Matplotlib簡介
Matplotlib是Python中一個非常全面可用於建立靜態、動畫和互動式視覺化的庫。
下面是其GitHub倉庫裡面總結的幾張圖，非常好用
Cheatsheets
Handouts
使用
基本操作
import matplotlib。pyplot as pltimport numpy as np#基本用法x = np。linspace（-5， 5， 50）y = 2*x + 1# y = x**2plt。plot（x， y）plt。show（）
使用figure 自定義視窗以及在一個圖上畫多條曲線
x = np。linspace（-3， 3， 50）y1 = 2*x + 1y2 = x**2##使用figure 來自定義自己視窗#第一個figure figure下面的圖都在該figure上繪出 直到定義下一個figureplt。figure（）plt。plot（x， y1）#第二個figure num是圖片的的索引plt。figure（num=3， figsize=（8， 5），）plt。plot（x， y2）#第一條曲線plt。plot（x， y1， color=‘red’， linewidth=1。0， linestyle=‘——’）#第二條曲線plt。show（）
設定座標軸
修改座標軸的label
x = np。linspace（-3， 3， 50）y1 = 2*x + 1y2 = x**2plt。figure（）plt。plot（x， y2）# plot the second curve in this figure with certain parametersplt。plot（x， y1， color=‘red’， linewidth=1。0， linestyle=‘——’）# set x limits 設定x y的範圍plt。xlim（（-1， 2））plt。ylim（（-2， 3））plt。xlabel（‘I am x’）# x y 的labelplt。ylabel（‘I am y’）# set new sticks #設定新的刻度new_ticks = np。linspace（-1， 2， 5）print（new_ticks）plt。xticks（new_ticks）# to use ‘$ $’ for math text and nice looking， e。g。 ‘$\pi$’# set tick labels 設定新的label $是為了讓字型更加美觀 |為跳脫字元 可以將alpha轉為數學裡面的αplt。yticks（［-2， -1。8， -1， 1。22， 3］， ［r‘$reallybad$’， r‘$bad\alpha$’， r‘$normal$’， r‘$good$’， r‘$really\ good$’］）plt。show（）
［-1。 -0。25 0。5 1。25 2。 ］
修改座標軸的位置
x = np。linspace（-3， 3， 50）y2 = x**2plt。figure（num=3， figsize=（8， 5），）plt。plot（x， y2）#第一條曲線plt。plot（x， y1， color=‘red’， linewidth=1。0， linestyle=‘——’）#第二條曲線# gca = ‘get current axis’ax= plt。gca（）ax。spines［‘right’］。set_color（‘none’）# 將上邊和右邊的邊框去掉ax。spines［‘top’］。set_color（‘none’）plt。show（）
x = np。linspace（-3， 3， 50）y2 = x**2plt。figure（num=3， figsize=（8， 5），）plt。plot（x， y2）#第一條曲線plt。plot（x， y1， color=‘red’， linewidth=1。0， linestyle=‘——’）#第二條曲線ax= plt。gca（）ax。spines［‘right’］。set_color（‘none’）# 將上邊和右邊的邊框去掉ax。spines［‘top’］。set_color（‘none’）ax。xaxis。set_ticks_position（‘bottom’）# 把下邊的那條變設定為x_axis# ACCEPTS： ［ ‘top’ | ‘bottom’ | ‘both’ | ‘default’ | ‘none’ ］ax。spines［‘bottom’］。set_position（（‘data’， 0））# 把bottom邊放在y==0的高度# the 1st is in ‘outward’ | ‘axes’ | ‘data’# axes： percentage of y axis# data： depend on y dataax。yaxis。set_ticks_position（‘left’） #把左邊的那條邊設為 y_axis# ACCEPTS： ［ ‘left’ | ‘right’ | ‘both’ | ‘default’ | ‘none’ ］ax。spines［‘left’］。set_position（（‘data’，0））# 把left 放在x==0的位置plt。show（）
legend 圖例
x = np。linspace（-3， 3， 50）y1 = 2*x + 1y2 = x**2plt。figure（）# set x limitsplt。xlim（（-1， 2））plt。ylim（（-2， 3））# set new sticksnew_sticks = np。linspace（-1， 2， 5）plt。xticks（new_sticks）# set tick labelsplt。yticks（［-2， -1。8， -1， 1。22， 3］， ［r‘$really\ bad$’， r‘$bad$’， r‘$normal$’， r‘$good$’， r‘$really\ good$’］）# 設定圖例l1， = plt。plot（x， y1， label=‘linear line’）l2， = plt。plot（x， y2， color=‘red’， linewidth=1。0， linestyle=‘——’， label=‘square line’）#設定圖例的位置plt。