matplotlib基本使用01

matplotlib基本使用01

import numpy as np
import matplotlib.pyplot as plt

import warnings
warnings.filterwarnings("ignore")

matplotlib 採用面嚮對象的技術來實現，因此組成圖表的各個元素都是對象，在編寫較大的應用程序的時候，通過面向對象的方式使用matplotlib講更加有效。但是使用這種面向對象的調用接口進行繪圖會比較繁瑣，因此matplotlib還提供了進行快速繪圖的pyplot模塊。同時爲了將matplotlib繪製的圖表嵌入到Notebook中，需要執行命令:%matplotlib inline

matplotlib-繪製精美的圖表

快速繪圖

%matplotlib inline

# 使用inline模式在Notebook中繪製的圖表會自動進行關閉，爲了在Notebook的多個單元格內操作同一幅圖表，需要運行下面的魔法命令:
%config InlineBackend.close_figures = False

使用pyplot模塊繪圖

matplotlib還提供了一個名爲pylab的模塊，其中包括了許多Numpy和pyplot模塊中常用的函數，方便用戶快速進行計算和繪圖，比較適合在IPython交互式環境中使用。

plt.plot?

#%fig=使用pyplot模塊快速將數據繪製成曲線圖
import matplotlib.pyplot as plt #❶

x = np.linspace(0, 10, 1000)
# print("x的值:{}".format(x))
y = np.sin(x)
# print("y的值:{}".format(y))
z = np.cos(x**2)
# print("z的值:{}".format(z))

plt.figure(figsize=(8,4)) #❷ 調用figure()創建一個Figure(圖表)對象，並且將它稱爲當前Figure對象。也可以不創建，直接條用plot()來進行繪圖。

plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2) #❸  label該曲線指定一個標籤，用於在圖中顯示。如果標籤字符串的前後有字符"$"，顯示爲Latex
plt.plot(x,z,"b--",label="$cos(x^2)$") #❹  通過"b--"指定曲線的顏色和線型，b--藍色，--代表虛線。

plt.xlabel("Time(s)") #❺ 分別設置x,y軸的標題文字
plt.ylabel("Volt") 
plt.title("PyPlot First Example")  # 設置子圖的標題
plt.ylim(-1.2,1.2)  # 分別設置x,y軸的顯示範圍
plt.legend()  # 顯示圖示，即圖中表示每條曲線的標籤(label)和樣式的矩形區域。

plt.show() #❻ 調用plt.show()顯示繪圖窗口

plt.savefig("./t1.png", dpi = 120) # 將當前的Figure對象保存爲圖像文件，圖像格式由文件的拓展名決定。

WARNING

使用LaTeX語法繪製數學公式會極大地降低圖表的描繪速度。

plt.savefig("test.png", dpi=120)

<Figure size 432x288 with 0 Axes>

TIP

如果關閉了圖表窗口，則無法使用savefig()保存圖像。實際上不需要調用show()顯示圖表，可以直接用savefig()將圖表保存成圖像文件。使用這種方法可以很容易編寫批量輸出圖表的程序。

爲了更好的實現保存，要執行:%config InlineBackend.close_figures = False

import io
buf = io.BytesIO() # 創建一個用來保存圖像內容的BytesIO對象
plt.savefig(buf, fmt="png") # 將圖像以png格式保存進buf中
buf.getvalue()[:20] # 顯示圖像內容的前20個字節

b'\x89PNG\r\n\x1a\n\x00\x00\x00\rIHDR\x00\x00\x02@'

面向對象方式繪圖

pyplot模塊的內部保存了當前圖表以及當前子圖等信息。可以使用gcf()和gca()獲得這兩個對象，“get current figure”“get current axes”

fig = plt.gcf()
axes = plt.gca()
print( fig, axes)

Figure(576x288) AxesSubplot(0.125,0.125;0.775x0.755)

配置屬性

#%fig[1x3]=配置繪圖對象的屬性
plt.figure(figsize=(4, 3))
x = np.arange(0, 5, 0.1)
print('x的值:{}'.format(x))
line = plt.plot(x, 0.05*x*x, "bo")[0] # plot返回一個列表
line.set_alpha(0.5) # 調用Line2D對象的set_*()方法設置屬性值,修改他在圖表中對應曲線的透明度

x的值:[0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.  1.1 1.2 1.3 1.4 1.5 1.6 1.7
 1.8 1.9 2.  2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.  3.1 3.2 3.3 3.4 3.5
 3.6 3.7 3.8 3.9 4.  4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9]

lines = plt.plot(x, np.sin(x), x, np.cos(x))

plt.setp(lines, color="r", linewidth=4.0) # 調用step()可以同時配置多個對象的屬性，這裏同時設置兩條曲線的顏色和線寬

