matplotlib基础库使用

#

 

matplotlib.pyplot的画图设置函数,以下函数的每一个设置项直接对应图上的一个位置

 

图的title（标题）设置

matplotlib.pyplot.title(label, fontdict=None, loc='center', pad=None, **kwargs)

label:  title（标题）显示的内容，比如说，改坐标图标识车子的时间速度关系图

fontdict: 字典内容，用于控制title显示的样式, 通常使用默认值,以下是其默认值

        {

            'fontsize': rcParams['axes.titlesize'],

            'fontweight' : rcParams['axes.titleweight'],

            'verticalalignment': 'baseline',

            'horizontalalignment': loc

        }

loc: 控制title显示的位置，可选择的值：{'center', 'left', 'right'}

     默认值为center

pad:

kwargs:一般我们使用class matplotlib.text.Text支持的属性参数设置title的样式，

       具体参见该类的valid  kwargs , fontdict是从其中抽取的部分设置参数

返回值类型: class matplotlib.text.Text

示例一

    import matplotlib.pyplot as plt

    #图形输入值

    input_values = [1,2,3,4,5]

    #图形输出值

    squares = [1,4,9,16,25]

    #plot根据列表绘制出有意义的图形，linewidth是图形线宽，可省略

    plt.plot(input_values,squares,linewidth=5)

    #设置图标标题

    plt.title("Square Numbers",fontsize = 24, color ="red" )

    #设置坐标轴标签

    plt.xlabel("Value",fontsize = 14 )

    plt.ylabel("Square of Value",fontsize = 14)

    #设置刻度标记的大小

    plt.tick_params(axis='both',labelsize = 14)

    #打开matplotlib查看器，并显示绘制图形

    plt.show()

 

x,y轴意义说明

matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None, **kwargs)

xlabel: x axis label  x轴显示的内容，x,y轴的标签说明，比如标识时间，速度

fontdict:

labelpad: 设置x轴显示的内容与x轴之间的距离

kwargs:一般我们使用class matplotlib.text.Text支持的属性参数设置xlabel的样式，

       具体参见该类的valid  kwargs , fontdict是从其中抽取的部分设置参数

 

matplotlib.pyplot.ylabel(ylabel, fontdict=None, labelpad=None, **kwargs)

使用方法同上

 

刻度尺比例定义

matplotlib.pyplot.xscale(value, **kwargs)

常规的刻度尺之间比例是一比一，但是log函数是10倍关系，。。。这个函数定义刻度尺之间的比例

value : {"linear", "log", "symlog", "logit", ...}

        用于设置x轴的样式，比如线性轴表示，轴上每一个点之间距离相等，log表示采用log函数

        的梯度,等距离点之间是10倍关系 , 等等

kwargs:

        matplotlib.scale.LinearScale等类型的设置参数，具体可以参照各类

        除了包提供的四种类型以外，用户还可以自定义类型

 

matplotlib.pyplot.yscale(value, **kwargs)

使用方法同上

 

刻度尺和刻度定义

matplotlib.pyplot.xticks(ticks=None, labels=None, **kwargs)

x轴上，每一个坐标点的意义和位置

ticks: x轴上的坐标位置，该位置可用于放置自定义字符串，若无直接放置x轴的坐标数；

       若为空，则不显示x轴坐标刻度

labels:自定义的坐标字符串，放置的位置由ticks参数决定，可选

kwargs:一般我们使用class matplotlib.text.Text支持的属性参数设置label的样式，

       具体参见该类的valid  kwargs

返回值类型: 坐标数组  和 class matplotlib.text.Text

示例一

    import numpy as np

    from matplotlib import pyplot as plt

    x = np.arange(0, 2*np.pi, 0.01)

    y = np.sin(x)

    plt.plot(x,y)

    plt.xticks( np.arange(0,2*np.pi,0.5) )

    plt.yticks( [-1, -0.5, 0, 0.5, 1] )

    plt.show()

