Python圖表繪製：matplotlib繪圖庫入門__Python

Python圖表繪製：matplotlib繪圖庫入門

matplotlib 是python最著名的繪圖庫，它提供了一整套和matlab相似的命令API，十分適合互動式地行製圖。而且也可以方便地將它作為繪圖控制項，嵌入GUI應用程式中。

它的文檔相當完備，並且Gallery頁面中有上百幅縮圖，開啟之後都有來源程式。因此如果你需要繪製某種類型的圖，只需要在這個頁面中瀏覽/複製/粘貼一下，基本上都能搞定。

在Linux下比較著名的資料圖工具還有gnuplot，這個是免費的，Python有一個包可以調用gnuplot，但是文法比較不習慣，而且畫圖品質不高。

而 Matplotlib則比較強：Matlab的文法、python語言、latex的畫圖品質（還可以使用內嵌的latex引擎繪製的數學公式）。

Matplotlib.pyplot快速繪圖

快速繪圖 和 物件導向方式繪圖

matplotlib實際上是一套物件導向的繪圖庫，它所繪製的圖表中的每個繪圖元素，例如線條Line2D、文字Text、刻度等在記憶體中都有一個對象與之對應。

為了方便快速繪圖matplotlib通過pyplot模組提供了一套和MATLAB類似的繪圖API，將眾多繪圖對象所構成的複雜結構隱藏在這套API內部。我們只需要調用pyplot模組所提供的函數就可以實現快速繪圖以及設定圖表的各種細節。pyplot模組雖然用法簡單，但不適合在較大的應用程式中使用。

為了將物件導向的繪圖庫封裝成只使用函數的調用介面，pyplot模組的內部儲存了當前圖表以及當前子圖等資訊。當前的圖表和子圖可以使用plt.gcf()和plt.gca()獲得，分別表示"Get Current Figure"和"Get Current Axes"。在pyplot模組中，許多函數都是對當前的Figure或Axes對象進行處理，比如說：

plt.plot()實際上會通過plt.gca()獲得當前的Axes對象ax，然後再調用ax.plot()方法實現真正的繪圖。

可以在Ipython中輸入類似"plt.plot??"的命令查看pyplot模組的函數是如何對各種繪圖對象進行封裝的。

配置屬性

matplotlib所繪製的圖表的每個組成部分都和一個對象對應，我們可以通過調用這些對象的屬性設定方法set_*()或者pyplot模組的屬性設定函數setp()設定它們的屬性值。

因為matplotlib實際上是一套物件導向的繪圖庫，因此也可以直接擷取對象的屬性

設定檔

繪製一幅圖需要對許多個物件的屬性進行配置，例如顏色、字型、線型等等。我們在繪圖時，並沒有逐一對這些屬性進行配置，許多都直接採用了matplotlib的預設配置。

matplotlib將這些預設配置儲存在一個名為“matplotlibrc”的設定檔中，通過修改設定檔，我們可以修改圖表的預設樣式。設定檔的讀入可以使用rc_params()，它返回一個配置字典；在matplotlib模組載入時會調用rc_params()，並把得到的配置字典儲存到rcParams變數中；matplotlib將使用rcParams字典中的配置進行繪圖；使用者可以直接修改此字典中的配置，所做的改變會反映到此後建立的繪圖元素。

繪製多子圖（快速繪圖）

Matplotlib 裡的常用類的內含項目關聯性為 Figure -> Axes -> (Line2D, Text, etc.)一個Figure對象可以包含多個子圖(Axes)，在matplotlib中用Axes對象表示一個繪圖區域，可以理解為子圖。

可以使用subplot()快速繪製包含多個子圖的圖表，它的調用形式如下：

subplot(numRows, numCols, plotNum)

subplot將整個繪圖區域等分為numRows行* numCols列個子領域，然後按照從左至右，從上到下的順序對每個子領域進行編號，左上的子領域的編號為1。如果numRows，numCols和plotNum這三個數都小於10的話，可以把它們縮寫為一個整數，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的地區中建立一個軸對象。如果新建立的軸和之前建立的軸重疊的話，之前的軸將被刪除。

subplot()返回它所建立的Axes對象，我們可以將它用變數儲存起來，然後用sca()交替讓它們成為當前Axes對象，並調用plot()在其中繪圖。

繪製多圖表（快速繪圖）

如果需要同時繪製多幅圖表，可以給figure()傳遞一個整數參數指定Figure對象的序號，如果序號所指定的Figure對象已經存在，將不建立新的對象，而只是讓它成為當前的Figure對象。

import numpy as np

import matplotlib.pyplot as plt

plt.figure(1) # 建立圖表1

plt.figure(2) # 建立圖表2

ax1 = plt.subplot(211) # 在圖表2中建立子圖1

ax2 = plt.subplot(212) # 在圖表2中建立子圖2

x = np.linspace(0, 3, 100)

for i in xrange(5):

    plt.figure(1)  #❶ # 選擇圖表1

    plt.plot(x, np.exp(i*x/3))

    plt.sca(ax1)   #❷ # 選擇圖表2的子圖1

    plt.plot(x, np.sin(i*x))

    plt.sca(ax2)  # 選擇圖表2的子圖2

    plt.plot(x, np.cos(i*x))

plt.show()

