本文作爲學習過程中對matplotlib一些常用知識點的整理，方便查找。
強烈推薦ipython
無論你工作在什麼項目上，IPython都是值得推薦的。利用ipython --pylab，可以進入PyLab模式，已經導入了matplotlib庫與相關軟件包（例如Numpy和Scipy)，額可以直接使用相關庫的功能。
這樣IPython配置爲使用你所指定的matplotlib GUI後端（TK/wxPython/PyQt/Mac OS X native/GTK)。對於大部分用戶而言，默認的後端就已經夠用了。Pylab模式還會向IPython引入一大堆模塊和函數以提供一種更接近MATLAB的界面。
參考
1 2 3 4 5 6 7 8 | import matplotlib.pyplot as plt labels='frogs','hogs','dogs','logs' sizes=15,20,45,10 colors='yellowgreen','gold','lightskyblue','lightcoral' explode=0,0.1,0,0 plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50) plt.axis('equal') plt.show() |
matplotlib圖標正常顯示中文
爲了在圖表中能夠顯示中文和負號等，需要下面一段設置：
1 2 3 | import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤 plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號 |
matplotlib inline和pylab inline
可以使用ipython --pylab打開ipython命名窗口。
1 2 3 | %matplotlib inline #notebook模式下 %pylab inline #ipython模式下 |
這兩個命令都可以在繪圖時，將圖片內嵌在交互窗口，而不是彈出一個圖片窗口，但是，有一個缺陷：除非將代碼一次執行，否則，無法疊加繪圖，因爲在這兩種模式下，是要有plt出現，圖片會立馬show出來，因此：
推薦在ipython notebook時使用，這樣就能很方便的一次編輯完代碼，繪圖。
爲項目設置matplotlib參數
在代碼執行過程中，有兩種方式更改參數：
- 使用參數字典(rcParams)
- 調用matplotlib.rc()命令 通過傳入關鍵字元祖，修改參數
如果不想每次使用matplotlib時都在代碼部分進行配置，可以修改matplotlib的文件參數。可以用matplot.get_config()命令來找到當前用戶的配置文件目錄。
配置文件包括以下配置項：
axex: 設置座標軸邊界和表面的顏色、座標刻度值大小和網格的顯示
backend: 設置目標暑促TkAgg和GTKAgg
figure: 控制dpi、邊界顏色、圖形大小、和子區( subplot)設置
font: 字體集（font family）、字體大小和樣式設置
grid: 設置網格顏色和線性
legend: 設置圖例和其中的文本的顯示
line: 設置線條（顏色、線型、寬度等）和標記
patch: 是填充2D空間的圖形對象，如多邊形和圓。控制線寬、顏色和抗鋸齒設置等。
savefig: 可以對保存的圖形進行單獨設置。例如，設置渲染的文件的背景爲白色。
verbose: 設置matplotlib在執行期間信息輸出，如silent、helpful、debug和debug-annoying。
xticks和yticks: 爲x,y軸的主刻度和次刻度設置顏色、大小、方向，以及標籤大小。
線條相關屬性標記設置
用來該表線條的屬性
| 線條風格linestyle或ls | 描述 | 線條風格linestyle或ls | 描述 | |
|---|---|---|---|---|
| ‘-‘ | 實線 | ‘:’ | 虛線 | |
| ‘–‘ | 破折線 | ‘None’,’ ‘,” | 什麼都不畫 | |
| ‘-.’ | 點劃線 | |||
線條標記
| 標記maker | 描述 | 標記 | 描述 | |
|---|---|---|---|---|
| ‘o’ | 圓圈 | ‘.’ | 點 | |
| ‘D’ | 菱形 | ‘s’ | 正方形 | |
| ‘h’ | 六邊形1 | ‘*’ | 星號 | |
| ‘H’ | 六邊形2 | ‘d’ | 小菱形 | |
| ‘_’ | 水平線 | ‘v’ | 一角朝下的三角形 | |
| ‘8’ | 八邊形 | ‘ | 一角朝左的三角形 | |
| ‘p’ | 五邊形 | ‘>’ | 一角朝右的三角形 | |
| ‘,’ | 像素 | ‘^’ | 一角朝上的三角形 | |
| ‘+’ | 加號 | ‘ | ‘ | 豎線 |
| ‘None’,”,’ ‘ | 無 | ‘x’ | X | |
顏色
可以通過調用matplotlib.pyplot.colors()得到matplotlib支持的所有顏色。
| 別名 | 顏色 | 別名 | 顏色 | |
|---|---|---|---|---|
| b | 藍色 | g | 綠色 | |
| r | 紅色 | y | 黃色 | |
| c | 青色 | k | 黑色 | |
| m | 洋紅色 | w | 白色 | |
如果這兩種顏色不夠用，還可以通過兩種其他方式來定義顏色值：
- 使用HTML十六進制字符串
color='eeefff'使用合法的HTML顏色名字（’red’,’chartreuse’等）。 - 也可以傳入一個歸一化到[0,1]的RGB元祖。
color=(0.3,0.3,0.4)
很多方法可以介紹顏色參數，如title()。plt.tilte('Title in a custom color',color='#123456'）
背景色
通過向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()這樣的方法提供一個axisbg參數，可以指定座標這的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098)
基礎
如果你向plot()指令提供了一維的數組或列表，那麼matplotlib將默認它是一系列的y值，並自動爲你生成x的值。默認的x向量從0開始並且具有和y同樣的長度，因此x的數據是[0,1,2,3].
