1.Matplotlib库入门

Matplotlib库是python优秀的数据可视化第三方库，官网为：http://matplotlib.org/

一些可视化效果可以查看：http://matplotlib.org/gallery.html

Matplotlib库的使用

Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发，Matplotlib的设计者想让用户可以很简单的使用Matplotlib画图，而不用去管复杂的实现类，所以Matplotlib提供了一个子库Matplotlib.pyplot。

Matplotlib.pyplot

Matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式。

使用import matplotlib.pyplot as plt导入pyplot

import matplotlib.pyplot as plt

plt.plot([3,1,4,5,2])
plt.ylabel("grade") # 打上纵标签
plt.savefig('test',dpi=600) # 第一个参数是文件名，第二个参数是图像质量，默认输出格式为png文件
plt.show()

plot函数在绘制图像的时候如没指定横坐标，或只输入了一组数组，则会把默认这组数组为纵坐标，并根据纵坐标的索引生成横坐标

import matplotlib.pyplot as plt

plt.plot([0,2,4,6,8],[3,1,4,5,2])  # plot(x,y)两个数组分别代表横轴和纵轴
plt.ylabel("grade")
plt.axis([-1,10,0,6])  # axis函数前两个参数指定横轴的坐标区间，后两个参数为纵轴的坐标区间
plt.show()

pyplot的绘图区域

plt.subplot(nrows,ncols,plot_number)函数可以在全局绘图区域中创建一个分区体系，并定位到一个子绘图区域。

• nrows代表这块区域横轴方向分割的块数
• ncols代表这块区域纵轴方向分割的块数
• plot_number代表正在画的这张图在这块区域的那块位置

import matplotlib.pyplot as plt
import numpy as np

def f(t):
    return np.exp(-t)*np.cos(2*np.pi*t)  # 使用exp函数实现能量衰减曲线
a= np.arange(0.0,5.0,0.02)

plt.subplot(211)  # 设置绘图区域为2x1
plt.plot(a,f(a))

plt.subplot(2,1,2)
plt.plot(a,np.cos(2*np.pi*a),'r--')  # 绘制能量衰减曲线的正弦波函数，并使用虚线绘图。
plt.show()

pyplot的plot()函数

plt.plot(x,y,format_string,**kwargs)

• x：X轴数据，列表或数组，可选

• y：Y轴数据，列表或数组

• format_string：控制曲线的格式字符串，可选

  由颜色字符、风格字符和标记字符组成

• **kwargs：第二组或更多(x,y,format_string)

当绘制多条曲线时，各条曲线的x不能省略。

mport matplotlib.pyplot as plt
import numpy as np

a=np.arange(10)
plt.plot(a,a*1.5,a,a*2.5,a,a*3.5,a,a*4.5)
plt.axis([-1,10,-1,40])
plt.show()

format_string参数是控制曲线格式的字符串，由颜色字符、风格字符和标记字符组成。

颜色字符	说明
'b'	蓝色
'g'	绿色
'r'	红色
'c'	青绿色
'#008000'	RGB某颜色
'm'	洋红色
'y'	黄色
'k'	黑色
'w'	白色
'0.8'	灰度值字符串

风格字符	说明
'-'	实线
'--'	破折线
'-.'	点划线
':'	虚线
'',' '	无线条

标记字符	说明
'.'	点标记
','	像素标记（极小点）
'o'	实心圈标记
'v'	倒三角标记
'^'	上三角标记
'>'	右三角标记
'<'	左三角标记
'1'	下花三角标记
'2'	上花三角标记
'3'	左花三角标记
'4'	右花三角标记
's'	实心方形标记
'p'	实心五角标记
'*'	星形标记
'h'	竖六边形标记
'H'	横六边形标记
'+'	十字标记
'x'	x标记
'D'	菱形标记
'd'	瘦菱形标记
`’	'`

import matplotlib.pyplot as plt
import numpy as np

a=np.arange(10)
plt.plot(a,a*1.5,'go-',a,a*2.5,'rx',a,a*3.5,'*',a,a*4.5,'b-.')

plt.show()