legend（loc=‘upper right’） #plt。legend（handles=［l1， l2］， labels=［‘up’， ‘down’］， loc=‘best’）# the “，” is very important in here l1， = plt。。。 and l2， = plt。。。 for this step“”“legend（ handles=（line1， line2， line3）， labels=（‘label1’， ‘label2’， ‘label3’）， ‘upper right’） The *loc* location codes are：： ‘best’ ： 0， （currently not supported for figure legends） ‘upper right’ ： 1， ‘upper left’ ： 2， ‘lower left’ ： 3， ‘lower right’ ： 4， ‘right’ ： 5， ‘center left’ ： 6， ‘center right’ ： 7， ‘lower center’ ： 8， ‘upper center’ ： 9， ‘center’ ： 10，”“”plt。show（）
添加註解Annotation
x = np。linspace（-3， 3， 50）y = 2*x + 1plt。figure（num=1， figsize=（8， 5），）plt。plot（x， y，）ax = plt。gca（）ax。spines［‘right’］。set_color（‘none’）ax。spines［‘top’］。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））x0 = 1y0 = 2*x0 + 1plt。plot（［x0， x0，］， ［0， y0，］， ‘k——’， linewidth=2。5）# 畫黑色的虛線 k——表示黑色plt。scatter（［x0， ］， ［y0， ］， s=50， color=‘b’）# 畫出該點 b 藍色# method 1：#####################plt。annotate（r‘$2x+1=%s$’ % y0， xy=（x0， y0）， xycoords=‘data’， xytext=（+30， -30）， textcoords=‘offset points’， fontsize=16， arrowprops=dict（arrowstyle=‘->’， connectionstyle=“arc3，rad=。2”））# method 2：########################plt。text（-3。7， 3， r‘$This\ is\ the\ some\ text。 \mu\ \sigma_i\ \alpha_t$’， fontdict={‘size’： 16， ‘color’： ‘r’}）plt。show（）
tick能見度
x = np。linspace（-3， 3， 50）y = 0。1*xplt。figure（）plt。plot（x， y， linewidth=10， zorder=1） # set zorder for ordering the plot in plt 2。0。2 or higherplt。ylim（-2， 2）ax = plt。gca（） #獲得當前軸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））for label in ax。get_xticklabels（） + ax。get_yticklabels（）： label。set_fontsize（12） # set zorder for ordering the plot in plt 2。0。2 or higher label。set_bbox（dict（facecolor=‘white’， edgecolor=‘none’， alpha=0。8， zorder=2））plt。show（）
Scatter 散點圖
n = 1024 # data sizeX = np。random。normal（0， 1， n）Y = np。random。normal（0， 1， n）T = np。arctan2（Y， X） # for color later onplt。scatter（X， Y， s=75， c=T， alpha=。5）# s為size c為color alpha 為透明度plt。xlim（-1。5， 1。5）plt。xticks（（）） # ignore xticksplt。ylim（-1。5， 1。5）plt。yticks（（）） # ignore yticks 隱藏所有的ticksplt。show（）
Bar 柱狀圖
n = 12X = np。arange（n）#生成從0-n 12個整數Y1 = （1 - X / float（n）） * np。random。uniform（0。5， 1。0， n）#產生n個0。5-1的數Y2 = （1 - X / float（n）） * np。random。uniform（0。5， 1。0， n）plt。bar（X， +Y1， facecolor=‘#9999ff’， edgecolor=‘white’）plt。bar（X， -Y2， facecolor=‘#ff9999’， edgecolor=‘white’）for x， y in zip（X， Y1）： # ha： horizontal alignment # va： vertical alignment plt。text（x + 0。1， y + 0。05， ‘%。2f’ % y， ha=‘center’， va=‘bottom’）for x， y in zip（X， Y2）： # ha： horizontal alignment # va： vertical alignment plt。text（x + 0。4， -y - 0。05， ‘%。2f’ % y， ha=‘center’， va=‘top’）plt。xlim（-。5， n）plt。xticks（（））plt。ylim（-1。25， 1。25）plt。yticks（（））plt。show（）
Contours 等高線圖
