张力元的个人站

分享·技术·生活

Python-Matplotlib绘图

发表于 更新于 分类于

简介

前几篇博客文章介绍了MATLAB绘图的基本操作，本篇博客接下来介绍通过Python中的Matplotlib库进行图像的绘制。

一、基本绘图

绘制y=x^2的图线：

1
2
3
4
5
6
7
8
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 50)#生成从-1到1的50个点
#y = 2*x+1
y = x**2
plt.plot(x, y)
plt.show()

绘图结果：

Figure_1

二、窗口

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)#生成从-1到1的50个点
y1 = 2*x+1
y2 = x**2

plt.figure()#此处时figure的开头，以下输入的所有内容均和此figure有关
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

plt.figure(num=3, figsize=(8, 5))#在这里可以设置figure的参数，这里规定了窗口的标号是3，窗口的大小是8*5
plt.plot(x, y2)

#plt.figure(num=3, figsize=(8, 5))#在这里可以设置figure和设置在一个图中设置多个图像在一个figure中
#plt.plot(x, y2)
#plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

plt.show()

在这里，我们可以通过两个窗口显示两个函数的图像。最基本的窗口语句为plt.figure()，语句内包含几个参数，具体可参阅matplotlib官方文档。在注释行中我们还加入了多函数显示方法，一个图像窗口中有可以显示两个图线。

函数y=2x+1：

Figure_2

函数y=x^2:

Figure_3

两个函数同时显示：

Figure_4

三、设置坐标轴

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)#生成从-1到1的50个点
y1 = 2*x+1
y2 = x**2

plt.figure(num=1, figsize=(8, 5))#在这里可以设置figure和设置在一个图中设置多个图像在一个figure中
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

plt.xlim((-1, 2))#设置x坐标轴的范围
plt.ylim((-2, 3))#设置y坐标轴的范围

plt.xlabel('I am x')#设置x轴的标签
plt.ylabel('I am y')#设置y轴的标签


new_ticks = np.linspace(-1, 2, 5)#调整坐标轴的坐标间隔
print(new_ticks)#打印出新的坐标点
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],
            [r'$really\ good$', r'$bad$', r'$noraml$', r'$really\ good$'])#将y轴的值和字符串对应,绿字是latex语法

plt.show()

在这里通过plt.x/ylim()函数将图中显示的坐标范围固定，同时通过plt.x/ylabel()函数对坐标轴进行标识；在程序的最后针对坐标轴的间隔进行调整，通过plt.x/yticks函数实现，若想实现指定的间隔，需要创建一个一维数组。

绘图结果：

Figure_5

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)#生成从-1到1的50个点
y1 = 2*x+1
y2 = x**2

plt.figure(num=1, figsize=(8, 5))#在这里可以设置figure和设置在一个图中设置多个图像在一个figure中
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

plt.xlim((-1, 2))#设置x坐标轴的范围
plt.ylim((-2, 3))#设置y坐标轴的范围

plt.xlabel('I am x')#设置x轴的标签
plt.ylabel('I am y')

new_ticks = np.linspace(-1, 2, 5)#调整坐标轴的坐标间隔
print(new_ticks)
plt.xticks(new_ticks)

plt.yticks([-2, -1.8, -1, 1.22, 3],
            [r'$really\ good$', r'$bad$', r'$noraml$', r'$really\ good$'])#将y轴的值和字符串对应,绿字是latex语法

#gca = 'get current axis'边框的调整
ax = plt.gca()#这里设置的是显示图像的边框
ax.spines['right'].set_color('none')#right:右边框
ax.spines['top'].set_color('none')#top：上边框
ax.xaxis.set_ticks_position('bottom')#bottom：下边框
ax.yaxis.set_ticks_position('left')#left：左边框
ax.spines['bottom'].set_position(('data', 0))#这里是将x轴的位置确定在y轴的0这个值上
ax.spines['left'].set_position(('data', 0))#这里是将y轴的位置确定在x轴的0这个值上

plt.show()

在这里主要采用ax.spines[‘right’].set_color(‘none’)语句关闭图中右边框的显示，ax.xaxis.set_ticks_position(‘bottom’)语句表示下边框的显示；ax.spines[‘bottom’].set_position((‘data’, 0))语句将下边框移动到y=0的位置，同理ax.spines[‘left’].set_position((‘data’, 0))语句将左边框移动到x=0的位置。

绘图结果：

Figure_6

四、图例（legend）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)#生成从-1到1的50个点

y1 = 2*x+1
y2 = x**2

plt.figure()#在这里可以设置figure和设置在一个图中设置多个图像在一个figure中

plt.xlim((-1, 2))#设置x坐标轴的范围
plt.ylim((-2, 3))#设置y坐标轴的范围
plt.xlabel('I am x')#设置x轴的标签
plt.ylabel('I am y')

new_ticks = np.linspace(-1, 2, 5)#调整坐标轴的坐标间隔
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],
            [r'$really\ good$', r'$bad$', r'$noraml$', r'$really\ good$'])#将y轴的值和字符串对应,绿字是latex语法

l1, = plt.plot(x, y2, label='up')
l2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

plt.legend(handles=[l1, l2, ], labels=['aaa', 'bbb'], loc='best')

plt.show()

