matplotlib 使用

• 1. 基本使用
• 2. figure 图像
• 3. 设置坐标轴信息
• 4. 图例
• 5. 注解
• 6. tick 透明度
• 7. scatter 散点图
• 8. bar 柱状图
• 9. contours 等高线图
• 10. image 图片
• 11. 3D 数据
• 12. subplot 多个绘图
• 13. subplot 分隔显示
• 14. 图中图
• 15. 次坐标轴
• 16. 动画（Animation）
• 附录：使用 LaTeX
• 使用默认布局引擎渲染中文
• 使用 LaTeX 作为后端渲染

1. 基本使用

绘制 $y = 2x+1, x \in [-1,\ 1]$ ：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 50)
y = 2 * x + 1
plt.plot(x, y)
plt.show()

改动这一句，y = x ** 2，绘制如下：

2. figure 图像

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure()
plt.plot(x, y1)

plt.figure()
plt.plot(x, y2)

plt.show()

这会显示两个窗口，分别绘制两个图像。

如果像下面这样，第二个窗口序号为 3，长宽比为 5:8，第二个窗体有两个函数，第二个函数用红色虚线表示：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure()
plt.plot(x, y1)

plt.figure(num=3, figsize=(8, 5))
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

plt.show()

3. 设置坐标轴信息

使用 $...$ 可以打印 LaTeX 排版，但不同平台表现有差异。

import matplotlib.pyplot as plt
import numpy as np

plt.rc('font', family='serif')
x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

# 设置坐标轴的范围
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# 坐标轴的名称
plt.xlabel('x label')
plt.ylabel('y label')

# 坐标轴指示标签
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],
           ['really bad', 'bad', 'normal',
            'good', r'$really\ good$'])

plt.show()

你可以设置参数以解决数学字体不一致的问题，建议使用 LaTeX 后端绘制。

from matplotlib import rcParams

config = {
    "font.family": 'serif',
    "mathtext.fontset": 'stix',
}
rcParams.update(config)

将轴的两个边线隐藏，并设置轴的位置：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

# 设置坐标轴的范围
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# 坐标轴的名称
plt.xlabel('x label')
plt.ylabel('y label')

# 坐标轴指示标签
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],
           ['really bad', 'bad', 'normal',
            'good', 'really good'])

# gca: get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')

ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

plt.show()

set_position 有很多设置方式 'data' 只是其中一个。还有例如 'outward'、'axes' 等。

4. 图例

显示默认的图例，要加上标签 label='...'：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure()
plt.plot(x, y2, label='down')
plt.plot(x, y1, color='red',
         linewidth=1.0, linestyle='--', label='up')

# 默认图例
plt.legend()

plt.xlim((-1, 2))
plt.ylim((-2, 3))

plt.show()

自定义图例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure()
l1, = plt.plot(x, y2, label='down')
l2, = plt.plot(x, y1, color='red',
         linewidth=1.0, linestyle='--', label='up')

# 默认图例
plt.legend(handles=[l1, l2], labels=['a', 'b'], loc='best')

plt.xlim((-1, 2))
plt.ylim((-2, 3))

plt.show()

5. 注解

图片中添加注解（公式部分使用了 LaTeX 后端）：

import matplotlib.pyplot as plt
import numpy as np

plt.rc('text', usetex=True)
plt.rc('font', family='serif')

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1

plt.figure()
plt.plot(x, y1)

# 设置坐标轴的范围
plt.xlim((-2, 3))
plt.ylim((-3, 4))

# gca: get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')

ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

x0 = 1
y0 = 2 * x0 + 1
plt.scatter(x0, y0, s=50, color='b')

# 黑色虚线 `k--`，线宽度 2.5
plt.plot([x0, x0], [y0, 0], 'k--', lw=2.5)

plt.annotate(r'$2x+1={}$'.format(y0),
             xy=(x0, y0),           # 坐标
             xycoords='data',       # xy 的含义，基准值
             xytext=(30, -30),      # 文本位置
             textcoords='offset points', # 文本偏移量
             fontsize=16,           # 文本大小
             arrowprops={           # 属性：箭头、弧度
                 'arrowstyle': '->',
                 'connectionstyle': 'arc3, rad=.2'
             })

plt.show()

