python之matplotlib

matplotlib可以将数据绘制成图像呈现，风格与matlab画图相似，是一款很好用的python库 。

这篇文档记录matplotlib的学习过程。主要参考见参考1。

1 概述

Matplotlib代码库十分庞大，这可能会让初学者望而生畏。然而，大多数matplotlib都可以通过一个相当简单的概念框架和几个要点来理解。

框架之Figure、Axes、Axis：

下图引用自matplotlib官网。

• Figure可以理解为画板，可以包括多个Axes（可理解为画布）；
• Axes是Axis的复数形式，表示一个Axes包含多个Axis（x轴、y轴、z轴）；
• Axis 表示一个轴（x轴或y轴或z轴（3-D））

这个图来自网络，表现了Figure、Axes、Axis之间的关系，或许更清晰。

所以一般画图分为三步： 创建画板--> 创建画布-->通过坐标画图

2 Figure--创建画板

如下示例，创建了3个画板，之后又切到画板1。

import matplotlib.pyplot as plt

# create figure
'''
plt.figure(num=None,         # 当给它一个数字时，就作为画板的编号，相当于 ID 号；当给它一个字符串时，就作为画板的名称
           figsize=None,     # 画板的宽、高，单位为英寸 (2.5cm)      
           dpi=None,         # 指定在该画板上绘制的图像的分辨率，即每英寸多少个像素
	   facecolor=None,   # 画板的背景颜色
           edgecolor=None,   # 画板的边框颜色
	   frameon=True,     # 是否显示边框
	   FigureClass, 
	   clear=False, 
	   **kwargs)
'''
# 如果figure不存在，则创建，否则切到此figure
fig1 = plt.figure(1)
fig2 = plt.figure(2)
fig3 = plt.figure(3)
fig1 = plt.figure(1)

plt.show()    # show

3 Axes--创建画布

创建画布有多种方法：

• 方法1：Figure.add_subplot方法

import numpy as np
import matplotlib.pyplot as plt

# create data
A1 = np.arange(1, 6)  # x ∈ [1,5]
A2 = np.arange(1, 11) # x ∈ [1,10]
B = A1 ** 2
C = A1 ** 3
D = A2 ** 2

# step1: create figure
fig = plt.figure()
# step2: create axes
ax1 = fig.add_subplot(221) # 在画板上添加画布
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(212)
# step3: plot data
ax1.bar(A1, B)
ax2.scatter(A1, C)
ax3.plot(A2, D)

plt.show()    # show

其效果如下：

• 方法2： fig.add_axes()方法

使用fig.add_axes()方法可以很容易添加子图。

import numpy as np
import matplotlib.pyplot as plt

# create data
A1 = np.arange(1, 6)  # x ∈ [1,5]
A2 = np.arange(1, 11) # x ∈ [1,10]
B = A1 ** 2
C = A1 ** 3
D = A2 ** 2

# step1: create figure
fig = plt.figure()
# step2: create axes
# 左边轴从整个figure10%的地方开始，下边轴整个figure10%的地方开始，
# 宽度为整个figure的80%，高度为整个figure的80%
left,bottom,width,height = 0.1,0.1,0.8,0.8
ax1 = fig.add_axes([left,bottom,width,height]) # 在画板上添加画布
left,bottom,width,height = 0.2,0.7,0.20,0.20
ax2 = fig.add_axes([left,bottom,width,height])
left,bottom,width,height = 0.65,0.1,0.20,0.20
ax3 = fig.add_axes([left,bottom,width,height])
# step3: plot data
ax1.plot(A2, D)
ax2.bar(A1, B)
ax3.scatter(A1, C)

plt.show()    # show

• 方法3： pyplot.subplot(nrows, ncols, index, **kwargs)

  通过subplot方法创建画布后，可以直接使用plt.plot直接在当前活跃的axes上面作图。

  有如下两种写法（为了方便区分，创建2张画板）：

import numpy as np
import matplotlib.pyplot as plt

# create data
A1 = np.arange(1, 6)  # x ∈ [1,5]
A2 = np.arange(1, 11) # x ∈ [1,10]
B = A1 ** 2
C = A1 ** 3
D = A2 ** 2

############ 写法1 ############
# step1: create figure
fig1 = plt.figure(1)   # 创建画板1
# step2: create axes
ax1 = plt.subplot(221) # 在画板上添加画布，等价于ax1 = plt.gcf().subplot(221)
ax2 = plt.subplot(222)
ax3 = plt.subplot(212)
# step3: plot data
ax1.bar(A1, B)
ax2.scatter(A1, C)
ax3.plot(A2, D)

############ 写法2 ############

# step1: create figure
fig2 = plt.figure(2)  # 创建画板2
# step2: create axes and plot
plt.subplot(221) # 在画板上添加画布
plt.bar(A1, B)   # 直接使用plt.plot直接在当前活跃的axes上面作图，plt.plot等价于plt.gca().plot()
plt.subplot(222)
plt.scatter(A1, C)
plt.subplot(212)
plt.plot(A2, D)

plt.show()    # show

这两种写法同样可以画出方法1一样的图。区别是：写法2是通过调用ax1 = plt.subplot()获取到axis，然后通过axis方法作图，等价于ax1 = plt.gcf().subplot()，其中 .gcf() 的作用是获取当前 figure，即 get current figure；写法2是直接使用plt.plot直接在当前活跃的axes上面作图；plt.plot()等价于plt.gca().plot()，其中.gca() 就是获取当前 axes，即 get current axes

• 方法3：fig, axes = pyplot.subplots()

  subplots与subplot区别：

  1. subplots() 既创建了一个包含子图区域的画布axes，又创建了一个 figure 图形对象，而 subplot() 只是创建一个包含子图区域的画布axes。
  2. subplots() 只能创建nRows * nCols 的规则画布，而subplot()可以创建不规则画布（如：下图与方法1画图的区别，也可见参考3）

import numpy as np
import matplotlib.pyplot as plt

# create data
A1 = np.arange(1, 6)  # x ∈ [1,5]
A2 = np.arange(1, 11) # x ∈ [1,10]
B = A1 ** 2
C = A1 ** 3
D = A2 ** 2

# step1: create fig and create axes
fig, ax = plt.subplots(2,2)       # 创建画板并添加画布
# ax0, ax1, ax2, ax3 = ax.ravel() # 将数组多维度拉成一维数组

# step2: plot data
ax[0][0].bar(A1, B)
ax[0][1].scatter(A1, C)
ax[1][0].plot(A2, D)
plt.show()    # show

其结果如下：

4 Axis--坐标轴操作

下图展示的是matplotlib库Axis的一些操作。

上图的函数列表如下：

颜色与线条：

参考：

1. matplotlib quick start

2. matplotlib绘图：figure和axes有什么区别？

3. matplotlib subplot函数介绍