工具参考书之Matplotlib使用

参考书籍:
Matplotlib官方在线文档
Matplotlib绘图实例


Matplotlib是一个Python的2D图形包,和NumPy结合的非常好。


快速绘图

快速绘图,即直接调用matplotlib.pyplot模块的函数来绘图,为类似于的Matlab的函数式绘图。

基本绘图实例

import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'Microsoft YaHei Mono'    # 设置中文字体
plt.plot([0,1,4,9,16,25], color='green', marker='*',
        linewidth=3, label="double")
plt.plot([0,5], [0,25], 'r-o',
        markersize=7, label="line")         # 绘制(x,y)数据点,x默为[0,1,2...]
plt.arrow(x=0, y=0, dx=0, dy=5, width=0.1)  # 绘制箭头
plt.annotate(r"$y=x^2$", xy=(3,8.5), arrowprops=dict(arrowstyle='->'),
        xytext=(4,10))                      # 添加注解
plt.text(0.5, 20, r"这是$\,FAST_{Plot}$")   # 添加文本
plt.grid(True, color='b')       # 显示网格
plt.box(True)                   # 显示方框坐标轴
plt.xlim(-0.5, 5.5)             # 获取或设置坐标范围
plt.ylim(ymin=-1, ymax=27)
plt.xscale('linear')            # 设置坐标刻度类型,即对轴坐标进行缩放
plt.yscale('linear')
plt.title("Fast Plot")          # 绘图标题
plt.xlabel("x step")            # 坐标轴标签
plt.ylabel("y value")
plt.xticks([])                  # 设置坐标刻度标签
plt.yticks([x**2 for x in range(0,6)],
        (r'$0^2$',r'$1^2$',r'$2^2$',r'$3^2$',r'$4^2$',r'$5^2$',))
plt.legend(loc='lower right')   # 添加图例
plt.show()                      # 显示绘图结果

快速绘图

子图绘图实例

import matplotlib.pyplot as plt
plt.subplot(3, 3, 1)
plt.bar([1,2,3], height=[3,2,5])                            # 条形图
plt.subplot(332)
plt.hist([0,3,2,1,6,2,6], bins=[0,2,4,6,8], rwidth=0.8)     # 直方图
plt.subplot(333)
plt.scatter(x=[0,1,8,9,4,5], y=[4,7,1,8,7,5])               # 散点图
plt.subplot(334)
plt.stackplot([1,2,3,4,5], [7,8,6,11,7], [8,5,7,8,13])      # 堆叠图
plt.subplot(335)
plt.pie([7,8,6,11,2], autopct="%1.1f%%")                    # 饼状图
plt.subplot(336)
plt.matshow([[1,0,0], [0,1,0], [0,0,1]], fignum=False)      # 矩阵图
plt.subplot(337)
plt.contourf([1,2,3], [1,2,3], [[1,0,1],[1,2,0],[1,0,1]])   # 等高线
plt.subplot(338, projection='polar')
plt.polar([0,1,2,3,4,5,6], [0,2,0,1,3,1,3])                 # 极坐标图
plt.axes((0.8, 0.1, 0.1, 0.2))                              # 自定义子图位图
plt.show()

子图绘图

获取封装的对象

matplotlib.pyplot其实是通过封装对象实现的函数式绘图,所以,matplotlib.pyplot也提供了一些获取内部对象的函数,以及针对内部对象操作的函数(新出现的类名称在后面会讲到):

  • plt.figure:创建一个新的matplotlib.figure.Figure对象
  • plt.clf:清空当前figure内容
  • plt.close:关闭当前figure
  • plt.draw:重绘当前figure
  • plt.axes:添加一个matplotlib.axes.Axes对象到当前的figure,且设为当前axes
  • plt.subplot:添加一个子图matplotlib.axes.Axes对象到当前figure
  • plt.cla:清空当前axes内容
  • plt.gcf:获取当前figure实例对象
  • plt.gca:获取当前axes实例对象
  • plt.gci:获取当前matplotlib.cm.ScalarMappabl实例对象
  • plt.figlabels:返回所有figure的标签
  • plt.fignums:返回所有figure的编号
  • imread, imsave, imshow:图像文件的读取、保存和显示