在这里绘图表示成l1和l2，图例（legend）的设置采用语句plt.legend()，参数handles表示绘制的图线，labels表示图线的名称，loc表示图例的位置，详细参数设置请参考matplotlib官方文档资料。

绘图结果：

Figure_7

五、为图中函数添加公式和注解

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)#生成从-1到1的50个点
y = 2*x+1

plt.figure(num=1, figsize=(8, 5))#在这里可以设置figure和设置在一个图中设置多个图像在一个figure中
plt.plot(x, y)

#gca = 'get current axis'边框的调整
ax = plt.gca()#这里设置的是显示图像的边框
ax.spines['right'].set_color('none')#right:右边框
ax.spines['top'].set_color('none')#top：上边框
ax.xaxis.set_ticks_position('bottom')#下边框
ax.yaxis.set_ticks_position('left')#左边框
ax.spines['bottom'].set_position(('data', 0))#这里是将x轴的位置确定在y轴的0这个值上
ax.spines['left'].set_position(('data', 0))#这里是将y轴的位置确定在x轴的0这个值上

x0 = 1
y0 = 2*x0 + 1
plt.scatter(x0, y0, s=250, color='b', )#散点图
plt.plot([x0, x0], [y0, 0], 'k--', lw=2.5)#结果同matlab中绘制直线

#method 1
##########################
plt.annotate(r'$2x+1%s$', xy=(x0, y0), xycoords='data', xytext=(+30, -30),
             textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=.2'))
#method 2
##########################
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text.\ \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size': 16, 'color': 'r'})

plt.show()

在这里，method1通过绘制散点图的方法绘制出了x0=1处对应的直线上的点，将公式以箭头的方式指向该点，使用的语句：plt.annotate()；method2则给出了在图中加入文字的方式，使用的语句：plt.text。

绘图结果：

Figure_8

六、绘制散点图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import matplotlib.pyplot as plt
import numpy as np

n = 1024
X = np.random.normal(0, 1, n)
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X)# for color value

#plt.scatter(X, Y, s=75, c=T, alpha=0.5)
plt.scatter(np.arange(5), np.arange(5))

#plt.xlim((-1.5, 1.5))
#plt.ylim((-1.5, 1.5))
plt.xticks(())
plt.yticks(())

plt.show()

绘图结果：

Figure_9

七、柱状图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import matplotlib.pyplot as plt
import numpy as np

n = 12
X = np.arange(n)
Y1 = (1 - X/float(n))*np.random.uniform(0.5, 1.0, n)
Y2 = (1 - X/float(n))*np.random.uniform(0.5, 1.0, n)

plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='black')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

#条形图显示y轴数据
for x, y in zip(X, Y1):
    #ha:horizontal alignment
    plt.text(x + 0.04, y + 0.05, '%.2f' % y, ha='center', va='bottom')
for x, y in zip(X, Y2):
    #ha:horizontal alignment
    plt.text(x + 0.04, -y - 0.05, '-%.2f' % -y, ha='center', va='top')

plt.xlim(-5, n)
plt.xticks(())
plt.ylim(-1.25, 1.25)
plt.yticks(())

plt.show()

本程序涉及的关键点大概有两个：绘制柱状图和显示柱状图的值。绘制柱状图使用plt.bar()语句，其中facecolor表示柱状图柱的颜色，edgecolor表示柱状图柱的边缘线的颜色；在柱状图上显示值，这里采用了for…zip()循环，在这里可以打印出执行该循环的结果：

Figure_10

可以看到，此时已将x的值和y的值一一对应，不再是两个一维向量的形式，这样plt.text()语句就可以通过for…zip()输出的参数对柱状图进行数值的标注。

绘图结果：

Figure_11

在这里有另外一个较为简单的程序可以参考：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 6)
y = x*2

plt.figure()
plt.bar(x, y, facecolor='#9999ff', edgecolor='white')

for X, Y in zip(x, y):
    print(x, y)
    print(X, Y)
    plt.text(X, Y+0.125, '%.2f' % Y, ha='center', va='top')

plt.show()

绘图结果：

Figure_12

注：’%.2f’显示保留两位小数的浮点数，类似地’%.3f’是保留3位小数，’%.2f’%Y表示将Y显示保留两位小数。

八、绘制等高线

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import matplotlib.pyplot as plt
import numpy as np

def f(x, y):
    #the function about height
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y)

#use plt.contourf to filling contours
#X,Y and value for (X,Y) point
plt.contourf(X, Y, f(X, Y), 8, alpha=0.75, cmap=plt.cm.hot)#8代表等高线分成10部分

plt.xticks(())
plt.yticks(())
plt.show()