圖片來自:繪圖: matplotlib核心剖析
確定座標範圍
- plt.axis([xmin, xmax, ymin, ymax])
上面例子裏的axis()命令給定了座標範圍。 - xlim(xmin, xmax)和ylim(ymin, ymax)來調整x,y座標範圍
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | %matplotlib inline import numpy as np import matplotlib.pyplot as plt from pylab import * x = np.arange(-5.0, 5.0, 0.02) y1 = np.sin(x) plt.figure(1) plt.subplot(211) plt.plot(x, y1) plt.subplot(212) #設置x軸範圍 xlim(-2.5, 2.5) #設置y軸範圍 ylim(-1, 1) plt.plot(x, y1) |
疊加圖
用一條指令畫多條不同格式的線。
1 2 3 4 5 6 7 8 9 | import numpy as np import matplotlib.pyplot as plt # 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() |
plt.figure()
你可以多次使用figure命令來產生多個圖，其中，圖片號按順序增加。這裏，要注意一個概念當前圖和當前座標。所有繪圖操作僅對當前圖和當前座標有效。通常，你並不需要考慮這些事，下面的這個例子爲大家演示這一細節。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 | import matplotlib.pyplot as plt plt.figure(1) # 第一張圖 plt.subplot(211) # 第一張圖中的第一張子圖 plt.plot([1,2,3]) plt.subplot(212) # 第一張圖中的第二張子圖 plt.plot([4,5,6]) plt.figure(2) # 第二張圖 plt.plot([4,5,6]) # 默認創建子圖subplot(111) plt.figure(1) # 切換到figure 1 ; 子圖subplot(212)仍舊是當前圖 plt.subplot(211) # 令子圖subplot(211)成爲figure1的當前圖 plt.title('Easy as 1,2,3') # 添加subplot 211 的標題 |
figure感覺就是給圖像ID，之後可以索引定位到它。
plt.text()添加文字說明
- text()可以在圖中的任意位置添加文字，並支持LaTex語法
- xlable(), ylable()用於添加x軸和y軸標籤
- title()用於添加圖的題目
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | import numpy as np import matplotlib.pyplot as plt mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) # 數據的直方圖 n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75) plt.xlabel('Smarts') plt.ylabel('Probability') #添加標題 plt.title('Histogram of IQ') #添加文字 plt.text(60, .025, r'$mu=100, sigma=15$') plt.axis([40, 160, 0, 0.03]) plt.grid(True) plt.show() |
text中前兩個參數感覺應該是文本出現的座標位置。
plt.annotate()文本註釋
在數據可視化的過程中，圖片中的文字經常被用來註釋圖中的一些特徵。使用annotate()方法可以很方便地添加此類註釋。在使用annotate時，要考慮兩個點的座標：被註釋的地方xy(x, y)和插入文本的地方xytext(x, y)。1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | import numpy as np import matplotlib.pyplot as plt 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() |
plt.xticks()/plt.yticks()設置軸記號
現在是明白乾嘛用的了，就是人爲設置座標軸的刻度顯示的值。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 | # 導入 matplotlib 的所有內容（nympy 可以用 np 這個名字來使用） from pylab import * # 創建一個 8 * 6 點（point）的圖，並設置分辨率爲 80 figure(figsize=(8,6), dpi=80) # 創建一個新的 1 * 1 的子圖，接下來的圖樣繪製在其中的第 1 塊（也是唯一的一塊） subplot(1,1,1) X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X) # 繪製餘弦曲線，使用藍色的、連續的、寬度爲 1 （像素）的線條 plot(X, C, color="blue", linewidth=1.0, linestyle="-") # 繪製正弦曲線，使用綠色的、連續的、寬度爲 1 （像素）的線條 plot(X, S, color="r", lw=4.0, linestyle="-") plt.axis([-4,4,-1.2,1.2]) # 設置軸記號 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'$+1$']) # 在屏幕上顯示 show() |
當我們設置記號的時候，我們可以同時設置記號的標籤。注意這裏使用了 LaTeX。2
移動脊柱 座標系
1 2 3 4 5 6 7 | 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)) |
這個地方確實沒看懂，囧，以後再說吧，感覺就是移動了座標軸的位置。
plt.legend()添加圖例
1 2 3 4 | 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') |
matplotlib.pyplot
