写点什么

Python 进阶 (三十九) 使用 matplotlib 进行绘图分析数据

  • 2022-11-15
    江苏
  • 本文字数:6665 字

    阅读完需:约 22 分钟

Python进阶(三十九)使用matplotlib进行绘图分析数据

一、前言

matplotlibpython最著名的绘图库,它提供了一整套和matlab相似的命令 API,十分适合交互式地进行制图。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。


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)。

二、 matplotlib 应用

matplotlib中的快速绘图的函数库可以通过如下语句载入:


import matplotlib.pyplot as plt
复制代码


matplotlib还提供了名为pylab的模块,其中包括了许多numpypyplot中常用的函数,方便用户快速进行计算和绘图,可以用于IPython中的快速交互式使用。


接下来调用figure创建一个绘图对象,并且使它成为当前的绘图对象。


plt.figure(figsize=(8,4))
复制代码


也可以不创建绘图对象直接调用接下来的 plot 函数直接绘图,matplotlib会为我们自动创建一个绘图对象。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。


通过figsize参数可以指定绘图对象的宽度和高度,单位为英寸;dpi 参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为 80。因此本例中所创建的图表窗口的宽度为 8*80 = 640 像素。


但是用工具栏中的保存按钮保存下来的 png 图像的大小是 800*400 像素。这是因为保存图表用的函数 savefig 使用不同的 DPI 配置,savefig 函数也有一个 dpi 参数,如果不设置的话,将使用 matplotlib 配置文件中的配置,此配置可以通过如下语句进行查看:


import matplotlibmatplotlib.rcParams[savefig.dpi]
复制代码


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(years, price, 'b*')#,label=$cos(x^2)$)plt.plot(years, price, 'r')
复制代码


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;


第一句直接通过第三个参数 b--指定曲线的颜色和线型,这个参数称为格式化参数,它能够通过一些易记的符号快速指定曲线的样式。其中 b 表示蓝色,--表示线型为虚线。


IPython中输入 plt.plot? 可以查看格式化字符串的详细配置。


接下来通过一系列函数设置绘图对象的各个属性:


plt.xlabel(years(+2000))plt.ylabel(housing average price(*2000 yuan))plt.ylim(0, 15)plt.title('line_regression & gradient decrease')plt.legend()
复制代码


  • xlabel : 设置 X 轴的文字

  • ylabel : 设置 Y 轴的文字

  • title : 设置图表的标题

  • ylim : 设置 Y 轴的范围

  • legend : 显示图示


最后调用plt.show()显示出我们创建的所有绘图对象。

三、配置属性

matplotlib所绘制的图的每个组成部分都对应有一个对象,我们可以通过调用这些对象的属性设置方法set_*或者pyplot的属性设置函数 setp 设置其属性值。例如 plot 函数返回一个 matplotlib.lines.Line2D 对象的列表,下面的例子显示如何设置Line2D对象的属性:


import numpy as npimport matplotlib.pyplot as pltx = np.arange(0, 5, 0.1)line, = plt.plot(x, x*x) # plot返回一个列表,通过line,获取其第一个元素# 调用Line2D对象的set_*方法设置属性值line.set_antialiased(False)# 同时绘制sin和cos两条曲线,lines是一个有两个Line2D对象的列表lines = plt.plot(x, np.sin(x), x, np.cos(x)) # 调用setp函数同时配置多个Line2D对象的多个属性值plt.setp(lines, color=r, linewidth=2.0)
复制代码


这段例子中,通过调用 Line2D 对象 line 的set_antialiased方法,关闭对象的反锯齿效果。或者通过调用plt.setp函数配置多个 Line2D 对象的颜色和线宽属性。


同样我们可以通过调用 Line2D 对象的 get_*方法,或者 plt.getp 函数获取对象的属性值:


line.get_linewidth()plt.getp(lines[0], color) # 返回color属性plt.getp(lines[1]) # 输出全部属性alpha = 1.0animated = Falseantialiased or aa = Trueaxes = Axes(0.125,0.1;0.775x0.8)
复制代码


注意 getp 函数只能对一个对象进行操作,它有两种用法:


  • 指定属性名:返回对象的指定属性的值

  • 不指定属性名:打印出对象的所有属性和其值


matplotlib整个图表为一个Figure对象,此对象在调用plt.figure函数时返回,也可以通过plt.gcf函数获取当前的绘图对象:


f = plt.gcf()plt.getp(f)alpha = 1.0animated = False
复制代码


Figure对象有一个 axes 属性,其值为AxesSubplot对象的列表,每个AxesSubplot对象代表图表中的一个子图,前面所绘制的图表只包含一个子图,当前子图也可以通过 plt.gca 获得:


plt.getp(f, axes)plt.gca()
复制代码


plt.getp可以发现AxesSubplot对象有很多属性,例如它的 lines 属性为此子图所包括的 Line2D 对象列表:


alllines = plt.getp(plt.gca(), lines)alllines[0] == line # 其中的第一条曲线就是最开始绘制的那条曲线
复制代码


通过这种方法我们可以很容易地查看对象的属性和它们之间的包含关系,找到需要配置的属性。

四、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。

五、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)
复制代码


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。

六、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。


import numpy as npimport matplotlib.pyplot as pltplt.figure(1) # 创建图表1plt.figure(2) # 创建图表2ax1 = plt.subplot(211) # 在图表2中创建子图1ax2 = plt.subplot(212) # 在图表2中创建子图2x = np.linspace(0, 3, 100)for i in xrange(5):plt.figure(1)  #? # 选择图表1plt.plot(x, np.exp(i*x/3))plt.sca(ax1)   #? # 选择图表2的子图1plt.plot(x, np.sin(i*x))plt.sca(ax2)  # 选择图表2的子图2plt.plot(x, np.cos(i*x))plt.show()
复制代码

七、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。


比较简便的方式是,中文字符串用 unicode 格式,例如:u''测试中文显示'',代码文件编码使用 utf-8 加上 # coding = utf-8。


但以上方法只是解决了标题部分显示中文的问题,并未解决图例中文显示的问题。可采用修改配置字典的方式设置图例显示中文,代码如下:


# 指定中文字体mpl.rcParams['font.sans-serif'] = ['SimHei'] #指定默认字体
复制代码


配置好配置字典之后即可实现图例显示中文。



matplotlib API 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


import matplotlib.pyplot as pltX1 = range(0, 50)# y = x^2 X2 = [0, 1] Y2 = [0, 1] # y = xY1 = [num**2 for num in X1]# Create a `figure' instanceFig = plt.figure(figsize=(8,4))# Create a `axes' instance in the figureAx = Fig.add_subplot(111)# Create a Line2D instance in the axesAx.plot(X1, Y1, X2, Y2) Fig.show()Fig.savefig(test.pdf)
复制代码


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:


import pylab as plimport numpynumpy.__version__import matplotlibmatplotlib.__version__
复制代码

7.1 折线图 Line plots(关联一组 x 和 y 值的直线)

import numpy as npimport pylab as plx = [1, 2, 3, 4, 5]# Make an array of x valuesy = [1, 4, 9, 16, 25]# Make an array of y values for each x valuepl.plot(x, y)# use pylab to plot x and ypl.show()# show the plot on the screen
复制代码

7.2 散点图 Scatter plots

pl.plot(x, y)改成pl.plot(x, y, 'o')即可。线条颜色 红色:把pl.plot(x, y, 'o')改成pl.plot(x, y, ’or’)线条样式 虚线:plot(x,y, '--')蓝色星型markers:plot(x,y, ’b*’)

7.3 图和轴标题以及轴坐标限度 Plot and axis titles and limits

import numpy as npimport pylab as plx = [1, 2, 3, 4, 5]# Make an array of x valuesy = [1, 4, 9, 16, 25]# Make an array of y values for each x valuepl.plot(x, y)# use pylab to plot x and ypl.title(’Plot of y vs. x’)# give plot a titlepl.xlabel(’x axis’)# make axis labelspl.ylabel(’y axis’)pl.xlim(0.0, 7.0)# set axis limitspl.ylim(0.0, 30.)pl.show()# show the plot on the screen
复制代码

