Pyplot 教程

Pyplot 接口简介。另请参阅快速入门指南以了解 Matplotlib 的工作原理，以及Matplotlib 应用程序接口 (API)以了解支持的用户 API 之间的权衡。

Pyplot 简介

matplotlib.pyplot 是一个函数集合，它使 Matplotlib 的工作方式类似于 MATLAB。每个 pyplot 函数都会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、在绘图区域中绘制一些线条、用标签装饰绘图等。

在 matplotlib.pyplot 中，各种状态在函数调用之间会保留，因此它会跟踪当前图形和绘图区域等内容，并且绘图函数会指向当前的 Axes（请注意，我们使用大写 Axes 来指代 Axes 概念，它是图形的核心部分，而不仅仅是 axis 的复数形式）。

注意

隐式 pyplot API 通常不那么冗长，但也不如显式 API 灵活。您在此处看到的大多数函数调用也可以作为 Axes 对象的方法进行调用。我们建议浏览教程和示例以了解其工作原理。有关支持的用户 API 之间的权衡的解释，请参阅Matplotlib 应用程序接口 (API)。

使用 pyplot 生成可视化非常快

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()

您可能想知道为什么 x 轴范围是 0-3，y 轴范围是 1-4。如果您向 plot 提供单个列表或数组，matplotlib 会假定它是一系列 y 值，并自动为您生成 x 值。由于 python 范围从 0 开始，因此默认的 x 向量与 y 具有相同的长度，但从 0 开始；因此，x 数据是 [0, 1, 2, 3]。

plot 是一个多功能函数，可以接受任意数量的参数。例如，要绘制 x 与 y 的关系，您可以这样写

plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

格式化绘图样式

对于每个 x, y 参数对，都有一个可选的第三个参数，它是格式字符串，指示绘图的颜色和线条类型。格式字符串的字母和符号来自 MATLAB，您可以将颜色字符串与线条样式字符串连接起来。默认格式字符串是 'b-'，表示实心蓝色线条。例如，要用红色圆圈绘制上述内容，您可以使用

plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis((0, 6, 0, 20))
plt.show()

有关线条样式和格式字符串的完整列表，请参阅 plot 文档。上面示例中的 axis 函数接受一个 [xmin, xmax, ymin, ymax] 列表，并指定 Axes 的视口。

如果 Matplotlib 仅限于处理列表，那么它对于数值处理来说将相当无用。通常，您会使用 numpy 数组。事实上，所有序列都在内部转换为 numpy 数组。下面的示例说明了如何使用数组在一次函数调用中绘制多条不同格式样式的线条。

import numpy as np

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

使用关键字字符串绘图

在某些情况下，您的数据格式允许您使用字符串访问特定变量。例如，使用结构化数组或pandas.DataFrame。

Matplotlib 允许您使用 data 关键字参数提供此类对象。如果提供了该参数，则您可以使用与这些变量对应的字符串生成绘图。

data = {'a': np.arange(50),
        'c': np.random.randint(0, 50, 50),
        'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100

plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()

使用分类变量绘图

也可以使用分类变量创建绘图。Matplotlib 允许您将分类变量直接传递给许多绘图函数。例如

names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]

plt.figure(figsize=(9, 3))

plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()

控制线条属性

线条有许多可以设置的属性：线宽、虚线样式、抗锯齿等；请参阅 matplotlib.lines.Line2D。有几种方法可以设置线条属性

• 使用关键字参数

  plt.plot(x, y, linewidth=2.0)
  

• 使用 Line2D 实例的 setter 方法。plot 返回一个 Line2D 对象列表；例如，line1, line2 = plot(x1, y1, x2, y2)。在下面的代码中，我们假设只有一条线，因此返回的列表长度为 1。我们使用元组解包 line, 来获取该列表的第一个元素

  line, = plt.plot(x, y, '-')
  line.set_antialiased(False) # turn off antialiasing
  

• 使用 setp。下面的示例使用 MATLAB 风格的函数在一组线上设置多个属性。setp 可以透明地处理对象列表或单个对象。您可以使用 Python 关键字参数或 MATLAB 风格的字符串/值对

  lines = plt.plot(x1, y1, x2, y2)
  # use keyword arguments
  plt.setp(lines, color='r', linewidth=2.0)
  # or MATLAB style string value pairs
  plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
  

以下是可用的 Line2D 属性。

属性	值类型
alpha	浮点数
animated	[True | False]
antialiased 或 aa	[True | False]
clip_box	一个 matplotlib.transform.Bbox 实例
clip_on	[True | False]
clip_path	一个 Path 实例和一个 Transform 实例，一个 Patch
color 或 c	任何 matplotlib 颜色
contains	命中测试函数
dash_capstyle	['butt' | 'round' | 'projecting']
dash_joinstyle	['miter' | 'round' | 'bevel']
dashes	点上的开/关墨迹序列
data	(np.array xdata, np.array ydata)
figure	一个 matplotlib.figure.Figure 实例
label	任何字符串
linestyle 或 ls	[ '-' | '--' | '-.' | ':' | 'steps' | ...]
linewidth 或 lw	浮点值，单位为点
marker	[ '+' | ',' | '.' | '1' | '2' | '3' | '4' ]
markeredgecolor 或 mec	任何 matplotlib 颜色
markeredgewidth 或 mew	浮点值，单位为点
markerfacecolor 或 mfc	任何 matplotlib 颜色
markersize 或 ms	浮点数
markevery	[ None | 整数 | (startind, stride) ]
picker	用于交互式线选择
pickradius	线选择半径
solid_capstyle	['butt' | 'round' | 'projecting']
solid_joinstyle	['miter' | 'round' | 'bevel']
transform	一个 matplotlib.transforms.Transform 实例
visible	[True | False]
xdata	np.array
ydata	np.array
zorder	任何数字

