2. 科研绘图之 matplotlib 图形窗口

matplotlib 图形窗口

图形对象（图形窗口）

子图；
刻度定位器；
刻度网格线；
半对数坐标；

1、图形对象（图形窗口）

matplotlib 创建窗口的API

# 手动创建 matplotlib 窗口
plt.figure(
    title='title',   # 窗口标题栏文本
    figsize=(4, 3),  # 窗口大小(元组)
    dpi=120,         # 像素密度
    facecolor=''     # 图表背景色
)
plt.show()

plt.figure 方法可以构建一个新窗口，如果已经构建过 title='AAA' 的窗口的话，plt 将不会创建新的窗口，而是把 title='AAA' 的窗口置为当前操作的窗口。

import matplotlib.pyplot as plt

plt.figure('A figure',facecolor='gray')  
# facecolor设置窗口或画板为灰度的
plt.plot([0,1],[1,2])
plt.figure('B figure',facecolor='lightgray')
# facecolor设置窗口或画板为浅灰色
plt.plot([1,2],[2,1])
# 如果figure中标题已创建，则不会新建窗口
# 而是将旧窗口(相同窗口标题的)置为当前窗口
plt.figure('A figure',facecolor='gray')
# 后续的操作也是针对'A figure'执行的
plt.plot([1,2],[2,1])
plt.show()

在这里插入图片描述

从显示的绘图结果可以看出，A figure 窗口中又增加了以 (1, 2)、(2, 1) 为端点的直线。

2、设置当前窗口的参数

从上面绘制的图像，我们发现它缺失标题说明、坐标轴的刻度值偏小而不清晰、没有必要的坐标轴文本标注，所以接着介绍下面几种方法：

图表的标题：plt.title()
坐标轴文本：plt.xlabel() 和 plt.ylabel()
刻度线参数：plt.tick_params
图表网格线：plt.grid()

# 设置图表标题，标题显示在图表上方
plt.title(title, fontsize=12)
# 设置水平轴的文本
plt.xlabel(x_label_str, fontsize=12)
# 设置垂直轴的文本
plt.ylabel(y_label_str, fontsize=12)
# 设置刻度参数，labelsize设置刻度字体大小
plt.tick_params(labelsize=8)
# 设置图表网格线  linestyle设置网格线的样式
"""
1. -  or solid     粗线
2. -- or dashed    虚线
3. -. or dashdot   点虚线
4. :  or dotted    点线
"""
plt.grid(linestyle='')
# 设置紧凑布局，把图表相关参数都显示在窗口中
plt.tight_layout()

案例：以正弦函数 $y = s i n x$ 为例，测试窗口相关参数；

import matplotlib.pyplot as plt
import numpy as np

# 创建一个新窗口，标题为sinx figure
plt.figure('Sinx figure')
xdata = np.linspace(-2 * np.pi, 2 * np.pi, 100)
ydata = np.sin(xdata)
plt.plot(xdata, ydata, linewidth=2, alpha=0.9, color='dodgerblue')
plt.title(r'$y=sin(x)$', fontsize=18)
plt.xlabel('time', fontsize=16)
plt.ylabel('price', fontsize=16)
plt.grid(linestyle=':')
plt.tick_params(labelsize=14)
plt.tight_layout()
plt.savefig('sinx3.jpg')
plt.show()

在这里插入图片描述

如果需要在 matplotlib 绘制的图像中显示中文字体怎么该怎么办呢？

在 matplotlib 绘图函数中默认是不支持中文字体的显示的，所以需要自己手动设置。

全局字体设置

import matplotlib.pyplot as plt

# 全局字体设置
## 步骤一：替换默认的 sans-serif 字体
plt.rcParams['font.sans-serif'] = ['KaiTi']
## 步骤二：解决坐标轴负数的负号显示问题
plt.rcParams['axes.unicode_minus'] = False

xdata = np.linspace(0, 100, 1000)
ydata = -(xdata - 50) ** 2 + 5050
plt.plot(xdata, ydata, linewidth=2, alpha=0.9, color='dodgerblue')

plt.title("速度与车流量之间的关系",fontsize=16)
plt.xlabel("x轴",fontsize=16)
plt.ylabel("y轴",fontsize=16)
plt.savefig('fig2.png')
plt.show()