def f（x，y）： # the height function return （1 - x / 2 + x**5 + y**3） * np。exp（-x**2 -y**2）n = 256x = np。linspace（-3， 3， n）y = np。linspace（-3， 3， n）X，Y = np。meshgrid（x， y）#網格圖# 1。 use plt。contourf to filling contours 填充# X， Y and value for （X，Y） pointplt。contourf（X， Y， f（X， Y）， 8， alpha=。75， cmap=plt。cm。hot）# 型別 冷熱圖# 2。 use plt。contour to add contour lines 畫線C = plt。contour（X， Y， f（X， Y）， 8， colors=‘black’）#8 代表等高線條數 即等高線的稀疏# 3。 adding labelplt。clabel（C， inline=True， fontsize=10）# inline 為Flase時 label將被線擋住plt。xticks（（））plt。yticks（（））plt。show（）
image 圖片
# image dataa = np。array（［0。313660827978， 0。365348418405， 0。423733120134， 0。365348418405， 0。439599930621， 0。525083754405， 0。423733120134， 0。525083754405， 0。651536351379］）。reshape（3，3）“”“for the value of ”interpolation“， check this：http：//matplotlib。org/examples/images_contours_and_fields/interpolation_methods。htmlfor the value of ”origin“= ［‘upper’， ‘lower’］， check this：http：//matplotlib。org/examples/pylab_examples/image_origin。html”“”plt。imshow（a， interpolation=‘nearest’， cmap=‘bone’， origin=‘lower’）#plt。colorbar（shrink=。92）# 壓縮為92%plt。xticks（（））# 隱藏 ticks plt。yticks（（））plt。show（）
3D資料
from mpl_toolkits。mplot3d import Axes3Dfig = plt。figure（）# 建一個圖片的視窗ax = Axes3D（fig）# 給視窗新增3D維度# X， Y valueX = np。arange（-4， 4， 0。25）Y = np。arange（-4， 4， 0。25）X， Y = np。meshgrid（X， Y）# 作為網格 R = np。sqrt（X ** 2 + Y ** 2）# height valueZ = np。sin（R）ax。plot_surface（X， Y， Z， rstride=1， cstride=1， cmap=plt。get_cmap（‘rainbow’））# 1 1分別為行跨 列跨“”“============= ================================================ Argument Description ============= ================================================ *X*， *Y*， *Z* Data values as 2D arrays *rstride* Array row stride （step size）， defaults to 10 *cstride* Array column stride （step size）， defaults to 10 *color* Color of the surface patches *cmap* A colormap for the surface patches。 *facecolors* Face colors for the individual patches *norm* An instance of Normalize to map values to colors *vmin* Minimum value to map *vmax* Maximum value to map *shade* Whether to shade the facecolors ============= ================================================”“”# I think this is different from plt12_contoursax。contourf（X， Y， Z， zdir=‘z’， offset=-2， cmap=plt。get_cmap（‘rainbow’））“”“========== ================================================ Argument Description ========== ================================================ *X*， *Y*， Data values as numpy。arrays *Z* *zdir* The direction to use： x， y or z （default） *offset* If specified plot a projection of the filled contour on this position in plane normal to zdir ========== ================================================”“”ax。set_zlim（-2， 2）plt。show（）
subplot 多合一顯示
基本方法
