Matplotlib 图形绘制

本章我们将从一个简单的图形开始,演示各种绘图方法,逐步丰富图形,使其更美观。

使用默认属性绘图

Matplotlib中,绘制图形时,可以设置一些属性,包括:图形大小、dpi、行宽、颜色和样式、坐标轴、网格属性、文本和字体属性等等。如果不设置,则将使用属性的默认值。

示例

使用默认设置,绘制正弦函数和余弦函数的曲线图。

# 导入numpy库与matplotlib.pyplot库
import numpy as np
import matplotlib.pyplot as plt

# 准备数据
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

# 绘制曲线
plt.plot(X, C)
plt.plot(X, S)

# 显示图像
plt.show()

绘制图形:

Matplotlib 图形绘制1

属性设置

在下面的示例中,我们显式地列出了所有影响绘图的属性及其默认值。

示例

# 导入numpy库与matplotlib.pyplot库
import numpy as np
import matplotlib.pyplot as plt

# 创建一个大小为8x6英寸的图形,每英寸80个点
plt.figure(figsize=(8, 6), dpi=80)

# 从1x1的网格创建一个新的子图
plt.subplot(1, 1, 1)

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

# 用宽度为1(像素)的蓝色连续线绘制余弦曲线
plt.plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# 用宽度为1(像素)的绿色连续线绘制正弦曲线
plt.plot(X, S, color="green", linewidth=1.0, linestyle="-")

# 设置 x 限制
plt.xlim(-4.0, 4.0)

# 设置 x ticks
plt.xticks(np.linspace(-4, 4, 9, endpoint=True))

# 设置 y 限制
plt.ylim(-1.0, 1.0)

# 设置 y ticks
plt.yticks(np.linspace(-1, 1, 5, endpoint=True))

# 保存图形,使用72点每英寸
# plt.savefig("exercise_2.png", dpi=72)

# 在屏幕上显示结果
plt.show()

绘制图形:

Matplotlib 图形绘制1

改变颜色和线宽

我们想让cos用蓝色,sin用红色,它们都用一条更粗的线绘制,同时稍微改变图形大小。

...
plt.figure(figsize=(10, 6), dpi=80)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red",  linewidth=2.5, linestyle="-")
...

绘制图形:

Matplotlib 图形绘制2

设定界限

这个图形的边缘限制有点太紧了,我们想留出一些空间,以便清楚地看到所有的数据点。

...
plt.xlim(X.min() * 1.1, X.max() * 1.1)
plt.ylim(C.min() * 1.1, C.max() * 1.1)
...

绘制图形:

Matplotlib 图形绘制3

设置刻度

坐标轴刻度可以设置,我们把坐标轴刻度设置为`(+/-π, +/-π/2)。

...
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
plt.yticks([-1, 0, +1])
...

绘制图形:

Matplotlib 图形绘制4

设置刻度标签

上面的坐标轴刻度都是数字,可以设置刻度标签。

...
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
          [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])

plt.yticks([-1, 0, +1],
          [r'$-1$', r'$0$', r'$+1$'])
...

绘制图形:

Matplotlib 图形绘制5

移动图形(相对于坐标轴)

可以相对于坐标轴移动图像。

...
ax = plt.gca()  # gca 表示 'get current axis', 获取当前坐标轴
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
...

绘制图形:

Matplotlib 图形绘制6

添加图例

图例是位于图形一角或一侧的说明,解释各种符号和颜色的意义,有助于更好地理解图形。

...
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(X, S, color="red",  linewidth=2.5, linestyle="-", label="sine")

plt.legend(loc='upper left')
...

绘制图形:

Matplotlib 图形绘制7

添加注解

可以使用annotate命令对一些点添加注解。在x=2π/3处, 画一条虚线,标出sin与cos曲线上对应的点。注解支持latex格式。

...
t = 2 * np.pi / 3
plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=2.5, linestyle="--") # 画虚线
plt.scatter([t, ], [np.cos(t), ], 50, color='blue') # 画点

# 添加注解
plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',
             xy=(t, np.cos(t)), xycoords='data',
             xytext=(-90, -50), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plt.plot([t, t],[0, np.sin(t)], color='red', linewidth=2.5, linestyle="--") # 画虚线
plt.scatter([t, ],[np.sin(t), ], 50, color='red') # 画点

# 添加注解
plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
             xy=(t, np.sin(t)), xycoords='data',
             xytext=(+10, +30), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
...

绘制图形:

Matplotlib 图形绘制8

细节微调

由于有蓝色和红色的线,现在几乎看不到刻度标签。我们调整它们的字体和颜色,让它们看起来更清晰。

...
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(16) # 调整字体大小
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65)) # 调整颜色
...

绘制图形:

Matplotlib 图形绘制9



浙ICP备17015664号 浙公网安备 33011002012336号 联系我们 网站地图  
@2019 qikegu.com 版权所有,禁止转载