Matplotlib Tutorial(譯)

翻譯自:Matplotlib tutorialNicolas P. Rougier - Euroscipy 2012

• toc
  {: toc}

這個教程基于可以從scipy lecture note得到的 Mike Müller的教程。

源代碼可從這里獲得。圖像在figures文件夾內(nèi)，所有的腳本位于scripts文件夾。

所有的代碼和材料以Creative Commons Attribution 3.0 United States License (CC-by)發(fā)布。

特別感謝Bill Wing和Christoph Deil的檢查和校正。

引言

matplotlib大概是被使用最多的二維繪圖Python包。它不僅提供一個非常快捷的用python可視化數(shù)據(jù)的方法，而且提供了出版質(zhì)量的多種格式圖像。我們將要探索matplotlib包含最常見情況的交互模式。

Ipython 和 pylab模式

IPython是一個增強的Python交互shell，它擁有很多有趣的特性包括被命名的輸入與輸出，可使用shell命令，增強的調(diào)試和許多其它特性。當(dāng)我們在命令參數(shù)中用-pylab(自從IPython0.12版變成--pylab),它容許交互的matplotlib會話有像Matlab/Mathematica樣的功能。

pylab

pylab提供了一個針對matplotlib面向?qū)ο罄L圖庫的程序界面。它模仿Matlab(TM)開發(fā)。因此，pylab大部分的繪圖命令和參數(shù)和Matlab(TM)相似。重要的命令被交互示例解釋。

簡單繪圖

在這一部分，我們想在同一個圖片中繪制正弦和余弦函數(shù)。從默認(rèn)設(shè)置開始，我們將一步一步地改進使它看上去更棒。

首先獲得正弦和余弦函數(shù)的數(shù)據(jù)：

from pylab import *X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X)

X現(xiàn)在是一個numpy數(shù)組，包含從-π到+π(包含π)等差分布的256個值。C是正弦(256個值)，S是余弦(256個值)。

運行這個例子，你可以在IPython交互會話鍵入它們

[lyy@arch ~]$ ipython2 --pylab Python 2.7.3 (default, Apr 24 2012, 00:00:54) Type "copyright", "credits" or "license" for more information.IPython 0.13 -- An enhanced Interactive Python. ? -> Introduction and overview of IPython's features. %quickref -> Quick reference. help -> Python's own help system. object? -> Details about 'object', use 'object??' for extra details.Welcome to pylab, a matplotlib-based Python environment [backend: Qt4Agg]. For more information, type 'help(pylab)'.

或者你可以下載每個示例然后使用普通的的python運行它：

$ python exercice_1.py

你可以點擊相應(yīng)圖片的獲得每一步的源碼。

使用默認(rèn)

matplotlib有一套允許定制各種屬性的默認(rèn)設(shè)置。你可以幾乎控制matplotlib中的每一個默認(rèn)屬性：圖像大小，每英寸點數(shù)，線寬，色彩和樣式，子圖(axes)，坐標(biāo)軸和網(wǎng)格屬性，文字和字體屬性，等等。雖然matplotlib的默認(rèn)設(shè)置在大多數(shù)情況下相當(dāng)好，你卻可能想要在一些特別的情形下更改一些屬性。

from pylab import *X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X)plot(X,C) plot(X,S)show()

示例默認(rèn)

在以下腳本中，我們示例(并注釋)所有影響圖像外觀的圖像設(shè)定。這些設(shè)定被顯式地設(shè)置成它們的默認(rèn)值，但是現(xiàn)在你可以交互地嘗試這些值來探索它們的作用(參考之后的線條屬性和線條樣式)。

# Import everything from matplotlib (numpy is accessible via 'np' alias) from pylab import *# Create a new figure of size 8x6 points, using 80 dots per inch figure(figsize=(8,6), dpi=80)# Create a new subplot from a grid of 1x1 subplot(1,1,1)X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X)# Plot cosine using blue color with a continuous line of width 1 (pixels) plot(X, C, color="blue", linewidth=1.0, linestyle="-")# Plot sine using green color with a continuous line of width 1 (pixels) plot(X, S, color="green", linewidth=1.0, linestyle="-")# Set x limits xlim(-4.0,4.0)# Set x ticks xticks(np.linspace(-4,4,9,endpoint=True))# Set y limits ylim(-1.0,1.0)# Set y ticks yticks(np.linspace(-1,1,5,endpoint=True))# Save figure using 72 dots per inch # savefig("exercice_2.png",dpi=72)# Show result on screen show()

更改色彩和線寬

首先，我們想要余弦是藍(lán)色而正弦是紅色，它們的線條都稍厚一點。我們將也稍微更改圖片大小來使它更寬一點。

figure(figsize=(10,6), dpi=80) plot(X, C, color="blue", linewidth=2.5, linestyle="-") plot(X, S, color="red", linewidth=2.5, linestyle="-")