要获取可设置的线条属性列表，请以一条或多条线作为参数调用 setp 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

使用多个图形和 Axes

MATLAB 和 pyplot 都有当前图形和当前 Axes 的概念。所有绘图函数都应用于当前 Axes。gca 函数返回当前 Axes（一个 matplotlib.axes.Axes 实例），gcf 返回当前图形（一个 matplotlib.figure.Figure 实例）。通常，您不必担心这一点，因为它都在后台处理。下面是一个创建两个子图的脚本。

def f(t):
    return np.exp(-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()
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()

这里的 figure 调用是可选的，因为如果没有图形，就会创建一个图形，就像如果没有 Axes，也会创建一个 Axes（等同于显式调用 subplot()）一样。subplot 调用指定 numrows, numcols, plot_number，其中 plot_number 的范围从 1 到 numrows*numcols。如果 numrows*numcols<10，则 subplot 调用中的逗号是可选的。因此 subplot(211) 与 subplot(2, 1, 1) 相同。

您可以创建任意数量的子图和 Axes。如果您想手动放置 Axes，即不放在矩形网格上，请使用 axes，它允许您将位置指定为 axes([left, bottom, width, height])，其中所有值都以分数（0 到 1）坐标表示。有关手动放置 Axes 的示例，请参阅Axes 演示，有关大量子图的示例，请参阅多个子图。

您可以通过多次调用 figure 并使用递增的图形编号来创建多个图形。当然，每个图形都可以包含您想要的任意数量的 Axes 和子图

import matplotlib.pyplot as plt
plt.figure(1)                # the first figure
plt.subplot(211)             # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212)             # the second subplot in the first figure
plt.plot([4, 5, 6])


plt.figure(2)                # a second figure
plt.plot([4, 5, 6])          # creates a subplot() by default

plt.figure(1)                # first figure current;
                             # subplot(212) still current
plt.subplot(211)             # make subplot(211) in the first figure
                             # current
plt.title('Easy as 1, 2, 3') # subplot 211 title

您可以使用 clf 清除当前图形，使用 cla 清除当前 Axes。如果您觉得在后台为您维护状态（特别是当前图像、图形和 Axes）很烦人，请不要绝望：这只是围绕面向对象 API 的一个薄薄的状态包装器，您可以改用它（请参阅Artist 教程）

如果您正在制作大量图形，则需要注意一件事：在显式使用 close 关闭图形之前，图形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显示图形的窗口，这还不够，因为 pyplot 会保持内部引用直到调用 close。

处理文本

text 可用于在任意位置添加文本，而 xlabel、ylabel 和 title 用于在指定位置添加文本（有关更详细的示例，请参阅Matplotlib 中的文本）

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=True, facecolor='g', alpha=0.75)


plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()

所有 text 函数都返回一个 matplotlib.text.Text 实例。与上面的线条一样，您可以通过将关键字参数传递给文本函数或使用 setp 来定制属性

t = plt.xlabel('my data', fontsize=14, color='red')

这些属性在文本属性和布局中详细介绍。

在文本中使用数学表达式

Matplotlib 接受在任何文本表达式中使用 TeX 方程式表达式。例如，要在标题中写入表达式 \(\sigma_i=15\)，您可以编写一个用美元符号括起来的 TeX 表达式

plt.title(r'$\sigma_i=15$')

标题字符串前面的 r 很重要——它表示该字符串是一个 原始 字符串，不应将反斜杠视为 Python 转义字符。Matplotlib 内置了 TeX 表达式解析器和布局引擎，并自带了数学字体——有关详细信息，请参阅编写数学表达式。因此，您可以在不同平台上使用数学文本，而无需安装 TeX。对于那些安装了 LaTeX 和 dvipng 的用户，您还可以使用 LaTeX 格式化文本，并将其输出直接合并到显示图形或保存的 Postscript 中——请参阅使用 LaTeX 渲染文本。

标注文本

上面基本 text 函数的使用将文本放置在 Axes 上的任意位置。文本的一个常见用途是标注绘图的某个特征，而 annotate 方法提供了辅助功能，使标注变得容易。在标注中，有两个点需要考虑：由参数 xy 表示的标注位置和文本位置 xytext。这两个参数都是 (x, y) 元组。

ax = plt.subplot()

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
             arrowprops=dict(facecolor='black', shrink=0.05),
             )

plt.ylim(-2, 2)
plt.show()

在这个基本示例中，xy（箭头尖端）和 xytext 位置（文本位置）都使用数据坐标。还有多种其他坐标系可供选择——详见基本标注和高级标注。更多示例可在标注绘图中找到。

对数轴和其他非线性轴

matplotlib.pyplot 不仅支持线性轴刻度，还支持对数刻度和 logit 刻度。当数据跨越多个数量级时，这通常很有用。更改轴的刻度很简单

plt.xscale('log')

下面显示了一个使用相同数据但 y 轴刻度不同的四个绘图示例。

# Fixing random state for reproducibility
np.random.seed(19680801)

# make up some data in the open interval (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))

# plot with various axes scales
plt.figure()

# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)

# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)

# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)

# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
                    wspace=0.35)

plt.show()

也可以添加自己的刻度，详细信息请参阅 matplotlib.scale。