使用plt.style.use('ggplot')命令，可以作出ggplot風格的圖片。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 | # Import necessary packages import pandas as pd %matplotlib inline import matplotlib.pyplot as plt plt.style.use('ggplot') from sklearn import datasets from sklearn import linear_model import numpy as np # Load data boston = datasets.load_boston() yb = boston.target.reshape(-1, 1) Xb = boston['data'][:,5].reshape(-1, 1) # Plot data plt.scatter(Xb,yb) plt.ylabel('value of house /1000 ($)') plt.xlabel('number of rooms') # Create linear regression object regr = linear_model.LinearRegression() # Train the model using the training sets regr.fit( Xb, yb) # Plot outputs plt.scatter(Xb, yb, color='black') plt.plot(Xb, regr.predict(Xb), color='blue', linewidth=3) plt.show() |
給特殊點做註釋
好吧，又是註釋，多個例子參考一下！
我們希望在 2π/32π/3 的位置給兩條函數曲線加上一個註釋。首先，我們在對應的函數圖像位置上畫一個點；然後，向橫軸引一條垂線，以虛線標記；最後，寫上標籤。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | t = 2*np.pi/3 # 作一條垂直於x軸的線段，由數學知識可知，橫座標一致的兩個點就在垂直於座標軸的直線上了。這兩個點是起始點。 plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--") scatter([t,],[np.cos(t),], 50, color ='blue') annotate(r'$sin(frac{2pi}{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{2pi}{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")) |
plt.subplot()
plt.subplot(2,3,1)表示把圖標分割成2*3的網格。也可以簡寫plt.subplot(231)。其中，第一個參數是行數，第二個參數是列數，第三個參數表示圖形的標號。
plt.axes()
我們先來看什麼是Figure和Axes對象。在matplotlib中，整個圖像爲一個Figure對象。在Figure對象中可以包含一個，或者多個Axes對象。每個Axes對象都是一個擁有自己座標系統的繪圖區域。其邏輯關係如下34：
- axes() by itself creates a default full subplot(111) window axis.
- axes(rect, axisbg=’w’) where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.
- axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.
rect=[左, 下, 寬, 高] 規定的矩形區域,rect矩形簡寫，這裏的數值都是以figure大小爲比例，因此，若是要兩個axes並排顯示，那麼axes[2]的左=axes[1].左+axes[1].寬，這樣axes[2]纔不會和axes[1]重疊。
show code:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 | http://matplotlib.org/examples/pylab_examples/axes_demo.html import matplotlib.pyplot as plt import numpy as np # create some data to use for the plot dt = 0.001 t = np.arange(0.0, 10.0, dt) r = np.exp(-t[:1000]/0.05) # impulse response x = np.random.randn(len(t)) s = np.convolve(x, r)[:len(x)]*dt # colored noise # the main axes is subplot(111) by default plt.plot(t, s) plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)]) plt.xlabel('time (s)') plt.ylabel('current (nA)') plt.title('Gaussian colored noise') # this is an inset axes over the main axes a = plt.axes([.65, .6, .2, .2], axisbg='y') n, bins, patches = plt.hist(s, 400, normed=1) plt.title('Probability') plt.xticks([]) plt.yticks([]) # this is another inset axes over the main axes a = plt.axes([0.2, 0.6, .2, .2], axisbg='y') plt.plot(t[:len(r)], r) plt.title('Impulse response') plt.xlim(0, 0.2) plt.xticks([]) plt.yticks([]) plt.show() |
pyplot.pie參數
colors顏色
找出matpltlib.pyplot.plot中的colors可以取哪些值？
1 2 | for name,hex in matplotlib.colors.cnames.iteritems(): print name,hex |
打印顏色值和對應的RGB值。
plt.axis('equal')避免比例壓縮爲橢圓
autopct
1 | autopct enables you to display the percent value using Python string formatting. For example, if autopct='%.2f', then for each pie wedge, the format string is '%.2f' and the numerical percent value for that wedge is pct, so the wedge label is set to the string '%.2f'%pct. |