Matplotlib is hiring a Research Software Engineering Fellow! See discourse for details. Apply by January 3, 2020

Version 3.1.1
matplotlib
Fork me on GitHub

目录

Related Topics

PyPror教程

Pyplot接口简介。Pyplot简介

matplotlib.pyplot 是命令样式函数的集合,使matplotlib像matlab一样工作。各 pyplot 函数对图形进行一些更改:例如,创建图形、在图形中创建绘图区域、在绘图区域中绘制一些线、用标签装饰绘图等。

matplotlib.pyplot 在函数调用中保留各种状态,以便跟踪当前图形和绘图区域等内容,并且绘图功能指向当前轴(请注意,文档中的“轴”在此处和大多数位置都指 axes part of a figure 而不是一个以上轴的严格数学术语)。

注解

Pyplot API通常不如面向对象的API灵活。您在这里看到的大多数函数调用也可以作为 Axes 对象。我们建议浏览教程和示例以了解这是如何工作的。

使用pyplot生成可视化效果非常迅速:

import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()
PyPror教程

你可能想知道为什么x轴在0-3之间,y轴在1-4之间。如果向 plot() 命令matplotlib假定它是一个Y值序列,并自动为您生成X值。因为python的范围以0开始,所以默认的x向量与y的长度相同,但以0开始。因此x数据是 [0,1,2,3] .

plot() 是一个通用的命令,并且将接受任意数量的参数。例如,要绘制x与y,可以发出以下命令:

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
PyPror教程

设置绘图样式的格式

对于每对x,y参数,都有一个可选的第三个参数,它是指示绘图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,您可以将颜色字符串与线样式字符串连接起来。默认格式字符串是“b-”,这是一条纯蓝色的线。例如,要用红色圆圈绘制上面的内容,您将发出

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 6, 0, 20])
plt.show()
PyPror教程

plot() 有关线条样式和格式字符串的完整列表的文档。这个 axis() 上面示例中的命令包含 [xmin, xmax, ymin, ymax] 并指定轴的视区。

如果matplotlib仅限于使用列表,那么它对于数字处理将相当无用。通常,您将使用 numpy 数组。实际上,所有序列都在内部转换为numpy数组。下面的示例说明如何使用数组在一个命令中绘制具有不同格式样式的多条线。

import numpy as np

# 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()
PyPror教程

使用关键字字符串打印

有些情况下,数据的格式允许您使用字符串访问特定变量。例如,使用 numpy.recarraypandas.DataFrame .

Matplotlib允许您为此类对象提供 data 关键字参数。如果提供,则可以使用与这些变量对应的字符串生成绘图。

data = {'a': np.arange(50),
        'c': np.random.randint(0, 50, 50),
        'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100

plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()
PyPror教程

用分类变量绘图

也可以使用分类变量创建一个图。Matplotlib允许您将分类变量直接传递给许多绘图函数。例如:

names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]

plt.figure(1, figsize=(9, 3))

plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()
PyPror教程

控制线条属性

线条具有许多可以设置的属性:线条宽度、虚线样式、抗锯齿等;请参见 matplotlib.lines.Line2D . 有几种方法可以设置线条属性

  • 使用关键字参数::

    plt.plot(x, y, linewidth=2.0)
    
  • 使用的setter方法 Line2D 实例。 plot 返回的列表 Line2D 对象;例如 line1, line2 = plot(x1, y1, x2, y2) . 在下面的代码中,我们假设只有一行,因此返回的列表的长度为1。我们使用tuple解包 line, 要获取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样式的命令在一个行列表上设置多个属性。 setp 透明地处理对象列表或单个对象。您可以使用python关键字参数或matlab样式的字符串/值对:

    lines = plt.plot(x1, y1, x2, y2)
    # use keyword args
    plt.setp(lines, color='r', linewidth=2.0)
    # or MATLAB style string value pairs
    plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
    

这有空的 Line2D 性质。

财产 价值类型
阿尔法 浮动
有生气的 [真假]
抗锯齿或AA [真假]
clip_box matplotlib.transform.bbox实例
clip_on [真假]
clip_path 一个路径实例和一个转换实例,一个补丁
颜色或C 任何Matplotlib颜色
包含 命中测试功能
dash_capstyle ['butt' | 'round' | 'projecting']
dash_joinstyle ['miter' | 'round' | 'bevel']
破折号 点中的开/关墨水顺序
数据 (np.array扩展数据,np.array Ydata)
图形 matplotlib.figure.figure实例
标签 任何字符串
直线或LS [ '-' | '--' | '-.' | ':' | 'steps' | ...]
线宽或线性宽度 浮点值
LOD [真假]
标记 [ '+' | ',' | '.' | '1' | '2' | '3' | '4' ]
markeredgecolor或mec 任何Matplotlib颜色
标记边缘宽度或新宽度 浮点值
MarkerFaceColor或MFC 任何Matplotlib颜色
标记或MS 浮动
市场化的 [无整数(startind,stead)]
捡拾器 用于交互式行选择
拾取半径 线拾取选择半径
solid_capstyle ['butt' | 'round' | 'projecting']
solid_joinstyle ['miter' | 'round' | 'bevel']
转型 matplotlib.transforms.transform实例
看得见的 [真假]
外部数据存储器 np.array
YDATA np.array
Z阶 任意数

