python的matplotlib使用入门

朴灿烈づ我的快乐病毒、 2022-05-11 05:12 181阅读 0赞

> 在机器学习的结果分析，准确率和损失、数据分析上经常要用到图标显示，这里学习了一下python中经常使用的图表库，做一下记录。

官网：[https://matplotlib.org/][https_matplotlib.org]  
各个模型缩略图：[https://matplotlib.org/gallery.html][https_matplotlib.org_gallery.html]

`matplotlib`是`python`最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。

它的文档相当完备，并且 Gallery页面 中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。

本章节作为`matplotlib`的入门介绍，将较为深入地挖掘几个例子，从中理解和学习`matplotlib`绘图的一些基本概念。

matplotlib的pyplot子库提供了和matlab类似的绘图API，方便用户快速绘制2D图表。让我们先来看一个简单的例子：

import numpy as np
    import matplotlib.pyplot as plt
    
    x = np.linspace(0, 10, 1000)
    y = np.sin(x)
    z = np.cos(x**2)
    
    plt.figure(figsize=(8,4))
    plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
    plt.plot(x,z,"b--",label="$cos(x^2)$")
    plt.xlabel("Time(s)")
    plt.ylabel("Volt")
    plt.title("PyPlot First Example")
    plt.ylim(-1.2,1.2)
    plt.legend()
    plt.show()

输出：  
![在这里插入图片描述][70]  
详细介绍：  
**matplotlib中的快速绘图的函数库可以通过如下语句载入：**

import matplotlib.pyplot as plt

**接下来调用`figure`创建一个绘图对象，并且使它成为当前的绘图对象。**

plt.figure(figsize=(8,4))

也可以不创建绘图对象直接调用接下来的`plot`函数直接绘图，`matplotlib`会为我们自动创建一个绘图对象。如果需要同时绘制多幅图表的话，可以是给`figure`传递一个整数参数指定图标的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。

通过`figsize`参数可以指定绘图对象的宽度和高度，单位为英寸；`dpi`参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。因此本例中所创建的图表窗口的宽度为8\*80 = 640像素。

但是用工具栏中的保存按钮保存下来的png图像的大小是800\*400像素。这是因为保存图表用的函数savefig使用不同的DPI配置，`savefig`函数也有一个dpi参数，如果不设置的话，将使用`matplotlib`配置文件中的配置。

**下面的两行程序通过调用plot函数在当前的绘图对象中进行绘图：**

lt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)
    plt.plot(x,z,"b--",label="$cos(x^2)$")

`plot`函数的调用方式很灵活，第一句将x,y数组传递给`plot`之后，用关键字参数指定各种属性：

*  label : 给所绘制的曲线一个名字，此名字在图示(legend)中显示。只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。
 *  color : 指定曲线的颜色
 *  linewidth : 指定曲线的宽度

第二句直接通过第三个参数`"b--"`指定曲线的颜色和线型，这个参数称为格式化参数，它能够通过一些易记的符号快速指定曲线的样式。其中b表示蓝色，"–"表示线型为虚线。在IPython中输入 “plt.plot?” 可以查看格式化字符串的详细配置。

**接下来通过一系列函数设置绘图对象的各个属性：**

plt.xlabel("Time(s)")
    plt.ylabel("Volt")
    plt.title("PyPlot First Example")
    plt.ylim(-1.2,1.2)
    plt.legend()

*  xlabel : 设置X轴的文字
 *  ylabel : 设置Y轴的文字
 *  title : 设置图表的标题
 *  ylim : 设置Y轴的范围
 *  legend : 显示图示(即图中左下角的长方形区域)

#### 属性设置 ####

`matplotlib`所绘制的图的每个组成部分都对应有一个对象，我们可以通过调用这些对象的属性设置方法`set_*`或者`pyplot`的属性设置函数`setp`设置其属性值。例如plot函数返回一个`matplotlib.lines.Line2D` 对象的列表，下面的例子显示如何设置Line2D对象的属性：

import numpy as np
    import matplotlib.pyplot as plt
    x = np.arange(-5, 5, 0.1)
    line, = plt.plot(x, x*x) # plot返回一个列表，通过line,获取其第一个元素
    line.set_antialiased(False)  # 调用Line2D对象的set_*方法设置属性值
    plt.show()

![关闭反锯齿效果][70 1]

这段例子中，通过调用Line2D对象line的set\_antialiased方法，关闭对象的反锯齿效果。或者通过调用plt.setp函数配置多个Line2D对象的颜色和线宽属性。如果没有关闭反锯齿，效果图应该是如下：  
![反锯齿效果][70 2]

同样我们可以通过调用Line2D对象的get\_\*方法，或者plt.getp函数获取对象的属性值：

>>> line.get_linewidth()
    1.0
    >>> plt.getp(lines[0], "color") # 返回color属性
    'r'
    >>> plt.getp(lines[1]) # 输出全部属性
    alpha = 1.0
    animated = False
    antialiased or aa = True
    axes = Axes(0.125,0.1;0.775x0.8)
    ... ...

注意getp函数只能对一个对象进行操作，它有两种用法：

*  指定属性名：返回对象的指定属性的值
 *  不指定属性名：打印出对象的所有属性和其值

matplotlib的整个图表为一个Figure对象，此对象在调用plt.figure函数时返回，我们也可以通过plt.gcf函数获取当前的绘图对象：

>>> f = plt.gcf()
    >>> plt.getp(f)
    alpha = 1.0
    animated = False
    ...

#### 绘制多轴图 ####

一个绘图对象(figure)可以包含多个轴(axis)，在Matplotlib中用轴表示一个绘图区域，可以将其理解为子图。上面的第一个例子中，绘图对象只包括一个轴，因此只显示了一个轴(子图)。我们可以使用subplot函数快速绘制有多个轴的图表。subplot函数的调用形式如下：

subplot(numRows, numCols, plotNum)

`subplot`将整个绘图区域等分为`numRows行 * numCols列`个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。subplot在`plotNum`指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。

下面的程序创建3行2列共6个轴，通过axisbg参数给每个轴设置不同的背景颜色。

for idx, color in enumerate("rgbyck"):
        plt.subplot(320+idx+1, axisbg=color)
    plt.show()

输出：  
![在这里插入图片描述][70 3]  
如果希望某个轴占据整个行或者列的话，可以如下调用subplot：

plt.subplot(321) # 第一行的左图
    plt.subplot(322) # 第一行的右图
    plt.subplot(323) # 第二行的左图
    plt.subplot(313) # 第三行整行
    plt.show()

输出：  
![在这里插入图片描述][70 4]

[https_matplotlib.org]: https://matplotlib.org/
[https_matplotlib.org_gallery.html]: https://matplotlib.org/gallery.html
[70]: /images/20220511/dbad96477bd74200afcf31222932a700.png
[70 1]: /images/20220511/776926f153bf4e8c9d2853388cd53915.png
[70 2]: /images/20220511/382d342883fb4e199d5f1ff8ce4fd492.png
[70 3]: /images/20220511/58373d812196429182d6457d71b9648f.png
[70 4]: /images/20220511/78db47e2217f4dc7909b87fc9b034e86.png