您的位置：首页 > 编程语言 > Python开发

Python图表绘制：matplotlib绘图库入门

2014-05-22 21:07 393 查看

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。

在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包可以调用gnuplot，但是语法比较不习惯，而且画图质量不高。

而Matplotlib则比较强：Matlab的语法、python语言、latex的画图质量（还可以使用内嵌的latex引擎绘制的数学公式）。

Matplotlib.pyplot快速绘图

快速绘图和面向对象方式绘图

matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。

为了方便快速绘图matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。

为了将面向对象的绘图库包装成只使用函数的调用接口，pyplot模块的内部保存了当前图表以及当前子图等信息。当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示"GetCurrentFigure"和"GetCurrentAxes"。在pyplot模块中，许多函数都是对当前的Figure或Axes对象进行处理，比如说：

plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。

可以在Ipython中输入类似"plt.plot??"的命令查看pyplot模块的函数是如何对各种绘图对象进行包装的。

配置属性

matplotlib所绘制的图表的每个组成部分都和一个对象对应，我们可以通过调用这些对象的属性设置方法set_*()或者pyplot模块的属性设置函数setp()设置它们的属性值。

因为matplotlib实际上是一套面向对象的绘图库，因此也可以直接获取对象的属性

配置文件

绘制一幅图需要对许多对象的属性进行配置，例如颜色、字体、线型等等。我们在绘图时，并没有逐一对这些属性进行配置，许多都直接采用了matplotlib的缺省配置。

matplotlib将这些缺省配置保存在一个名为“matplotlibrc”的配置文件中，通过修改配置文件，我们可以修改图表的缺省样式。配置文件的读入可以使用rc_params()，它返回一个配置字典；在matplotlib模块载入时会调用rc_params()，并把得到的配置字典保存到rcParams变量中；matplotlib将使用rcParams字典中的配置进行绘图；用户可以直接修改此字典中的配置，所做的改变会反映到此后创建的绘图元素。

绘制多子图（快速绘图）

Matplotlib里的常用类的包含关系为

Figure->Axes->(Line2D,Text,etc.)

一个Figure对象可以包含多个子图(Axes)，在matplotlib中用Axes对象表示一个绘图区域，可以理解为子图。

可以使用subplot()快速绘制包含多个子图的图表，它的调用形式如下：

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。

subplot()返回它所创建的Axes对象，我们可以将它用变量保存起来，然后用sca()交替让它们成为当前Axes对象，并调用plot()在其中绘图。

绘制多图表（快速绘图）

如果需要同时绘制多幅图表，可以给figure()传递一个整数参数指定Figure对象的序号，如果序号所指定的Figure对象已经存在，将不创建新的对象，而只是让它成为当前的Figure对象。

importnumpyasnp

importmatplotlib.pyplotasplt

plt.figure(1)#创建图表1

plt.figure(2)#创建图表2

ax1=plt.subplot(211)#在图表2中创建子图1

ax2=plt.subplot(212)#在图表2中创建子图2

x=np.linspace(0,3,100)

foriinxrange(5):

plt.figure(1)#❶#选择图表1

plt.plot(x,np.exp(i*x/3))

plt.sca(ax1)#❷#选择图表2的子图1

plt.plot(x,np.sin(i*x))

plt.sca(ax2)#选择图表2的子图2

plt.plot(x,np.cos(i*x))

plt.show()

在图表中显示中文

matplotlib的缺省配置文件中所使用的字体无法正确显示中文。为了让图表能正确显示中文，可以有几种解决方案。

在程序中直接指定字体。
在程序开头修改配置字典rcParams。
修改配置文件。

面向对象画图

matplotlibAPI包含有三层，Artist层处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道，而不需要关心底层的绘制细节。

