第91天:Python matplotlib introduction

2019/12/17

by 潮汐

今天我们一起来探究 Python 中一个很有趣的模块–Matplotlib,Matplotlib 是一个非常优秀的 Python 2D 绘图库,只要给出符合格式的数据,通过 Matplotlib 就可以方便地制作数据图。

一、初识 Matplotlib

  • Matplotlib 以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。Matplotlib 可用于 IPython 脚本,Python 和 IPython Shell,Jupyter 笔记本,Web应用程序服务器和四个图形用户界面工具包。
  • Matplotlib 尝试使容易的事情变得容易,使困难的事情变得可能。在实践过程中只需几行代码就可以生成图表,比如直方图、功率谱、条形图、误差图、散点图等。

示例图

示例图

1、 IPython

IPython 是 Python 的一个增强版本。它在下列方面有所增强:命名输入输出、使用系统命令(shell commands)、排错(debug)能力。我们在命令行终端给 IPython 加上参数 -pylab (0.12 以后的版本是 –pylab)之后,就可以像 Matlab 或者 Mathematica 那样以交互的方式绘图。

2、pylab

pylab 是 matplotlib 面向对象绘图库的一个接口。它的语法和 Matlab 十分相近。也就是说,它主要的绘图命令和 Matlab 对应的命令有相似的参数。

二、 安装

在线安装

安装 Matplotlib 包与安装其他 Python 包一样,都可以使用 pip 来安装。 启动命令行窗口,在命令行窗口中输入如下命令:

pip3 install matplotlib

输入上面的命令后会自动下载安装 Matplotlib 包的最新版本。下载完成后会安装,最后提示 Matplotlib 包安装成功:

Installing collected packages: matplotlib
Successfully installed matplotlib-3.1.1

离线安装

在有网络限制条件下我们需要下载离线包来安装,python matplotlib 离线安装需要提前下载好与 python 版本对应的 wheel 安装包,下载地址

安装包图片

在上图中选择相应的安装包下载即可,cp36 表示 python 是 3.6 版本,同样的 cp37 表示 python 是3.7 版本,同样可以在 python 命令行下使用一下命令查看支持的版本属性:

>>>python
>>> import pip._internal
>>> print(pip._internal.pep425tags.get_supported())

安装包支持版本

以上结果可以显示出相应的版本支持,下载好后 使用 pip命令安装即可成功:

pip install matplotlib-3.1.1-cp36-cp36m-manylinux1_x86_64.whl

三、matplotlib 架构

1、matplotlib 架构图

matplotlib 架构图

matplotlib 框架分为三层,这三层构成了一个栈,上层可以调用下层,三层框架描述如下:

  • 脚本层 (pyplot):简化了完成数据分析与可视化的常规操作。 管理创建图形、坐标轴以及他们与后端层的连接。
  • 艺术家层 (artist):管理漂亮图形背后的大多数内部活动。
  • 后端层 (backend):matplotlib 的底层,实现了大量的抽象接口类;还和用户界面工具箱整合在一起;可以将图形保存为不同格式(比如PDF、PNG、PS和SVG等)。

这三层属于matplotlib程序包的范畴,脚本层(pytplot模块)可以提供给我们一个与matplotlib打交道的接口,我们可以只通过调用pyplot模块的函数从而操作整个程序包,来绘制图形。

2、matplotlib 编程接口

matplotlib 编程接口由 3 层组成,组成描述如下:

  • 第一层状态机环境,是由 pyplot 提供的。
  • 第二层是有 pyplot 和面向对象(oo)接口提供,由 pyplot 获取 figure 对象,通过面向对象接口来显示地管理axies 对象。
  • 第三层由面向对象(oo)接口提供,该层完全不使用 pyplot 模块。

编程接口图:

编程接口图

四、matplotlib 绘图概念

1、 绘图方式

在matplotlib库里,总分成两种绘图方式

  • 方法一:函数式绘图

绘图方法通过调用一系列函数传入数据绘制出相应的图, 在 matplotlib.pyplot 里是封装好的函数,用户可以直接调用函数进行绘图。 一般的,我们约定 matplotlib.pyplot 取别名为 plt

其模块下主要定义如下两方面的函数:

操作类的函数:对于画布,图,子图,坐标轴,图例,背景,网格等的操作。 如: plt.ylabel(), plt.xlabel(), plot.yscale(), plt.legend(), plt.title(), plt.text()等

绘图类的函数:画折线图,散点图,条形图,直方图,饼状图等特点图的绘制函数。 如: plt.scatter, plt.plot(), plt.bar, plot.pie(), plt.hise()……

绘图部分函数如下:

序号 绘图函数(plt.xxx) 说明  
1 acorr() 绘制x的自相关图  
  2 angle_spectrum() 绘制角度谱图
3 bar() 制作条形图  
4 barbs() 绘制倒钩的二维场图  
5 barh() 制作水平条形图  
6 boxplot() 制作一个盒子和胡须图  
7 broken_barh() 绘制一个水平的矩形序列图  
8 clabel() 绘制等高线图  
9 cohere() 绘制x和y之间的一致性图  
10 csd() 绘制交叉谱密度图  
11 eventplot() 绘制相同的平行线  
12 fill() 绘制填充多边形图  
13 hexbin() 制作六边形分箱图  
14 hist() 绘制直方图  
15 hist2d() 制作2D直方图  
16 magnitude_spectrum() 绘制幅度谱图  
17 phase_spectrum() 绘制相位谱图  
18 pie() 绘制饼图  
19 plot() 绘制折线图  
20 plot_date() 绘制包含日期的数据图  
21 quiver() 绘制一个二维箭头场图  
22 scatter() 绘制散点图  
23 specgram() 绘制频谱图  
24 stackplot() 绘制堆积区域图  
25 streamplot() 绘制矢量流的流线型图  
26 triplot() 绘制非结构化三角形网格作为线条图  
  • 方法二:面向对象式绘图