# example 1：###############################plt。figure（figsize=（6， 4））# plt。subplot（n_rows， n_cols， plot_num）plt。subplot（2， 2， 1） #兩行兩列 第一張圖plt。plot（［0， 1］， ［0， 1］）plt。subplot（222）#也可將逗號省掉 兩行兩列 第二張圖plt。plot（［0， 1］， ［0， 2］）plt。subplot（223）#兩行兩列 第三張圖plt。plot（［0， 1］， ［0， 3］）plt。subplot（224）#兩行兩列 第四張圖plt。plot（［0， 1］， ［0， 4］）plt。tight_layout（）
# example 2：###############################plt。figure（figsize=（6， 4））# plt。subplot（n_rows， n_cols， plot_num）plt。subplot（2， 1， 1）# figure splits into 2 rows， 1 col， plot to the 1st sub-figplt。plot（［0， 1］， ［0， 1］）plt。subplot（234）# figure splits into 2 rows， 3 col， plot to the 4th sub-figplt。plot（［0， 1］， ［0， 2］）plt。subplot（235）# figure splits into 2 rows， 3 col， plot to the 5th sub-figplt。plot（［0， 1］， ［0， 3］）plt。subplot（236）# figure splits into 2 rows， 3 col， plot to the 6th sub-figplt。plot（［0， 1］， ［0， 4］）plt。tight_layout（）plt。show（）
圖中圖
fig = plt。figure（）x = ［1， 2， 3， 4， 5， 6， 7］y = ［1， 3， 4， 2， 5， 8， 6］# below are all percentageleft， bottom， width， height = 0。1， 0。1， 0。8， 0。8# 小圖相對於figure 的位置大小 （百分比）ax1 = fig。add_axes（［left， bottom， width， height］） # main axes 第一個圖ax1。plot（x， y， ‘r’）ax1。set_xlabel（‘x’）ax1。set_ylabel（‘y’）ax1。set_title（‘title’）ax2 = fig。add_axes（［0。2， 0。6， 0。25， 0。25］） # inside axes 第二個小圖ax2。plot（y， x， ‘b’）ax2。set_xlabel（‘x’）ax2。set_ylabel（‘y’）ax2。set_title（‘title inside 1’）# different method to add axes####################################plt。axes（［0。6， 0。2， 0。25， 0。25］）plt。plot（y［：：-1］， x， ‘g’）plt。xlabel（‘x’）plt。ylabel（‘y’）plt。title（‘title inside 2’）plt。show（）
次座標軸
x = np。arange（0， 10， 0。1）y1 = 0。05 * x**2y2 = -1 *y1fig， ax1 = plt。subplots（）ax2 = ax1。twinx（） # mirror the ax1 把ax1 的資料映象ax1。plot（x， y1， ‘g-’）ax2。plot（x， y2， ‘b-’）ax1。set_xlabel（‘X data’）ax1。set_ylabel（‘Y1 data’， color=‘g’）ax2。set_ylabel（‘Y2 data’， color=‘b’）plt。show（）
動畫
from matplotlib import animationfig， ax = plt。subplots（）x = np。arange（0， 2*np。pi， 0。01）line， = ax。plot（x， np。sin（x））def animate（i）： line。set_ydata（np。sin（x + i/10。0）） # update the data return line，# Init only required for blitting to give a clean slate。def init（）： line。set_ydata（np。sin（x）） return line，# call the animator。 blit=True means only re-draw the parts that have changed。# blit=True dose not work on Mac， set blit=False# interval= update frequencyani = animation。FuncAnimation（fig=fig， func=animate， frames=100， init_func=init， interval=20， blit=False）# save the animation as an mp4。 This requires ffmpeg or mencoder to be# installed。 The extra_args ensure that the x264 codec is used， so that# the video can be embedded in html5。 You may need to adjust this for# your system： for more information， see# http：//matplotlib。sourceforge。net/api/animation_api。html# anim。save（‘basic_animation。mp4’， fps=30， extra_args=［‘-vcodec’， ‘libx264’］）plt。show（）