直接使用Artists创建图表的标准流程如下：

创建Figure对象
用Figure对象创建一个或者多个Axes或者Subplot对象
调用Axies等对象的方法创建各种简单类型的Artists

importmatplotlib.pyplot
asplt

X1=range(0,50)Y1
=[num**2fornuminX1]#y=x^2X2=[0,1]Y2
=[0,1]#y=x

Fig=plt.figure(figsize=(8,4))#Createa`figure'instanceAx
=Fig.add_subplot(111)#Createa`axes'instanceinthefigureAx.plot(X1,
Y1,X2,Y2)#CreateaLine2Dinstanceintheaxes

Fig.show()Fig.savefig("test.pdf")

参考：

《Python科学计算》(Numpy视频)matplotlib-绘制精美的图表(快速绘图)(面向对象绘图)（深入浅出适合系统学习）

什么是Matplotlib（主要讲面向对象绘图，对于新手可能有点乱）

Matplotlib.pylab快速绘图

matplotlib还提供了一个名为pylab的模块，其中包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。这里使用下面的方式载入pylab模块：

>>>importpylabaspl

1安装numpy和matplotlib

>>>importnumpy

>>>numpy.__version__

>>>importmatplotlib

>>>matplotlib.__version__

2两种常用图类型：Lineandscatterplots(使用plot()命令),histogram(使用hist()命令)

2.1折线图&散点图Lineandscatterplots

2.1.1折线图Lineplots(关联一组x和y值的直线)

importnumpyasnp

importpylabaspl

x=[1,2,3,4,5]#Makeanarrayofxvalues

y=[1,4,9,16,25]#Makeanarrayofyvaluesforeachxvalue

pl.plot(x,y)#usepylabtoplotxandy

pl.show()#showtheplotonthescreen

2.1.2散点图Scatterplots

把pl.plot(x,y)改成pl.plot(x,y,'o')即可，下图的蓝色版本

2.2美化Makingthingslookpretty

2.2.1线条颜色Changingthelinecolor

红色：把pl.plot(x,y,'o')改成pl.plot(x,y,’or’)

2.2.2线条样式Changingthelinestyle

虚线:plot(x,y,'--')

2.2.3marker样式Changingthemarkerstyle

蓝色星型markers：plot(x,y,’b*’)

2.2.4图和轴标题以及轴坐标限度Plotandaxistitlesandlimits

importnumpyasnp

importpylabaspl

x=[1,2,3,4,5]#Makeanarrayofxvalues

y=[1,4,9,16,25]#Makeanarrayofyvaluesforeachxvalue

pl.plot(x,y)#usepylabtoplotxandy

pl.title(’Plotofyvs.x’)#giveplotatitle

pl.xlabel(’xaxis’)#makeaxislabels

pl.ylabel(’yaxis’)

pl.xlim(0.0,7.0)#setaxislimits

pl.ylim(0.0,30.)

pl.show()#showtheplotonthescreen

2.2.5在一个坐标系上绘制多个图Plottingmorethanoneplotonthesamesetofaxes

做法是很直接的，依次作图即可:

importnumpyasnp

importpylabaspl

x1=[1,2,3,4,5]#Makex,yarraysforeachgraph

y1=[1,4,9,16,25]

x2=[1,2,4,6,8]

y2=[2,4,8,12,16]

pl.plot(x1,y1,’r’)#usepylabtoplotxandy

pl.plot(x2,y2,’g’)

pl.title(’Plotofyvs.x’)#giveplotatitle

pl.xlabel(’xaxis’)#makeaxislabels

pl.ylabel(’yaxis’)

pl.xlim(0.0,9.0)#setaxislimits

pl.ylim(0.0,30.)

pl.show()#showtheplotonthescreen

2.2.6图例Figurelegends

pl.legend((plot1,plot2),(’label1,label2’),'best’,numpoints=1)

其中第三个参数表示图例放置的位置:'best’‘upperright’,‘upperleft’,‘center’,‘lowerleft’,‘lowerright’.

