介紹

Matplotlib 可能是 Python 2D-繪圖領(lǐng)域使用最廣泛的套件。它能讓使用者很輕松地將數(shù)據(jù)圖形化，并且提供多樣化的輸出格式。這里將會(huì)探索 matplotlib 的常見(jiàn)用法。

IPython 以及 pylab 模式

IPython 是 Python 的一個(gè)增強(qiáng)版本。它在下列方面有所增強(qiáng)：命名輸入輸出、使用系統(tǒng)命令（shell commands）、排錯(cuò)（debug）能力。我們?cè)诿钚薪K端給 IPython 加上參數(shù) -pylab （0.12 以后的版本是 –pylab）之后，就可以像 Matlab 或者 Mathematica 那樣以交互的方式繪圖。

pylab

pylab 是 matplotlib 面向?qū)ο罄L圖庫(kù)的一個(gè)接口。它的語(yǔ)法和 Matlab 十分相近。也就是說(shuō)，它主要的繪圖命令和 Matlab 對(duì)應(yīng)的命令有相似的參數(shù)。

本篇文章使用的實(shí)例源碼下載：

Download

下載包包含兩個(gè)目錄：

• figures：存放實(shí)例代碼生成的圖片
• scripts：存放實(shí)例代碼

初級(jí)繪制

這一節(jié)中，我們將從簡(jiǎn)到繁：先嘗試用默認(rèn)配置在同一張圖上繪制正弦和余弦函數(shù)圖像，然后逐步美化它。

第一步，是取得正弦函數(shù)和余弦函數(shù)的值：

from pylab import *    X = np.linspace(-np.pi, np.pi, 256,endpoint=True)  C,S = np.cos(X), np.sin(X)

X 是一個(gè) numpy 數(shù)組，包含了從 ?π 到 +π 等間隔的 256 個(gè)值。C 和 S 則分別是這 256 個(gè)值對(duì)應(yīng)的余弦和正弦函數(shù)值組成的 numpy 數(shù)組。

你可以在 IPython 的交互模式下測(cè)試代碼，也可以下載代碼（下載鏈接就是這些示例圖），然后執(zhí)行：

python exercise_1.py

使用默認(rèn)配置[源碼文件]

Matplotlib 的默認(rèn)配置都允許用戶(hù)自定義。你可以調(diào)整大多數(shù)的默認(rèn)配置：圖片大小和分辨率（dpi）、線寬、顏色、風(fēng)格、坐標(biāo)軸、坐標(biāo)軸以及網(wǎng)格的屬性、文字與字體屬性等。不過(guò)，matplotlib 的默認(rèn)配置在大多數(shù)情況下已經(jīng)做得足夠好，你可能只在很少的情況下才會(huì)想更改這些默認(rèn)配置。

import numpy as np  import matplotlib.pyplot as plt    X = np.linspace(-np.pi, np.pi, 256, endpoint=True)  C,S = np.cos(X), np.sin(X)    plt.plot(X,C)  plt.plot(X,S)    plt.show()

默認(rèn)配置的具體內(nèi)容[源碼文件]

下面的代碼中，我們展現(xiàn)了 matplotlib 的默認(rèn)配置并輔以注釋說(shuō)明，這部分配置包含了有關(guān)繪圖樣式的所有配置。代碼中的配置與默認(rèn)配置完全相同，你可以在交互模式中修改其中的值來(lái)觀察效果。

# 導(dǎo)入 matplotlib 的所有內(nèi)容（nympy 可以用 np 這個(gè)名字來(lái)使用）  from pylab import *    # 創(chuàng)建一個(gè) 8 * 6 點(diǎn)（point）的圖，并設(shè)置分辨率為 80  figure(figsize=(8,6), dpi=80)    # 創(chuàng)建一個(gè)新的 1 * 1 的子圖，接下來(lái)的圖樣繪制在其中的第 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)    # 繪制余弦曲線，使用藍(lán)色的、連續(xù)的、寬度為 1 （像素）的線條  plot(X, C, color="blue", linewidth=1.0, linestyle="-")    # 繪制正弦曲線，使用綠色的、連續(xù)的、寬度為 1 （像素）的線條  plot(X, S, color="green", linewidth=1.0, linestyle="-")    # 設(shè)置橫軸的上下限  xlim(-4.0,4.0)    # 設(shè)置橫軸記號(hào)  xticks(np.linspace(-4,4,9,endpoint=True))    # 設(shè)置縱軸的上下限  ylim(-1.0,1.0)    # 設(shè)置縱軸記號(hào)  yticks(np.linspace(-1,1,5,endpoint=True))    # 以分辨率 72 來(lái)保存圖片  # savefig("exercice_2.png",dpi=72)    # 在屏幕上顯示  show()

改變線條的顏色和粗細(xì)[源碼文件]

首先，我們以藍(lán)色和紅色分別表示余弦和正弦函數(shù)，而后將線條變粗一點(diǎn)。接下來(lái)，我們?cè)谒椒较蚶煲幌抡麄€(gè)圖。

...  figure(figsize=(10,6), dpi=80)  plot(X, C, color="blue", linewidth=2.5, linestyle="-")  plot(X, S, color="red",  linewidth=2.5, linestyle="-")  ...