示例二

注：示例在linux下，中文显示可能会出问题

    import numpy as np

    from matplotlib import pyplot as plt

    x = np.arange(0, 2*np.pi, 0.01)

    y = np.sin(x)

    plt.plot(x,y)

    plt.xticks( np.arange(0,2*np.pi,0.5) )

    plt.yticks( [-1, -0.5, 0, 0.5, 1] , [ '负1','负0.5', '0', '+0.5', '+1' ], fontproperties="STKAITI")

    plt.show()

 

matplotlib.pyplot.yticks(ticks=None, labels=None, **kwargs)

使用方法同上

 

设置x轴的显示范围

matplotlib.pyplot.xlim(*args, **kwargs)

输入数据的x轴数据很多时，可以使用这个限制显示一部分

用于设置或者获取x轴的显示范围,使用方式如下

    left, right = xlim()

    xlim((left, right))

    left  x轴的最左边，right x轴的最右边

    也可以使用单起点，会自动推算另一个

    xlim(right=3)

示例一

    import matplotlib.pyplot as plt

    import numpy as np

    t = np.arange(0.01, 5.0, 0.01)

    s = np.exp(-t)

    plt.plot(t, s)

    plt.xlim(5, 0)  # decreasing time

    plt.xlabel('decreasing time (s)')

    plt.ylabel('voltage (mV)')

    plt.title('Should be growing...')

    #显示背景栅格

    plt.grid(True)

    plt.show()

 

matplotlib.pyplot.ylim(*args, **kwargs)

使用方法同上

 

 

 

 

 

 

画图函数

matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

画图函数，该函数用于设定plt画图的样式，如曲线图，散点图，直方图,颜色，描点方式,等等

使用方式如下:

    plot([x], y, [fmt], data=None, **kwargs)

    plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

曲线(图)上的点由x,y决定, fmt是曲线画制的格式,

当x不存在时，x的值默认为0，1，2....n-1，n为y的长度

第二种方式，可以在一个xoy平面上画制多个图形

fmt格式:

    fmt = '[color][marker][line]'

kwargs: class matplotlib.lines.Line2D的属性,fmt是一个简单的画图属性设置，

        使用该类可以更细致的设置各种参数，如果两者之间出现冲突，以这里的为主

返回值类型:class matplotlib.lines.Line2D对象

         它的属性，准确表达了点的位置，图形绘制样式等

 

Colors   每一个x,y坐标的颜色,单独使用颜色时，也可以使用对应的三基色十六进制数

    'b'     blue

    'g'     green

    'r'     red

    'c'     cyan

    'm'     magenta

    'y'     yellow

    'k'     black

    'w'     white

Markers  每一个xy坐标的表示方式,如:点，圆圈，向上的三角，四角形等

    '.'     point marker

    ','     pixel marker

    'o'     circle marker

    'v'     triangle_down marker

    '^'     triangle_up marker

    '<'     triangle_left marker

    '>'     triangle_right marker

    '1'     tri_down marker

    '2'     tri_up marker

    '3'     tri_left marker

    '4'     tri_right marker

    's'     square marker

    'p'     pentagon marker

    '*'     star marker

    'h'     hexagon1 marker

    'H'     hexagon2 marker

    '+'     plus marker

    'x'     x marker

    'D'     diamond marker

    'd'     thin_diamond marker

    '|'     vline marker

    '_'     hline marker

 

Line :线图,线段图等

    '-'     solid line style

    '--'     dashed line style

    '-.'     dash-dot line style

    ':'     dotted line style

 

返回值类型: class matplotlib.lines.Line2D(....)

