Matplotlib 2.2 新特性 (2018年3月6日)#

约束布局管理器 (Constrained Layout Manager)#

警告

约束布局（Constrained Layout）目前为实验性功能。其行为和 API 可能会发生变化，整个功能也可能在没有弃用期的情况下被移除。

新增了一种自动决定子图及其所组织的 GridSpec 实例之间间距的方法。它旨在取代旧有的 tight_layout 方法。可以通过向 Figure 或 subplots 传递新的 constrained_layout=True 关键字参数来调用。

该软件包新增了 rcParams，并且可以通过新的 set_constrained_layout_pads 对间距进行更精细的调整。

功能包括

子图的自动间距调整：在子图及其所有修饰元素周围提供以英寸为单位的固定填充（padding），并在子图之间提供作为子图尺寸一部分的间距。
为 suptitle 以及连接到多个坐标轴的颜色条（colorbars）提供间距支持。
使用 GridSpecFromSubplotSpec 实现嵌套的 GridSpec 布局。

有关更多详细信息和功能，请参阅新的教程：约束布局指南 (Constrained layout guide)

请注意访问此功能的 API

新增 `plt.figure` 和 `plt.subplots` 关键字参数：`constrained_layout`#

现在调用 figure() 和 subplots() 时可以使用 constrained_layout=True 参数来启用该功能。

新的 `ax.set_position` 行为#

Axes.set_position 现在会使指定的坐标轴不再响应 constrained_layout，这符合用户想要手动放置坐标轴的预期。

在内部，这意味着库中旧的 ax.set_position 调用已被更改为私有的 ax._set_position 调用，以便 constrained_layout 仍能与这些坐标轴协同工作。

`GridSpec` 新增 `figure` 关键字参数#

为了促进 constrained_layout 的使用，GridSpec 现在接受 figure 关键字。这是向后兼容的：如果不提供此参数，constrained_layout 将简单地不对由该 GridSpec 实例组织的子图生效。使用 GridSpec 的例程（例如 fig.subplots）已被修改，以将图形对象传递给 GridSpec。

xlabels 和 ylabels 现在可以自动对齐#

如果刻度标签的宽度差异很大，子图坐标轴的 ylabels 可能会在水平方向上未对齐。如果刻度标签在某个子图上被旋转（例如），xlabels 也可能出现同样的情况。Figure 类的新方法：Figure.align_xlabels 和 Figure.align_ylabels 现在可以将这些标签在水平或垂直方向上对齐。如果用户只想对齐部分坐标轴，可以传递一个坐标轴列表。如果没有传递列表，算法将检查图形上的所有标签。

只有处于相同子图位置的标签才会被对齐。即：只有当子图位于子图布局的同一列时，ylabels 才会对齐。

调用这些方法后，对齐方式是持久且自动的。

便捷封装器 Figure.align_labels 可同时调用这两个函数。

(源代码, 2x.png, png)

坐标轴图例现已包含在 tight_bbox 中#

通过 ax.legend 创建的图例有时会超出坐标轴的范围。像 fig.tight_layout() 和 fig.savefig(bbox_inches='tight') 这样的工具过去会剪裁掉这些图例。现在已进行更改，将它们纳入 tight 计算范围。

Cividis 颜色映射#

新增了一种名为“cividis”的深蓝/黄色颜色映射。与 viridis 类似，cividis 在感知上是均匀的，且对色盲友好。然而，cividis 更进一步：它不仅适用于色盲用户，而且对色盲和非色盲用户而言，其显示效果实际上几乎是相同的。详情请参阅 Nuñez J, Anderton C, and Renslow R: "Optimizing colormaps with consideration for color vision deficiency to enable accurate interpretation of scientific data"。

(源代码, 2x.png, png)

新的色盲友好型颜色循环样式#

新增了一种名为 tableau-colorblind10 的颜色循环样式，为色盲友好型绘图提供了另一种选择。此新样式的演示可以在样式表参考手册中找到。要用此颜色循环替换默认循环：

import matplotlib.pyplot as plt
plt.style.use('tableau-colorblind10')

支持 numpy.datetime64#

长期以来，Matplotlib 在 matplotlib.dates 中一直支持 datetime.datetime 日期。现在我们也支持 numpy.datetime64 日期了。在任何可以使用 datetime.datetime 的地方，现在均可使用 numpy.datetime64。例如：

time = np.arange('2005-02-01', '2005-02-02', dtype='datetime64[h]')
plt.plot(time)

使用 Pillow 写入动画#

现在可以使用 Pillow 作为动画写入器。目前支持的输出格式为 gif (Pillow>=3.4) 和 webp (Pillow>=5.0)。使用方法如下：

from __future__ import division

from matplotlib import pyplot as plt
from matplotlib.animation import FuncAnimation, PillowWriter

fig, ax = plt.subplots()
line, = plt.plot([0, 1])

def animate(i):
   line.set_ydata([0, i / 20])
   return [line]

anim = FuncAnimation(fig, animate, 20, blit=True)
anim.save("movie.gif", writer=PillowWriter(fps=24))
plt.show()

Slider UI 组件现可捕捉到离散值#

Slider UI 组件现在可以接受可选参数 valstep。这会强制滑块仅取离散值，从 valmin 开始，以 valstep 为步长增加到 valmax。

如果 closedmax==True，滑块也会捕捉到 valmax。

为 `Collection` 添加了 `capstyle` 和 `joinstyle` 属性#

Collection 类现在具有可自定义的 capstyle 和 joinstyle 属性。这允许用户例如设置误差线的 capstyle。

为 ax.set_title 添加了 pad 关键字参数#

方法 Axes.set_title 现在有一个 pad 关键字参数，用于指定从坐标轴顶部到绘制标题位置的距离。pad 的单位是点（points），默认值为（已存在的）rcParams["axes.titlepad"] 的值（默认：6.0）。