在这里插入图片描述

局部字体设置

import matplotlib.pyplot as plt

# 局部字体设置，标题和坐标轴的字体可以分开设置
plt.xlabel("x轴", fontproperties="SimSun")
plt.ylabel('y轴', fontproperties="SimSun")
plt.title("标题", fontproperties="SimHei")
plt.show()

一些常用的中文字体英文名(当然也可以使用本机系统的字体样式)：

中文字体	英文名	中文字体	英文名
宋体	SimSun	华文楷体	STKaiti
黑体	SimHei	华文宋体	STSong
微软雅黑	Microsoft YaHei	华文仿宋	STFangsong
楷体	KaiTi	微软正黑体	Microsoft JhengHei
仿宋	FangSong	细明体	MingLiU

3、子图布局

绘制矩阵式布局相关的API（常用）：plt.subplot(rows, cols, num)，其中 rows 表示行数，cols 表示列数，num 表示子图的编号。

# 图表背景色设为亮灰色
plt.figure('subplot Layout', facecolor='lightgray')
"""
plt.subplot(rows, cols, num)
rows：行数
cols：列数
num：编号
"""
# 操作3行3列的矩阵中编号为5的子图
plt.subplot(3, 3, 5)
# 1 2 3
# 4 5 6
# 7 8 9
plt.subplot(335)  # 简写

案例：绘制九宫格矩阵式子图，每个子图中写一个数字。

import numpy as np
import matplotlib.pyplot as plt

# 创建一个窗口
plt.figure('subplot', facecolor='lightgray')
for i in range(1, 10):
    plt.subplot(3, 3, i)  # 选择子图
    plt.text(0.5, 0.5, str(i), ha='center', va='center',size=36,alpha=0.6)
    plt.xticks([])
    plt.yticks([])
    plt.tight_layout()
plt.show()

通过 figure.add_aubplot() 绘制子图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 创建一个画布或窗口
fig = plt.figure(figsize=(10, 8))

# 子图1
x = np.linspace(1, 10,100)
ax1 = fig.add_subplot(221)
ax1.plot(x, x ** 2)

# 子图2
ax2 = fig.add_subplot(222)
ax2.scatter(x, np.random.rand(100), s=10)
ax2.set_xlim(0, 12)
ax2.set_ylim(0, 1.2)
ax2.spines['top'].set_color('none')  # 表示不显示top坐标轴
ax2.spines['right'].set_color('none')

# 子图3
ax3 = fig.add_subplot(223)
ax3.plot(x, np.log(x))
# 如何给其中的子图添加坐标轴标注和标题
# 通过ax3操作子图的窗口参数
ax3.set_title(r"$y=log(x)$")
ax3.set_xlabel("time")
ax3.set_ylabel("price")
ax3.legend()

# 子图4
ax4 = fig.add_subplot(224)
ax4.plot(x, np.sin(x))
plt.show()

通过 plt.subplots() 绘制子图，subplots() 返回的值的类型为元组，其中包含了两个元素：第一个为一个画布或窗口，第二个是子图的列表；

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

fig, axes = plt.subplots(2, 2)

# 折线图
x1 = np.arange(1, 100)
y1 = x1 ** 2
axes[0][0].plot(x1, x1 ** 2)

# 散点图
x2 = np.arange(0, 10)
y2 = np.random.rand(10)
axes[0][1].scatter(x2, y2)

# 饼图
x3 = [15,30,45,10]  # 累加和为100
axes[1][0].pie(x3, labels=list('ABCD'), autopct='%.0f', explode=[0,0.05,0,0])

# 条形图
x4 = ['A', 'B', 'C', 'D', 'E']
y4 = [25, 15, 35, 30, 20]
axes[1][1].bar(x4, y4, color='b')
plt.show()

4、保存绘制的图像

matplotlib 支持的图片存储格式：eps, jpeg, jpg, pdf, pgf, png, ps, raw, rgba, svg, svgz, tif, tiff。

plt.savefig() 函数用于保存绘制的图像，参数如下：

filename：保存图片文件的名称或路径，必选；
figsize：保存输出图像的大小，单位是英寸，比如：figsize=[8, 8]；
dpi：图像保存的分辨率(分辨率越高，图像越清晰)，单位为像素，一般设置为 dpi=600；

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, 1000)
sinx = np.sin(x)
cosx = 1/2 * np.cos(x)

plt.plot(x, sinx, linestyle='-.', linewidth=2, color='dodgerblue', label=r'$y=sin(x)$')
plt.plot(x, cosx, linestyle='--', linewidth=2, color='orangered', label=r'$y=\frac{1}{2}cos(x)$')
plt.legend(loc='upper left')
# 图像不够清晰就调dpi分辨率的大小
plt.savefig('figC.jpg', figsize=[8, 8], dpi=600)
plt.show()