其它可选参数:class matplotlib.lines.Line2D

 

 

示例一

    import matplotlib.pyplot as plt

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

    plt.axis([0, 6, 0, 20])

    plt.show()

示例二

    import numpy as np

    import matplotlib.pyplot as plt

    t = np.arange(0., 5., 0.2)

    plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')

    plt.show()

示例三

    import numpy as np

    import matplotlib.pyplot as plt

    t = np.arange(0., 5., 0.2)

    plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^', color="yellow")

    plt.show()

    示例二红蓝绿三色散点图，示例三已经全部改成了黄色

 

样式说明图（每一个图样的代表意义）

matplotlib.pyplot.legend(*args, **kwargs)

使用方式如下:

    legend()

    legend(labels)

    legend(handles, labels)

第一种方式会自动检测legend的样式,legend的样式可以从所有artist子类中获取，常用的子类比如:

class matplotlib.lines.Line2D, class matplotlib.patches.Patch 等

第二种方式将样式名和样式之间隐式关联，该方式不推荐使用

第三种方式将样式和样式名完美对接，推荐使用的方案

kwargs:legend有很多自己定义的参数，如样式图的位置loc

 

loc:定义样式图的位置,支持字符串和数字两种模式

Location String     Location Code

'best'                 0

'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

 

 

示例一:

    import numpy as np

    import matplotlib.pyplot as plt

    plt.plot([1, 2, 3], color="red", label='Inline label')

    plt.legend()

    plt.show()

    如上示例会自动推断legend的样式

示例二

    import numpy as np

    import matplotlib.pyplot as plt

    t = np.arange(0., 5., 0.2)

    plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')

    plt.legend(["red", "blue", "green"])

    plt.show()

    如上所示，每条线对应一个名字，但名字是写在legend中的，因为所有线的名字不可能一样。

 

画布设置

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class 'matplotlib.figure.Figure'>, clear=False, **kwargs)

所有图形都是在画布上画的，如果需要画张图片，就需要多个画布（画布有上限设置)

该函数提供了不同画布的引用方式，以及某一画布的大小，底色，分界线颜色等属性的设置

num:通常为整形数据，用于表示是那个画布,默认情况下，系统会自动分配，若为字符串则会自动变成title

    如果对应画布的id已经存在，则表示此figure是之前的画布引用

figsize:画布的大小

dpi :画布的像素点

facecolor:画布的非图形绘画区的颜色

 

示例一:

    import numpy as np

    import matplotlib.pyplot as plt

    plt.figure(figsize=(10.0,10.01), edgecolor='yellow', facecolor ='g')

    plt.plot([1, 2, 3], color="red", label='Inline label')

    plt.legend()

    plt.show()

示例二

    import matplotlib.pyplot as plt

    import numpy as np

 

    t = np.arange(0.0, 2.0, 0.01)

    s1 = np.sin(2*np.pi*t)

    s2 = np.sin(4*np.pi*t)

    plt.figure(1)

    plt.plot(t, s1)

 

    plt.figure(2)

    plt.plot(t, s2)

 

    plt.figure(1)

    plt.xlabel("lsl")

    plt.show()

    如上所示，使用两张画布，并在最后重新调用第一张画布，并给他添加属性

 

 

 

子区域

matplotlib.pyplot.subplot(*args, **kwargs)

该函数可用于在一个画布上，画出多个子图形

第一个参数可以是一个三位的整数，依次表示行数，列数和索引。该三位的整数，也可以拆分成三个参数

如下所示，效果一致

    fig.add_subplot(235)

    fig.add_subplot(2, 3, 5)

索引是从最上面的第一行，从左到右开始增长

 

在matplotlib中，整个图像为一个Figure对象(画布)。在Figure对象中可以包含一个或者多个Axes对象。

每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域.

