • 2) 颜色名称
    • 3) 灰度数值
    • 4）十六进制RGB字符串
    • 5）RGB，RGBA元组
    • 6）C0,C1,…CN字符串
  • 3.4.3 线样式参数取值
  • 3.4.4 点样式参数取值
  • 3.5 坐标轴设置
  • 3.6 图例
  • 3.7 图表标题
  • 3.8 保存图形
  • 3.9 显示图形
• 4. 过程式绘图过程
• 5. 绘图数据和多子图绘图
  –
  • 5.1 字典数据绘图
  • 5.2 多子图绘图

一、 简介

‎pyplot‎‎是 matplotlib 的一个基于状态的接口。‎可以快速的绘制图表。通常我们绘图只需要通过pyplot的接口就可以了。

matplotlib还有一个pylab接口，pylab接口实际上就是导入了pyplot接口以及numpy，scipy的一些函数。不推荐使用pylab，官网也同样不推荐。

Matplotlib系列将Matplotlib的知识和重点API，编制成思维导图和重点笔记形式，方便记忆和回顾，也方便应用时参考，初学者也可以参考逐步深入学习。

二、 思维导图

; 三、 Matplotlib快速绘图

1. 两种绘图方式

1.1 过程式绘图

import matplotlib.pyplot as plt
plt.plot(x,y)
plt.show()

就这么简单，依次调用pyplot模块中的相应函数就可以完成绘图。

1.2 面向对象绘图

采用面向对象的方式，也非常方便，并且更加容易对图形进行修改控制。

import matplotlib.pyplot as plt
fig=plt.figure()
ax=fig.subplots()
ax.plot(x,y)
plt.show()

画布上可以显示多个图表，fig.subplots()无参数创建图表，默认创建一个图表。

2. matplotlib绘图对象层次组成

在Matplotlib中，一个图形对象由容器、图表、图表元素几层对象组成。

• Figure：画布对象。是可以包含多个图表的容器。matplotlib中的顶层对象。
• Text：suptitle，supxlabel，supylabel等画布级别的文本标签。
• Axes：图表对象。指一个含坐标轴、点线图形、图例等的图表。
  • Text：title标题文本标签
  • Spine：边框，坐标轴线。
  • Axis：XAxis，YAxis坐标轴。
  • Text：label坐标轴标签
  • Tick：刻度元素
    • 主刻度、次刻度
    • 刻度值
    • 网格线
  • Legend：图例
  • Line2D、Markers等图形元素
  • Text：其他文本
• Legend：图例（放在图表框之外的画布级图例）。

• Figure对象的属性texts、axes、legends，以及get_children()函数可以获得子对象。
• Axes对象的属性title、spines、xaxis、yaxis、legend_、lines、texts，以及get_children()函数可以获得子对象。
• Axis坐标轴通常可以直接用Axes对象的方法直接操作
• 所有可见的对象，比如Figure、Axes、Line2D、Text等都继承自Artist类。

Matplotlib中用Axes表示图表有点让人容易误解，可能是一个图表包含多个坐标轴吧，所以有人把Axes翻译为轴域或坐标系。

如果上图看不到，请到官网图形组成链接查看。

; 3. Matplotlib面向对象绘图过程

3.1 典型代码示例

先看一个典型的示例

import numpy as np
x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)

import matplotlib.pyplot as plt

fig=plt.figure()

ax=fig.subplots()

ax.plot(x,y,'+r--', label='line1',mec='b',ms=10)

ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_xticks([-4,-2,0,2,4])
ax.set_xticks(np.arange(-4,4,0.5),minor=True)
ax.set_yticks([-1,-0.5,0,0.5,1])
ax.set_yticks(np.arange(-1.5,1.5,0.1),minor=True)
ax.tick_params(axis='y',labelrotation=30)
ax.set_xlim(-3.5,3.5)
ax.set_ylim(-1.5,1.5)

ax.grid(True)

ax.legend()

ax.set_title("sample")

fig.savefig("sample.png")
plt.show()

