Matplotlib 基础¶

在使用Numpy之前，需要了解一些画图的基础。

Matplotlib是一个类似Matlab的工具包，主页地址为

http://matplotlib.org

导入 matplotlib 和 numpy：

In [1]:

  1. %pylab
  1. Using matplotlib backend: Qt4Agg
  2. Populating the interactive namespace from numpy and matplotlib

plot 二维图¶

  1. plot(y)
  2. plot(x, y)
  3. plot(x, y, format_string)

只给定 y 值，默认以下标为 x 轴：

In [2]:

  1. %matplotlib inline
  2. x = linspace(0, 2 * pi, 50)
  3. plot(sin(x))

Out[2]:

  1. [<matplotlib.lines.Line2D at 0xa086fd0>]

03.02 Matplotlib 基础 - 图1

给定 x 和 y 值：

In [3]:

  1. plot(x, sin(x))

Out[3]:

  1. [<matplotlib.lines.Line2D at 0xa241898>]

03.02 Matplotlib 基础 - 图2

多条数据线：

In [4]:

  1. plot(x, sin(x),
  2.     x, sin(2 * x))

Out[4]:

  1. [<matplotlib.lines.Line2D at 0xa508b00>,
  2.  <matplotlib.lines.Line2D at 0xa508d30>]

03.02 Matplotlib 基础 - 图3

使用字符串，给定线条参数：

In [5]:

  1. plot(x, sin(x), 'r-^')

Out[5]:

  1. [<matplotlib.lines.Line2D at 0xba6ea20>]

03.02 Matplotlib 基础 - 图4

多线条：

In [9]:

  1. plot(x, sin(x), 'b-o',
  2.     x, sin(2 * x), 'r-^')

Out[9]:

  1. [<matplotlib.lines.Line2D at 0xbcf1710>,
  2.  <matplotlib.lines.Line2D at 0xbcf1940>]

03.02 Matplotlib 基础 - 图5

更多参数设置，请查阅帮助。事实上，字符串使用的格式与Matlab相同。

scatter 散点图¶

  1. scatter(x, y)
  2. scatter(x, y, size)
  3. scatter(x, y, size, color)

假设我们想画二维散点图：

In [10]:

  1. plot(x, sin(x), 'bo')

Out[10]:

  1. [<matplotlib.lines.Line2D at 0xbd6c0b8>]

03.02 Matplotlib 基础 - 图6

可以使用 scatter 达到同样的效果：

In [11]:

  1. scatter(x, sin(x))

Out[11]:

  1. <matplotlib.collections.PathCollection at 0xbd996d8>

03.02 Matplotlib 基础 - 图7

事实上，scatter函数与Matlab的用法相同，还可以指定它的大小，颜色等参数：

In [12]:

  1. x = rand(200)
  2. y = rand(200)
  3. size = rand(200) * 30
  4. color = rand(200)
  5. scatter(x, y, size, color)
  6. # 显示颜色条
  7. colorbar()

Out[12]:

  1. <matplotlib.colorbar.Colorbar instance at 0x000000000C31F448>

03.02 Matplotlib 基础 - 图8

多图¶

使用figure()命令产生新的图像：

In [13]:

  1. t = linspace(0, 2*pi, 50)
  2. x = sin(t)
  3. y = cos(t)
  4. figure()
  5. plot(x)
  6. figure()
  7. plot(y)

Out[13]:

  1. [<matplotlib.lines.Line2D at 0xc680cf8>]

03.02 Matplotlib 基础 - 图9

03.02 Matplotlib 基础 - 图10

或者使用 subplot 在一幅图中画多幅子图：

  1. subplot(row, column, index)

In [15]:

  1. subplot(1, 2, 1)
  2. plot(x)
  3. subplot(1, 2, 2)
  4. plot(y)

Out[15]:

  1. [<matplotlib.lines.Line2D at 0xcd47518>]

03.02 Matplotlib 基础 - 图11

向图中添加数据¶

默认多次 plot 会叠加：

In [16]:

  1. plot(x)
  2. plot(y)

Out[16]:

  1. [<matplotlib.lines.Line2D at 0xcbcfd30>]

03.02 Matplotlib 基础 - 图12

可以跟Matlab类似用 hold(False)关掉，这样新图会将原图覆盖：

In [17]:

  1. plot(x)
  2. hold(False)
  3. plot(y)
  4. # 恢复原来设定
  5. hold(True)

Out[17]:

  1. [<matplotlib.lines.Line2D at 0xcf4b9b0>]

03.02 Matplotlib 基础 - 图13

标签¶

可以在 plot 中加入 label ，使用 legend 加上图例：

In [19]:

