Matplotlib 快速入门

python-lib

由于Matplotlib考虑到Matlab用户，提供了函数接口作图，但是这种方法是隐式创建对象的，以至于你想在哪张图的哪个子图上面画什么东西不是那么得心应手，
于是，这里介绍一下基于对象的作图方式，显示创建对象，作图逻辑更加清晰，作图更加灵活。

Jupyter Notebook中设置绘图GUI后端（Backends）

  • 方法一：import matplotlib;matplotlib.use(‘TkAgg’)

    • 注意事项：必须放在import matplotlib.pyplot as plt前面，否则因为执行顺序问题，

      调用 use() 将覆盖 matplotlibrc 中的设置，会导致一些意想不到的异常，比如绘图窗口会卡死

  • 方法二：%matplotlib是窗口显示，简单好用， 参考说明，%matplotlib notebook是行内显示

  • 两种执行模式简介

    • 交互式模式：plt.ion()，不用关闭窗口，继续执行后面的操作，这是notebook的默认执行模式。配合

      plt.show(),plt.pause()可以实现同时显示多个窗口，程序不会阻塞

    • 阻塞模式：plt.ioff()，窗口会阻塞后面代码的执行，需要关闭窗口来继续执行(在notebook中设置似乎不起作用，需要用plt.show(block=True)) 

1
2
3
4
5
6
7
import numpy as np
import matplotlib
from PIL import Image            
import matplotlib.pyplot as plt
%matplotlib
print(matplotlib.get_backend())        #查看当前GUI后端
print(matplotlib.is_interactive())     #查看是否使用了交互式模式
Using matplotlib backend: TkAgg
TkAgg
True

Matplotlib中对象层次

  • Matplotlib图像中最重要的三个对象分别是figure(画布)，ax(坐标系)，axis (坐标轴)，它们有一个共同的基类：artist

  • 一个figure容器中可以有多个 axes（多个子图）

  • 一个axes中有多个axis（轴），title（标题），data（作图区的对象）

  • axis又有label，tick等对象，可以设置坐标轴刻度，坐标轴标签，坐标轴标题等

使用面向对象接口时，正确的作图流程应该是：

1.创建 Figure 实例

2.在 Figure 上创建 Axes

3.在 Axes 上添加基础类对象

或者简化为：

1.创建 Figure 对象和 Axes 对象；

2.为每个容器类元素添加基础类元素。

再浓缩成指导思想就是：

1.先找对象

2.再解决问题

打个比方，画图时你需要拿出一张素描纸，这就是创建画布，然后在这张纸上你想画碧海、蓝天、凉亭，你肯定事先会设计在哪个地方画这些内容，你决定的每个元素的放置位置就是在划分子图，而你决定好在哪画之后其实等价于在该子图位置创建了坐标系。后面就容易理解了，你的绘图等价于在子图的坐标系上绘图、添加图例、添加标题等。最后，对于坐标轴的样式（是否显示、刻度范围、刻度标签等），可以通过坐标系对象的方法，得到坐标轴对象，通过坐标轴对象的方法设置。

Chapter A：面向对象绘图(2张画布)

Step1：建立画布

1
2
3
4
5

fig1=plt.figure(figsize=(5,3))
fig2=plt.figure(figsize=(8,4))
# 如果是交互式模式，会直接调用show显示画布

Step2：建立子图

1
2
3
4
5
6
7
8
9
10
11
#清空两个画布，以免每次运行都会覆盖画一堆东西
fig1.clear()
fig2.clear()

#创建两个子图，存在两个列表当中
axes1=fig1.subplots(nrows=2,ncols=2)
axes2=fig2.subplots(nrows=2,ncols=1)

#显示此时的画布
fig1.show()
fig2.show()

Step3：选中子图，并在上面添加元素

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
#选择坐标轴系
ax1=axes1[0][0]
ax2=axes1[1][1]
ax3=axes2[1]


#作图：在data区添加线元素
x = np.linspace(0, 2, 100)
ax1.plot(x, x, label='linear') 
ax2.plot(x, x**2, label='quadratic') 
ax3.plot(x, x**3, label='cubic') 
fig1.show()
fig2.show()

#设置坐标轴，标题，图标，网格
ax1.set_xlabel('x label')  
ax1.set_ylabel('y label') 
ax1.set_title("linear curve")  
ax1.legend() 
ax1.grid(color='b', linestyle=':', linewidth=1) 

ax2.set_xlabel('x label')  
ax2.set_ylabel('y label') 
ax2.set_title("quadratic curve")  
ax2.legend()  


ax3.set_xlabel('x label')  
ax3.set_ylabel('y label') 
ax3.set_title("cubic curve")  
ax3.legend() 

fig1.show()
fig2.show()

Step4：对图像作最后微调

更多的作图细节，以及其他元素的设置细节，请参考官网文档或其他网络教程

1
2
3
4
5
6
#调整子图间距，使其不重叠
fig1.tight_layout()
fig2.tight_layout()
fig1.show()
fig2.show()

1
2
3
4
5
6
7

#调整图例大小，位置
ax1.legend(loc='lower right',fontsize='5')
ax2.legend(loc='upper left',fontsize='5')
ax3.legend(loc='best',fontsize='10')
fig1.show()
fig2.show()