 

nrows，ncols：

    子图的行列数。

 

sharex, sharey：

    设置为 True 或者 ‘all’ 时，所有子图共享 x 轴或者 y 轴，

    设置为 False or ‘none’ 时，所有子图的 x，y 轴均为独立，

    设置为 ‘row’ 时，每一行的子图会共享 x 或者 y 轴，

    设置为 ‘col’ 时，每一列的子图会共享 x 或者 y 轴。

 

squeeze：

    默认为 True，是设置返回的子图对象的数组格式。

    当为 False 时，不论返回的子图是只有一个还是只有一行，都会用二维数组格式返回他的对象。

    当为 True 时，如果设置的子图是（nrows=ncols=1），即子图只有一个，则返回的子图对象是一个标量的形式，如果子图有（N×1）或者（1×N）个，则返回的子图对象是一个一维数组的格式，如果是（N×M）则是返回二位格式。

 

subplot_kw:

    字典格式，传递给 add_subplot() ，用于创建子图。

 

gridspec_kw：

    字典格式，传递给 GridSpec 的构造函数，用于创建子图所摆放的网格。

    class matplotlib.gridspec.GridSpec(nrows, ncols, figure=None, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None, width_ratios=None, height_ratios=None)

    如，设置 gridspec_kw={'height_ratios': [3, 1]} 则子图在列上的分布比例是3比1。

 

**fig_kw :

    所有其他关键字参数都传递给 figure（）调用。

    如，设置 figsize=(21, 12) ，则设置了图像大小。

 

返回值:

        fig： matplotlib.figure.Figure 对象

        ax：子图对象（ matplotlib.axes.Axes）或者是他的数组

 

示例一:

    import numpy as np

    import matplotlib.pyplot as plt

 

    t = np.arange(0.0, 1.0 + 0.01, 0.01)

    s = np.cos(2 * 2*np.pi * t)

    t[41:60] = np.nan

 

    plt.subplot(2, 1, 1)

    plt.plot(t, s, '-', lw=2)

 

    plt.xlabel('time (s)')

    plt.ylabel('voltage (mV)')

    plt.title('A sine wave with a gap of NaNs between 0.4 and 0.6')

    plt.grid(True)

 

    plt.subplot(2, 1, 2)

    t[0] = np.nan

    t[-1] = np.nan

    plt.plot(t, s, '-', lw=2)

    plt.title('Also with NaN in first and last point')

 

    plt.xlabel('time (s)')

    plt.ylabel('more nans')

    plt.grid(True)

    #同一画布上的子区域，在排布时可能存在互相之间距离太近，太远，重叠等现象，需要使用函数进行调整各自之间的距离

    plt.tight_layout()

    plt.show()

示例二:

    import numpy as np

    import matplotlib.pyplot as plt

    prng = np.random.RandomState(19680801)  # to ensure reproducibility

 

    fs = 1000

    t = np.linspace(0, 0.3, 301)

    A = np.array([2, 8]).reshape(-1, 1)

    f = np.array([150, 140]).reshape(-1, 1)

    xn = (A * np.exp(2j * np.pi * f * t)).sum(axis=0) + 5 * prng.randn(*t.shape)

 

    fig, (ax0, ax1) = plt.subplots(ncols=2)

    #ax0, ax1 = plt.subplots(ncols=2, constrained_layout=True)

 

    yticks = np.arange(-50, 30, 10)

    yrange = (yticks[0], yticks[-1])

    xticks = np.arange(-500, 550, 200)

 

    #功率谱密度图

    ax0.psd(xn, NFFT=301, Fs=fs,  pad_to=1024, scale_by_freq=True)

    ax0.set_title('Periodogram')

    ax0.set_yticks(yticks)

    ax0.set_xticks(xticks)

    #栅格显示

    ax0.grid(True)

    ax0.set_ylim(yrange)

 

    ax1.psd(xn, NFFT=150, Fs=fs, pad_to=512, noverlap=75, scale_by_freq=True)

    ax1.set_title('Welch')

    ax1.set_xticks(xticks)

    ax1.set_yticks(yticks)

    ax1.set_ylabel('')  # overwrite the y-label added by `psd`

    ax1.grid(True)

    ax1.set_ylim(yrange)

 

    plt.show()