  1. plot(x, label='sin')
  2. plot(y, label='cos')
  3. legend()

Out[19]:

  1. <matplotlib.legend.Legend at 0xd2089b0>

03.02 Matplotlib 基础 - 图14

或者直接在 legend中加入：

In [21]:

  1. plot(x)
  2. plot(y)
  3. legend(['sin', 'cos'])

Out[21]:

  1. <matplotlib.legend.Legend at 0xd51fb00>

03.02 Matplotlib 基础 - 图15

坐标轴，标题，网格¶

可以设置坐标轴的标签和标题：

In [22]:

  1. plot(x, sin(x))
  2. xlabel('radians')
  3. # 可以设置字体大小
  4. ylabel('amplitude', fontsize='large')
  5. title('Sin(x)')

Out[22]:

  1. <matplotlib.text.Text at 0xd727dd8>

03.02 Matplotlib 基础 - 图16

用 'grid()' 来显示网格：

In [23]:

  1. plot(x, sin(x))
  2. xlabel('radians')
  3. ylabel('amplitude', fontsize='large')
  4. title('Sin(x)')
  5. grid()

03.02 Matplotlib 基础 - 图17

清除、关闭图像¶

清除已有的图像使用：

  1. clf()

关闭当前图像：

  1. close()

关闭所有图像：

  1. close('all')

imshow 显示图片¶

灰度图片可以看成二维数组：

In [25]:

  1. # 导入lena图片
  2. from scipy.misc import lena
  3. img = lena()
  4. img

Out[25]:

  1. array([[162, 162, 162, ..., 170, 155, 128],
  2.        [162, 162, 162, ..., 170, 155, 128],
  3.        [162, 162, 162, ..., 170, 155, 128],
  4.        ..., 
  5.        [ 43,  43,  50, ..., 104, 100,  98],
  6.        [ 44,  44,  55, ..., 104, 105, 108],
  7.        [ 44,  44,  55, ..., 104, 105, 108]])

我们可以用 imshow() 来显示图片数据：

In [26]:

  1. imshow(img,
  2.        # 设置坐标范围
  3.       extent = [-25, 25, -25, 25],
  4.        # 设置colormap
  5.       cmap = cm.bone)
  6. colorbar()

Out[26]:

  1. <matplotlib.colorbar.Colorbar instance at 0x000000000DECFD88>

03.02 Matplotlib 基础 - 图18

更多参数和用法可以参阅帮助。

这里 cm 表示 colormap，可以看它的种类：

In [28]:

  1. dir(cm)

Out[28]:

