Matplotlib 是 Python 的二维绘图库，用于生成符合出版质量或跨平台交互环境的各类图形。

工作流

1.准备数据
2.创建图形
3.绘图
4.自定义设置
5.保存图形
6.显示图形

import matplotlib.pyplot as plt
x = [1,2,3,4]#step1
y = [10,20,25,30]
fig = plt.figure()#step2
ax = fig.add_subplot(111)#step3
ax.plot(x, y, color='lightblue', linewidth=3)#step3,4
ax.scatter([2,4,6],[5,15,25],color='darkgreen',
marker='^')
ax.set_xlim(1, 6.5)
plt.savefig('foo.png')#step5
plt.show()#step6

1.准备数据

一维数据

import numpy as np
x = np.linspace(0,10,100)
y = np.cos(x)
z = np.sin(x)

二维数据或图片

data = 2 * np.random.random((10, 10))
data2 = 3 * np.random.random((10, 10))
Y, X = np.mgrid[-3:3:100j, -3:3:100j]
U = -1 - X**2 + Y
V = 1 + X - Y**2
from matplotlib.cbook import get_sample_data
img = np.load(get_sample_data('axes_grid/bivariate_normal.npy'))

2.绘制图形

画布

import matplotlib.pyplot as plt
fig = plt.figure()
fig2 = plt.figure(figsize=plt.figaspect(2.0))

坐标轴

图形是以坐标轴为核心绘制的，大多数情况下，子图就可以满足需求。子图是栅格系统的坐标轴。

fig.add_axes()
ax1 = fig.add_subplot(221)
ax3 = fig.add_subplot(212)
fig3, axes = plt.subplots(nrows=2,ncols=2)
fig4, axes2 = plt.subplots(ncols=3)

image.png
image.png

3.绘图例程

一维数据

fig, ax = plt.subplots()
lines = ax.plot(x,y)#用线或标记连接点
ax.scatter(x,y)#缩放或着色未连接的点
axes[0,0].bar([1,2,3],[3,4,5])#绘制等宽纵向矩形
axes[1,0].barh([0.5,1,2.5],[0,1,2])#绘制等高横向矩形
axes[1,1].axhline(0.45)#绘制与轴平行的横线
axes[0,1].axvline(0.65) #绘制与轴垂直的竖线
ax.fill(x,y,color='blue')#绘制填充多边形
ax.fill_between(x,y,color='yellow')#填充y值和0之间

image.png

向量场

axes[0,1].arrow(0,0,0.5,0.5)#为坐标轴添加箭头
axes[1,1].quiver(y,z) #二维箭头
axes[0,1].streamplot(X,Y,U,V)#二维箭头

数据分布

ax1.hist(y)#直方图
ax3.boxplot(y)#箱形图
ax3.violinplot(z)#小提琴图

二维数据或图片

fig, ax = plt.subplots()
im = ax.imshow(img,cmap='gist_earth',
interpolation='nearest',
vmin=-2,
vmax=2)#色彩表或RGB数组 

image.png

axes2[0].pcolor(data2)#二维数组伪彩色图
axes2[0].pcolormesh(data)#二维数组等高线伪彩色图
CS = plt.contour(Y,X,U)#等高线图
axes2[2].contourf(data1)
axes2[2]= ax.clabel(CS) #等高线图标签

image.png

4.自定义图形

颜色、色条与色彩表

plt.plot(x, x, x, x**2, x, x**3)
ax.plot(x, y, alpha = 0.4)
ax.plot(x, y, c='k')
fig.colorbar(im, orientation='horizontal')
im = ax.imshow(img,cmap='seismic')

image.png

标记

fig, ax = plt.subplots()
ax.scatter(x,y,marker=".")
ax.plot(x,y,marker="o")

image.png

线形

plt.plot(x,y,linewidth=4.0)

image.png

plt.plot(x,y,ls='solid')

image.png

plt.plot(x,y,ls='--')

image.png

plt.plot(x,y,'--',x**2,y**2,'-.')

image.png

plt.setp(lines,color='r',linewidth=4.0)

image.png

文本与标注

ax.text(1,-2.1,'Example Graph', style='italic')
ax.annotate("Sine", xy=(8, 0),xycoords='data', xytext=(10.5, 0), textcoords='data', arrowprops=dict(arrowstyle="->", connectionstyle="arc3"),)

数学符号

plt.title(r'$sigma_i=15$', fontsize=20)

image.png

尺寸限制\图例和布局

#尺寸限制与自动调整
ax.margins(x=0.0,y=0.1)#添加内边距
ax.axis('equal')#将图形纵横比设置为1
ax.set(xlim=[0,10.5],ylim=[-1.5,1.5])#设置x轴与y轴的限制
ax.set_xlim(0,10.5)#设置x轴的限制
#图例
ax.set(title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis')#设置标题与x、y轴的标签
ax.legend(loc='best') #自动选择最佳的图例位置
#标记
ax.xaxis.set(ticks=range(1,5),ticklabels=[3,100,-12,"foo"])#手动设置X轴刻度
ax.tick_params(axis='y',direction='inout',length=10)#设置Y轴长度与方向
#子图间距
fig3.subplots_adjust(wspace=0.5,hspace=0.3,
                     left=0.125,right=0.9,top=0.9,
                     bottom=0.1)#调整子图间距
fig.tight_layout()#设置画布的子图布局
#坐标轴边线
ax1.spines['top'].set_visible(False)#隐藏顶部坐标轴线
ax1.spines['bottom'].set_position(('outward',10))#设置底部边线的位置为outward

5.保存

#保存画布
plt.savefig('foo.png')
#保存透明画布
plt.savefig('foo.png', transparent=True)

6.显示图形

plt.show()

关闭与清除

plt.cla()#清除坐标轴
plt.clf()#清除画布
plt.close()#关闭窗口