Python Package：matplotlib

Posted on Wed, 25 Dec 2024 16:11:32 +0800 by LiangMingJian

概述

第三方库

Matplotlib 是 Python 中最著名的 2D 绘图库，主要用于在 Python 中创建静态、动画和交互式可视化数据图表。

Matplotlib 支持从简单的折线图、柱状图到复杂的热力图、3D 图等多种图表类型，其被广泛应用于数据分析、科学计算和商业报告等领域。

pip install matplotlib

基本使用

Matplotlib 的绘图主要使用到图表方法 plot() 和展示方法 show()，首先通过图表方法 plot() 传入目标图表的 X 轴和 Y 轴数据绘制折线图，然后通过 show() 方法进行展示。

常见的图表支持有：折线图 plot()，散点图 scatter()，柱状图 bar()，饼图 pie()，直方图 hist()，箱线图 boxplot()。

所有支持的图表请查看： Examples

比如下述代码，通过 np.linspace() 生成一个在指定区间内等距的数值序列，然后用该序列作为图表的 X 轴数据。接着使用 np.cos() 和 np.sin() 生成对应 X 轴数据的余弦数据、正弦数据，用来作为图表的 Y 轴数据。

最后将上述 X 轴数据与 Y 轴数据传入 plot()，并使用 show() 进行展示，得到图表。

import matplotlib.pyplot as plt  
import numpy as np  
  
# 生成范围在 -pi 到 pi 间等距的 256 个数据
# np.linspace(start, stop, num=50, endpoint=True, retstep=False,
#             dtype=None, axis=0, *, device=None)
# np.linspace(起始，结束，样本数量，是否包含结束值，是否返回步长，
#             数据类型，轴，设备类型)
x_axis = np.linspace(-np.pi, np.pi, 256)  

# 生成序列 x_axis 对应的余弦数据序列
y_cos = np.cos(x_axis)  

# 生成序列 x_axis 对应的正弦数据序列
y_sin = np.sin(x_axis) 

# 设置 X 轴和 Y 轴
plt.plot(x_axis, y_cos)  
plt.plot(x_axis, y_sin)  

# 展示图表
plt.show()

设置图表的样式

在 plot() 方法中，提供多种参数供开发者在绘制图表时设置样式。

常用的参数包括：

颜色：color 或 c，支持颜色对应的英文，如 red, blue，也支持 hex RGB 格式字符，如 #0f0f0f。详细支持可查看： Specifying colors 。
线的样式：linestyle 或 ls，支持 -, --, -., :。
线的宽度：linewidth 或 lw，浮点数。
线的图标：label，字符串，如果以 $ 包裹，则以 LaTex 格式解析为数学公式。该标签需要结合 plt.legend() 方法展示。
数据标记：marker，支持 ., o, v, ^, * 等，详细支持查看： matplotlib.markers

特别的，对于数据标记，线的样式，颜色，支持通过格式字符串 fmt 进行传递。

格式字符串如下所示，传入对应参数，plot() 会自动解析，并生成所需图表样式。

比如：.-g（用点标记数据，实线，绿色），--r（虚线，红色），b（蓝色），--（虚线），o（用圈标记数据）。

fmt = '[marker][line][color]'

注意，关键字参数优先级高于格式字符串，同时传入时，以关键字为准。

所有参数可查看： matplotlib.pyplot.plot

除了上述样式设置，还可以通过 plt.xlabel(), plt.ylabel(), plt.title() 来设置图表的 X 轴标题，Y 轴标题，以及图表标题。

如下面代码所示：

import matplotlib.pyplot as plt  
import numpy as np  
  
x_axis = np.linspace(-np.pi,np.pi, 256, endpoint=True)  
y_cos = np.cos(x_axis)  
y_sin = np.sin(x_axis)  

# 以关键字参数设置样式
plt.plot(x_axis, y_cos, label="$cos(x)$", 
		 color="red", linestyle="-.", linewidth=1)
# 以格式化字符设置样式
plt.plot(x_axis, y_sin, 'x--g', label="sin(x)")
# 显示线的图标
plt.legend()
# 设置 X 轴标题
plt.xlabel("X-axis")
# 设置 Y 轴标题
plt.ylabel("Y-axis")  
# 设置图表标题
plt.title("Example")  

plt.show()

设置画布大小与背景边框

plt.figure() 是 Matplotlib 中用于创建或激活图形窗口方法，其支持创建多个图形窗口，支持设置画布大小，支持设置分辨率，以及画布背景以及边框。

常用的参数包括：

num：图形标识符（整型 int 或字符串 str），用于指定后续 plt 使用的图形窗口，没有对应标识符的图表则会新建。
figsize：画布尺寸 (w, h)，单位英寸，默认 (6.4, 4.8)。
dpi：分辨率，默认 100。
facecolor：画布背景色，默认白色。
edgecolor：边框颜色，默认无边框。
linewidth：边框宽度，浮点数。

比如下述代码，生成两个 (5, 5) 的图表窗口，一个背景颜色为白色，一个灰色，一个边框红色，一个边框蓝色：

import matplotlib.pyplot as plt  
import numpy as np  
  
x_axis = np.linspace(-np.pi,np.pi, 256, endpoint=True)  
y_cos = np.cos(x_axis)  
y_sin = np.sin(x_axis)  
  
# 第一个窗口  
plt.figure(1, figsize=(5, 5), dpi=100,  
           facecolor='white', edgecolor='red', linewidth=2)  
plt.plot(x_axis, y_cos)  
  
# 第二个窗口  
plt.figure(2, figsize=(5, 5), dpi=100,  
           facecolor='lightgray', edgecolor='blue', linewidth=2)  
plt.plot(x_axis, y_sin)  
  
plt.show()