設(shè)置邊界

當(dāng)前的圖像邊界有點太緊了一點，而且我們想要預(yù)留一點空間使數(shù)據(jù)點更清晰。

xlim(X.min()*1.1, X.max()*1.1) ylim(C.min()*1.1, C.max()*1.1)

設(shè)置刻度

當(dāng)前刻度并不理想，因為它們不顯示正余弦中我們感興趣的值(+/-π,+/-π/2)。我們將更改它們讓它們只顯式這些值。

xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi]) yticks([-1, 0, +1])

設(shè)置刻度標(biāo)簽

刻度已經(jīng)放置合適但是他們的標(biāo)簽并不很清楚，我們可以猜出3.142是π但是最好讓它更直接。當(dāng)我們設(shè)置刻度值時，我們也可以在第二個參數(shù)列表中提供相應(yīng)的標(biāo)簽。注意，我們用latex獲得更好渲染的標(biāo)簽。

xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])yticks([-1, 0, +1],[r'$-1$', r'$0$', r'$+1$'])

移動軸線(spine)

軸線(spines)是連接刻度標(biāo)志和標(biāo)示數(shù)據(jù)區(qū)域邊界的線。它們現(xiàn)在可以被放置在任意地方，它們在子圖的邊緣。我們將改變這點，因為我們想讓它們位于中間。因為一共有四個軸線(上/下/左/右)。我們將通過將它們的顏色設(shè)置成None，舍棄位于頂部和右部軸線。然后我們把底部和左部的軸線移動到數(shù)據(jù)空間坐標(biāo)中的零點。

ax = gca() ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') ax.xaxis.set_ticks_position('bottom') ax.spines['bottom'].set_position(('data',0)) ax.yaxis.set_ticks_position('left') ax.spines['left'].set_position(('data',0))

添加圖例

讓我們在圖片左上角添加一個圖例。這僅僅需要向plot命令添加關(guān)鍵字參數(shù)label(之后將被圖例框使用)。

plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine") plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")legend(loc='upper left')

注解某些點

讓我們現(xiàn)在使用annotate命令注解一些我們感興趣的點。我們選擇2π/3作為我們想要注解的正弦和余弦值。我們將在曲線上做一個標(biāo)記和一個垂直的虛線。然后，使用annotate命令來顯示一個箭頭和一些文本。

t = 2*np.pi/3 plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--") scatter([t,],[np.cos(t),], 50, color ='blue')annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',xy=(t, np.sin(t)), xycoords='data',xytext=(+10, +30), textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--") scatter([t,],[np.sin(t),], 50, color ='red')annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',xy=(t, np.cos(t)), xycoords='data',xytext=(-90, -50), textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

魔鬼在于細(xì)節(jié)

由于藍(lán)色和紅色的線，刻度標(biāo)簽現(xiàn)在很難看清。。我們可以讓它們更大并且調(diào)整它們的屬性使它們的背景半透明。這將讓我們把數(shù)據(jù)和標(biāo)簽都看清。

for label in ax.get_xticklabels() + ax.get_yticklabels():label.set_fontsize(16)label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))

圖像，子區(qū)，子圖，刻度(Figures,Subplots,Axes,Ticks)

Note:這一段很繞，我不知道該怎么翻譯好。在matplotlib中axes容器處于核心地位。翻譯成子圖因為在《Python科學(xué)計算》中作者這樣稱呼.subplot翻譯成子區(qū)

目前我們已經(jīng)隱式地使用了圖像(figure)和子圖(axes)的創(chuàng)建。這對快速繪圖很方便。我們通過顯式使用figure，subplot，axes可以控制更多圖像的呈現(xiàn)。一個圖像(figure)意味著用戶界面的整個窗口。在一個圖像中可以有些子區(qū)(subplot)。subplot將繪圖放置在常規(guī)的網(wǎng)格位置上而axes允許更自由的放置。它們都非常有用，取決于你的意圖。我們已經(jīng)隱式地使用了figure和subplot。當(dāng)我們調(diào)用plot時，matplotlib調(diào)用gca來獲取當(dāng)前axes反過來調(diào)用gcf()獲取當(dāng)前圖像(figure)。如果沒有當(dāng)前圖像(figure)，它調(diào)用figure()創(chuàng)建一個，嚴(yán)格地說，是創(chuàng)建一個subplot(111)。讓我們詳細(xì)看看。

圖像(Figure)

