Matplotlib 笔记

大约 15 分钟

Matplotlib 笔记

基于 Matplotlib 版本 3.8.0

画布与图像

在 Matplotlib 中

画布 Figure 对应了一块像素区域, 同时也作为容器包含了单个或多个图像
图像 Axes 则管理了内容 Artist, 坐标轴 Axis, 边框 Spine, 标签 Label 等对象, 并在绘制阶段呈现在图像上

基本使用

创建画布与图像

首先需要导入 Matplotlib 整体管理接口 (习惯上将其简写为 plt) import matplotlib.pyplot as plt

通过管理接口的方法 plt.figure(*, figsize = (6, 8), dpi = 100, layout)

figsize 二元素元组, 表示画布大小
dpi 整数, 表示画布分辨率, 实际画布像素值即分辨率乘以大小
layout 字符串, 画布布局引擎, 可参见图像布局引擎
允许一个程序创建多个画布

对于单图像的画布, 使用画布对象方法 fig.add_subplot() 即可创建图像
如果一个画布上包含了多个图像, 参见图像布局

显示画布

需要通过管理接口 plt 的方法显示画布
有以下两种常用方法

将画布直接显示到窗口中 plt.show(block = True)

block 是否阻塞程序, 直到窗口关闭
- 如果不阻塞, 则要保证以一个主循环不断运行此函数, 用于需要交互的情况
如果有管理多个画布, 则将显示多个窗口
在此方法中画布的大小设置不起作用

将画布保存到文件中
fig / plt.savefig(fname)

fname 字符串, 保存文件名, 通过后缀确定文件类型, 支持 .png, .svg 等
对于多画布的情况, 建议通过画布对象调用

画布类与图像类

一般不直接访问画布类与图像类, 仅用于 TypeHint

导入画布类 from matplotlib.figure import Figure
导入图像类 from matplotlib.axes import Axes

图像布局

此处主要介绍的为栅格布局, 即将画布划分为指定行列的栅格
通过指定图像占据的栅格区域, 确定子图像的位置

简单栅格布局

创建绝大多数的简单栅格布局
axes = fig.subplot_mosaic(mosaic, *, sharex = False, sharey = False, width_ratios = None, height_ratios = None)

mosaic 字符串, 通过字符串表示栅格行列, 各子图像占据栅格位置等信息
- 使用单个字符表示子图像标签, 一般为大写字母或数字
- 当一个子图像占据多个栅格时, 体现为同一个标签重复出现
- 使用字符 . 表示该栅格不用于放置子图像
- 字符串具有 r 行 c 列的字符, 其中使用字符 ; 可表示换行, 或使用多行字符串
width_ratios 等于栅格列数的浮点数数组, 表明各列宽度比例 (默认全相等)
height_ratios 等于栅格行数的浮点数数组, 含义类似 width_ratios
sharex, sharey 布尔值, 栅格间是否共享 x, y 轴
返回值为一个以字符串为键名, 以对应图像对象 Axes 为键值的字典

创建栅格

创建栅格对象 gs gs = fig.add_gridspec(nrows, ncols, **kwargs)

nrows 栅格行数
rcols 栅格列数
**kwargs 栅格设置, 具体见下

常用的栅格设置有

wspace 浮点数, 每个栅格在宽度方向的外边距
hspace 浮点数, 每个栅格在长度方向的外边距
width_ratios, height_ratios 栅格比例, 具体含义见简单栅格布局

通过栅格创建子图像

在指定的栅格区域上创建子图像 axe = fig.add_subplot(pos = None, **kwargs)

pos 子图像占据的栅格区域, 通过栅格对象 gs 的 [a, b] 运算实现
- a, b 对应栅格的行与列索引, 从 0 开始
- 当传入单个数值时, 则索引单个栅格
- 支持 b:e 索引多个栅格实现跨栅格的子图像, 从索引 b 开始, 不包含 e
- 当传入 None 时, 表明将整个图像区域都用于单个图像
**kwargs 子图像设置, 具体见下
返回值即子图像对象

常用的子图像设置有

projection = "rectilinear" 传入字符串, 表示子图像类别, 如极坐标图, 常用的有
- 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
- 其余图像主要用于地理
sharex 共用 x 轴的图像, 传入位于同列的子图像对象
sharey 共用 y 轴的图像, 传入位于同行的子图像对象

除了创建子图像, 还可以创建子画布
axe = fig.add_subfigure(subplotspec = None)

subplotspec 子画布占据的栅格区域, 具体使用同上
主要用于彩色条等特殊的图像组合布局使用

子栅格图像

如果需要实现非比例的子图像排版, 可通过在已有的栅格区域下划分子栅格实现

在指定栅格区域或子栅格上创建子栅格 sub_gs = gs[...]/sub_gs.subgridspec(nrows, ncols, **kwargs)

nrows 子栅格行数
rcols 子栅格列数
**kwargs 子栅格设置, 含义与创建栅格中的参数相同

与栅格不同, 子栅格只能以一个栅格放置一个图像, 且使用以下函数
基于子栅格创建图像 sub_gs.subplots(**kwargs)