基本框架

想要深入的学习matplotlib绘图,了解matplotlib内部模块和类是很有必要的,同时,使用面向对象式的编程,来使用matplotlib绘图也是很有必要的。

底层backends

  • matplotlib.backend_bases.FigureCanvasBase:对绘图表面(类似于“绘图纸”)的概念进行封装
  • matplotlib.backend_bases.RendererBase:执行绘图动作(类似于“画笔”)
  • matplotlib.backend_bases.Event:处理键盘与鼠标事件

backend_bases需要处理底层的绘图显示和事件处理操作,例如在用户面界上绘图,可以使用Qt、Wx、Tk等作为底层,相应的底层操作封装在了backends.backend_qt5agg、backends.backend_wxagg、backends.backend_tkagg中;而绘制PDF、PNG等文件的底层操作,则封装到了backends.backend_pdf、backends.backend_agg中。

中间层artist

通常我们并不需要关心底层后端的操作细节,而是使用Artist绘图。
Artist分为简单类型和容器类型两种,简单类型的Artist为标准的绘图元件,如:

而容器类型则可以包含许多简单类型的Artist,使它们组织成一个整体,如:

下面是Artist类的常用属性:

alpha     : 透明度,值在0到1之间,0为完全透明,1为完全不透明
animated  : 布尔值,在绘制动画效果时使用
axes      : 此Artist对象所在的Axes对象,可能为None
clip_box  : 对象的裁剪框
clip_on   : 是否裁剪
clip_path : 裁剪的路径
contains  : 判断指定点是否在对象上的函数
figure    : 所在的Figure对象,可能为None
label     : 文本标签
picker    : 控制Artist对象选取
transform : 控制偏移旋转
visible   : 是否可见
zorder    : 控制绘图顺序

属性都通过相应的get_*set_*函数进行读写,也可以使用set()get()函数对多个属性进行读写。

Figure

matplotlib.figure.Figure是一个最大的Artist,包含了一个图的所有元素。例如:背景是一个Rectangle对象,使用Figure.patch属性表示;可以使用add_subplotadd_axes来添加Axes;一个简图关系如下所示(图片来源):

Figure

Axes

matplotlib.axes.Axes包含了许多组成Figure的元素,如AxisTickLine2D等,以及包含了众多的绘图函数,如plotbarpie等。Axes.patch属性用于表示Axes的背景,当使用笛卡尔坐标时,patch属性是一个Rectangle对象;当使用极坐标时,patch属性则是Circle对象。
可以简单地把Axes当一个图表,而一个Figure可以包含多个图表。即用Axes绘制图表,在Figure中摆放图表。

Axis

matplotlib.axis.Axis是坐标轴容器,包括坐标轴上的刻度线、刻度文本、坐标网格、坐标轴标题等内容。

顶层pyplot

matplotlib.pyplot就是前面讲面的函数式绘图了,使用绘图更加便捷。


面向对象式绘图

  • 纯面向对象式的绘图

使用matplotlib.backends.backend_agg做为后端,再结合NumPy,一个纯面向对象的编程实例如下:

import numpy as np
import matplotlib as mpl
import matplotlib.figure as mfig
import matplotlib.backends.backend_agg as mbk

mpl.rcParams['font.family'] = 'Microsoft YaHei Mono'        # 设置中文字体
fig = mfig.Figure()
canvas = mbk.FigureCanvas(fig)
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8], projection='polar') # 添加极坐极图表
ax.text(np.pi*0.8, 180, '对数螺线', color='red')

theta = np.linspace(0, 1.5*np.pi, 1000, dtype = np.float)
r = np.exp(theta)
ax.plot(theta, r, color='green')        # 绘制对数螺线

fig.savefig('fig.png')                  # 保存成fig.png

fig

  • 结合pyplot的面向对象式绘图

纯面向对象绘图,需要保存图表到文件,不能即时的显示绘制的图表,不太方便。结合pyplot,可以使得面向对象式绘图更方便,一个实例如下:

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

mpl.rcParams['font.family'] = 'Microsoft YaHei Mono'    # 设置中文字体
fig = plt.figure('fig')                                 # 添加Figure
ax = fig.add_subplot(111, projection='polar')           # 添加极坐极图表

theta = np.linspace(0, 1.5*np.pi, 1000, dtype = np.float)
r = np.exp(theta)
ax.plot(theta, r, color='green')        # 绘制对数螺线
ax.text(np.pi*0.8, 180, '对数螺线', color='red')

plt.show()                              # 显示绘图

用户交互

用户交互主要是指,在显示绘图后,通过鼠标键盘等事件,或者按钮选择框等控制,与用户进行信息交互。

事件交互

要进行鼠标、键盘等事件交互,需要将事件回调函数,连接到事件管理器,可以使用matplotlib.backend_bases.FigureCanvasBasempl_connectmpl_disconnect函数来连接或断开事件回调函数。更具的可以参考事件交互官方资料。一个简单的实例如下:

import matplotlib
import matplotlib.pyplot as plt

def on_key(event:matplotlib.backend_bases.KeyEvent):
    if event.key == 'escape':
        plt.close(event.canvas.figure)      # 关闭接收事件Figure

fig = plt.figure('fig')    # 添加Figure
key_id = fig.canvas.mpl_connect('key_press_event', on_key)  # 连接事件回调函数
# fig.canvas.mpl_disconnect(key_id)                         # 断开事件回调函数
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.plot(range(10), color='red')
plt.show()

所有可用事件

事件 说明
button_press_event MouseEvent 鼠标按钮被按下
button_release_event MouseEvent 鼠标按钮被释放
draw_event DrawEvent 画布绘图
key_press_event KeyEvent 按键被按下
key_release_event KeyEvent 按键被释放
motion_notify_event MouseEvent 鼠标移动
pick_event PickEvent 画布中的对象被选中
resize_event ResizeEvent 图形画布大小改变
scroll_event MouseEvent 鼠标滚轮被滚动
figure_enter_event LocationEvent 鼠标进入新的图形
figure_leave_event LocationEvent 鼠标离开图形
axes_enter_event LocationEvent 鼠标进入新的轴域
axes_leave_event LocationEvent 鼠标离开轴域
close_event CloseEvent 关闭Figure

界面交互

界面控件在matplotlib.widgets模块中,一个控件需要与一个Axes绑定。一个简单实例如下:

import matplotlib
import matplotlib.pyplot as plt

def on_click(event:matplotlib.backend_bases.MouseEvent):
    plt.close(event.canvas.figure)      # 关闭接收事件Figure

fig = plt.figure('fig')                 # 添加Figure
ax0 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax0.plot(range(10), color='red')
ax = fig.add_axes([0.1, 0.85, 0.1, 0.05])
btn = matplotlib.widgets.Button(ax, "Click Me", )
cid = btn.on_clicked(on_click)          # 连接点击事件
# btn.disconnect(cid)                     # 断开点击事件
plt.show()

button


3D绘图

Matplotlib已经内置3D绘图模块mplot3d API,在程序中引入即可使用。绘图时,主要使用Axes3D的函数进行绘制3D图形绘制。一个简单实例如下:

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d as plt3d

fig = plt.figure('fig')                     # 添加Figure

ax1 = fig.add_subplot(121, projection='3d') # 添加3d图表
t = np.linspace(0, 3*np.pi, 1000)
x = np.sin(t)                               # 生成x,y坐标数据
y = np.cos(t)
z = x + y                                   # 生成z数据
ax1.plot_wireframe(x, y, z, color='red')    # 绘制
ax1.set_xlabel('X')
ax1.set_ylabel('Y')
ax1.set_zlabel('Z')

ax2 = fig.add_subplot(122, projection='3d') # 添加3d图表
a = b = np.linspace(-2*np.pi, 2*np.pi, 1000)
x, y = np.meshgrid(a, b)                    # 生成x,y坐标数据
z = np.sin(np.sqrt(x**2 + y**2))            # 生成z数据
ax2.plot_surface(x, y, z, shade=True, cmap='jet')   # 绘制
ax2.set_xlabel('X')
ax2.set_ylabel('Y')
ax2.set_zlabel('Z')
plt.show()