使用 text 指令绘制（公式仍然使用了 LaTeX 后端）：

import matplotlib.pyplot as plt
import numpy as np

plt.rc('text', usetex=True)
plt.rc('font', family='serif')

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1

plt.figure()
plt.plot(x, y1)

# 设置坐标轴的范围
plt.xlim((-2, 3))
plt.ylim((-3, 4))

# gca: get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')

ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

x0 = 1
y0 = 2 * x0 + 1
plt.scatter(x0, y0, s=50, color='b')

# 黑色虚线 `k--`，线宽度 2.5
plt.plot([x0, x0], [y0, 0], 'k--', lw=2.5)

plt.text(-1.7, 2, r'$\mu\ \sigma_i\ \alpha_t$',
         fontdict={'size': 16, 'color': 'r'})

plt.show()

6. tick 透明度

import matplotlib.pyplot as plt
import numpy as np

plt.rc('text', usetex=True)
plt.rc('font', family='serif')

x = np.linspace(-3, 3, 50)
y = 0.1 * x

plt.figure()
plt.plot(x, y, lw=10, zorder=1)
plt.ylim((-2, 2))

ax = plt.gca()
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)
    label.set_bbox({
        'facecolor': 'white',
        'edgecolor': 'None',
        'alpha': 0.7
    })

ax.set_zorder(2)

plt.show()

还有方法：

# 直接设置透明度
plt.plot(x, y, label='up', color='blue', lw=10, alpha=0.6)

7. scatter 散点图

8. bar 柱状图

9. contours 等高线图

10. image 图片

11. 3D 数据

12. subplot 多个绘图

13. subplot 分隔显示

14. 图中图

15. 次坐标轴

16. 动画（Animation）

附录：使用 LaTeX

参考 https://matplotlib.org/2.0.2/users/usetex.html 参考 https://www.jianshu.com/p/7d305688ebd0 参考 https://zhuanlan.zhihu.com/p/118601703

如果使用 LaTeX 作为后端，要求电脑中安装 LaTeX，LaTeX 渲染更精细、更标准，同时也更慢。

快速使用：

# 如果需要使用默认后端（内置 LaTeX 引擎）
from matplotlib import rcParams

config = {
    "font.family":'serif',
    "font.size": 20,
    "mathtext.fontset":'stix',
    "font.serif": ['SimSun'],
}
rcParams.update(config)

# 使用 LaTeX 作为后端渲染
plt.rc('text', usetex=True)
plt.rc('font', family='serif')

使用默认布局引擎渲染中文

import matplotlib.pyplot as plt
from matplotlib import rcParams

config = {
    "font.family":'serif',
    "font.size": 20,
    "mathtext.fontset":'stix',
    "font.serif": ['SimSun'],
}
rcParams.update(config)

plt.title(r'宋体 $\mathrm{Times \; New \; Roman}'
          r'\/\/ \alpha_i > \beta_i$')
plt.axis('off')
plt.show()

使用自定义的图例

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure()
l1, = plt.plot(x, y2, label='down')
l2, = plt.plot(x, y1, color='red',
         linewidth=1.0, linestyle='--', label='up')

# 默认图例
plt.legend(handles=[l1, l2], labels=['a', 'b'], loc='best')

plt.xlim((-1, 2))
plt.ylim((-2, 3))

plt.show()

使用 LaTeX 作为后端渲染

这部分要求电脑上安装有 LaTeX。

使用 LaTeX 渲染下面的内容

$$\text{\TeX\ is \ Number} \sum_{n=1}^{\infty} \frac{-e^{i\pi}}{2^n}!$$

import numpy as np
import matplotlib.pyplot as plt

t = np.arange(0.0, 1.0 + 0.01, 0.01)
s = np.cos(4 * np.pi * t) + 2

# 使用 LaTeX 作为后端绘制
plt.rc('text', usetex=True)
plt.rc('font', family='serif')

plt.plot(t, s)

# 绘制标签
plt.xlabel(r'\textbf{time} (s)')
plt.ylabel(r'\textit{voltage} (mV)', fontsize=16)
plt.title(r"\TeX\ is Number "
          r"$\displaystyle\sum_{n=1}^"
          r"\infty\frac{-e^{i\pi}}{2^n}$!",
          fontsize=16)

# 为这个 **可笑的** 大标题腾出空间
plt.subplots_adjust(top=0.8)

plt.show()