绘制等高线使用plt.contourf()语句，绘图结果：

Figure_13

我们可以看到，等高线图已经绘制出，但是没有等高线和数值，因此可以在该程序基础上添加以下程序：

1
2
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=0.5)
plt.clabel(C, inline=True, fontsize=10)

注：该程序需要添加到plt.contourf()语句之后。

绘图结果：

Figure_14

九、绘制3D图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)

#X,Y Value
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)#将X,Y两个量转到一个面中
R = np.sqrt(X**2+Y**2)#np.sqrt表示开根号
#height value
Z = np.sin(R)

#注意绘制3D图语句的参数定义，stride代表跨度，rstride=1, cstride=1分别代表行跨和列跨
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
#3D图的投影，zdir可以设置向哪个方向投影
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap='rainbow')
ax.set_zlim(-2, 2)
plt.show()

绘图结果：

Figure_15

十、多图绘制

1、将一个figure分成两行两列

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import matplotlib.pyplot as plt

plt.figure()

plt.subplot(2, 2, 1)
plt.plot([0, 1], [0, 1])

plt.subplot(2, 2, 2)
plt.plot([0, 1], [0, 1])

plt.subplot(2, 2, 3)
plt.plot([0, 1], [0, 1])

plt.subplot(2, 2, 4)
plt.plot([0, 2], [0, 2])

plt.show()

绘图结果：

Figure_16

2、将一个figure分成两行,第一行是一列，第二行是三列

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import matplotlib.pyplot as plt

plt.figure()

plt.subplot(2, 1, 1)
plt.plot([0, 1], [0, 1])

plt.subplot(2, 3, 4)
plt.plot([0, 1], [0, 1])

plt.subplot(2, 3, 5)
plt.plot([0, 1], [0, 1])

plt.subplot(2, 3, 6)
plt.plot([0, 2], [0, 2])

plt.show()

绘图结果：

Figure_17

3、subplot2grid

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import matplotlib.pyplot as plt

plt.figure()

ax1 = plt.subplot2grid((3, 3), (0,0), colspan=3, rowspan=1)#colspan=3, rowspan=1
ax1.plot([1, 2], [1, 2])
ax1.set_title('ax1_title')

ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2, )
ax2.plot([1, 2], [1, 2])
ax2.set_title('ax2_title')

ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
ax3.plot([1, 2], [1, 2])
ax3.set_title('ax3_title')

ax4 = plt.subplot2grid((3, 3), (2, 0))
ax4.plot([1, 2], [1, 2])
ax4.set_title('ax4_title')

ax5 = plt.subplot2grid((3, 3), (2, 1))
ax5.plot([1, 2], [1, 2])
ax5.set_title('ax5_title')

plt.show()

plt.subplot2grid()语句中，第一个参数（3， 3）代表窗口的划分，第二个参数（0， 0）代表第一个图起始位置，colspan代表图所占的列数，rowspan代表图所占的行数。

绘图结果：

Figure_18

4、gridspec

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

plt.figure()
gs = gridspec.GridSpec(3, 3)

ax1 = plt.subplot(gs[0, :])
ax1.set_title('ax1_title')

ax2 = plt.subplot(gs[1, :2])
ax2.set_title('ax2_title')

ax3 = plt.subplot(gs[1:, 2])
ax3.set_title('ax3_title')

#ax4 = plt.subplot(gs[-1, 0])
ax4 = plt.subplot(gs[2, :1])
ax4.set_title('ax4_title')

#ax5 = plt.subplot(gs[-1, -2])
ax5 = plt.subplot(gs[2, 1:2])
ax5.set_title('ax5_title')

plt.show()

绘图结果：

Figure_19

5、subplots返回参数

1
2
3
4
5
6
7
8
9
import matplotlib.pyplot as plt

f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)
ax11.scatter([1, 2], [1, 2])
ax12.plot([1, 2], [1, 2])
ax21.plot([1, 2], [1, 2])
ax22.plot([1, 2], [1, 2])

plt.show()

绘图结果：

Figure_20

十一、图中图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import matplotlib.pyplot as plt

fig = plt.figure()
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]

left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')


left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(y, x, 'b')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title inside one')

plt.axes([0.6, 0.2, 0.25, 0.25])
plt.plot(y[::-1], x, 'g')
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside two')

plt.show()

绘图结果：

Figure_21

十二、主次坐标轴

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 0.1)
y1 = 0.05*x**2
y2 = -1*y1

fig, ax1 = plt.subplots()
ax2 = ax1.twinx()#在ax1中共享x坐标轴
ax1.plot(x, y1, 'g-')
ax2.plot(x, y2, 'b--')

ax1.set_xlabel('X data')
ax1.set_ylabel('Y1', color='g')
ax2.set_ylabel('Y2', color='b')

plt.show()

绘图结果：

Figure_22