如果在当前figure里plot的时候已经指定了label，如plt.plot(x,z,label="cos(x2)")，直接调用plt.legend()就可以了哦。

importnumpyasnp

importpylabaspl

x1=[1,2,3,4,5]#Makex,yarraysforeachgraph

y1=[1,4,9,16,25]

x2=[1,2,4,6,8]

y2=[2,4,8,12,16]

plot1=pl.plot(x1,y1,’r’)#usepylabtoplotxandy:Giveyourplotsnames

plot2=pl.plot(x2,y2,’go’)

pl.title(’Plotofyvs.x’)#giveplotatitle

pl.xlabel(’xaxis’)#makeaxislabels

pl.ylabel(’yaxis’)

pl.xlim(0.0,9.0)#setaxislimits

pl.ylim(0.0,30.)

pl.legend([plot1,plot2],(’redline’,’greencircles’),’best’,numpoints=1)#makelegend

pl.show()#showtheplotonthescreen

2.3直方图Histograms

importnumpyasnp

importpylabaspl

#makeanarrayofrandomnumberswithagaussiandistributionwith

#mean=5.0

#rms=3.0

#numberofpoints=1000

data=np.random.normal(5.0,3.0,1000)

#makeahistogramofthedataarray

pl.hist(data)

#makeplotlabels

pl.xlabel(’data’)

pl.show()

如果不想要黑色轮廓可以改为pl.hist(data,histtype=’stepfilled’)

2.3.1自定义直方图bin宽度Settingthewidthofthehistogrambinsmanually

增加这两行

bins=np.arange(-5.,16.,1.)#浮点数版本的range

pl.hist(data,bins,histtype=’stepfilled’)

3同一画板上绘制多幅子图Plottingmorethanoneaxispercanvas

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。

fig1=pl.figure(1)

pl.subplot(211)

subplot(211)把绘图区域等分为2行*1列共两个区域,然后在区域1(上区域)中创建一个轴对象.pl.subplot(212)在区域2(下区域)创建一个轴对象。

Youcanplayaroundwithplottingavarietyoflayouts.Forexample,Fig.11iscreatedusingthefollowingcommands:

f1=pl.figure(1)

pl.subplot(221)

pl.subplot(222)

pl.subplot(212)

当绘图对象中有多个轴的时候，可以通过工具栏中的ConfigureSubplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话，可以调用subplots_adjust函数，它有left,right,bottom,top,wspace,hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。

pl.subplots_adjust(left=0.08,right=0.95,wspace=0.25,hspace=0.45)

4绘制文件中的数据Plottingdatacontainedinfiles

4.1从Ascii文件中读取数据Readingdatafromasciifiles

读取文件的方法很多，这里只介绍一种简单的方法，更多的可以参考官方文档和NumPy快速处理数据(文件存取)。

numpy的loadtxt方法可以直接读取如下文本数据到numpy二维数组

**********************************************

#fakedata.txt

00

11

24

39

416

525

636

749

864

981

00

11

24

39

416

525

636

749

864

981

**********************************************

importnumpyasnp

importpylabaspl

#Usenumpytoloadthedatacontainedinthefile

#’fakedata.txt’intoa2-Darraycalleddata

data=np.loadtxt(’fakedata.txt’)

#plotthefirstcolumnasx,andsecondcolumnasy

pl.plot(data[:,0],data[:,1],’ro’)

pl.xlabel(’x’)

pl.ylabel(’y’)

pl.xlim(0.0,10.)

pl.show()

4.2写入数据到文件Writingdatatoatextfile

写文件的方法也很多，这里只介绍一种可用的写入文本文件的方法，更多的可以参考官方文档。

importnumpyasnp

#Let’smake2arrays(x,y)whichwewillwritetoafile

#xisanarraycontainingnumbers0to10,withintervalsof1

x=np.arange(0.0,10.,1.)