要获取可设置行属性的列表,请调用 setp() 以一行或多行作为参数的函数

In [69]: lines = plt.plot([1, 2, 3])

In [70]: plt.setp(lines)
  alpha: float
  animated: [True | False]
  antialiased or aa: [True | False]
  ...snip

使用多个图形和轴

MATLAB和 pyplot ,具有当前图形和当前轴的概念。所有绘图命令都应用于当前轴。函数 gca() 返回当前轴(A matplotlib.axes.Axes 实例) gcf() 返回当前数字 (matplotlib.figure.Figure 实例)。通常情况下,你不必担心这件事,因为它都是在幕后处理的。下面是创建两个子批次的脚本。

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()
PyPror教程

这个 figure() 这里的命令是可选的,因为 figure(1) 将在默认情况下创建,就像 subplot(111) 如果不手动指定任何轴,默认情况下将创建。这个 subplot() 命令指定 numrows, numcols, plot_number 在哪里? plot_number 范围从1到 numrows*numcols . 中的逗号 subplot 命令是可选的,如果 numrows*numcols<10 . 所以 subplot(211) 相同 subplot(2, 1, 1) .

可以创建任意数量的子批次和轴。如果要手动放置轴(即不在矩形网格上),请使用 axes() 命令,允许您将位置指定为 axes([left, bottom, width, height]) 其中所有值都是分数(0到1)坐标。见 轴演示 例如手动放置轴和 基本子批次演示 例如,有很多子批次。

可以使用多个图形创建多个图形 figure() 数字越大的呼叫。当然,每个图形可以包含尽可能多的轴和子图,如您的心所愿:

import matplotlib.pyplot as plt
plt.figure(1)                # the first figure
plt.subplot(211)             # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212)             # the second subplot in the first figure
plt.plot([4, 5, 6])


plt.figure(2)                # a second figure
plt.plot([4, 5, 6])          # creates a subplot(111) by default

plt.figure(1)                # figure 1 current; subplot(212) still current
plt.subplot(211)             # make subplot(211) in figure1 current
plt.title('Easy as 1, 2, 3') # subplot 211 title

您可以用清除当前数字 clf() 和当前的轴 cla() . 如果您觉得在幕后为您维护状态(特别是当前的图像、图形和轴)很烦人,请不要失望:这只是一个围绕面向对象API的薄的有状态包装器,您可以使用它(请参见 艺术家辅导

如果要制作大量的图形,还需要注意一件事:图形所需的内存不会完全释放,直到用 close() . 删除对图形的所有引用和/或使用窗口管理器终止图形出现在屏幕上的窗口是不够的,因为pyplot在 close() 被称为。

使用文本

这个 text() 命令可用于在任意位置添加文本,并且 xlabel()ylabel()title() 用于在指定位置添加文本(请参见 matplotlib图中的文本 更详细的例子)

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=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()
PyPror教程

所有的 text() 命令返回 matplotlib.text.Text 实例。与上面的行一样,可以通过向文本函数传递关键字参数或使用 setp() ::

t = plt.xlabel('my data', fontsize=14, color='red')

这些特性在 文本属性和布局 .

在文本中使用数学表达式

matplotlib接受任何文本表达式中的tex表达式。例如,编写表达式 \(\sigma_i=15\) 在标题中,您可以编写一个用美元符号包围的tex表达式:

plt.title(r'$\sigma_i=15$')

这个 r 在标题字符串之前是很重要的--它表示该字符串是 raw 字符串,不要将反斜杠视为python转义。Matplotlib有一个内置的tex表达式解析器和布局引擎,并提供自己的数学字体——有关详细信息,请参阅 写数学表达式 . 因此,您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来格式化文本,并将输出直接合并到显示图形或保存的PostScript中--请参见 Latex 文本渲染 .

注释文本

基本的用途 text() 上面的命令将文本放置在轴上的任意位置。文本的一个常见用途是注释绘图的某些特征,以及 annotate() 方法提供了帮助器功能,使注释变得容易。在注释中,需要考虑两点:由参数表示的注释位置 xy 以及文本的位置 xytext . 这两个论点都是 (x,y) 元组。

ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
             arrowprops=dict(facecolor='black', shrink=0.05),
             )

plt.ylim(-2, 2)
plt.show()
PyPror教程

在这个基本示例中,两个 xy (箭头)和 xytext 位置(文本位置)在数据坐标中。我们可以选择其他各种坐标系——请参见 基本注释高级批注 详情。更多示例见 注释绘图 .

对数轴和其他非线性轴

matplotlib.pyplot 不仅支持线性轴比例,还支持对数和逻辑比例。如果数据跨越多个数量级,则通常使用这种方法。更改轴的比例很容易:

plt.xscale('log')

下面是四个具有相同数据和不同比例的Y轴绘图的示例。

from matplotlib.ticker import NullFormatter  # useful for `logit` scale

# Fixing random state for reproducibility
np.random.seed(19680801)

# make up some data in the interval ]0, 1[
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))

# plot with various axes scales
plt.figure(1)

# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt