Matplotlib 笔记

大约 12 分钟

Matplotlib 笔记

基于 Matplotlib 版本 3.8.0

基本使用

一般情况下, 调用 Matplot.pyplot 用于绘图, 并采通常采用别名 plt
并且 Matplotlib 还会配合 Numpy 使用

import numpy as np
import matplotlib.pyplot as plt 

x = np.arange(0, 2 * np.pi, 0.1)
y = np.sin(x)

fig = plt.figure()
axe = fig.subplots(1, 1) 
axe.plot(x, y)

画布元素

对于一张画布上, 共有如图所示的多个元素

类名	名称(非官方)	创建/设置
`Figure`	画布	`fig = plt.figure()`
`Axe`	图像	`axes = fig.subplots(...)`
`Line`	曲线	`axe.plot(x, y)`
`Markers`	标记点	`axe.scatter(x, y, s)`
`Axis`	坐标轴	`axis = axe.xaxis/yaxis`
`Tick`	刻度	`axis.set_ticks()`
`Grid`	网格	`axe.grid(...)`
`Spine`		`plt.spine`

图像 Axe

基本操作

设置坐标轴名称

设置标题名称

设置图例

图形边距

Axes.margins()

图像背景颜色

Axes.patch.set_facecolor()

坐标轴 Axis

双坐标轴图

Axes.twinx/y()

设置轴比例

Axis.set_xscale(value, **kwargs)/set_yscale(value, **kwargs) 可以用于设置坐标轴刻度间隔的比例模式

参数 value 为模式名称
- "linear" 线性模式, 刻度间隔与刻度值成正比
- "log" 对数模式, 刻度间隔与刻度两端值的比值成正比
- "symlog" 对称对数模式
- "function" 自定义, 见官方文档
参数 **kwargs 根据不同的模式而改变, 见文档说明open in new window
- eg. log 模式下, 有参数 base 设置底数, subs 设置子刻度
示例open in new window

设置横纵坐标轴比例 (图像比例)

Axes.set_aspect()

显示/关闭轴线

Axis.set_visible(b) 用于显示关闭轴线
当轴线不显示时, 包括轴标签, 刻度在内的元素都不会显示

参数 b 为是否显示轴, 当为 False 时, 轴隐藏, 但图像边界 spine 不会隐藏

刻度 Tick

设置坐标轴刻度与标签

Axis.set_ticks(ticks, label = None, is_minor = False) 用于设置刻度与子刻度的位置以及刻度

参数 ticks 为刻度值数组
传入空数组 [] 可以不显示 / 隐藏刻度
参数 label 为刻度标签数组
通常情况数组长度必须与 ticks 相同, 或为 None (自动生成)
传入空数组 [] 可以不显示 / 隐藏标签
参数 is_minor 为是否设置子刻度, 默认设置刻度

设置刻度显示

Axis.set_tick_params(which, direction, labelsize, labelcolor, labelrotation) 用于设置刻度 (见文档), 及其标签的显示
该函数也可用于设置网格

参数 which 为被设置的刻度, 可取值 {'major', 'minor', 'both'}
参数 direction 为刻度方向, 可取值 {'in', 'out', 'inout'}
参数 labelsize 为刻度标签大小
参数 labelcolor 为刻度标签颜色
参数 labelrotation 为刻度旋转角度

显示/关闭子刻度

Axe.minorticks_on/off() 可用于设置子刻度的开关
当调用 Axe.minorticks_on() 后, 所有子刻度线都将开启
当子刻度开启后, 还需要使用 Axis.set_ticks(..., minor = True) 设置才能显示子刻度
应最后调用此函数, 保证设置生效

获取刻度标签元素 (高级刻度显示)

Axis.get_ticklabels

示例 : 以 2 为底的对数坐标轴

注意, 通过set_xscale可以更简单达到示例效果, 此处仅用于演示

import matplotlib.pyplot as plt
import numpy as np

x = np.logspace(0, 10, 100, base = 2)
y = np.log2(x) ** 2

fig = plt.figure()
axe = fig.subplots()
axe.plot(x, y)

# 将刻度长度设为对数模式
axe.set_xscale('log')

# 默认为以 10 为底, 通过设置刻度位置, 改为以 2 为底
ticks = np.logspace(0, 10, 6, base = 2)

# 使用推导式快速生成刻度名称
axe.xaxis.set_ticks(
    ticks = ticks,
    labels = ['$2^{{{num:.1f}}}$'.format(num = np.log2(it)) 
     for it in ticks
     ])

# 使用推导式快速生成子刻度
axe.xaxis.set_ticks(ticks = 
    [(ticks[it // 4 + 1] / 4) * (it % 4) 
    for it in np.arange((ticks.size - 1) * 4) 
    if it % 4 != 0
    ], 
    # 传入空数组, 以隐藏子刻度标签
    labels = [],
    minor = True)

# 迭代刻度标签元素, 进行高级设置
for it in axe.xaxis.get_ticklabels(minor = False): 
    # 通过标签的 Text 元素来设置标签样式
    it.set(rotation=45, ha="center", rotation_mode="anchor")

fig.savefig("matplotlib_log2tick.svg")

绘图结果

网格 Grid

显示网格

Axes.grid(visible = None, which = 'major', axis = 'both')

设置网格样式

Axis.set_tick_params(which, grid_color, grid_alpha, grid_linewidth, grid_linestyle)

边框 Spine

画布 Figure

基本操作

创建画布

fig = plt.figure(figsize = (6, 8), dpi = 100, facecolor = 'white', layout)
用于创建画布

参数 figsize 为画布大小
使用元组 (w, h) 分别表示长与宽
对应设置 fig.set_size_inches(w, h)
参数 dpi 为画布分辨率
默认情况下长度参数 (如画布大小) 对应的实际像素为参数大小乘以分辨率
对应设置 fig.set_dpi(val = 100)
参数 facecolor 为画布颜色
参数 layout 为画布内的图像布局方式, 取值为 {'constrained', 'compressed', 'tight', 'none', LayoutEngine, None}
详见基本布局

画布标题

fig.suptitle(t, size) 用于设置画布标题

参数 t 标题文字
参数 size 文字大小, 取值

输出画布

fig.savefig(fname) 保存画布

参数 fname 为保存图片的名称, 根据名称后缀自动确定格式
支持 .svg, .jpg, .png 等格式

基本布局

设置布局方式

fig.set_layout_engine(layout=None, **kwargs)
用于设置画布基本布局引擎

参数 layout 包含 {'constrained', 'compressed', 'tight', 'none', LayoutEngine, None}
- 默认情况下为 None, 此时不进行布局处理, 可能会出现图像重叠
- constrained 调整图像大小以防止图像间的元素重叠, 用于一般情况
- compressed 与 constrained 算法相同, 但会移除图像间的多余空间, 用于网格图像
- tight 调整图像参数以防止图像间的元素重叠
参数 **kwargs 为布局引擎设置, 具体见文档, 以下为常用的参数
- 参数 h_pad 子图像在长度方向的内边距
- 参数 w_pad 子图像在宽度方向的内边距
- 参数 hspace 子图像在长度方向的外边距 (tight 模式无此参数)
- 参数 wspace 子图像在宽度方向的外边距 (tight 模式无此参数)

新建子图像

axes = fig.subplots(nrows = 1, ncols = 1, *, sharex = False, sharey = False)
创建子图像, 并对子图像进行简单布局

参数 nrows 设置子图像行数
参数 ncols 设置子图像列数
参数 sharex 设置 x 轴在子图像之间是否共享 / 共享方式, 可选参数 bool or {'none', 'all', 'row', 'col'}
参数 sharey 设置 y 轴在子图像之间是否共享 / 共享方式, 可选参数 bool or {'none', 'all', 'row', 'col'}

添加子图像

axe = fig.add_subplot(nrows = 1, ncols = 1, index = 1, sharex = False, sharey = False, projection) 通过逐个添加的方式创建子图像, 该方法与fig.subplots冲突, 但可用于创建极坐标等图像

参数 nrows 设置子图像总行数
参数 ncols 设置子图像总列数
参数 index 被设置的子图像索引
参数 sharex 设置 x 轴在子图像之间是否共享 / 共享方式, 可选参数 bool or {'none', 'all', 'row', 'col'}
参数 sharey 设置 y 轴在子图像之间是否共享 / 共享方式, 可选参数 bool or {'none', 'all', 'row', 'col'}
参数 projection 为子图像类别, 如极坐标图, 可选择参数 {None, 'aitoff', 'hammer', 'lambert', 'mollweide', 'polar', 'rectilinear', '3d', str}
- polar 表示极坐标图
- rectilinear 表示二维空间坐标图
- 3d 表示三维空间坐标图 (详见三维图像绘制)
- 其余图像主要用于地理

示例 : 九宫格图

import matplotlib.pyplot as plt
import numpy as np 

# 子图像紧贴时, 最好使用大图幅
fig = plt.figure(figsize=(9, 9))
# 将内外边距均设置为 0, 实现子图像紧贴的效果
# 使用此语句可达到同样的效果 fig.set_layout_engine('tight', w_pad = 0, h_pad = 0)
fig.set_layout_engine('compressed', w_pad = 0, h_pad = 0, wspace = 0, hspace = 0)
fig.suptitle('$y=e^{st}$', size = 20)
# 设置子图像的 x 轴按 列共享, y 轴按行共享
axes = fig.subplots(3, 3, sharex = 'col', sharey = 'row')

t = np.arange(-10, 10, 0.01)
for i in range(3):
    for j in range(3):
        # 通过断言保持类型被编辑器识别
        axe : plt.Axes = axes[i, j]
        axe.plot(t, np.exp((0.6 * (1j * (i - 2)) + 0.1 * (j)) * t))
        # 通过 transform = axe.transAxes 设置, 使用相对坐标确定文本位置
        axe.text(0.2, 0.8, 's = {0} + {1}i'.format(0.1 * j, 0.6 * (i - 2)), 
                 transform = axe.transAxes)

        # 仅保留左下角的刻度
        if i != 2:
            axe.xaxis.set_visible(False)
        if j != 0:
            axe.yaxis.set_visible(False)

# 输出图像
fig.savefig('matplotlib_3x3subplot.svg')

输出图形

栅格布局 GridSpec

创建栅格

gs = fig.add_gridspec(nrows, ncols, wspace, hspace)
将画布根据栅格均分为几块区域

参数 nrows 栅格行数
参数 rcols 栅格列数
参数 wspace 栅格在宽度方向的外边距
注意由于 constrained 布局还有内边距, 因此要实现相连图像的效果只能使用 tight 模式或不采用布局处理
参数 hspace 栅格在长度方向的外边距

栅格划分比例设置

gs.set_height/width_ratios([ratios]) 设置栅格各行/列的划分长度

参数 ratios 为一个数组, 表示各个栅格的相对长度, 将根据栅格占总长的比例划分实际长度

直接创建子图像

axes = fig.add_subplot([gs], projection)
在指定几个栅格上创建子图像

参数 gs 为栅格数组中的元素, 可通过选择器选择
- gs[a, b] 选择栅格 (a, b)
- gs[a:, b:c] 选择 a 到下边界上所有行, 与 b 到 c - 1 列上的栅格
参数 projection 为子图像类别, 如极坐标图, 见新建子图像说明

创建子栅格

sub_gs = gs[...]/sub_gs.subgridspec(nrows, ncols, wspace, hspace)
在指定几个栅格 (子栅格) 上创建子栅格

参数 nrows 子栅格行数
参数 rcols 子栅格列数
参数 wspace 子栅格在宽度方向的外边距
注意由于 constrained 布局还有内边距, 因此要实现相连图像的效果只能使用 tight 模式或不采用布局处理
参数 hspace 子栅格在长度方向的外边距

子栅格划分比例设置

gs.set_height/width_ratios([ratios]) 设置栅格各行/列的划分长度

参数 ratios 为一个数组, 表示各个栅格的相对长度, 将根据栅格占总长的比例划分实际长度

由子栅格创建子图像

axes = sub_gs.subplots(sharex, sharey)
在各个子栅格上创建子图像
子栅格上不能创建多个子图像, 而是将根据子栅格的划分一格自动放置一个子图像

参数 sharex 设置 x 轴在子图像之间是否共享 / 共享方式, 可选参数 bool or {'none', 'all', 'row', 'col'}
参数 sharey 设置 y 轴在子图像之间是否共享 / 共享方式, 可选参数 bool or {'none', 'all', 'row', 'col'}

示例 : 复杂图像

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(4, 4))
# 要保证 Ax3 与 Ax4 无间隔, 需要使用 tight 模式
fig.set_layout_engine('tight')

# 创建一个 3X3 的栅格
gs = fig.add_gridspec(3, 3)
# 设置栅格高度比例为 2:2:1
gs.set_height_ratios([2, 2, 1])

t = np.arange(0, 2 * np.pi, 0.1)

# 通过将栅格作为参数传入 fig.add_subplot 的方式在特定栅格上创建子图像
# ax1 占用 (0, 0)(0, 1)(1, 0)(1, 1) 四个栅格
# 通过设置 projection, ax1 为极坐标图
ax1 = fig.add_subplot(gs[0 : 2, 0 : 2], projection = 'polar')
ax1.set_title('Ax1')
ax1.plot(t, 1 - np.cos(t))

# ax2 占用 (0, 2)(1, 2) 两个个栅格
# 注意 0:2 仅能选取到 0, 1 两个元素 (不包含末尾)
ax2 = fig.add_subplot(gs[0 : 2, -1])
ax2.set_title('Ax2')
ax2.plot(t, np.exp(t))

# 在 (2, 0)(2, 1)(2, 2) 处的栅格的基础上建立 1X2 的子栅格
# 子栅格的间距依然可以设置
sub_gs = gs[-1, 0:].subgridspec(1, 2, wspace = 0)
# 子栅格上的子图像无法划分, 但依然可以设置共享坐标轴
axes = sub_gs.subplots(sharey = 'row')

axes[0].set_title('Ax3')
axes[0].plot(t, np.sin(t))

axes[1].set_title('Ax4')
axes[1].plot(t - np.pi, np.cos(t - np.pi))
axes[1].yaxis.set_visible(False)

fig.savefig("matplotlib_complex_layout.svg")

输出图形

标记 Label

图例

文字 text

箭头 arrow

直线 axline

图像

统计直方图

离散折线图

高级绘图

特殊图像绘制

三维图像绘制

创建三维图像

推荐的三维图像创建代码如下

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 方法一
fig = plt.figure()
axe: Axes3D = fig.add_subplot(1, 1, 1, projection = '3d') # type: ignore

# 方法二
fig = plt.figure()
axe = Axes3D(fig, auto_add_to_figure=False)
fig.add_axes(axe)

# 建议在终端中运行, 以实现与三维图像的互动
plt.show()

创建三维多边形

https://stackoverflow.com/questions/4622057/plotting-3d-polygonsopen in new window

动画绘制

参考自文章open in new window

使用类 matplotlib.animation.FuncAnimationopen in new window 实现动画效果

类构造函数主要参数

fig
- 类型 Figure
- 用于绘制动画的画布
func
- 类型 callable(frame)
- 在回调函数 func 中绘制每一帧, 其中参数 frame 为当前动画帧数
frames
- 类型 int
- 动画的总帧数
interval
- 类型 int
- 每一帧持续时间 (单位毫秒)

主要成员函数

FuncAnimation.save(filename)
- 图像保存函数
- 参数 filename 为图像的保存路径

使用注意

图像绘制函数 func 在绘制时
1. 绘制前调用 Axe.clear() 函数, 清除上一帧的图像
2. 调用 Axe.set_xlim 与 Axe.set_ylim 使图像显示区域保持一致

使用示例

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

t = np.arange(0, 2 * np.pi, 0.05)
y = np.sin(t)

fig, axe = plt.subplots(1, 1, figsize = (3, 3))

def update(frame):
    axe.clear()
    axe.set_xlim([0, 2 * np.pi])
    axe.set_ylim([-1, 1])

    end = int(t.size * int(frame) / 80)
    axe.plot(t[0 : end], y[0 : end])

anime = FuncAnimation(
    fig = fig,
    func = update,
    frames = 80,
    interval = 50
)

anime.save('test.gif')

matplotlib_funcanimation 以上代码可生成动画

杂项

中文显示

参考文章 https://zhuanlan.zhihu.com/p/52779214?from_voters_page=trueopen in new window

打开模块资源文件夹 .../anaconda3/envs/[python 环境名]/Lib/site-packages/matplotlib/mpl-data (或 miniconda3)
将中文黑体如思源黑体open in new window并安装或放置在特定字体文件夹 (对后缀无要求, 最好使用新字体)
打开模块设置文件夹
- C:\用户\[用户名]\.matplotlib\matplotlibrc (Windows)
- $HOME/.config/matplotlib/matplotlibrc (Linux)
打开模块设置文件夹下的 fontlist-v330.json, 并在键 ttflist 下的数组中添加如下方代码所示的结构体
- 将键 fname 的值改为字体路径, Windows 下安装字体后一般位于文件夹 C:\\Windows\\Fonts
- 将键 name 的值改为字体名称, 一般输入文件名即可
将模块资源文件夹下的 matplotlibrc 文件复制到模块设置文件夹并打开复制后的文件, 进行以下修改
1. font.family 删除该选项前的 #
2. font.sans-serif 删除该选项前的 #, 在冒号后添加之前添加结构体中键 name 的值

结构体示例

{
    "fname": "Path\\to\\font\\XXX.ttf",
    "name": "XXX",
    "style": "normal",
    "variant": "normal",
    "weight": 400,
    "stretch": "normal",
    "size": "scalable",
    "__class__": "FontEntry"
}

简单 Latex 显示

Matplotlib 可以绘制简单的行内 Latex (不支持宏包)

使用时注意

需要转换的部分使用 $...$ 包括
由于反斜杠 \ 也是字符串转义符, 因此需要使用双反斜杠, 或使用 r'...', 不对字符串转义
为了更好的分式显示效果, 最好使用 \dfrac 表示分式
在配合 str.format 使用时, {...} 应改为 {{...}}

使用示例

fig = plt.figure()

fig.text(0, 0, '二次方程求根公式: $x=\\dfrac{-b\\sqrt{b^2-4ac}}{2a}$')
fig.text(0, 0, '$\\dfrac{{{num}}}{{x}}$'.format(num = 1))

Matplotlib 笔记

# Matplotlib 笔记

# 基本使用

# 基本使用

# 画布元素

# 图像 Axe

# 基本操作

# 设置坐标轴名称

# 设置标题名称

# 设置图例

# 图形边距

# 图像背景颜色

# 坐标轴 Axis

# 双坐标轴图

# 设置轴比例

# 设置横纵坐标轴比例 (图像比例)

# 显示/关闭轴线

# 刻度 Tick

# 设置坐标轴刻度与标签

# 设置刻度显示

# 显示/关闭子刻度

# 获取刻度标签元素 (高级刻度显示)

# 示例 : 以 2 为底的对数坐标轴

# 网格 Grid

# 显示网格

# 设置网格样式

# 边框 Spine

# 画布 Figure

# 基本操作

# 创建画布

# 画布标题

# 输出画布

# 基本布局

# 设置布局方式

# 新建子图像

# 添加子图像

# 示例 : 九宫格图

# 栅格布局 GridSpec

# 创建栅格

# 栅格划分比例设置

# 直接创建子图像

# 创建子栅格

# 子栅格划分比例设置

# 由子栅格创建子图像

# 示例 : 复杂图像

# 标记 Label

# 图例

# 文字 text

# 箭头 arrow

# 直线 axline

# 图像

# 统计直方图

# 离散折线图

# 高级绘图

# 特殊图像绘制

# 三维图像绘制

# 创建三维图像

# 创建三维多边形

# 动画绘制

# 杂项

# 中文显示

# 简单 Latex 显示

Matplotlib 笔记

基本使用

基本使用

画布元素

图像 Axe

基本操作

设置坐标轴名称

设置标题名称

设置图例

图形边距

图像背景颜色

坐标轴 Axis

双坐标轴图

设置轴比例

设置横纵坐标轴比例 (图像比例)

显示/关闭轴线

刻度 Tick

设置坐标轴刻度与标签

设置刻度显示

显示/关闭子刻度

获取刻度标签元素 (高级刻度显示)

示例 : 以 2 为底的对数坐标轴

网格 Grid

显示网格

设置网格样式

边框 Spine

画布 Figure

基本操作

创建画布

画布标题

输出画布

基本布局

设置布局方式

新建子图像

添加子图像

示例 : 九宫格图

栅格布局 GridSpec

创建栅格

栅格划分比例设置

直接创建子图像

创建子栅格

子栅格划分比例设置

由子栅格创建子图像

示例 : 复杂图像

标记 Label

图例

文字 text

箭头 arrow

直线 axline

图像

统计直方图

离散折线图

高级绘图

特殊图像绘制

三维图像绘制

创建三维图像

创建三维多边形

动画绘制

杂项

中文显示

简单 Latex 显示