Matplotlib 中 2 种颜色的比较#

由于 Matplotlib 中指定颜色的方式多种多样，新增了 matplotlib.colors.same_color 方法，用于检查两种 颜色 是否相同。

极坐标图的自动缩放会捕捉到原点#

现在，极坐标图的自动限制设置会将径向限制捕捉到零（如果自动限制值接近零的话）。这意味着从零点绘图时，径向轴不会自动缩放到包含小的负值。

限制仍然可以像往常一样使用 set_ylim 手动设置。

PathLike 支持#

在 Python 3.6+ 上，savefig、imsave、imread 以及动画写入器现在都接受 os.PathLike 作为输入。

`Axes.tick_params` 可设置网格线属性#

Tick 对象包含网格线、刻度标记及其标签。Axis.set_tick_params、Axes.tick_params 和 pyplot.tick_params 现在拥有关键字参数 'grid_color'、'grid_alpha'、'grid_linewidth' 和 'grid_linestyle'，用于覆盖 rcParams 中的默认设置：'grid.color' 等。

`Axes.imshow` 将 RGB 值裁剪到有效范围#

当向 Axes.imshow 传递超出范围的 RGB 或 RGBA 值时，它现在会记录一条警告并将其裁剪到有效范围。旧的行为（环绕回范围内）经常会掩盖异常值，使得解释 RGB 图像变得不可靠。

`matplotlibrc` 中用于放置 xaxis 和 yaxis 刻度标签的属性#

在 matplotlibrc 中引入了四个新的布尔属性，用于设置 xaxis 和 yaxis 刻度标签的默认位置，即：rcParams["xtick.labeltop"]（默认：False）、rcParams["xtick.labelbottom"]（默认：True）、rcParams["ytick.labelright"]（默认：False）和 rcParams["ytick.labelleft"]（默认：True）。这些也可以在 rcParams 中进行更改。

用于 gtk3 的 PGI 绑定#

GTK3 后端现在可以使用 PGI 代替 PyGObject。PGI 对 GObject 的绑定相当不完整，因此不建议使用；其主要优势在于它在 Travis 上可用（从而允许对 gtk3agg 和 gtk3cairo 后端进行 CI 测试）。

绑定选择规则如下：- 如果已导入 gi，则使用它；否则 - 如果已导入 pgi，则使用它；否则 - 如果可以导入 gi，则使用它；否则 - 如果可以导入 pgi，则使用它；否则 - 报错。

因此，要在安装了两个绑定时强制使用 PGI，请先导入它。

用于 Qt、WX 和 Tk 画布的 Cairo 渲染#

新的 Qt4Cairo、Qt5Cairo、WXCairo 和 TkCairo 后端允许 Qt、Wx 和 Tk 画布使用 Cairo 渲染而不是 Agg。

在新的 ToolManager 中增加了对 QT 的支持#

现在可以在 Qt5 中使用 ToolManager 了。例如：

import matplotlib

matplotlib.use('QT5AGG')
matplotlib.rcParams['toolbar'] = 'toolmanager'
import matplotlib.pyplot as plt

plt.plot([1,2,3])
plt.show()

请将新的 Tool 类视为实验性功能，其 API 和 rcParam 可能会发生变化。

主要示例工具管理器 (Tool Manager) 展示了更多细节，只需调整标题以使用 QT 而不是 GTK3 即可。

TkAgg 后端重构以支持 PyPy#

PyPy 现在可以使用 TkAgg 后端进行绘图，支持 PyPy 5.9 及更高版本（包括 Python 2.7 的 PyPy 和 Python 3.5 的 PyPy）。

Python logging 库用于调试输出#

过去 Matplotlib（零星地）使用了一个内部的详细输出报告器。此版本将这些调用转换为使用标准的 Python logging 库。

对旧版 rcParams verbose.level 和 verbose.fileo 的支持已被放弃。

命令行选项 --verbose-helpful 和 --verbose-debug 仍然被接受，但已被弃用。它们现在等同于设置 logging.INFO 和 logging.DEBUG。

记录器的根名称为 matplotlib，可以在程序中通过以下方式访问：

import logging
mlog = logging.getLogger('matplotlib')

基本使用说明位于故障排除 (Troubleshooting)，开发者指南位于贡献指南 (Contributing guide)。

改进了 `Transform` 的 `repr`#

Transform 现在以更易读的方式缩进它们的 repr。

In [1]: l, = plt.plot([]); l.get_transform()
Out[1]:
CompositeGenericTransform(
   TransformWrapper(
      BlendedAffine2D(
            IdentityTransform(),
            IdentityTransform())),
   CompositeGenericTransform(
      BboxTransformFrom(
            TransformedBbox(
               Bbox(x0=-0.05500000000000001, y0=-0.05500000000000001, x1=0.05500000000000001, y1=0.05500000000000001),
               TransformWrapper(
                  BlendedAffine2D(
                        IdentityTransform(),
                        IdentityTransform())))),
      BboxTransformTo(
            TransformedBbox(
               Bbox(x0=0.125, y0=0.10999999999999999, x1=0.9, y1=0.88),
               BboxTransformTo(
                  TransformedBbox(
                        Bbox(x0=0.0, y0=0.0, x1=6.4, y1=4.8),
                        Affine2D(
                           [[ 100.    0.    0.]
                           [   0.  100.    0.]
                           [   0.    0.    1.]])))))))