[None, None, None, None]

print( line.get_linewidth())
print( plt.getp(lines[0], "color")) # 返回color屬性

1.5
r

# getp和setp不同，他只能對一個對象進行操作，可以指定屬性名或者不指定屬性名。
f = plt.gcf()
plt.getp(f)

    agg_filter = None
    alpha = None
    animated = False
    axes = [<matplotlib.axes._subplots.AxesSubplot object at ...
    children = [<matplotlib.patches.Rectangle object at 0x0000024...
    clip_box = None
    clip_on = True
    clip_path = None
    constrained_layout = False
    constrained_layout_pads = (0.04167, 0.04167, 0.02, 0.02)
    contains = None
    default_bbox_extra_artists = [<matplotlib.axes._subplots.AxesSubplot object at ...
    dpi = 72.0
    edgecolor = (1.0, 1.0, 1.0, 0.0)
    facecolor = (1.0, 1.0, 1.0, 0.0)
    figheight = 3.0
    figure = None
    figwidth = 4.0
    frameon = True
    gid = None
    in_layout = True
    label = 
    path_effects = []
    picker = None
    rasterized = None
    size_inches = [4. 3.]
    sketch_params = None
    snap = None
    tight_layout = False
    transform = IdentityTransform()
    transformed_clip_path_and_affine = (None, None)
    url = None
    visible = True
    window_extent = TransformedBbox(     Bbox(x0=0.0, y0=0.0, x1=4.0, ...
    zorder = 0

print( plt.getp(f, "axes"), plt.getp(f, "axes")[0] is plt.gca())

[<matplotlib.axes._subplots.AxesSubplot object at 0x0000024C0FFD9588>] True

alllines = plt.getp(plt.gca(), "lines")
print( alllines, alllines[0] is line) # 其中的第一條曲線就是最開始繪製的那條曲線

<a list of 3 Line2D objects> True

print( f.axes, len(f.axes[0].lines))

[<matplotlib.axes._subplots.AxesSubplot object at 0x0000024C0FFD9588>] 3

繪製多子圖

可以使用subplot()快速繪製包含多個子圖的圖表，調用形式爲:subplot(numRows, numcols,plotNum).如果，numRows,numcols和plotNum三個參數都是小於10的，則可以把他們縮寫爲一個整數，例如:subplot(322)和subplot(3, 2, 3)的含義相同。

#%fig[1x2]=在Figure對象中創建多個子圖
for idx, color in enumerate("rgbyck"):   # 三行兩列共六個子圖，並通過axisbg參數給每個子圖設置不同的背景顏色。
    plt.subplot(321+idx, axisbg=color)

# 如果希望某個子圖佔據整行或者整列，可以如下調用subplot()
plt.subplot(221) # 第一行的左圖
plt.subplot(222) # 第一行的右圖
plt.subplot(212) # 第二整行;
plt.show()

#%hide
plt.close("all")

#%fig[1x2]=同時在多幅圖表、多個子圖中進行繪圖
plt.figure(1) # 創建圖表1
plt.figure(2) # 創建圖表2
ax1 = plt.subplot(121) # 在圖表2中創建子圖1
ax2 = plt.subplot(122) # 在圖表2中創建子圖2

x = np.linspace(0, 3, 100)
for i in range(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()

TIP

也可以不調用sca()指定當前子圖，而直接調用ax1和ax2的plot()方法繪圖。

"""
這裏的axes是一個形狀爲:(2,3)的數組，每個元素都是一個子圖對象，可以利用Python的賦值語句功能將這個數組中的每個元素用一個變量來表示.
"""
#%nofig
fig, axes = plt.subplots(2, 3)
[a, b, c], [d, e, f] = axes
print( axes.shape)
print(b)

AxesSubplot(0.125,0.536818;0.227941x0.343182)

"""還可使用subplot2grid()進行更加複雜的表格佈局。表格佈局和Excel或者word中繪製表格十分類似"""

'還可使用subplot2grid()進行更加複雜的表格佈局。表格佈局和Excel或者word中繪製表格十分類似'

調用形式:subplot2grid(shape, loc, rowspan=1, colspan=1, **kwargs) 。其中，shape爲表示表格形狀的元組(行數，列數)。loc爲子圖左上角所在的座標:(行，列)。rowspan和colspan分別爲子圖所佔據的行數和列數。下面是在3X3的網格上創建5個子圖。在每個子圖中，顯示該子圖對應的變量名。

#%fig=使用subplot2grid()創建表格佈局
fig = plt.figure(figsize=(6, 6))
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=2)
ax2 = plt.subplot2grid((3, 3), (0, 2), rowspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 0), rowspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 1), colspan=2)
ax5 = plt.subplot2grid((3, 3), (1, 1));
#%hide
for idx, ax in enumerate(fig.axes, 1):
    ax.text(0.5, 0.5, "ax{}".format(idx), ha="center", va="center", fontsize=16)

配置文件

前面的繪圖過程中，沒有逐一對圖表的屬性進行配置，而是直接採用matplotlib的默認配置。matplotlib將這些默認配置保存在一個名字爲matplotlibrc的配置文件中，通過修改配置文件，可以修改圖表的默認樣式。

from os import path
path.abspath(matplotlib.get_configdir())

u'C:\\Users\\RY\\Dropbox\\scipybook2\\settings\\.matplotlib'

path.abspath(matplotlib.matplotlib_fname())

u'C:\\Users\\RY\\Dropbox\\scipybook2\\settings\\.matplotlib\\matplotlibrc'

print(matplotlib.rc_params())

agg.path.chunksize: 0
animation.avconv_args: []
animation.avconv_path: avconv
animation.bitrate: -1
...

print(matplotlib.rcParams)

agg.path.chunksize: 0
animation.avconv_args: []
animation.avconv_path: avconv
animation.bitrate: -1
...