在圖表中顯示中文

matplotlib的預設設定檔中所使用的字型無法正確顯示中文。為了讓圖表能正確顯示中文，可以有幾種解決方案。 在程式中直接指定字型。 在程式開頭修改配置字典rcParams。 修改設定檔。

物件導向畫圖

matplotlib API包含有三層，Artist層處理所有的高層結構，例如處理圖表、文字和曲線等的繪製和布局。通常我們只和Artist打交道，而不需要關心底層的繪製細節。

直接使用Artists建立圖表的標準流程如下： 建立Figure對象 用Figure對象建立一個或者多個Axes或者Subplot對象 調用Axies等對象的方法建立各種簡單類型的Artists

import matplotlib.pyplot as plt

X1 = range(0, 50)

Y1 = [num**2 for num in X1] # y = x^2

X2 = [0, 1]

Y2 = [0, 1]  # y = x

Fig = plt.figure(figsize=(8,4))                      # Create a `figure' instance

Ax = Fig.add_subplot(111)               # Create a `axes' instance in the figure

Ax.plot(X1, Y1, X2, Y2)                 # Create a Line2D instance in the axes

Fig.show()

Fig.savefig("test.pdf")

 

參考：

《Python科學計算》(Numpy視頻) matplotlib-繪製精美的圖表(快速繪圖)(物件導向繪圖)（深入淺出適合系統學習）

什麼是 Matplotlib （主要講物件導向繪圖，對於新手可能有點亂）

 

Matplotlib.pylab快速繪圖

matplotlib還提供了一個名為pylab的模組，其中包括了許多NumPy和pyplot模組中常用的函數，方便使用者快速進行計算和繪圖，十分適合在IPython互動式環境中使用。這裡使用下面的方式載入pylab模組：

>>> import pylab as pl

1 安裝numpy和matplotlib

>>> import numpy
>>> numpy.__version__

>>> import matplotlib
>>> matplotlib.__version__

 

2 兩種常用圖類型：Line and scatter plots(使用plot()命令), histogram(使用hist()命令)

2.1 折線圖&散佈圖 Line and scatter plots

2.1.1 折線圖 Line plots(關聯一組x和y值的直線)

import numpy as np

import pylab as pl

x = [1, 2, 3, 4, 5]# Make an array of x values

y = [1, 4, 9, 16, 25]# Make an array of y values for each x value

pl.plot(x, y)# use pylab to plot x and y

pl.show()# show the plot on the screen

 

2.1.2 散佈圖 Scatter plots

把pl.plot(x, y)改成pl.plot(x, y, 'o')即可，下圖的藍色版本

 

2.2  美化 Making things look pretty

2.2.1 線條顏色 Changing the line color

紅色：把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)

 

2.2.2 線條樣式 Changing the line style

虛線:plot(x,y, '--')

 

2.2.3 marker樣式 Changing the marker style

藍色星型markers：plot(x,y, ’b*’)

 

2.2.4 圖和軸標題以及軸座標限度 Plot and axis titles and limits

import numpy as np

import pylab as pl

x = [1, 2, 3, 4, 5]# Make an array of x values

y = [1, 4, 9, 16, 25]# Make an array of y values for each x value

pl.plot(x, y)# use pylab to plot x and y

pl.title(’Plot of y vs. x’)# give plot a title

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

pl.xlim(0.0, 7.0)# set axis limits

pl.ylim(0.0, 30.)

pl.show()# show the plot on the screen

 

2.2.5 在一個座標繫上繪製多個圖 Plotting more than one plot on the same set of axes

做法是很直接的，依次作圖即可:

import numpy as np

import pylab as pl

x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph

y1 = [1, 4, 9, 16, 25]

x2 = [1, 2, 4, 6, 8]

y2 = [2, 4, 8, 12, 16]

pl.plot(x1, y1, ’r’)# use pylab to plot x and y

pl.plot(x2, y2, ’g’)

pl.title(’Plot of y vs. x’)# give plot a title

pl.xlabel(’x axis’)# make axis labels

pl.ylabel(’y axis’)

pl.xlim(0.0, 9.0)# set axis limits

pl.ylim(0.0, 30.)

pl.show()# show the plot on the screen

 

2.2.6  圖例 Figure legends

pl.legend((plot1, plot2), (’label1, label2’), 'best’, numpoints=1)

其中第三個參數表示圖例放置的位置:'best’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’.

如果在當前figure裡plot的時候已經指定了label，如plt.plot(x,z,label="$cos(x^2)$")，直接調用plt.legend()就可以了哦。

import numpy as np

import pylab as pl

x1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graph

y1 = [1, 4, 9, 16, 25]

x2 = [1, 2, 4, 6, 8]

y2 = [2, 4, 8, 12, 16]