绘图效果如下：

3.2 创建画布

• fig=plt.figure()：创建画布
• fig=plt.figure(figsize=(6.4,4.8),dpi=100)：指定画布大小和分辨率创建画布
• figsize参数格式为(width,height)，单位为inch。
• dpi参数：分辨率，指每inch像素数。默认dpi为100
  –

  figsize=(6.4,4.8),dpi=100)最终得到的图像为640×480像素大小

3.3 创建图表

• ax=fig.subplots()：在画布上创建一个图表。

fig,ax=plt.subplots()可以创建画布并在画布上创建一个图表

ax=plt.add_axes([0,0,6.4,4.8])也可以创建图表，但是该函数必须指定坐标范围，并且创建的图表没有坐标轴等对象，是完全空白的。

3.4 绘制图形（包含设置点、线样式、颜色）

常见的基本图形包括：

• ax.scatter(x,y,label=’name’)：散点图
• ax.plot(x,y,label=’name’)：折线图
• ax.bar(x,y,label=’name’)：柱状图

matplotlib支持非常多的图形绘制，包括二维图形和三维图形。后续详细解释。

3.4.1 点、线样式，颜色参数

不同的图形，样式也不太相同。

以最常见的点、线样式为主，简单介绍常用参数如下（详细参数见后续章节）：

• ax.plot(x,y,color='b')可以简写为 ax.plot(x,y,c='b')设置点和线颜色为blue。
• ax.plot(x,y,linestyle='-',linewidth=1.5)：设置线样式为实线，线宽为1.5。
• ax.plot(x,y,marker='+',marckersize=1.5)：设置点样式为+，大小为1.5。
• 可以简写为 ax.plot(x,y,marker='o',ms=1.5)
• ax.plot(x,y,fmt='+r-')：用字符串参数，同时设置点样式、点线颜色、线样式
• 可以简写为 ax.plot(x,y,'+r-')
• fmt的格式为 [marker][line][color]

点的边缘颜色、填充颜色等也可以单独设置

• ax.plot(x,y,'o',markerfacecolor='b',markeredgecolor='r')：设置点颜色参数
• markerfacecolor设置点填充颜色, markeredgecolor设置点边缘颜色。
• markerfacecolor='b',markeredgecolor='r'可以简写为 mfc='b',mec='r'

3.4.2 颜色参数取值

fmt参数中只能使用简化的颜色写法即：

• 'r', 'g', 'b'：’red’,’green’,’blue’的简写。
• 'c', 'm', 'y', 'k'：’cyan’,’magenta’,’yellow’,’black’的简写。
• 'w'：’white’的简写。

color参数可以用简写，也可以用全称。

1) 基本颜色简写

• ‘r’,’g’,’b’,’c’,’m’,’y’,’k’,’w’
• ‘red’,’green’,’blue’,’cyan’,’magenta’,’yellow’,’black’,’white’

2) 颜色名称

• color='lightblue'：参数表示浅蓝颜色
• Brown, Chocolate, Gold, Gray, Orange, Pink, Purple, Silver, Snow, Tomato, Yellow
• ForestGreen, SandyBrown, SeaGreen, SkyBlue, SpringGreen, WhiteSmoke
• GreenYellow, OrangeRed, YellowGreen
• LightBlue , LightCyan, LightGrey, LightGreen, LightPink, LightYellow
• LightSeaGreen, LightSkyBlue
• MediumBlue, MediumPurple, MediumSeaGreen
• DarkBlue, DarkCyan, DarkGray, DarkGreen, Darkorange, DarkRed, DarkSeaGreen
• DeepPink, DeepSkyBlue, HotPink

以上为部分颜色名称

• matplotlib._color_data.CSS4_COLORS可以获得常用的颜色名称。
• matplotlib.colors.get_named_colors_mapping()可以获取所有的颜色名称。

3) 灰度数值

• color=0.5：参数表示灰色

用 [0,1]之间浮点数表示灰度数据。0表示黑色，1表示白色，0.2表示深灰，0.8表示浅灰。

4）十六进制RGB字符串

• color='#0F0'：#RGB格式参数表示绿色
• color='#00FF00'：#RRGGBB格式参数表示绿色
• color='#00FF0088'：#RRGGBBAA表示半透明绿色

