pyplot中⽂⼿册_Matplotlib中⽂⽤户指南3.1pyplot教程
pyplot 教程译者：飞龙
matplotlib.pyplot是⼀个命令风格函数的集合，使matplotlib的机制更像 MATLAB。 每个绘图函数对图形进⾏⼀些更改：例如，创建图形，在图形中创建绘图区域，在绘图区域绘制⼀些线条，使⽤标签装饰绘图等。在matplotlib.pyplot中，各种状态跨函数调⽤保存，以便跟踪诸如当前图形和绘图区域之类的东西，并且绘图函数始终指向当前轴域(请注意，这⾥和⽂档中的⼤多数位置中的『轴域』(axes)是指图形的⼀部分(两条坐标轴围成的区域)，⽽不是指代多于⼀个轴的严格数学术语)。
import matplotlib.pyplot as pltplt.plot([1,2,3,4])plt.ylabel('some numbers')plt.show()
你可能想知道为什么x轴的范围为0-3，y轴的范围为1-4。 如果你向plot()命令提供单个列表或数组，则matplotlib假定它是⼀个y值序列，并⾃动为你⽣成x值。 由于 python 范围从 0 开始，默认x向量具有与y相同的长度，但从 0 开始。因此x数据是[0,1,2,3]。
plot()是⼀个通⽤命令，并且可接受任意数量的参数。 例如，要绘制x和y，你可以执⾏命令：plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
对于每个x,y参数对，有⼀个可选的第三个参数，它是指⽰图形颜⾊和线条类型的格式字符串。 格式字符
串的字母和符号来⾃ MATLAB，并且将颜⾊字符串与线型字符串连接在⼀起。 默认格式字符串为'b-'，它是⼀条蓝⾊实线。 例如，要绘制上⾯的红⾊圆圈，你需要执⾏：
import matplotlib.pyplot as pltplt.plot([1,2,3,4], [1,4,9,16], 'ro')plt.axis([0, 6, 0, 20])plt.show()
有关线型和格式字符串的完整列表，请参见plot()⽂档。 上例中的axis()命令接收[xmin，xmax，ymin，ymax]的列表，并指定轴域的可视区域。
如果matplotlib仅限于使⽤列表，它对于数字处理是相当⽆⽤的。 ⼀般来说，你可以使⽤numpy数组。 事实上，所有序列都在内部转换为numpy数组。 下⾯的⽰例展⽰了使⽤数组和不同格式字符串，在⼀条命令中绘制多个线条。import numpy as npimport
matplotlib.pyplot as plt# evenly sampled time at 200ms intervalst = np.arange(0., 5., 0.2)# red dashes, blue squares and green trianglesplt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')plt.show()
控制线条属性
线条有许多你可以设置的属性：linewidth，dash style，antialiased等，请参见matplotlib.lines.Line2D。 有⼏种⽅法可以设置线属性：使⽤关键字参数：
plt.plot(x, y, linewidth=2.0)
使⽤Line2D实例的setter⽅法。 plot返回Line2D对象的列表，例如line1,line2 = plot(x1，y1，x2，y2)。 在下⾯的代码中，我们假设只有⼀⾏，返回的列表长度为 1。我们对line使⽤元组解构，得到该列表的第⼀个元素：line, = plt.plot(x, y, '-
')line.set_antialiased(False) # turn off antialising
使⽤setp()命令。 下⾯的⽰例使⽤ MATLAB 风格的命令来设置线条列表上的多个属性。 setp使⽤对象列表或单个对象透明地⼯作。 你可以使⽤ python 关键字参数或 MATLAB 风格的字符串/值对：
lines = plt.plot(x1, y1, x2, y2)# 使⽤关键字参数plt.setp(lines, color='r', linewidth=2.0)# 或者 MATLAB 风格的字符串值对
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
下⾯是可⽤的Line2D属性。属性值类型alpha浮点值
animated[True / False]
antialiased or aa[True / False]
ansform.Bbox 实例
clip_on[True / False]
clip_pathPath 实例， Transform，以及Patch实例
color or c任何 matplotlib 颜⾊
contains命中测试函数
dash_capstyle['butt' / 'round' / 'projecting']
dash_joinstyle['miter' / 'round' / 'bevel']
dashes以点为单位的连接/断开墨⽔序列
data(np.array xdata, np.array ydata)
figurematplotlib.figure.Figure 实例
label任何字符串
linestyle or ls[ '-' / '--' / '-.' / ':' / 'steps' / ...]