#yisanarraycontainingthevaluesinx,squared

y=x*x

print’x=’,x

print’y=’,y

#Nowopenafiletowritethedatato

#’w’meansopenfor’writing’

file=open(’testdata.txt’,’w’)

#loopovereachlineyouwanttowritetofile

foriinrange(len(x)):

#makeastringforeachlineyouwanttowrite

#’\t’means’tab’

#’\n’means’newline’

#’str()’meansyouareconvertingthequantityinbracketstoastringtype

txt=str(x[i])+’\t’+str(y[i])+’\n’

#writethetxttothefile

file.write(txt)

#Closeyourfile

file.close()

这部分是翻译自：PythonPlottingBeginnersGuide

对LaTeX数学公式的支持

Matlplotlib对LaTeX有一定的支持，如果记得使用raw字符串语法会很自然：

xlabel(r"x2y4")

在matplotlib里面，可以使用LaTex的命令来编辑公式，只需要在字符串前面加一个“r”即可

Hereisasimpleexample:

#plaintext

plt.title('alpha>beta')

produces“alpha>beta”.

Whereasthis:

produces"

".

这里给大家看一个简单的例子。

importmatplotlib.pyplotaspltx=arange(1,1000,1)

r=-2

c=5

y=[5*(a**r)forainx]

fig=plt.figure()
ax=fig.add_subplot(111)

ax.loglog(x,y,label=r"y=12σ21,c=5,σ1=−2")

ax.legend()

ax.set_xlabel(r"x")

ax.set_ylabel(r"y")

程序执行结果如图3所示，这实际上是一个power-law的例子，有兴趣的朋友可以继续google之。

再看一个《用Python做科学计算》中的简单例子，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：

plt.plot(x,y,label="sin(x)",color="red",linewidth=2)

plt.plot(x,z,"b--",label="cos(x2)")

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

详细的可以参考matplotlib官方教程:

Writingmathematicalexpressions

Subscriptsandsuperscripts
Fractions,binomialsandstackednumbers
Radicals
Fonts

Customfonts

Accents
Symbols
Example

TextrenderingWithLaTeX

usetexwithunicode
Postscriptoptions
Possiblehangups
Troubleshooting

有几个问题：

matplotlib.rcParams属性字典
想要它正常工作，在matplotlibrc配置文件中需要设置text.markup="tex"。
如果你希望图表中所有的文字（包括坐标轴刻度标记）都是LaTeX'd,需要在matplotlibrc中设置text.usetex=True。如果你使用LaTeX撰写论文，那么这一点对于使图表和论文中其余部分保持一致是很有用的。
在matplotlib中使用中文字符串时记住要用unicode格式，例如：u''测试中文显示''

matplotlib使用小结

LaTeX科技排版

参考文献自动搜集管理完美攻略（图文版）:Latex+Lyx+Zotero

对数坐标轴

在实际中，我们可能经常会用到对数坐标轴，这时可以用下面的三个函数来实现

ax.semilogx(x,y)#x轴为对数坐标轴

ax.semilogy(x,y)#y轴为对数坐标轴

ax.loglog(x,y)#双对数坐标轴

学习资源

Gnuplot的介绍

Gnuplot简介
IBM:gnuplot让您的数据可视化,Linux
上的数据可视化工具
利用Python绘制论文图片:Gnuplot,pylab

官方英文资料：

matplotlib下载及API手册地址
Screenshots:examplefigures
Gallery:Clickonanyimagetoseefullsizeimageandsource
code
matplotlib所使用的数学库numpy下载及API手册

IBM:基于PythonMatplotlib模块的高质量图形输出(2005年的文章有点旧)

matplotlib技巧集(绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y轴不同区间使用不同颜色填充的曲线区域。)

Python:使用matp绘制不连续函数的不连续点；参数曲线上绘制方向箭头；修改缺省刻度数目；Y轴不同区间使用不同颜色填充的曲线区域。lotlib绘制图表

matplotlib输出图象的中文显示问题

matplotlib图表中图例大小及字体相关问题

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航