不分大小写。’#abc’与’#ABC’相同

5）RGB，RGBA元组

• color=(0.2,0.1,0.5)：(r,g,b)格式参数
• color=(0.1,0.2,0.5,0.3)：(r,g,b,a)格式参数

r,g,b取值范围为 [0,1]

6）C0,C1,…CN字符串

用C0,C1,…CN字符串，循环引用 rcParams['axes.prop_cycle']中的颜色。

• color='C30'

• matplotlib.rcParams['axes.prop_cycle']可以获取颜色列表。
• C必须大写。

很多绘图函数还支持用预定义的颜色风格ColorMap为数据设置颜色。详解”Matplotlib系列(二)”

3.4.3 线样式参数取值

• '-'：实线（solid line style）
• '--'：虚线（dashed line style）
• '-.'：点划线（dash-dot line style）
• ':'：点线（dotted line style）

3.4.4 点样式参数取值

• 点
• '.':点（point marker）
• ‘,’：像素点（pixel marker）
• 'o'：实心圆（circle marker）
• 三角
• ‘v’：倒三角（triangle_down marker）
• '^'：三角形（triangle_up marker）
• ‘
• 多边形
• 's'：四边形（square marker）
• ‘p’：五边形（pentagon marker）
• ‘h’：六边形（hexagon1 marker）尖点朝上
• ‘H’：六边形（hexagon2 marker）平边朝上
• ‘8’：八边形（octagon marker）
• 'D'：菱形（diamond marker）
• 'd'：瘦菱形（thin_diamond marker）上下长，左右窄
• 符号形状
• '+'：加号（plus marker）
• ‘P’：粗加号(plus (filled) marker)
• '_'：减号（hline marker）
• '|'：竖线/减号旋转90度（vline marker）
• 'x'：乘号（x marker）
• ‘X’：粗乘号（x (filled) marker）
• '*'：五角星（star marker）

3.5 坐标轴设置

• 设置坐标轴标签文本
• ax.set_xlabel('X axis')
• ax.set_ylabel('Y axis')
• 设置主刻度坐标
• ax.set_xticks([-4,-2,0,2,4])
• ax.set_yticks([-1,-0.5,0,0.5,1])
• 设置次刻度坐标
• ax.set_xticks(np.arange(-4,4,0.5),minor=True)
• ax.set_yticks(np.arange(-1.5,1.5,0.1),minor=True)
• 设置x,y轴坐标刻度显示范围
• ax.set_xlim(-3.5,3.5)
• ax.set_ylim(-1.5,1.5)

设置网格

• ax.grid(visible, which=’major’, axis=’both’)
• visible参数：bool类型，True或者False
• which参数：可选值{‘major’,’minor’,’both’}
• axis参数：可选值{‘both’,’x’,’y’}
• color参数：网格颜色
• linestyle参数：网格线样式
• linewidth参数：网格线宽度

设置刻度样式

• ax.tick_params(axis='y',labelrotation=30)：y轴刻度文字旋转30度。
• axis参数：可取值{‘x’, ‘y’, ‘both’}，默认’both’
• reset参数：bool类型。在更新参数前是否重置刻度到默认值。默认False
• direction参数：可取值{‘in’, ‘out’, ‘inout’}。刻度文字位于内部，外部，轴上。默认外部
• color参数：刻度颜色。
• labelsize参数：文本大小。
• labelcolor参数：文本颜色。
• grid_color参数：网格颜色。

3.6 图例

• ax.legend()：显示图例。若plot为指定label参数，则图例无法显示。
• ax.legend(['line1','line2',...]：指定图例各个曲线的label名称。如果已有label，则会覆盖

图例样式设置

• ax.legend(loc='upper right'):自定义图例位置。
• ‘best’：重叠最小的位置，默认值
• ‘upper right’：右上
• ‘upper left’：左上
• ‘lower left’：左下
• ‘lower right’：右下
• ‘center left’：中左
• ‘center right’：中右
• ‘lower center’：中下
• ‘upper center’：中上
• ax.legend(fontsize='samll')：自定义图例文字大小。
• 相对大小（字符串）
  • ‘xx-small’,’x-small’,’smal’：小于当前默认字体大小
  • ‘medium’：中等
  • ‘large’,’x-large’,’xx-large’：大于当前默认字体大小
• 绝对大小（数值）
  • fontsize=10：绝对字体大小，单位为点。
• ax.legend(labelcolor=['r','b'])：设置图例文本颜色。
• ax.legend(mode='expand')：图例水平平铺。