linewidth or lw以点为单位的浮点值
lod[True / False]
marker[ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]
markeredgecolor or mec任何 matplotlib 颜⾊
markeredgewidth or mew以点为单位的浮点值
markerfacecolor or mfc任何 matplotlib 颜⾊
markersize or ms浮点值
markevery[ None / 整数值 / (startind, stride) ]
picker⽤于交互式线条选择
pickradius线条的拾取选择半径
solid_capstyle['butt' / 'round' / 'projecting']
solid_joinstyle['miter' / 'round' / 'bevel']
visible[True / False]
xdatanp.array
python中文文档ydatanp.array
zorder任何数值
要获取可设置的线条属性的列表，请以⼀个或多个线条作为参数调⽤step()函数In [69]: lines = plt.plot([1, 2, 3])In [70]: plt.setp(lines) alpha: float animated: [True | False] antialiased or aa: [True | False] ...snip
处理多个图形和轴域
MATLAB 和 pyplot 具有当前图形和当前轴域的概念。 所有绘图命令适⽤于当前轴域。 函数gca()返回当前轴域(⼀个
matplotlib.axes.Axes实例)，gcf()返回当前图形(matplotlib.figure.Figure实例)。 通常，你不必担⼼这⼀点，因为它都是在幕后处理。下⾯是⼀个创建两个⼦图的脚本。
import numpy as npimport matplotlib.pyplot as pltdef f(t): p(-t) * np.cos(2*np.pi*t)t1 = np.arange(0.0, 5.0, 0.1)t2 = np.arange(0.0, 5.0, 0.02)plt.figure(1)plt.subplot(211)plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')plt.subplot(212)plt.plot(t2,
这⾥的figure()命令是可选的，因为默认情况下将创建figure(1)，如果不⼿动指定任何轴域，则默认创建subplot(111)。subplot()命令指定numrows，numcols，fignum，其中fignum的范围是从1到numrows * numcols。 如果numrows * numcols <>，则subplot命令中的逗号是可选的。 因此，⼦图subplot(211)与subplot(2, 1, 1)相同。 你可以创建任意数量的⼦图和轴域。 如果要⼿动放置轴域，即不在矩形⽹格上，请使⽤axes()命令，该命令允许你将axes([left, bottom, width, height])指定为位置，其中所有值都使⽤⼩数(0 到 1)坐标。⼿动放置轴域的⽰例请参见pylab_examples⽰例代码：axes_demo.py，具有⼤量⼦图的⽰例请参见pylab_examples⽰例代码：subplots_demo.py。
你可以通过使⽤递增图形编号多次调⽤figure()来创建多个图形。 当然，每个数字可以包含所需的轴和⼦图数量：import
matplotlib.pyplot as pltplt.figure(1) # 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(2) # 第⼆个图形plt.plot([4, 5, 6]) # 默认创建 subplot(111)plt.figure(1) # 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
你可以使⽤clf()清除当前图形，使⽤cla()清除当前轴域。 如果你搞不清在幕后维护的状态(特别是当前的图形和轴域)，不要绝望：这只是⼀个⾯向对象的 API 的简单的状态包装器，你可以使⽤⾯向对象 API(见艺术家教程)。
