Matplotlib 图形绘制

章节

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：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QQfj20wz-1571969290446)(https://www.qikegu.com/wp-content/uploads/2019/07/mat2-1.png)]

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：

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：

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：

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：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kP7j9nI0-1571969290452)(https://www.qikegu.com/wp-content/uploads/2019/07/mat3_4.png)]

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：

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：

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：

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：

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：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mWeWsFRs-1571969290458)(https://www.qikegu.com/wp-content/uploads/2019/07/mat3_9.png)]