#%hide
plt.close("all")

%%disabled
matplotlib.rcParams["lines.marker"] = "o"
plt.plot([1,2,3,2])

%%disabled
matplotlib.rc("lines", marker="x", linewidth=2, color="red")

%%disabled
matplotlib.rcdefaults()

%%disabled
matplotlib.rcParams.update( matplotlib.rc_params() )

TIP

通過pyplot模塊也可以使用rcParams、rc和rcdefaults。

matplotlib.style模塊提供繪圖樣式切換功能,所有可選樣式可以通過available獲得。

from matplotlib import style
print( style.available)

['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']

# 調用use()函數可以切換樣式，下面使用ggplot樣式繪圖。
style.use("ggplot")

#%figonly=使用ggplot樣式繪圖
import numpy as np
import matplotlib.pyplot as plt

style.use("ggplot")

plt.close("all")

x = np.linspace(0, 10, 1000)
y = np.sin(x)
z = np.cos(x**2)

plt.figure(figsize=(8,4))

plt.plot(x,y,label="$sin(x)$",linewidth=2)
plt.plot(x,z,"--",label="$cos(x^2)$")

plt.xlabel("Time(s)")
plt.ylabel("Volt") 
plt.title("ggplot style") 
plt.ylim(-1.2,1.2) 
plt.legend() # 顯示圖示，在圖中表示每條曲線的標籤（label）和樣式的矩形區域。

<matplotlib.legend.Legend at 0x24c11950a08>

在圖表中顯示中文

from matplotlib.font_manager import fontManager
fontManager.ttflist[:6]

[<Font 'cmsy10' (cmsy10.ttf) normal normal 400 normal>,
 <Font 'cmss10' (cmss10.ttf) normal normal 400 normal>,
 <Font 'cmb10' (cmb10.ttf) normal normal 400 normal>,
 <Font 'DejaVu Serif' (DejaVuSerif-BoldItalic.ttf) italic normal bold normal>,
 <Font 'cmtt10' (cmtt10.ttf) normal normal 400 normal>,
 <Font 'DejaVu Serif' (DejaVuSerif-Italic.ttf) italic normal 400 normal>]

ttflist是matplotlib的系統字體列表。其中每個元素是表示字體的Font對象，如下：顯示第一個字體的全路徑和字體名。

print (fontManager.ttflist[0].name)
print (fontManager.ttflist[0].fname)

cmsy10
D:\installation\anaconda3\lib\site-packages\matplotlib\mpl-data\fonts\ttf\cmsy10.ttf

#%hide
plt.close("all")

scpy2/matplotlib/chinese_fonts.py

SOURCE

scpy2/matplotlib/chinese_fonts.py：顯示系統中所有文件大於1M的TTF字體，請讀者使用該程序查詢計算機中可使用的中文字體名。

#%fig=顯示系統中所有的中文字體名
import os
from os import path

fig = plt.figure(figsize=(8, 7))
ax = fig.add_subplot(111)
plt.subplots_adjust(0, 0, 1, 1, 0, 0)
plt.xticks([])
plt.yticks([])
x, y = 0.05, 0.05
fonts = [font.name for font in fontManager.ttflist if 
             path.exists(font.fname) and os.stat(font.fname).st_size>1e6] #❶
font = set(fonts)
dy = (1.0 - y) / (len(fonts) // 4 + (len(fonts)%4 != 0))

for font in fonts:
    t = ax.text(x, y + dy / 2, u"中文字體", 
                {'fontname':font, 'fontsize':14}, transform=ax.transAxes) #❷
    ax.text(x, y, font, {'fontsize':12}, transform=ax.transAxes)
    x += 0.25
    if x >= 1.0:
        y += dy
        x = 0.05
plt.show()

#%nofig
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) #❶
t = np.linspace(0, 10, 1000)
y = np.sin(t)
plt.close("all")
plt.plot(t, y)
plt.xlabel(u"時間", fontproperties=font) #❷
plt.ylabel(u"振幅", fontproperties=font)
plt.title(u"正弦波", fontproperties=font)
plt.show()

爲了縮短啓動時間，matplotlib不會在每次啓動時都重新掃描所有的字體文件並創建字體列表，因此在複製完字體文件之後，需要運行下面的語句重新創建字體列表。

from matplotlib.font_manager import _rebuild
_rebuild()

也可以直接修改配置字典，設置默認的字體。這樣就不需要在每次繪製文字時設置字體

%%disabled
plt.rcParams["font.family"] = "SimHei"
plt.plot([1,2,3])
plt.xlabel(0.5 ,0.5, u"中文字體")

#%hide
%exec_python -m scpy2.matplotlib.chinese_fonts