如果你正在制作⼤量的图形，你需要注意⼀件事：在⼀个图形⽤close()显式关闭之前，该图所需的内存不会完全释放。 删除对图形的所有引⽤，和/或使⽤窗⼝管理器杀死屏幕上出现的图形的窗⼝是不够的，因为在调⽤close()之前，pyplot会维护内部引⽤。
处理⽂本
text()命令可⽤于在任意位置添加⽂本，xlabel()，ylabel()和title()⽤于在指定的位置添加⽂本(详细⽰例请参阅⽂本介绍)。
import numpy as npimport matplotlib.pyplot as pltmu, sigma = 100, 15x = mu + sigma * np.random.randn(10000)# 数据的直⽅图n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g',
alpha=0.75)plt.xlabel('Smarts')plt.ylabel('Probability')plt.title('Histogram of IQ')(60, .025, r'$\mu=100,\
\sigma=15$')plt.axis([40, 160, 0, 0.03])id(True)plt.show()
所有的text()命令返回⼀个Text实例。 与上⾯⼀样，你可以通过将关键字参数传递到text函数或使⽤setp()来⾃定义属性：t = plt.xlabel('my data', fontsize=14, color='red')
这些属性的更详细介绍请见⽂本属性和布局。
在⽂本中使⽤数学表达式
matplotlib在任何⽂本表达式中接受 TeX ⽅程表达式。 例如，要在标题中写⼊表达式，可以编写⼀个由美元符号包围的 TeX 表达式：
plt.title(r'$\sigma_i=15$')
标题字符串之前的r很重要 - 它表⽰该字符串是⼀个原始字符串，⽽不是将反斜杠作为 python 转义处理。 matplotlib有⼀个内置的 TeX 表达式解析器和布局引擎，并且⾃带了⾃⼰的数学字体 - 详细信息请参阅编写数学表达式。 因此，你可以跨平台使⽤数学⽂本，⽽⽆需安装TeX。 对于安装了 LaTeX 和
dvipng的⽤户，还可以使⽤ LaTeX 格式化⽂本，并将输出直接合并到显⽰图形或保存的 postscript 中 - 请参阅使⽤ LaTeX 进⾏⽂本渲染。
标注⽂本
上⾯的text()基本命令将⽂本放置在轴域的任意位置。 ⽂本的⼀个常见⽤法是对图的某些特征执⾏标注，⽽annotate()⽅法提供⼀些辅助功能，使标注变得容易。 在标注中，有两个要考虑的点：由参数xy表⽰的标注位置和xytext表⽰的⽂本位置。 这两个参数都是(x, y)元组。
在此基本⽰例中，xy(箭头提⽰)和xytext(⽂本)都位于数据坐标中。 有多种其他坐标系可供选择 - 详细信息请参阅标注⽂本和标注轴域。 更多⽰例可以在pylab_examples⽰例代码：annotation_demo.py中到。
对数和其它⾮线性轴
matplotlib.pyplot不仅⽀持线性轴刻度，还⽀持对数和对数刻度。 如果数据跨越许多数量级，通常会使⽤它。 更改轴的刻度很容易：
plt.xscale('log')
下⾯⽰例显⽰了四个图，具有相同数据和不同刻度的y轴。
import numpy as npimport matplotlib.pyplot as plt# ⽣成⼀些区间 [0, 1] 内的数据y = al(loc=0.5, scale=0.4, size=1000)y = y[(y > 0) & (y <>1)]y.sort()x = np.arange(len(y))# 带有多个轴域刻度的 plotplt.figure(1)# 线性
plt.subplot(221)plt.plot(x, y)plt.yscale('linear')plt.title('linear')id(True)# 对数plt.subplot(222)plt.plot(x,
y)plt.yscale('log')plt.title('log')id(True)# 对称的对数plt.subplot(223)plt.plot(x, y - y.mean())plt.yscale('symlog',
linthreshy=0.05)plt.title('symlog')id(True)# logitplt.subplot(224)plt.plot(x,
y)plt.yscale('logit')plt.title('logit')id(True)plt.show()

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。