**kwargs 子图像设置, 含义与通过栅格创建子图像中的参数相同

图像布局引擎

虽然栅格确定了子图像的位置, 但子图像间的边距等参数还需要使用布局引擎确定

设置子图像布局引擎 fig.set_layout_engine(layout = None, **kwargs)

layout 使用的布局引擎, 传入 None 表示不布局, 其他使用字符串
- 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
- tight 调整图像参数以防止图像间的元素重叠
**kwargs 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)

曲线图例

在 Matplotlib, 称图例为 Legend

使用 axe.legend() 为图像创建图例
更多参见 https://matplotlib.org/stable/users/explain/axes/legend_guide.html#legend-guideopen in new window

创建图例

基本图例设置 axe.legend(labels)
- labels 字符串列表, 依据图像定义顺序确定曲线图例标签
显示指定图像的图例 axe.legend(handles = None, labels = None)
- handles 曲线对象 (Line) 列表, 仅显示列表中的曲线对象的图例, 传入 None 时则显示全部图像的图例
- labels 字符串列表, 含义同上, 但当传入 None 时, 将通过定义曲线对象时的设置参数 label 确定图像的图例标签
- 注意, axe.plot 的返回值为曲线对象列表, 因此接收单条曲线的曲线对象时应使用序列解包语法, 如 l, = axe.plot(x, y, label = ...), 可参见此处示例

图例设置

loc = "best" 字符串, 表示图例的位置, 常用的有
- best 自动确定最佳位置
- [upper / lower] right / left 位于图像右侧或左侧, 前缀确定为上侧或下侧
ncols = 1 整数, 表示图例的列数
title = None 字符串, 图例标题

图像坐标

坐标刻度

使用函数 axe.set_xticks(ticks, labels = None, *, minor = False) 手动创建坐标刻度

ticks 一维浮点数数组, 表示指定的刻度值, 传入空数组 [] 时将关闭图像刻度
labels 一维浮点数或字符串数组, 表示刻度标签
minor 布尔值, 传入 True 是表示使用次函数设置子刻度, 否则表示设置主刻度
对于 y 轴类似的有 axe.set_yticks()
注意, 当主刻度与子刻度重合时, 子刻度将被忽略

除了手动创建刻度, 还可使用以下设置方法, 通过刻度样式设置

首先需要导入刻度样式模块 from matplotlib import ticker
模块中有如下常用的刻度定位样式
- loc = ticker.MultipleLocator(base = 1.0) 使用指定间隔的刻度
- loc = ticker.LinearLocator(numticks = 11) 根据指定的刻度数分配间隔
- loc = ticker.FixedLocator(locs) 使用指定的位置作为刻度位置
- loc = ticker.AutoMinorLocator() 自动设置子刻度 (用于需要生成子刻度但对刻度没有要求时使用)
模块中有如下常用的刻度标签样式
- fmt = ticker.StrMethodFormatter(fmt) 将原始刻度值 (浮点数) 以名称 x 传入指定的格式化字符串格式化作为刻度标签, 如 {x:.3f}%
- fmt = ticker.FixedFormatter(seq) 使用指定的标签作为刻度标签
为了使刻度样式生效, 还需要通过图像对象下的刻度对象 axe.xaxis (y 轴类似有 axe.yaxis) 的方法进行设置
- axis.set_major_locator(loc) 设置主刻度定位 (子刻度有 axis.set_minor_locator(loc))
- axis.set_major_formatter(fmt) 设置主刻度定位 (子刻度有 axis.set_minor_formatter(fmt))
- 对于对数轴等特殊刻度, 建议通过坐标尺度设置

坐标网格

使用函数 axe.grid(visible, which = "major", **kwargs) 设置坐标网格

visible 布尔值, 设置坐标网格是否可见
which 字符串, 坐标网格基于刻度, 可选择 major, minor, both
kwargs 直线样式相关参数, 可参见曲线样式
如果需要单独设置 x, y 轴的网格 (体现为刻度线的延长线), 需要单独调用刻度对象的同名方法, 如 axe.xaxis.grid(True)

利用子刻度与网格实现类似水平线的效果 (仅用于示例, 更推荐使用辅助直线实现相同效果)

from matplotlib import ticker
import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
axe = fig.add_subplot()
t = np.arange(0, 1, 0.01)

l1, = axe.plot(t, (t - 0.3) ** 2, color = 'C0')

axe.xaxis.set_major_locator(ticker.MultipleLocator(0.5))
axe.set_xticks([0.3], ["peak"], minor = True)
axe.xaxis.grid(True, 'minor', linestyle = '--')

axe.tick_params('x', which = 'minor', labelrotation = 30)

plt.show()