圖像是一個圖形用戶界面的窗口，以”Figure #”作為標(biāo)題。相對于Python通常是0索引的，圖像是從一開始的。這顯然是matlab風(fēng)格。這里有幾個決定圖像外觀的參數(shù)：

參數(shù)默認(rèn)描述

num	1	圖像編號
figsize	figure.figsize	圖像大小(寬度，高度)(英寸)
dpi	figure.dpi	每英寸分辨率
facecolor	figure.facecolor	背景色
edgecolor	figure.edgecolor	繪圖背景邊沿色
frameon	True	繪制框架與否

默認(rèn)可以在資源文件^1指定，并將在大多數(shù)時間被使用。只有圖像的編號頻繁變動。

當(dāng)你使用圖形用戶界面時，你可以通過點擊右上角^2的x來關(guān)閉一個圖像。但也可以用一種編程方式調(diào)用close來關(guān)閉一個圖像。取決于參數(shù)它關(guān)閉(1)當(dāng)前圖像(無參數(shù))，(2)一個指定的圖像(以圖像編號或圖像實例作為參數(shù)),(3)所有圖像(以all作為參數(shù))。

和其它對象一樣，你可以通過setp或set_somethin方法來設(shè)置圖像屬性。

子區(qū)(subplots)

你可以通過subplot在正常網(wǎng)格中布置圖像。你需要指定行數(shù)和列數(shù)和區(qū)域的編號。注意gridspec命令是個更強大的選擇。

子圖(axes)

子圖和子區(qū)(subplot)非常相似，但是允許把圖片放置到圖像(figure)中的任何地方。所以如果我們想要在一個大圖片中嵌套一個小點的圖片，我們通過子圖(axes)來完成它。

刻度(ticks)

良好格式化的刻度是準(zhǔn)備發(fā)表的圖片中的重要部分。Matplotlib為刻度提供完全可配置的系統(tǒng)。刻度定位器指定刻度出現(xiàn)的位置，刻度格式器讓刻度看起來如你所愿。主刻度和次要刻度可以分別放置和格式化，每個默認(rèn)主刻度并不顯示，也就是，它們只有一個空列表，因為它們作為空定位器(NullLocator)(參見下面)。

刻度定位器(Tick Locator)

這有幾個針對不同種類需求的各種定位器：

ClassDescription

NullLocator	沒有刻度.
?
IndexLocator	每到一個基數(shù)的倍數(shù)點放置一個刻度
?
FixedLocator	刻度位置是固定的
?
LinearLocator	決定刻度位置
?
MultipleLocator	在每個基于基數(shù)倍數(shù)的整數(shù)點放置刻度
?
AutoLocator	在不錯的位置選擇不超過n個間隔
?
LogLocator	以log坐標(biāo)決定刻度位置
?

所有這些定位器源于matplotlib基類matplotlib.ticker.Locator。你可以源于它創(chuàng)建你自己的定位器。處理時間刻度可能非常棘手。因此，matplotlib在matplotlib.dates中提供了特殊的定位器。

其它種類繪圖

常規(guī)繪圖

從下面的代碼開始，嘗試重新生成上邊的填充圖形。

from pylab import *n = 256 X = np.linspace(-np.pi,np.pi,n,endpoint=True) Y = np.sin(2*X)plot (X, Y+1, color='blue', alpha=1.00) plot (X, Y-1, color='blue', alpha=1.00) show()

提示：你需要使用fill_between命令。

點擊圖片獲取答案。

散點圖(scatter plots)

從以下代碼開始，嘗試生成上邊的圖形，注意標(biāo)記大小，顏色和透明度。

from pylab import *n = 1024 X = np.random.normal(0,1,n) Y = np.random.normal(0,1,n)scatter(X,Y) show()

提示：色彩由(X,Y)角度給出。

點擊圖像獲取答案。

條形圖(bar plots)

從以下代碼開始，嘗試生成上邊的圖形，添加標(biāo)簽和紅色條形。

from pylab import *n = 12 X = np.arange(n) Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n) Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)bar(X, +Y1, facecolor='#9999ff', edgecolor='white') bar(X, -Y2, facecolor='#ff9999', edgecolor='white')for x,y in zip(X,Y1):text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')ylim(-1.25,+1.25) show()

提示:你要注意文本對齊。

點擊圖像獲取答案。

等高線圖(contour plots)

從以下代碼開始，嘗試生成上邊的圖形，注意色彩表。(參見色彩表)

from pylab import *def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)n = 256 x = np.linspace(-3,3,n) y = np.linspace(-3,3,n) X,Y = np.meshgrid(x,y)contourf(X, Y, f(X,Y), 8, alpha=.75, cmap='jet') C = contour(X, Y, f(X,Y), 8, colors='black', linewidth=.5) show()