3.7 图表标题

• ax.set_title("sample")：设置图表标题。
• ax.set_title("title", loc='left')：设置图表标题位置。
• loc可选值为{‘left’,’center’,’right’}，默认值为’center’

3.8 保存图形

• fig.savefig("sample.png"):保存图形到文件。

支持如下格式：

• jpg, jpeg：jpg图
• png：png图
• svg, svgz：svg图
• tif, tiff：tiff图
• pgf：pgf位图
• pdf, eps, ps：pdf或postscript文件
• raw, rgba

3.9 显示图形

plt.show()

必须调用plt.show()才能显示。

4. 过程式绘图过程

import numpy as np
x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)

import matplotlib.pyplot as plt

plt.plot(x,y,'+r-.', label='line1')

plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.xticks([-4,-2,0,2,4])
plt.yticks([-1,-0.5,0,0.5,1], rotation=30)
plt.xlim(-3.5,3.5)
plt.ylim(-1.5,1.5)

plt.grid(True,c='gray',linestyle=':')

plt.legend()

plt.title("sample")

plt.savefig("sample.png")

plt.show()

方法参数基本上与面向对象方式一致。

5. 绘图数据和多子图绘图

5.1 字典数据绘图

import numpy as np
import matplotlib.pyplot as plt

data = {'x': np.arange(50),
        'y': np.random.randint(0, 50, 50),
        'color': np.random.randn(50)}

plt.scatter('x', 'y', c='color', data=data)

plt.show()

效果如下：

5.2 多子图绘图

可以用如下方式创建多个子图

• fig,axarray=plot.subplots(m,n)：一次生成m行n列子图
• axarray=fig.subplots(m,n)：一次生成m行n列子图，返回m×n个axes对象
• fig.add_subplot(m,n,i)：增加一个子图，m行n列放在第i个
• 也可以用fig.add_subplots(mni)方式调用

axarray=plt.subplots(2,2)
ax1=axarray[0]
ax2=axarray[1]
ax3=axarray[2]
ax4=axarray[3]
ax1.plot(x,y)

建议用fig.add_subplots()函数创建多子图。

fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax1.plot(x,y,'r-')
ax2=fig.add_subplot(223)
ax2.plot(x,y,'b:')
ax3=fig.add_subplot(1,2,2)
ax3.plot(x,y,'Dg--')
plt.show()

画布级别标题和标签

• fig.suptitle(“figtitle”)：设置总标题（与所有子图平级）
• fig.supxlabel(“figxlabel”)：设置总x标签（如果所有子图标签相同，可以只设置一个总标签）
• fig.supylabel(“figxlabel”)：设置总y标签

子图间距

• fig.subplots_adjust(wspace=0.5,hspace=0.5)：调整子图之间的间距
• wspace：表示子图间宽度方向间隔系数
• hspace：表示子图间高度方向间隔系数
• fig.tight_layout(pad=1)：调整子图四周空白宽度
• pad：四周空白宽度系数
• w_pad：宽度方向空白宽度系数
• h_pad：高度方向空白宽度系数

fig.suptitle("figtitle", x=0.5, y=0.98)
fig.supxlabel("figxlabel", x=0.5, y=0.02)
fig.supylabel("figylabel", x=0.02, y=0.5)
fig.tight_layout(pad=2)

显示效果如下：

Matplotlib系列目录

个人总结，部分内容进行了简单的处理和归纳，如有谬误，希望大家指出，持续修订更新中。
修订历史版本见：https://github.com/hustlei/AI_Learning_MindMap
未经允许请勿转载。

Original: https://blog.csdn.net/hustlei/article/details/122408199
Author: hustlei
Title: Matplotlib系列(一)：快速绘图入门