代码运行效果

刻度样式

使用函数 axe.tick_params(axis = "both", *, which = "major", **kwargs) 设置刻度样式

axis 字符串, 设置样式的轴, 可选择 x, y, both
which 字符串, 设置样式的刻度, 可选择 major, minor, both
kwargs 刻度样式相关参数, 具体见下介绍

对于刻度样式参数, 常用的有

direction = "out" 字符串, 刻度是否直线图像内, 可选择 in, out, both
labelsize 浮点数, 刻度标签的字体大小
labelcolor 颜色样式, 标签颜色
labelrotation 浮点数, 刻度标签的旋转角度, 单位为度

坐标尺度

使用函数 axe.set_xscale(value = "linear") 设置 x 坐标尺度

value 坐标尺度类型, 使用字符串表示常用有
- linear 线性坐标尺度, 每个刻度值间隔相同 (关于设置间隔参见坐标刻度)
- log 对数坐标尺度, 每个刻度值间间隔相同比例, 有以下专用设置
  - base = 10 传入浮点数, 表示对数刻度的底数
  - subs = None 传入小于底数的浮点数列表, 表示子刻度, 体现为 subs[i] * ticks
- symlog 对称对数尺度, 正负使用对数尺度, 在接近 0 的位置使用线性尺度, 有以下专用设置
  - base, subs 与对数坐标尺度含义相同
  - linthresh = 2 线性区域范围, 在该区域内将使用线性尺度
  - linscale = 1 线性区域相对对数区域一个刻度的比例
除了 linear, 其他样式都将自动设置刻度位置与标签
对于 y 轴类似的有 axe.set_yscale(value = "linear")

双 x/y 轴

创建一个具有双 y 轴的图像 atx = axe.twinx()
创建一个具有双 x 轴的图像 aty = axe.twinx()
函数返回值同样为一个图像对象 (Axes), 但是建议仅调用该对象与绘图以及对应刻度设置有关的方法
双 x / y 轴图像中建议使用指定图像图例的方式创建图例, 可参考如下示例

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
axe = fig.add_subplot()
t = np.arange(0, 1, 0.01)
l1, = axe.plot(t, (t - 0.5) ** 2, label = "line 1")
axe2 = axe.twinx()
l2, = axe2.plot(t, 3 * t, label = "line 2")
axe.legend(handles = [l1, l2], loc = "lower right")

plt.show()

代码运行效果

图像其他设置

图像分辨率与大小

使用 axe.set_aspect(aspect) 设置图像的分辨率 (图像长度与实际长度的比例)

aspect 长宽比设置, 可以使用以下值
- auto 自动选择 x, y 方向的分辨率
- equal x, y 方向具有相同的分辨率
- 浮点数, y 方向的分辨率为参数值乘以 x 方向的分辨率

使用 axe.set_box_aspect(aspect = None) 设置图像的长宽比

aspect 传入浮点数表示图像长宽比, 传入 None 将自动设置

坐标范围

设置 x 坐标范围 axe.set_xlim(left = None, right = None)
设置 y 坐标范围 axe.set_ylim(left = None, right = None)
基于图像内容设置坐标范围 axe.margins(*margins = (0.05, 0.05))
- 传入单个参数时, 将自动设置坐标范围, 使图像内容与边框间的空隙占整个边框长度为指定的比例
- 传入多个参数时, 将分别设置 x, y, z 轴的空隙占比
- 允许传入负数, 此时将体现为显示局部的图像内容

设置轴标签

设置图像的 X 轴标签 axe.set_xlabel(xlabel)
设置图像的 Y 轴标签 axe.set_ylabel(ylabel)
设置画布的 X 轴标签 fig.supxlabel(xlabel)
设置画布的 Y 轴标签 fig.supylabel(ylabel)

设置图像与画布标题

设置图像的标题 axe.set_title(label)
设置图像的 Y 轴标签 axe.suptitle(t)

基本二维图像

平面曲线图像

基本曲线

离散曲线

填充区域

平面散点图像

基本散点图

矢量场图

平面网格图像

等高线图

分层设色图

一般图片

平面统计图像

直方图

饼图

误差盒

三维图像

创建三维图像

三维曲线

三维曲面

三维散点图像

样式设置

颜色样式

参见 https://matplotlib.org/stable/users/explain/colors/colors.html#cn-color-selectionopen in new window

在 Matplotlib 中, 一般使用浮点数, 元组, 字符串表示颜色样式, 常用的有 (其他见上述参考链接)

