Matplotlib简单入门学习

旧城等待， 2022-07-21 11:28 236阅读 0赞

因为学习机器学习以及试图通过python实现相应的算法，因此学习了Matplotlib中的画图，那么就问到，问啥不用matlab呢，答：多一门技术，多一口饭；而且发现Matplotlib的画图功能还是蛮强大的，这次仅仅只是学习了以前在MATLAB里面会的相应的东西，然后学习一下在python中对应的知识。

matplotlib在Python中应用最多的2D图像的绘图工具包，使用matplotlib能够非常简单的可视化数据。在matplotlib中使用最多的模块就是pyplot。pyplot非常接近Matlab的绘图实现，而且大多数的命令及其类似Matlab.当然，与Matlab类似，需要很多的数学运算，因此numpy这个组件同样是必不可少的。所以很多人说python+matplotlib+numpy就是MATLAB。当然在此之前，需要配置好相应的环境，在Linux 14.04下版本，利用sublime Text 3可以非常快捷的搭建好开发环境，可以参见博客[http://blog.csdn.net/mao19931004/article/details/51834616][http_blog.csdn.net_mao19931004_article_details_51834616]。

首先，在matplotlib建议使用别名，引入包，这样方便以后模块的使用，一般以以下两句开始：

import numpy as np
    import matplotlib.pyplot as plt

接下来以绘制正弦余弦函数曲线为例，介绍相应的函数。

## 使用默认的绘图属性绘图 ##

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)

![20160715101324435][]

## 对线条的颜色，宽度进行设置，就像在matlab中一样： ##

plt.plot(x,C,color='red',linewidth=2.5,linestyle='-')
    plt.plot(x,S,color='blue',linewidth=2.5,linestyle='-')

![20160715101714080][]

##     ##

## 对plot函数的讲解 ##

上面介绍了简单的绘图，用的基本上都是plot，因此有必要对plot函数进行简单的介绍。官网参考网址：[plot使用][plot]。熟悉Matlab的人对plot不会陌生，在matplotlib中的使用方式大致和Matlab中是一致的，使用plot，可以对点的标记的样式以及线条的样式进行设置。

函数的声明为：`matplotlib.pyplot.``plot`(\*args, \*\*kwargs)。args的参数的长度是不定 的，可以设置很多的属性，kwargs主要是应用于设置线条的属性。对于标注和线条的样式，可以通过简单的字符来表示：

![20160715103104411][]

以及标注和线条的颜色：

![20160715103207928][]

当然线条的颜色可以以其他方式定制。比如16进制的字符串(`'#008000'`)或者是RGB、RGBA元组的方式RGB or RGBA (`(0,1,0,1)`) 来实现不同的颜色。

在接下来会应用到更多的属性。对于Line2D的具体细节，也就是线条的属性等，可以进一步查阅[Line2D][].

## 设置横轴、纵轴的界限以及标注 ##

很多时候，需要设置横轴和纵轴的界面，从而得到更加清晰明了的图形：

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

此外为了更好的表示横轴和纵轴数据的含义，可以通过ticks对横轴和纵轴的含义进行设置和定制。

plt.xlim(x.min()*1.1, x.max()*1.1)
    plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
           [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
    
    plt.ylim(C.min()*1.1,C.max()*1.1)
    plt.yticks([-1, 0, +1],
           [r'$-1$', r'$0$', r'$+1$'])

看到yticks和xticks后面一串的数字，看到就觉得可能有点不知道写的什么，熟悉LaTex的人觉得我们这种想法的人有点傻。其实就是很简单的字符串，但是是为了方便Latex去解析这段字符串。一般以r开始，中间的字符串用$字符串$包围起来。这里是matplotlib中的有关LaTex的使用介绍： [Latex的使用][Latex]

上面的\\pi代表的意义就是π。以下是有关希腊字符的表示：

![20160715105049440][]

最后的显示图像为：

![20160715105136707][]

这样数据的意义就更加清晰明了了。

## 设置Spines的位置。 ##

Spines are the lines connecting the axis tick marks and noting the boundaries of the data area. They can be placed at arbitrary positions。

Spines应该可以理解为坐标轴的位置。但是也不全是，因为它分为上下左右四个位置，就如上图的四个边界，那么左边界和下边界就是我们通常认为的横坐标和纵坐标。我们可以将上边界和右边界隐藏，同时将左边界和下边界移动至中心的位置，看看效果：

![20160715110432805][]

这样就和我们通常画数学曲线的方式就一样了。

实现的完整代码是：

import numpy as np
    import matplotlib.pyplot as plt
    
    
    ax = plt.subplot(111)
    
    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))
    
    x=np.linspace(-np.pi,np.pi,256,endpoint=True)
    C,S=np.cos(x),np.sin(x)
    
    plt.plot(x,C,color='red',linewidth=2.5,linestyle='-',label=r'$cos(t)$')
    plt.plot(x,S,color='blue',linewidth=2.5,linestyle='-',label=r'$sin(t)$')
    
    plt.xlim(x.min()*1.1, x.max()*1.1)
    plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
           [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
    
    plt.ylim(C.min()*1.1,C.max()*1.1)
    plt.yticks([-1, 0, +1],
           [r'$-1$', r'$0$', r'$+1$'])
    plt.show()

## 添加图例说明 ##

说到作图，当然必须要有图例，图例是帮助我们理解曲线指代的类型，如果让我们不去仔细分析曲线，就可以知道曲线指代的类型。比如上图的正弦和余弦，我们要经过分析过后，才知道红色是余弦函数，蓝色是正弦函数，因此图例就非常重要的帮助我们分析图形。

在画图时候，我们需要多线条加上label，这样才可以在最后将图例显示出来。

plt.plot(x,C,color='red',linewidth=2.5,linestyle='-',label=r'$cos(t)$')
    plt.plot(x,S,color='blue',linewidth=2.5,linestyle='-',label=r'$sin(t)$')
    plt.legend(loc='upper left',frameon=False)

![20160715111244899][]

位置的可选参数有：

![20160715111428709][]

函数的参数的关键字有：

![20160715111533085][]

大致的plot的绘图方式入门就这么多，当然plot还有很多很多的内容，需要的什么比较好的方式绘图，就可以去参阅相关的资料，当然以后如果遇到新的内容，会继续介绍。

[http_blog.csdn.net_mao19931004_article_details_51834616]: http://blog.csdn.net/mao19931004/article/details/51834616
[20160715101324435]: /images/20220720/7ecc2296d19f499b9e0a72bba0e3f947.png
[20160715101714080]: /images/20220720/834360699f454b56b487032ada9bd012.png
[plot]: http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.plot
[20160715103104411]: /images/20220720/394bdb1387bc46b59e992e63df65a04d.png
[20160715103207928]: /images/20220720/ec9de17b6d184069ab6b5c9a4dc07b0b.png
[Line2D]: http://matplotlib.org/api/lines_api.html#matplotlib.lines.Line2D
[Latex]: http://matplotlib.org/users/mathtext.html
[20160715105049440]: /images/20220720/d80189364c1148d9a9a868c1edc9dfef.png
[20160715105136707]: /images/20220720/057fe53bf6494ec69f8bafd6b8633e99.png
[20160715110432805]: /images/20220720/f5306a480a3f4ed1ace9e0d849624740.png
[20160715111244899]: /images/20220720/e53142bfc84748d3ad1804254ddec729.png
[20160715111428709]: /images/20220720/1c47b23e25314ec6bc720a4a9410b747.png
[20160715111533085]: /images/20220720/cc1b160944cd4c76b81fe6557cf3aeaa.png