3d

3D绘图也可以绘制散点图、条形图等,这里就不一一举例了。


动画生成

matplotlib.animation模块与动画的生成、保存等相关。生成动画的基本函数及其基本参数如下:

基本函数:animation.FuncAnimation(fig, func, frames)

基本参数:

  • fig是动画所在的Figure
  • func是一个回调函数,用于处理动画每帧数据的更新;
  • frames是每帧动画数据的来源,即传递给func的参数来源;
frames 说明
None 传给func的参数是当前的帧数,即0,1,2,3…
int 传给func的参数是自增的小于int的整数,即0,1,2…int,0,1,2…
iterable 传给func的参数是可迭代对象,如list,tuple等
generator function 传给func的参数是迭代器函数的返回值

实例如下:(使用ImageMagick来生成gif图片,具体教程可以参照这

  • frames = None 或 int
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.animation as animation

mpl.rcParams['animation.convert_path'] = 'D:/ImageMagick/magick.exe'
fig = plt.figure('fig', figsize=(4.4,3))
ax = fig.add_subplot(111)
N = 10
line, = ax.plot(np.random.rand(N), 'r-') # 添加线元素,line是plot返回list的第0个元素

def update(num):
    """update函数用于更新fig中的line等对象"""
    line.set_ydata(np.arange(N)**num)
    ax.set_ylim(0, N**num)
    return line
frame = 5           # 传递update的参数为 0, 1, 2, 3, 4, 0, 1, 2, 3, ...
# frame = None      # 传递update的参数为当前的帧数,即0, 1, 2, 3, 4, 5, 6, ...
                    # 注意:使用None貌似不能生成gif图片
anim = animation.FuncAnimation(fig, func=update, frames=frame, interval=500)
anim.save('anim1.gif', writer=animation.ImageMagickWriter(fps=2))
plt.show()

anim1

  • frames = iterable
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d as plt3d
import matplotlib.animation as animation

mpl.rcParams['animation.convert_path'] = 'D:/ImageMagick/magick.exe'
fig = plt.figure('fig', figsize=(4.4,3))
ax = fig.add_subplot(111, projection='3d')
a = b = np.linspace(-2*np.pi, 2*np.pi, 1000)
x, y = np.meshgrid(a, b)                    # 生成x,y坐标数据
z = np.sin(np.sqrt(x**2 + y**2))            # 生成z数据
ax.plot_surface(x, y, z, cmap='jet')        # 绘制
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

def update(ang):
    """update函数用于更新fig中的ax等对象"""
    ax.view_init(elev=50, azim=ang)
    return ax
frame = np.linspace(0, 360, num=50)
anim = animation.FuncAnimation(fig, func=update, frames=frame, interval=500)
anim.save('anim2.gif', writer=animation.ImageMagickWriter(fps=5))
plt.show()

anim2

  • frames = generator function
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.animation as animation

mpl.rcParams['animation.convert_path'] = 'D:/ImageMagick/magick.exe'
fig = plt.figure('fig', figsize=(4.4,3))
ax = fig.add_subplot(111, xticks=[])
N = 10
sort = np.array(1000*np.random.rand(N), dtype=np.int)
bars = ax.bar(np.arange(0, N), height=sort, color='g')

def update(data):
    """update函数用于更新fig中的bars等对象"""
    for k,rect in enumerate(bars.patches):
        rect.set_height(data[k])
    return bars

def generator():
    """迭代器函数,冒泡排序算法"""
    for i in range(sort.size - 1):
        for j in range(sort.size - 1 - i):
            if sort[j] > sort[j+1]:
                sort[j], sort[j+1] = sort[j+1], sort[j]
            yield(sort)

anim = animation.FuncAnimation(fig, func=update, frames=generator, interval=200)
anim.save('anim3.gif', writer=animation.ImageMagickWriter(fps=5))
plt.show()

anim3


转载请注明来源,欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论,也可以邮件至 [ yehuohan@gmail.com ]

文章标题:工具参考书之Matplotlib使用

本文作者:Yehuohanxing

发布时间:2018-03-09, 12:10:10

最后更新:2018-04-12, 01:38:55

原始链接:http://yehuohan.github.io/2018/03/09/笔记/工具参考书之matplotlib使用/

版权声明: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。

目录