matplotlib 介绍

matplotlib 大致是类似 matlab 风格的 2D 绘图库（3D 的功能比较弱，还是基于 2D 引擎勉强实现的），同时提供了两套 api：

  • 一个是面向过程的，主要调用 matplotlib.pyplot 的函数；
  • 一个是面向对象的，主要调用 matplotlib 的两个子类：matplotlib.figure.Figure 和 matplotlib.axes.Axes ，使用它们的方法进行细节操作。

面向过程的 api 适合简易使用的场景，但是不容易弄清原理；为了更复杂的绘图要求，这里主要采用面向对象的 api。关于绘图的呈现方式，在 Jupyter 中很可能会自动绘图而不需要 plt.show()，这与魔法指令 %matplotlib inline 有关。

在这一系列笔记中，需要使用如下模块： 

1
2
3
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

由于 matplotlib 的内容太多太杂，这里只会介绍最容易理解的，最本质的面向对象的接口，然后作为辅助会介绍其它等价的，或者更方便的调用方式。但是 matplotlib 的面向对象其实有很多层，在每一层都可能为同一个功能提供了等价的接口，这里为了简化笔记，主要考虑 Figure 和 Axes 层面提供的接口。

简单例子

面向过程风格的绘图例子如下，主要是 plt 的函数调用： 

1
2
3
4
5
plt.plot(
    np.linspace(0, 5, 100),
    (lambda x: np.cos(2 * np.pi * x) * np.exp(-x))(np.linspace(0, 5, 100)),
)
plt.title("eg-1-1")

面向对象风格的绘图例子如下，主要是画布和子图的方法调用： 

1
2
3
4
5
6
fig, ax = plt.subplots()
ax.plot(
    np.linspace(0, 5, 100),
    (lambda x: -np.cos(2 * np.pi * x) * np.exp(-x))(np.linspace(0, 5, 100)),
)
ax.set_title("eg-1-2")

基本概念

对于一个图像，matplotlib 将其分成了两层主要的概念：

  • Figure 层，可以理解为整个画布，控制整体的尺寸，标题等；
  • Axes 层，可以理解为一个子图或者子图的数组，这里的子图通常有两个坐标轴，以及具体数据图像和细节组成，因此名称为 Axes。一个 Figure 对象可以包括多个子图，达到多个子图并列放置的效果。

这两个概念非常难以翻译，因此下面主要使用英文。

一个 Figure 上主要有如下的元素：

  • Title 标题，这里存在 Figure 标题和 Axes 标题的区分
  • Legend 图例
  • x Axis, y Axis 坐标轴
  • xlabel, ylabel 坐标轴标签
  • Grid 网格
  • Line 线条
  • Markers 标记
  • Major tick, Minor tick 主刻度，副刻度
  • Major tick label 主刻度标签
  • Spine 边框线

各个元素如下图所示

创建 Figure 和 Axes

创建 Figure

创建 Figure 对象的函数原型如下 

1
2
3
4
5
def figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
    ...

fig = plt.figure()
fig = plt.figure(figsize=(4,3))

常用参数的含义：

  • figsize 尺寸，依次为横向宽度和纵向高度，单位为英寸，例如 figsize=(5,2.7)
  • dpi 分辨率
  • facecolor 背景颜色
  • edgecolor 边框颜色
  • frameon 是否显示边框

添加 Axes

Figure 上必须有至少一个 Axes 对象，才能进行绘图，绘图的数据终归是要基于 Axes 的坐标轴体系来完成。

在Figure上添加一个 Axes 对象可以使用下面的语句 

1
2
fig = plt.figure()
ax = fig.add_subplot(111)

多个 Axes 在同一个 Figure 上是按照矩阵格式排列布局的，例如 3 行 2 列一共 6 个位置，当然并不要求填满所有位置。 可以使用如下方式，依次添加 Axes 对象，需要给出整体的行列数以及自身的序号（从 1 开始） 

1
2
3
4
5
6
7
8
fig = plt.figure()

ax1 = fig.add_subplot(3,2,1) # 3行2列，位置1
ax2 = fig.add_subplot(3,2,2)
ax3 = fig.add_subplot(3,2,3)
ax4 = fig.add_subplot(3,2,4)
ax5 = fig.add_subplot(3,2,5)
ax6 = fig.add_subplot(3,2,6)

得到的空给框架如下（这里的刻度尺都是动态的，会随着填入数据的范围而调整）

对于上面函数中小的个位数索引（即总位置不超过 9 个），可以直接拼成一个三位数参数，例如 

1
2
3
4
ax1 = fig.add_subplot(3,2,1)

# i.e.
ax1 = fig.add_subplot(321)

注意：如果反复添加 Axes，它们可能会相互重叠显示，显得非常混乱。

一次性创建 Figure 并添加 Axes

对于多行多列的矩阵布局，先创建 Figure，然后一个个添加 Axes 非常繁琐，可以使用pyplot 提供的 plt.subplots 接口一次性完成。

例如，创建一个Figure并添加一个Axes 

1
2
3
fig, ax = plt.subplots()

type(ax) # matplotlib.axes._axes.Axes

例如，创建一个Figure并添加多个Axes 

1
2
3
4
fig, axes = plt.subplots(3,2)

type(axes) # numpy.ndarray
print(axes.shape) # (3,2)

通过访问这个数组的分量来实现对每一个 Axes 的修改。

需要注意的是，还有一个名称非常相似的接口 plt.subplot，它是面向过程绘图的接口，含义是为当前的 Figure 添加一个 Axes。