設(shè)置圖片邊界[源碼文件]

當(dāng)前的圖片邊界設(shè)置得不好，所以有些地方看得不是很清楚。

… xlim(X.min()*1.1, X.max()*1.1) ylim(C.min()*1.1, C.max()*1.1) …

更好的方式是這樣：

xmin ,xmax = X.min(), X.max()  ymin, ymax = Y.min(), Y.max()    dx = (xmax - xmin) * 0.2  dy = (ymax - ymin) * 0.2    xlim(xmin - dx, xmax + dx)  ylim(ymin - dy, ymax + dy)

設(shè)置記號(hào)[源碼文件]

我們討論正弦和余弦函數(shù)的時(shí)候，通常希望知道函數(shù)在 ±π 和 ±π2 的值。這樣看來(lái)，當(dāng)前的設(shè)置就不那么理想了。

…

xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi])  yticks([-1, 0, +1])  ...

設(shè)置記號(hào)的標(biāo)簽[源碼文件]

記號(hào)現(xiàn)在沒(méi)問(wèn)題了，不過(guò)標(biāo)簽卻不大符合期望。我們可以把 3.142 當(dāng)做是 π，但畢竟不夠精確。當(dāng)我們?cè)O(shè)置記號(hào)的時(shí)候，我們可以同時(shí)設(shè)置記號(hào)的標(biāo)簽。注意這里使用了 LaTeX。

...  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'$+1$'])  ...

移動(dòng)脊柱[源碼文件]

坐標(biāo)軸線和上面的記號(hào)連在一起就形成了脊柱（Spines，一條線段上有一系列的凸起，是不是很像脊柱骨啊~），它記錄了數(shù)據(jù)區(qū)域的范圍。它們可以放在任意位置，不過(guò)至今為止，我們都把它放在圖的四邊。

實(shí)際上每幅圖有四條脊柱（上下左右），為了將脊柱放在圖的中間，我們必須將其中的兩條（上和右）設(shè)置為無(wú)色，然后調(diào)整剩下的兩條到合適的位置——數(shù)據(jù)空間的 0 點(diǎn)。

...  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))  ...

添加圖例[源碼文件]

我們?cè)趫D的左上角添加一個(gè)圖例。為此，我們只需要在 plot 函數(shù)里以「鍵 – 值」的形式增加一個(gè)參數(shù)。

...  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')  ...

給一些特殊點(diǎn)做注釋[源碼文件]

我們希望在 2π/3 的位置給兩條函數(shù)曲線加上一個(gè)注釋。首先，我們?cè)趯?duì)應(yīng)的函數(shù)圖像位置上畫(huà)一個(gè)點(diǎn)；然后，向橫軸引一條垂線，以虛線標(biāo)記；最后，寫(xiě)上標(biāo)簽。

...    t = 2*np.pi/3  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"))  ...

精益求精[源碼文件]

坐標(biāo)軸上的記號(hào)標(biāo)簽被曲線擋住了，作為強(qiáng)迫癥患者（霧）這是不能忍的。我們可以把它們放大，然后添加一個(gè)白色的半透明底色。這樣可以保證標(biāo)簽和曲線同時(shí)可見(jiàn)。

...  for label in ax.get_xticklabels() + ax.get_yticklabels():      label.set_fontsize(16)      label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))  ...

圖像、子圖、坐標(biāo)軸和記號(hào)

到目前為止，我們都用隱式的方法來(lái)繪制圖像和坐標(biāo)軸?？焖倮L圖中，這是很方便的。我們也可以顯式地控制圖像、子圖、坐標(biāo)軸。Matplotlib 中的「圖像」指的是用戶(hù)界面看到的整個(gè)窗口內(nèi)容。在圖像里面有所謂「子圖」。子圖的位置是由坐標(biāo)網(wǎng)格確定的，而「坐標(biāo)軸」卻不受此限制，可以放在圖像的任意位置。我們已經(jīng)隱式地使用過(guò)圖像和子圖：當(dāng)我們調(diào)用 plot 函數(shù)的時(shí)候，matplotlib 調(diào)用 gca() 函數(shù)以及 gcf() 函數(shù)來(lái)獲取當(dāng)前的坐標(biāo)軸和圖像；如果無(wú)法獲取圖像，則會(huì)調(diào)用 figure() 函數(shù)來(lái)創(chuàng)建一個(gè)——嚴(yán)格地說(shuō)，是用 subplot(1,1,1) 創(chuàng)建一個(gè)只有一個(gè)子圖的圖像。