  1. [u'Accent',
  2.  u'Accent_r',
  3.  u'Blues',
  4.  u'Blues_r',
  5.  u'BrBG',
  6.  u'BrBG_r',
  7.  u'BuGn',
  8.  u'BuGn_r',
  9.  u'BuPu',
  10.  u'BuPu_r',
  11.  u'CMRmap',
  12.  u'CMRmap_r',
  13.  u'Dark2',
  14.  u'Dark2_r',
  15.  u'GnBu',
  16.  u'GnBu_r',
  17.  u'Greens',
  18.  u'Greens_r',
  19.  u'Greys',
  20.  u'Greys_r',
  21.  'LUTSIZE',
  22.  u'OrRd',
  23.  u'OrRd_r',
  24.  u'Oranges',
  25.  u'Oranges_r',
  26.  u'PRGn',
  27.  u'PRGn_r',
  28.  u'Paired',
  29.  u'Paired_r',
  30.  u'Pastel1',
  31.  u'Pastel1_r',
  32.  u'Pastel2',
  33.  u'Pastel2_r',
  34.  u'PiYG',
  35.  u'PiYG_r',
  36.  u'PuBu',
  37.  u'PuBuGn',
  38.  u'PuBuGn_r',
  39.  u'PuBu_r',
  40.  u'PuOr',
  41.  u'PuOr_r',
  42.  u'PuRd',
  43.  u'PuRd_r',
  44.  u'Purples',
  45.  u'Purples_r',
  46.  u'RdBu',
  47.  u'RdBu_r',
  48.  u'RdGy',
  49.  u'RdGy_r',
  50.  u'RdPu',
  51.  u'RdPu_r',
  52.  u'RdYlBu',
  53.  u'RdYlBu_r',
  54.  u'RdYlGn',
  55.  u'RdYlGn_r',
  56.  u'Reds',
  57.  u'Reds_r',
  58.  'ScalarMappable',
  59.  u'Set1',
  60.  u'Set1_r',
  61.  u'Set2',
  62.  u'Set2_r',
  63.  u'Set3',
  64.  u'Set3_r',
  65.  u'Spectral',
  66.  u'Spectral_r',
  67.  u'Wistia',
  68.  u'Wistia_r',
  69.  u'YlGn',
  70.  u'YlGnBu',
  71.  u'YlGnBu_r',
  72.  u'YlGn_r',
  73.  u'YlOrBr',
  74.  u'YlOrBr_r',
  75.  u'YlOrRd',
  76.  u'YlOrRd_r',
  77.  '__builtins__',
  78.  '__doc__',
  79.  '__file__',
  80.  '__name__',
  81.  '__package__',
  82.  '_generate_cmap',
  83.  '_reverse_cmap_spec',
  84.  '_reverser',
  85.  'absolute_import',
  86.  u'afmhot',
  87.  u'afmhot_r',
  88.  u'autumn',
  89.  u'autumn_r',
  90.  u'binary',
  91.  u'binary_r',
  92.  u'bone',
  93.  u'bone_r',
  94.  u'brg',
  95.  u'brg_r',
  96.  u'bwr',
  97.  u'bwr_r',
  98.  'cbook',
  99.  'cmap_d',
  100.  'cmapname',
  101.  'colors',
  102.  u'cool',
  103.  u'cool_r',
  104.  u'coolwarm',
  105.  u'coolwarm_r',
  106.  u'copper',
  107.  u'copper_r',
  108.  'cubehelix',
  109.  u'cubehelix_r',
  110.  'datad',
  111.  'division',
  112.  u'flag',
  113.  u'flag_r',
  114.  'get_cmap',
  115.  u'gist_earth',
  116.  u'gist_earth_r',
  117.  u'gist_gray',
  118.  u'gist_gray_r',
  119.  u'gist_heat',
  120.  u'gist_heat_r',
  121.  u'gist_ncar',
  122.  u'gist_ncar_r',
  123.  u'gist_rainbow',
  124.  u'gist_rainbow_r',
  125.  u'gist_stern',
  126.  u'gist_stern_r',
  127.  u'gist_yarg',
  128.  u'gist_yarg_r',
  129.  u'gnuplot',
  130.  u'gnuplot2',
  131.  u'gnuplot2_r',
  132.  u'gnuplot_r',
  133.  u'gray',
  134.  u'gray_r',
  135.  u'hot',
  136.  u'hot_r',
  137.  u'hsv',
  138.  u'hsv_r',
  139.  u'jet',
  140.  u'jet_r',
  141.  'ma',
  142.  'mpl',
  143.  u'nipy_spectral',
  144.  u'nipy_spectral_r',
  145.  'np',
  146.  u'ocean',
  147.  u'ocean_r',
  148.  'os',
  149.  u'pink',
  150.  u'pink_r',
  151.  'print_function',
  152.  u'prism',
  153.  u'prism_r',
  154.  u'rainbow',
  155.  u'rainbow_r',
  156.  'register_cmap',
  157.  'revcmap',
  158.  u'seismic',
  159.  u'seismic_r',
  160.  'six',
  161.  'spec',
  162.  'spec_reversed',
  163.  u'spectral',
  164.  u'spectral_r',
  165.  u'spring',
  166.  u'spring_r',
  167.  u'summer',
  168.  u'summer_r',
  169.  u'terrain',
  170.  u'terrain_r',
  171.  'unicode_literals',
  172.  u'winter',
  173.  u'winter_r']

使用不同的 colormap 会有不同的显示效果。

In [29]:

  1. imshow(img, cmap=cm.RdGy_r)

Out[29]:

  1. <matplotlib.image.AxesImage at 0xe0883c8>

03.02 Matplotlib 基础 - 图19

从脚本中运行¶

在脚本中使用 plot 时，通常图像是不会直接显示的，需要增加 show() 选项，只有在遇到 show() 命令之后，图像才会显示。

直方图¶

从高斯分布随机生成1000个点得到的直方图：

In [30]:

  1. hist(randn(1000))

Out[30]:

  1. (array([   2.,    7.,   37.,  119.,  216.,  270.,  223.,   82.,   31.,   13.]),
  2.  array([-3.65594649, -2.98847032, -2.32099415, -1.65351798, -0.98604181,
  3.         -0.31856564,  0.34891053,  1.0163867 ,  1.68386287,  2.35133904,
  4.          3.01881521]),
  5.  <a list of 10 Patch objects>)

03.02 Matplotlib 基础 - 图20

更多例子请参考下列网站：

http://matplotlib.org/gallery.html

原文: https://nbviewer.jupyter.org/github/lijin-THU/notes-python/blob/master/03-numpy/03.02-matplotlib-basics.ipynb