预设颜色序列, 使用字符串 C0 到 C9 表示, 无特殊需求推荐使用此方法
灰度颜色, 使用 [0, 1] 的浮点数表示灰度颜色, 用于黑白打印
RGB 元组, 使用三元素元组表示 RGB 颜色 (R, G, B), 颜色值取值范围为 [0, 1]
标准颜色, 使用单个字符表示标准颜色, 如 b 表示蓝色, g 表示绿色, k 表示黑色
无颜色, 使用空值 None 表示

对于图像与标记, 通常都有以下参数用于设置颜色

color 设置图像 / 标记主要部分的颜色
cmap 设置色彩映射, 参见官网介绍open in new window
alpha 设置透明度, 取值范围为 [0, 1], 越小越透明

标记点样式

参见 https://matplotlib.org/stable/gallery/lines_bars_and_markers/marker_reference.htmlopen in new window

对于标记点, 通常有以下参数用于设置其

marker 标记点样式, 使用字符串表示, 常用的有:
o 圆形标记, x 交叉标记, D 菱形标记, v 倒三角标记, s 正方形标记, none 无标记
markersize 标记大小, 传入整数
markerfacecolor 标记填充颜色, 传入颜色样式
markeredgecolor 标记边缘颜色, 传入颜色样式

线条样式

参见 https://matplotlib.org/stable/gallery/lines_bars_and_markers/linestyles.html#linestylesopen in new window

对于线条样式, 通常有以下参数用于设置

linestyle 线条样式, 使用字符串表示, 常用的有:
- 实线, -- 虚线, -. 点划线, : 点线, none 无线条
linewidth 线条跨度, 传入整数

标记绘制

平面物件

取值强调

辅助直线

彩色条

文字标记

参考 https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.annotate.html#matplotlib.axes.Axes.annotateopen in new window

标记绘制函数

zorder

axes fraction
data

对齐方向
https://matplotlib.org/stable/gallery/text_labels_and_annotations/text_alignment.htmlopen in new window

多边形

平面多边形

三维多边形

其他使用说明

使用 Latex

Matplotlib 可以绘制简单的行内 Latex (不支持宏包)
可以实现希腊字母, 上下标, 简单数学符号的绘制

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 {{...}}

使用中文

默认情况下 Matplotlib 不支持中文, 需要进行以下设置

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"
}

Matplotlib 笔记

# Matplotlib 笔记

# 画布与图像

# 基本使用

# 创建画布与图像

# 显示画布

# 画布类与图像类

# 图像布局

# 简单栅格布局

# 创建栅格

# 通过栅格创建子图像

# 子栅格图像

# 图像布局引擎

# 曲线图例

# 创建图例

# 图例设置

# 图像坐标

# 坐标刻度

# 坐标网格

# 刻度样式

# 坐标尺度

# 双 x/y 轴

# 图像其他设置

# 图像分辨率与大小

# 坐标范围

# 设置轴标签

# 设置图像与画布标题

# 基本二维图像

# 平面曲线图像

# 基本曲线

# 离散曲线

# 填充区域

# 平面散点图像

# 基本散点图

# 矢量场图

# 平面网格图像

# 等高线图

# 分层设色图

# 一般图片

# 平面统计图像

# 直方图

# 饼图

# 误差盒

# 三维图像

# 创建三维图像

# 三维曲线

# 三维曲面

# 三维散点图像

# 样式设置

# 颜色样式

# 标记点样式

# 线条样式

# 标记绘制

# 平面物件

# 取值强调

# 辅助直线

# 彩色条

# 文字标记

# 标记绘制函数

# 箭头样式

# 文本边框

# 其他样式设置

# 多边形

# 平面多边形

# 三维多边形

# 其他使用说明

# 使用 Latex

# 使用中文

# 动画绘制

Matplotlib 笔记

画布与图像

基本使用

创建画布与图像

显示画布

画布类与图像类

图像布局

简单栅格布局

创建栅格

通过栅格创建子图像

子栅格图像

图像布局引擎

曲线图例

创建图例

图例设置

图像坐标

坐标刻度

坐标网格

刻度样式

坐标尺度

双 x/y 轴

图像其他设置

图像分辨率与大小

坐标范围

设置轴标签

设置图像与画布标题

基本二维图像

平面曲线图像

基本曲线

离散曲线

填充区域

平面散点图像

基本散点图

矢量场图

平面网格图像

等高线图

分层设色图

一般图片

平面统计图像

直方图

饼图

误差盒

三维图像

创建三维图像

三维曲线

三维曲面

三维散点图像

样式设置

颜色样式

标记点样式

线条样式

标记绘制

平面物件

取值强调

辅助直线

彩色条

文字标记

标记绘制函数

箭头样式

文本边框

其他样式设置

多边形

平面多边形

三维多边形

其他使用说明

使用 Latex

使用中文

动画绘制