圖像

所謂「圖像」就是 GUI 里以「Figure #」為標(biāo)題的那些窗口。圖像編號(hào)從 1 開(kāi)始，與 MATLAB 的風(fēng)格一致，而于 Python 從 0 開(kāi)始編號(hào)的風(fēng)格不同。以下參數(shù)是圖像的屬性：

這些默認(rèn)值可以在源文件中指明。不過(guò)除了圖像數(shù)量這個(gè)參數(shù)，其余的參數(shù)都很少修改。

你在圖形界面中可以按下右上角的 X 來(lái)關(guān)閉窗口（OS X 系統(tǒng)是左上角）。Matplotlib 也提供了名為 close 的函數(shù)來(lái)關(guān)閉這個(gè)窗口。close 函數(shù)的具體行為取決于你提供的參數(shù)：

1. 不傳遞參數(shù)：關(guān)閉當(dāng)前窗口；
2. 傳遞窗口編號(hào)或窗口實(shí)例（instance）作為參數(shù)：關(guān)閉指定的窗口；
3. all：關(guān)閉所有窗口。

和其他對(duì)象一樣，你可以使用 setp 或者是 set_something 這樣的方法來(lái)設(shè)置圖像的屬性。

子圖

你可以用子圖來(lái)將圖樣（plot）放在均勻的坐標(biāo)網(wǎng)格中。用 subplot 函數(shù)的時(shí)候，你需要指明網(wǎng)格的行列數(shù)量，以及你希望將圖樣放在哪一個(gè)網(wǎng)格區(qū)域中。此外，gridspec 的功能更強(qiáng)大，你也可以選擇它來(lái)實(shí)現(xiàn)這個(gè)功能。

[源碼文件]

[源碼文件]

[源碼文件]

[源碼文件]

坐標(biāo)軸

坐標(biāo)軸和子圖功能類(lèi)似，不過(guò)它可以放在圖像的任意位置。因此，如果你希望在一副圖中繪制一個(gè)小圖，就可以用這個(gè)功能。

[源碼文件]

[源碼文件]

記號(hào)

良好的記號(hào)是圖像的重要組成部分。Matplotlib 里的記號(hào)系統(tǒng)里的各個(gè)細(xì)節(jié)都是可以由用戶(hù)個(gè)性化配置的。你可以用 Tick Locators 來(lái)指定在那些位置放置記號(hào)，用 Tick Formatters 來(lái)調(diào)整記號(hào)的樣式。主要和次要的記號(hào)可以以不同的方式呈現(xiàn)。默認(rèn)情況下，每一個(gè)次要的記號(hào)都是隱藏的，也就是說(shuō)，默認(rèn)情況下的次要記號(hào)列表是空的——NullLocator。

Tick Locators

下面有為不同需求設(shè)計(jì)的一些 Locators。

類(lèi)型	說(shuō)明
NullLocator	No ticks.
IndexLocator	Place a tick on every multiple of some base number of points plotted.
FixedLocator	Tick locations are fixed.
LinearLocator	Determine the tick locations.
MultipleLocator	Set a tick on every integer that is multiple of some base.
AutoLocator	Select no more than n intervals at nice locations.
LogLocator	Determine the tick locations for log axes.

這些 Locators 都是 matplotlib.ticker.Locator 的子類(lèi)，你可以據(jù)此定義自己的 Locator。以日期為 ticks 特別復(fù)雜，因此 Matplotlib 提供了 matplotlib.dates 來(lái)實(shí)現(xiàn)這一功能。

其他類(lèi)型的圖

接下來(lái)的內(nèi)容是練習(xí)。請(qǐng)運(yùn)用你學(xué)到的知識(shí)，從提供的代碼開(kāi)始，實(shí)現(xiàn)配圖所示的效果。具體的答案可以點(diǎn)擊配圖下載。

普通圖[源碼文件]

from pylab import *    n = 256  X = np.linspace(-np.pi,np.pi,n,endpoint=True)  Y = np.sin(2*X)    plot (X, Y+1, color='blue', alpha=1.00)  plot (X, Y-1, color='blue', alpha=1.00)  show()

散點(diǎn)圖[源碼文件]

from pylab import *    n = 1024  X = np.random.normal(0,1,n)  Y = np.random.normal(0,1,n)    scatter(X,Y)  show()