Chapter B：面向对象绘图(1张画布)

1
2
3
4
5
6
7
8
9
#创建画布
fig3=plt.figure()

#添加子图
ax4=fig3.add_subplot(221)
ax5=fig3.add_subplot(223)
ax6=fig3.add_subplot(122)

#后面的作图过程完全一样，这里略

1
2
3
#快速构建画布，与子图
fig4,axes3=plt.subplots(1,2)    #subplots返回一个元组，第一个是画布，第二个是子图列表
fig4.show()

Chapter C：面向过程绘图(2张画布)

利用pyplot接口提供的函数，直接隐式创建对象，并在当前对象上进行操作

  • plt.figure(编号)，自动转向数字编号的画布，如果没有，创建并转向；

    注意，之前的绘图，每一张画图会自动按顺序给一个数字编号，这里如果新增画布，那么数字应该接着前面的编号

  • plt.subplot(nrow,ncol,位置编号)，划分画布区域，转向指定编号的轴域（子图）
  • plt.plot()，作图函数
1
2
3
4
5
6
7
8
9
10
11
import matplotlib.pyplot as plt
plt.figure(5)                # 第一个图形
plt.subplot(211)             # 第一个图形的第一个子图
plt.plot([1, 2, 3])
plt.subplot(212)             # 第一个图形的第二个子图
plt.plot([4, 5, 6])
plt.figure(6)                # 第二个图形
plt.plot([4, 5, 6])          # 默认创建 subplot(111)
plt.figure(5)                # 当前是图形 1，subplot(212)
plt.subplot(211)             # 将第一个图形的 subplot(211) 设为当前子图
plt.title('Easy as 1, 2, 3') # 子图 211 的标题
Text(0.5, 1.0, 'Easy as 1, 2, 3')

Chapter D：交互式绘制动态图

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
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

def simple_plot():

    # 生成画布
    fig=plt.figure(figsize=(8, 6), dpi=80)

    #建立一个空列表，用来存每一帧图片
    frames=[]

    # 循环，并且走出循环后，画布依旧还在，没有回收
    for index in range(30):
        path_png='./frame/frame{}.png'.format(index)
        # 清除原有图像
        plt.cla()

        # 设定标题等
        plt.title("dynamic")
        plt.grid(True)

        # 生成测试数据
        x = np.linspace(-np.pi + 0.1*index, np.pi+0.1*index, 256, endpoint=True)
        y_cos, y_sin = np.cos(x), np.sin(x)

        # 设置X轴
        plt.xlabel("X")
        plt.xlim(-4 + 0.1*index, 4 + 0.1*index)
        plt.xticks(np.linspace(-4 + 0.1*index, 4+0.1*index, 9, endpoint=True))

        # 设置Y轴
        plt.ylabel("Y")
        plt.ylim(-1.0, 1.0)
        plt.yticks(np.linspace(-1, 1, 9, endpoint=True))

        # 画两条曲线
        # 由于在循环中，会不停在同一张画布上作图，开头使用cla函数清空画布，以免全都画在上面了
        plt.plot(x, y_cos, "b--", linewidth=2.0, label="cos")
        plt.plot(x, y_sin, "g-", linewidth=2.0, label="sin")

        # 设置图例位置,loc可以为[upper, lower, left, right, center]
        plt.legend(loc="upper left",  shadow=True)

        # 图形显示
        plt.show()

        # 获取当前图片，用PIL打开，存入列表
        frame=plt.gcf()
        frame.savefig(path_png)
        frame = Image.open(path_png)
        frames.append(frame)
    
        # 暂停
        plt.pause(0.2)
    
    #将列表中的所有图片制作为gif动态图,frames[0]是一个image对象，可以调用save方法
    frames[0].save('./plot/plot15.gif',save_all=True,append_images=frames[1:],loop=0,disposal=2)
    print('done!')


simple_plot()

c:\Users\Amadeus\AppData\Local\Programs\Python\Python39\lib\site-packages\PIL\Image.py:945: UserWarning: Palette images with Transparency expressed in bytes should be converted to RGBA images
  warnings.warn(


done!

存储所有画布

1
2
3
4
5
6
7
8
saves_path='./saves/'
fig1.savefig(saves_path+'plot_fig1.png')                 #chapterA的图1
fig2.savefig(saves_path+'plot_fig2.png')                 #chapterA的图2
fig3.savefig(saves_path+'plot_fig3.png')                 #chapterB的图1
fig4.savefig(saves_path+'plot_fig4.png')                 #chapterB的图2
plt.figure(5).savefig(saves_path+'plot_fig5.png')        #chapterC的图1
plt.figure(6).savefig(saves_path+'plot_fig6.png')        #chapterC的图2
plt.figure(7).savefig(saves_path+'plot_fig7.png')        #制作动态图最后一次循环出来后的画布

Chapter E：具体绘制各种图，可视化教程

参考教程1

https://www.bookstack.cn/read/MatplotlibUserGuide/3.1.md

参考教程2

https://github.com/rougier/scientific-visualization-book