提示：你需要使用clabel命令。

點擊圖像獲取答案。

Imshow

從以下代碼開始，嘗試生成上邊的圖形，添加標(biāo)簽和紅色條形。

from pylab import *def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)n = 10 x = np.linspace(-3,3,4*n) y = np.linspace(-3,3,3*n) X,Y = np.meshgrid(x,y) imshow(f(X,Y)), show()

提示:你需要注意imshow命令中圖像的來源，并且使用色彩條(colorbar)。

點擊圖像獲取答案。

餅圖(Pie charts)

從以下代碼開始，嘗試生成上邊的圖形，添加標(biāo)簽和紅色條形。

from pylab import *n = 20 Z = np.random.uniform(0,1,n) pie(Z), show()

提示：你需要改變Z。

點擊圖像獲取答案。

矢量圖(quiver plots)

從以下代碼開始，嘗試生成上邊的圖形，注意色彩和方向。

from pylab import *n = 8 X,Y = np.mgrid[0:n,0:n] quiver(X,Y), show()

提示：你需要畫兩次箭頭。

點擊圖像獲取答案。

網(wǎng)格(grids)

從以下代碼開始，嘗試生成上邊的圖形，添加標(biāo)簽和紅色條形。

from pylab import *axes = gca() axes.set_xlim(0,4) axes.set_ylim(0,3) axes.set_xticklabels([]) axes.set_yticklabels([])show()

點擊圖像獲取答案。

多圖繪制

從以下代碼開始，嘗試生成上邊的圖形，添加標(biāo)簽和紅色條形。

from pylab import *subplot(2,2,1) subplot(2,2,3) subplot(2,2,4)show()

提示：你可以對不同部分使用幾個subplot命令。

點擊圖像獲取答案。

極軸圖

從以下代碼開始，嘗試生成上邊的圖形，添加標(biāo)簽和紅色條形。

from pylab import *axes([0,0,1,1])N = 20 theta = np.arange(0.0, 2*np.pi, 2*np.pi/N) radii = 10*np.random.rand(N) width = np.pi/4*np.random.rand(N) bars = bar(theta, radii, width=width, bottom=0.0) for r,bar in zip(radii, bars): bar.set_facecolor( cm.jet(r/10.))bar.set_alpha(0.5) show()

提示：你僅僅需要修改axes這行。

點擊圖像獲取答案。

三維繪圖

從以下代碼開始，嘗試生成上邊的圖形，添加標(biāo)簽和紅色條形。

from pylab import * from mpl_toolkits.mplot3d import Axes3Dfig = figure() ax = Axes3D(fig) X = np.arange(-4, 4, 0.25) Y = np.arange(-4, 4, 0.25) X, Y = np.meshgrid(X, Y) R = np.sqrt(X**2 + Y**2) Z = np.sin(R)ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot')show()

提示：你需要使用contourf命令。

點擊圖像獲取答案。

繪制文本

試著從頭做這個！提示：看一看matplotlib logo

點擊圖像獲取答案。

此教程之外

matplotlib受益于豐富的文檔和巨大的用戶和開發(fā)者社區(qū)。這有幾個有關(guān)的鏈接：

教程

pyplot教程

圖像教程

文本教程

artist對象教程

路徑教程

變換教程

matplotlib文檔

用戶手冊

常見問題

截圖

代碼文檔

代碼相當(dāng)好的文檔化了，你可以在python會話中快速查詢指定命令

>>> from pylab import * >>> help(plot) Help on function plot in module matplotlib.pyplot:plot(*args, **kwargs)Plot lines and/or markers to the:class:`~matplotlib.axes.Axes`. *args* is a variable lengthargument, allowing for multiple *x*, *y* pairs with anoptional format string. For example, each of the following islegal::plot(x, y) # plot x and y using default line style and colorplot(x, y, 'bo') # plot x and y using blue circle markersplot(y) # plot y using x as index array 0..N-1plot(y, 'r+') # ditto, but with red plussesIf *x* and/or *y* is 2-dimensional, then the corresponding columnswill be plotted.

畫廊(Galleries)

當(dāng)你搜尋如何繪制指定圖像時，matplotlib gallery也相當(dāng)有用。每個例子和它的源碼一同被提供。

一個較小的畫廊在這里

郵件列表

最后，這里有一個用戶郵件列表，那里你可以尋求幫助。一個開發(fā)者郵件列表是更加技術(shù)性的。

快速參考

沒什么好翻譯的，看原文吧……傳送門

線條屬性

線型

標(biāo)記

色彩表

from:?http://reverland.org/python/2012/09/07/matplotlib-tutorial/#ipython--pylab

總結(jié)

以上是生活随笔為你收集整理的Matplotlib Tutorial(译)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。