條形圖[源碼文件]

from pylab import *    n = 12  X = np.arange(n)  Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)  Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)    bar(X, +Y1, facecolor='#9999ff', edgecolor='white')  bar(X, -Y2, facecolor='#ff9999', edgecolor='white')    for x,y in zip(X,Y1):      text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')    ylim(-1.25,+1.25)  show()

等高線圖[源碼文件]

from pylab import *    def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)    n = 256  x = np.linspace(-3,3,n)  y = np.linspace(-3,3,n)  X,Y = np.meshgrid(x,y)    contourf(X, Y, f(X,Y), 8, alpha=.75, cmap='jet')  C = contour(X, Y, f(X,Y), 8, colors='black', linewidth=.5)  show()

灰度圖（Imshow）[源碼文件]

from pylab import *    def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)    n = 10  x = np.linspace(-3,3,4*n)  y = np.linspace(-3,3,3*n)  X,Y = np.meshgrid(x,y)  imshow(f(X,Y)), show()

餅狀圖[源碼文件]

from pylab import *    n = 20  Z = np.random.uniform(0,1,n)  pie(Z), show()

量場(chǎng)圖（Quiver Plots）[源碼文件]

from pylab import *    n = 8  X,Y = np.mgrid[0:n,0:n]  quiver(X,Y), show()

網(wǎng)格[源碼文件]

from pylab import *    axes = gca()  axes.set_xlim(0,4)  axes.set_ylim(0,3)  axes.set_xticklabels([])  axes.set_yticklabels([])    show()

多重網(wǎng)格[源碼文件]

from pylab import *    subplot(2,2,1)  subplot(2,2,3)  subplot(2,2,4)    show()

極軸圖[源碼文件]

from pylab import *    axes([0,0,1,1])    N = 20  theta = np.arange(0.0, 2*np.pi, 2*np.pi/N)  radii = 10*np.random.rand(N)  width = np.pi/4*np.random.rand(N)  bars = bar(theta, radii, width=width, bottom=0.0)    for r,bar in zip(radii, bars):      bar.set_facecolor( cm.jet(r/10.))      bar.set_alpha(0.5)    show()

3D 圖[源碼文件]

from pylab import *  from mpl_toolkits.mplot3d import Axes3D    fig = figure()  ax = Axes3D(fig)  X = np.arange(-4, 4, 0.25)  Y = np.arange(-4, 4, 0.25)  X, Y = np.meshgrid(X, Y)  R = np.sqrt(X**2 + Y**2)  Z = np.sin(R)    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot')    show()

手稿圖[源碼文件]

import numpy as np  import matplotlib.pyplot as plt    eqs = []  eqs.append((r"$W^{3beta}_{delta_1 rho_1 sigma_2} = U^{3beta}_{delta_1 rho_1} + frac{1}{8 pi 2} int^{alpha_2}_{alpha_2} d alpha^prime_2 left[frac{ U^{2beta}_{delta_1 rho_1} - alpha^prime_2U^{1beta}_{rho_1 sigma_2} }{U^{0beta}_{rho_1 sigma_2}}right]$"))  eqs.append((r"$frac{drho}{d t} + rho vec{v}cdotnablavec{v} = -nabla p + munabla^2 vec{v} + rho vec{g}$"))  eqs.append((r"$int_{-infty}^infty e^{-x^2}dx=sqrt{pi}$"))  eqs.append((r"$E = mc^2 = sqrt{{m_0}^2c^4 + p^2c^2}$"))  eqs.append((r"$F_G = Gfrac{m_1m_2}{r^2}$"))      plt.axes([0.025,0.025,0.95,0.95])    for i in range(24):      index = np.random.randint(0,len(eqs))      eq = eqs[index]      size = np.random.uniform(12,32)      x,y = np.random.uniform(0,1,2)      alpha = np.random.uniform(0.25,.75)      plt.text(x, y, eq, ha='center', va='center', color="#11557c", alpha=alpha,               transform=plt.gca().transAxes, fontsize=size, clip_on=True)    plt.xticks([]), plt.yticks([])  # savefig('../figures/text_ex.png',dpi=48)  plt.show()

更多參考

入門(mén)教程

• Pyplot tutorial
• Image tutorial
• Text tutorial
• Artist tutorial
• Path tutorial
• Transforms tutorial

Matplotlib 文檔

• 用戶(hù)指南
• 常見(jiàn)問(wèn)題及回答
• 截屏

Numpy 文檔

• Numpy 教程

原文:http://www.loria.fr/~rougier/teaching/matplotlib/

譯文:http://liam0205.me/2014/09/11/matplotlib-tutorial-zh-cn/