在同一画布绘制多张图表

在 Matplotlib 中，如果要在同一画布上绘制多张图表，需要使用 plt.subplot() 方法，将画布划分为多个图表区域，然后在指定的图表区域内使用作图。

子图方法 subplot() 按顺序可传入三个参数用以划分画布的行数，列数，以及指定后续使用的子图位置（从左到右，从上到下编号）。

比如下述代码，将画布分为上下两个区域，分别绘制余弦和正弦函数：

import matplotlib.pyplot as plt  
import numpy as np  
  
x_axis = np.linspace(-np.pi,np.pi, 256, endpoint=True)  
y_cos = np.cos(x_axis)  
y_sin = np.sin(x_axis)  

# 设置 2 行 1 列的第 1 个子图 
plt.subplot(2, 1, 1)   
plt.plot(x_axis, y_cos) 

# 设置 2 行 1 列的第 2 个子图 
plt.subplot(2, 1, 2)    
plt.plot(x_axis, y_sin)  

plt.show()

特别注意，划分子图时，子图的序号是按最大划分，从左到右，从上到下计算的。

比如下述代码，先划分 2 行 1 列，再划分 2 行 2 列，此时绘制 3 个图形，那么对应图形的序号应该是 1，3，4，没有 2，这是因为 1，2 是同一行：

import matplotlib.pyplot as plt  
import numpy as np  
  
x_axis = np.linspace(-np.pi, np.pi, 256, endpoint=True)  
y_cos = np.cos(x_axis)  
y_sin = np.sin(x_axis)  
  
# 设置 2 行 1 列的第 1 个子图  
plt.subplot(2, 1, 1)  
plt.plot(x_axis, y_cos)  
  
# 设置 2 行 2 列的第 3 个子图  
plt.subplot(2, 2, 3)  
plt.plot(x_axis, y_sin)  

# 设置 2 行 2 列的第 4 个子图  
plt.subplot(2, 2, 4)  
plt.plot(x_axis, y_cos)  

plt.show()

通过 Axes 对象操作多个子图

上面绘制子图时，对每个子图的操作都需要先使用 plt.subplot() 指定，有点过于麻烦。在图表更多的时候，有没有简单点的方法呢？

答案显示是有的，用户可以使用 plt.subplot() 的兄弟方法 plt.subplots()，返回 Axes 对象来选取不同的图表进行设置。

plt.subplots() 会返回一个 (Figure, Axes) 元组数据。Figure 对象是窗口容器对象，可以通过其完成对窗口或画布的设置。Axes 对象是绘图区域对象，可以通过其配置子图的样式，结构以及数据。

比如下述代码，分别对 2 行 2 列的 4 个子图进行配置：

import matplotlib.pyplot as plt  
import numpy as np  
  
x_axis = np.linspace(-np.pi, np.pi, 256, endpoint=True)  
y_cos = np.cos(x_axis)  
y_sin = np.sin(x_axis)  
  
# 获取 Figure, Axes 对象
figure, axes = plt.subplots(2, 2)  

# 通过 Figure 调整画布大小
figure.set_size_inches(6.4, 6.4)  

# 分别设置不同区域的子图
axes[0, 0].set(title='Upper Left')  
axes[0, 0].plot(x_axis, y_cos)  
  
axes[0, 1].set(title='Upper Right')  
axes[0, 1].plot(x_axis, y_cos)  
  
axes[1, 0].set(title='Lower Left')  
axes[1, 0].plot(x_axis, y_sin)  
  
axes[1, 1].set(title='Lower Right')  
axes[1, 1].plot(x_axis, y_sin)  
  
plt.show()

保存图像

import matplotlib.pyplot as plt  
import numpy as np  
  
x_axis = np.linspace(-np.pi, np.pi, 256)  
y_sin = np.sin(x_axis)  
  
plt.plot(x_axis, y_sin)  

# 保存图像
plt.savefig(r"save.png", dpi=100)

拓展阅读：后端 Backend

在 Matplotlib 中，frontend 是我们写的代码，而 backend 就是负责渲染并显示我们代码所绘制内容的底层代码。

在不同环境下，后端 backend 也可能会有所不同，其内容与具体的硬件和显示条件相关。

因此在服务器（Linux 系统）使用 Matplotlib 时，可能会因为没有安装图形化工具或显示工具导致 backend 错误，从而无法绘图。

此时，为解决 backend 错误的问题，通常需要手动在脚本中指定与服务器（Linux 系统）相配的 backend 类别。

backend 一般分为以下两类：

Static backends：这一类是写入到文件的后端。
Interactive backends：这一类是显示到屏幕的后端。

具体内容可查阅： Backends

在代码中，有 3 种方式可以用来设置 Matplotlib 的 backend，越后面的设置方式，优先级越高，同时后面的设置会覆盖前面的设置。

通过配置文件设置：通过往配置文件 matplotlibrc 里添加 backend: qtagg 来指定后端。可以通过 matplotlib.matplotlib_fname() 获取配置文件所在。
通过配置环境变量设置：在环境变量中添加 MPLBACKEND=qtagg 指定后端。
通过内置代码设置：在代码开头添加 matplotlib.use('qtagg') 指定后端。

不推荐在运行脚本时使用 python script.py -d backend 进行指定，虽然也有效。

————————————

Matplotlib 官网

Python Package：matplotlib

概述 #

基本使用 #

设置图表的样式 #

设置画布大小与背景边框 #

在同一画布绘制多张图表 #

通过 Axes 对象操作多个子图 #

保存图像 #

拓展阅读：后端 Backend #

概述