5、刻度定位器

刻度定位器相关的API：

# 获取当前坐标轴
ax = plt.gca()
# 设置水平坐标轴的主刻度定位器
ax.xaxis.set_major_locator(plt.NullLocator(1))
# 设置水平坐标轴的次刻度定位器为多点定位器，间隔0.1
ax.xaxis.set_minor_locator(plt.MultipleLocator(0,1))

案例：绘制一个数轴；

import matplotlib.pyplot as plt

plt.figure(figsize=(8, 6), dpi=100)
# 获取当前坐标轴
plt.xlim(0, 10)
ax = plt.gca()
# 隐藏除底轴以外的所有坐标轴
ax.spines['left'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
# 将底坐标轴调整到子图中心位置
ax.spines['bottom'].set_position(('data',0))
plt.yticks([])
# 设置水平坐标轴的主刻度的定位器
ax.xaxis.set_major_locator(plt.MultipleLocator(1))
# 设置水平坐标轴的次刻度器为多点定位器，间隔0.1
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.2))
# 标记所用刻度定位器类名 
plt.text(5, 0.3,s='MultipleLocator', ha='center', size=14)
plt.show()

在这里插入图片描述

6、刻度网格线

绘制刻度网格线相关的API

ax = plt.gca()
# 绘制刻度网格线
ax.grid(
    which='',      # 设置主刻度/次刻度(major / minor)，默认是major
    axis='',       # x / y / both，默认是both
    linewidth=1,   # 线宽
    linestyle=''   # 线型
    color='',      # 颜色，默认是灰
    alpha=0.5      # 透明度
)

import matplotlib.pyplot as plt
import numpy as np

plt.figure('Grid Line',figsize=(8, 6))
x = np.linspace(-2 * np.pi, 2 * np.pi, 100)
y = np.cos(x)
plt.plot(x, y, linestyle='--', color='dodgerblue',linewidth=1.5)
plt.title(r"$y=cos(x)$",fontsize=16)
plt.xlabel("x", fontsize=16)
plt.ylabel("y", fontsize=16)
plt.grid(linestyle=":")  # 使用默认参数major/both
plt.show()

在这里插入图片描述

综合案例：绘制曲线 [1, 10, 100, 1000, 100, 10, 1]，然后设置刻度网格线，测试刻度网格线的参数。

import matplotlib.pyplot as plt

plt.figure('Grid Line',figsize=(8, 6))
ax = plt.gca()
# 修改x与y的刻度定位器
ax.xaxis.set_major_locator(plt.MultipleLocator(1))
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.2))

ax.yaxis.set_major_locator(plt.MultipleLocator(250))
ax.yaxis.set_minor_locator(plt.MultipleLocator(50))
# 绘制网格线
ax.grid(which='major', axis='both',
       color='orangered',linewidth=0.5)
ax.grid(which='minor', axis='both',
       color='orangered',linewidth=0.1)
# 绘制曲线
y = [1, 10, 100, 1000, 100, 10, 1]
plt.plot(y, 'o-', color='dodgerblue',linewidth=0.75)
plt.savefig("fig1.png")
plt.show()

在这里插入图片描述

**半对数坐标：**y轴将以指数方式递增，即：plt.semilogy()。

基于半对数坐标绘制第二个子图，表示曲线：[1, 10, 100, 1000, 100, 10, 1]。

import matplotlib.pyplot as plt

plt.figure('Grid Line',figsize=(8, 6))
ax = plt.gca()
# 修改x与y的刻度定位器
ax.xaxis.set_major_locator(plt.MultipleLocator(1))
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.2))

ax.yaxis.set_major_locator(plt.MultipleLocator(250))
ax.yaxis.set_minor_locator(plt.MultipleLocator(50))
ax.grid(which='major', axis='both',
       color='orangered',linewidth=0.5)
ax.grid(which='minor', axis='both',
       color='orangered',linewidth=0.1)
# 绘制曲线
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 10, 100, 1000, 100, 10, 1]
plt.semilogy(x, y, 'o-', color='dodgerblue',linewidth=0.75)
plt.savefig("fig3.png")
plt.show()

在这里插入图片描述