7.4 在一个坐标系上绘制多个图 Plotting more than one plot on the same set of axes

做法是很直接的,依次作图即可:


import numpy as npimport pylab as plx1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graphy1 = [1, 4, 9, 16, 25]x2 = [1, 2, 4, 6, 8]y2 = [2, 4, 8, 12, 16]pl.plot(x1, y1, ’r’)# use pylab to plot x and ypl.plot(x2, y2, ’g’)pl.title(’Plot of y vs. x’)# give plot a titlepl.xlabel(’x axis’)# make axis labelspl.ylabel(’y axis’)pl.xlim(0.0, 9.0)# set axis limitspl.ylim(0.0, 30.)pl.show()# show the plot on the screen
复制代码

7.5 图例 Figure legends

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’‘upper right’, ‘upper left’, ‘center’, ‘lower left’, ‘lower right’


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。


import numpy as npimport pylab as plx1 = [1, 2, 3, 4, 5]# Make x, y arrays for each graphy1 = [1, 4, 9, 16, 25]x2 = [1, 2, 4, 6, 8]y2 = [2, 4, 8, 12, 16]plot1 = pl.plot(x1, y1, ’r’)# use pylab to plot x and y : Give your plots namesplot2 = pl.plot(x2, y2, ’go’)pl.title(’Plot of y vs. x’)# give plot a titlepl.xlabel(’x axis’)# make axis labelspl.ylabel(’y axis’)pl.xlim(0.0, 9.0)# set axis limitspl.ylim(0.0, 30.)pl.legend([plot1, plot2], (’red line’, ’green circles’), ’best’, numpoints=1)# make legendpl.show()# show the plot on the screen
复制代码

7.6 直方图 Histograms

import numpy as npimport pylab as pl# make an array of random numbers with a gaussian distribution with# mean = 5.0# rms = 3.0# number of points = 1000data = np.random.normal(5.0, 3.0, 1000)# make a histogram of the data arraypl.hist(data)# make plot labelspl.xlabel(’data’)pl.show()
复制代码


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

7.7 自定义直方图 bin 宽度 Setting the width of the histogram bins manually

增加这两行


bins = np.arange(-5., 16., 1.) #浮点数版本的rangepl.hist(data, bins, histtype=’stepfilled’)
复制代码

7.8 从 Ascii 文件中读取数据 Reading data from ascii files

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.txt0 01 12 43 94 165 256 367 498 649 810 01 12 43 94 165 256 367 498 649 81**********************************************import numpy as npimport pylab as pl# Use numpy to load the data contained in the file# ’fakedata.txt’ into a 2-D array called datadata = np.loadtxt(’fakedata.txt’)# plot the first column as x, and second column as ypl.plot(data[:,0], data[:,1], ’ro’)pl.xlabel(’x’)pl.ylabel(’y’)pl.xlim(0.0, 10.)pl.show()
复制代码

7.9 写入数据到文件 Writing data to a text file

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。


import numpy as np# Let’s make 2 arrays (x, y) which we will write to a file# x is an array containing numbers 0 to 10, with intervals of 1x = np.arange(0.0, 10., 1.)# y is an array containing the values in x, squaredy = x*xprint ’x = ’, xprint ’y = ’, y# Now open a file to write the data to# ’w’ means open for ’writing’file = open(’testdata.txt’, ’w’)# loop over each line you want to write to filefor i in range(len(x)):# make a string for each line you want to write# ’ ’ means ’tab’# ’’ means ’newline’# ’str()’ means you are converting the quantity in brackets to a string typetxt = str(x[i]) + ’ ’ + str(y[i]) + ’ ’# write the txt to the filefile.write(txt)# Close your filefile.close()
复制代码

八、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(rx2y4)


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


这里给大家看一个简单的例子。


import matplotlib.pyplot as pltx = arange(1,1000,1)r = -2c = 5y = [5*(a**r) for a in x]fig = plt.figure()ax = fig.add_subplot(111)ax.loglog(x,y,label = ry=12σ21,c=5,σ1=−2)ax.legend()ax.set_xlabel(rx)ax.set_ylabel(ry)
复制代码


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))
复制代码

8.1 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。


如果希望图表中所有的文字(包括坐标轴刻度标记)都是 LaTeX,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。

九、matplotlib 使用小结

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

发布于: 刚刚阅读数: 5
用户头像

No Silver Bullet 2021-07-09 加入

岂曰无衣 与子同袍

评论

发布
暂无评论
Python进阶(三十九)使用matplotlib进行绘图分析数据_Python_No Silver Bullet_InfoQ写作社区