** kwargs是可选参数，以上的颜色，风格，标记也都可以表示：

• color：控制颜色，color='green'
• linestyle：线条风格，linestyle='dashed'
• marker：标记风格，marker='o'
• markerfacecolor：标记颜色，markerfacecolor='bule'
• markersize：标记尺寸，markersize=20
• ……

pyplot的中文显示

pyplot并不默认支持中文显示，需要rcParams修改字体实现

import matplotlib.pyplot as plt
import matplotlib

matplotlib.rcParams['font.family']='SimHei' #黑体
plt.plot([3,1,4,5,2])
plt.ylabel('纵轴（值）')
plt.show()

rcParams的属性：

属性	说明
font.family	用于显示字体的名字
font.style	字体风格，正常’normal‘或斜体’italic‘
font.size	字体大小，整数字号或者’large‘、’x-small‘

中文字体	说明
SimHei	黑体
Kaiti	楷体
LiSu	隶书
FangSong	仿宋
YouYuan	幼圆
STSong	华文宋体

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

matplotlib.rcParams['font.family']='STSong'
matplotlib.rcParams['font.size']=20  # 将所有字体都变为中文字体，是全局的

a = np.arange(0.0,5.0,0.02)

plt.xlabel('横轴：时间')
plt.ylabel('纵轴：振幅')
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()

为了能够使用局部的中文字体我们在有中文输出的地方，增加一个fontproperties属性。这也是最推荐的方法上面的代码变为：

import matplotlib.pyplot as plt
import numpy as np

a = np.arange(0.0,5.0,0.02)

plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=20)
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=20)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()

pyplot的文本显示函数

函数	说明
plt.xlabel()	对X轴增加文本标签
plt.ylabel	对Y轴增加文本标签
plt.title	对图形整体增加文本标题
plt.text	在任意位置增加文本
plt.annotate	在图形中增加带箭头的注解

import matplotlib.pyplot as plt
import numpy as np

a = np.arange(0.0,5.0,0.02)
plt.plot(a,np.cos(2*np.pi*a),'r--')

plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=15,color='green')
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=15)
plt.title(r'正弦波实例 $y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)  # 使用Latex语法
plt.text(2,1,r'$\mu=100$',fontsize=15)  # 规定文本显示在横轴为2，纵轴为1的位置上

plt.axis([-1,6,-2,2])
plt.grid(True)  # 加入网格
plt.show()

plt.annotate(s,xy=arrow_crd,xytext=text_crd,arrowprops=dict)是注释函数

• s：注释的文本
• xy：箭头显示位置
• xytext：文本显示位置
• arrowprops：字典类型，定义整个箭头显示的属性

import matplotlib.pyplot as plt
import numpy as np

a = np.arange(0.0,5.0,0.02)
plt.plot(a,np.cos(2*np.pi*a),'r--')

plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=15,color='green')
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=15)
plt.title(r'正弦波实例 $y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)
plt.annotate(r'$\mu=100$', xy=(2,1), xytext=(3,1.5), 
             arrowprops=dict(facecolor='black',shrink=0.1,width=2)) # shrink规定比例因子，给箭头两侧留白

plt.axis([-1,6,-2,2])
plt.grid(True)
plt.show()

pyplot的子绘图区域

pyplot.subplot函数只能将一块绘图区域分割为规则的子绘图区域，但在实际应用中，我们希望可以划分不规则的区域，所以就有了plt.subplot2grid()函数，这个函数辅助plt.subplot()函数划分绘图区域。

plt.subplot2grid(GridSpec,CurSpec,colspan=1,rowspan=1)

设计理念：设定网格，选中网格，确定选中行列区域数量，编号从0开始。

• GridSpec：划分网格为几块区域
• CurSpec：选择网格的第几行几列
• colspan和rowspan：确定选择网格的横向和纵向的延伸数量。

import matplotlib.pyplot as plt

plt.subplot2grid((3,3), (0,0), colspan=3)
...
plt.subplot2grid((3,3), (1,0), colspan=2)
...
plt.subplot2grid((3,3), (1,2), rowspan=2)
...
plt.subplot2grid((3,3), (2,0))
...
plt.subplot2grid((3,3), (2,1))
...

使用subplot2grid函数固然可以划出不规则区域，但每次都要在选择子绘图区域时，都要确定整个绘图区域（例子中的第一个参数），所以我们可以使用GridSpec类和subplot函数来规定整体绘图区域。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

gs=gridspec.GridSpec(3, 3)  # 划分一个3x3网格

ax1=plt.subplot(gs[0,:])  # 先规定行，再规定l
ax2=plt.subplot(gs[1,:-1])
ax3=plt.subplot(gs[1:,-1])
ax4=plt.subplot(gs[2,0])
ax5=plt.subplot(gs[2,1])

关键

不可能掌握每一种画图方法，要根据数据选取恰当的图形展示数据含义，然后通过文档来绘图。