面向对象式的绘图,才是matplotlib绘图最自然的方式

下图是 matplotlib 基本的组成部分

matplotlib 绘图概念描述

元素描述: | 元素| 描述 | | — | — | | figure | 图形 | | axes | 子图形 | |title|标题| |legend|图例| |Major tick(|大标尺刻度| |Minor tick|小标尺刻度| |Major tick label(|大标尺刻度数值| |Minor tick label|小标尺刻度数值| |Y axis label|y轴指标说明| |X axis label|x轴指标说明| |Line|线型图)| |Markers|数据标注点| |Grid|格子|

基本对象描述如下:

1) Figure(图)

指整个图形(包括所有的元素,比如标题、线等)。 管理着所有的坐标系,还有一些特殊的艺术家和canvas(画布)。

  • 整个图形即是一个Figure对象,即一个弹出的绘图的窗口,便是一个figure。
  • Figure对象至少包含一个子图,也就是Axes对象。
  • Figure对象包含一些特殊的Artist对象,如title标题、图例legend。
  • Figure对象包含画布canvas对象。 canvas对象一般不可见,通常无需直接操作该对象,matplotlib程序实际绘图时需要调用该对象。

2) Axes(坐标系)

数据的绘图区域

  • 字面上理解,axes是数据轴axis的复数,但它并不是指数据轴,而是子图对象。可以这样理解,每一个子图都有x和y轴,axes则用于代表这两个数据轴所对应的一个子图对象。 -常用方法set_xlim()以及set_ylim(): - 设置子图x轴和y轴对应的数据范围。 - set_title():设置子图的标题。 - set_xlabel()以及set_ylable(): - 设置子图x轴和y轴指标的描述说明。

3) Axis(坐标轴)

坐标系中的一条轴,包含大小限制、刻度和刻度标签。

  • Axis是数据轴对象,主要用于控制数据轴上刻度位置和显示数值。
  • Axis有Locator和Formatter两个子对象,分别用于控制刻度位置和显示数值。

4) artist(艺术家)

图中所有的对象都是artis,当图形显示时,所有的艺术家都会被绘制到画布上。

  • 基本上所有的对象都是一个Artist对象,包括Figure对象、Axes对象和Axis对象,可以将Artist理解为一个基本类。
  • 当提交代码,图像最终呈现时,所有的artist对象都会绘制于canvas画布上

值得注意的是:

  • 一个figure(图)可以包含多个axes(坐标系),但是一个axes只能属于一个figure。
  • 一个axes(坐标系)可以包含多个axis(坐标轴),包含两个即为2d坐标系,3个即为3d坐标系

绘图之间的层级结构如下:

层级结构图

3、绘图步骤

在现实生活中,如果我们要画一幅画,首先需要什么工具呢?

  1. 首先咱们需要一个画板
  2. 其次还需要一张画布
  3. 指定大致轮廓(轴),轴是绘画的基准
  4. 最后是画画工具(画笔…)

而使用 Matplotlib 画图同样如此,首先需要指定一个画板,再指定一张画布,然后再指定元素开始作画。

例如:

import matplotlib.pyplot as plt
# 指定一个画板
fig = plt.figure()
# 指定画板后指定轴
# ax = fig.add_subplot(111)
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(224)
ax4 = fig.add_subplot(223)
# 设置轴的位置
# ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes',
#        ylabel='Y-Axis', xlabel='X-Axis')
plt.show()

运行结果如下:

运行结果图

3、matplotlib 重要模块 pyplot 详解

matplotlib.pytplot包含了一系列类似于matlab的画图函数。 它的函数作用于当前图形(figure)的当前坐标系(axes)。

3.1 导入模块

import matplotlib.pyplot as plt

3.2 运用模块

导入模块后,调用相应函数,例如

plot(xdata,ydata,format)

函数参数:

  • xdata:所有点的x坐标,如果不传默认是[0:]。
  • ydata:所有点的y坐标。
  • format:绘制的格式,默认是’b-‘。比如’b-+’:分别代表颜色、线形和标记。
    • 颜色:绘制的颜色(b指blue,蓝色)。
    • 线性:点之间的连线样式(-指实线)。
    • 标记:点的风格(+为加号)。

例如:

import matplotlib.pyplot as plt
plt.plot([1,2],[1,2],'r--+')
plt.show()

运行结果为:

运行结果图

再例如一个简单的折线图如下:

import matplotlib.pyplot as plt

x = (1,3,5,9,13)

y = (2,5,9,12,28)

# 调用绘制方法
# 设置线条属性
# linewidth属性设置线条的宽度
plt.plot(x,y,linewidth = 5)

# 显示图片
plt.show()

运行结果: 运行结果图

除了设置这些属性以外,图形还可以设置其他属性,这些概念我们将在下一节文章中作详细的讲解。

总结

凡事预则立,学习任何一门知识也得从最基本开始,本章节对 matplotlib 模块做了详细的概念描述,在接下来的的章节中将结合 NumPy 模块进行实战性演练,以此对初入门的伙伴们做更好的支撑。

参考

https://blog.csdn.net/hekind/article/details/79542040 https://matplotlib.org/3.1.1/contents.html https://matplotlib.org/api/_as_gen/matplotlib.pyplot.html?highlight=matplotlib%20pyplot#module-matplotlib.pyplot

文中示例代码:python-100-days

Show Disqus Comments

Post Directory