Matplotlib Tutorial(译)

IPython是一个增强的 Python 交互 shell，它拥有很多有趣的特性包括被命名的输入与输出，可使用 shell 命令，增强的调试和许多其它特性。当我们在命令参数中用=-pylab=(自从 IPython0.12 版变成=–pylab=),它容许交互的 matplotlib 会话有像 Matlab/Mathematica 样的功能。

pylab 提供了一个针对 matplotlib 面向对象绘图库的程序界面。它模仿 Matlab(TM)开发。因此，pylab 大部分的绘图命令和参数和 Matlab(TM)相似。重要的命令被交互示例解释。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_1.png]]

matplotlib 有一套允许定制各种属性的默认设置。你可以几乎控制 matplotlib 中的每一个默认属性：图像大小，每英寸点数，线宽，色彩和样式，子图(axes)，坐标轴和网格属性，文字和字体属性，等等。虽然 matplotlib 的默认设置在大多数情况下相当好，你却可能想要在一些特别的情形下更改一些属性。

from pylab import *

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

plot(X,C)
plot(X,S)

show()

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_2.png]]

在以下脚本中，我们示例(并注释)所有影响图像外观的图像设定。这些设定被显式地设置成它们的默认值，但是现在你可以交互地尝试这些值来探索它们的作用(参考之后的线条属性和线条样式)。

# Import everything from matplotlib (numpy is accessible via 'np' alias)
from pylab import *

# Create a new figure of size 8x6 points, using 80 dots per inch
figure(figsize=(8,6), dpi=80)

# Create a new subplot from a grid of 1x1
subplot(1,1,1)

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

# Plot cosine using blue color with a continuous line of width 1 (pixels)
plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# Plot sine using green color with a continuous line of width 1 (pixels)
plot(X, S, color="green", linewidth=1.0, linestyle="-")

# Set x limits
xlim(-4.0,4.0)

# Set x ticks
xticks(np.linspace(-4,4,9,endpoint=True))

# Set y limits
ylim(-1.0,1.0)

# Set y ticks
yticks(np.linspace(-1,1,5,endpoint=True))

# Save figure using 72 dots per inch
# savefig("exercice_2.png",dpi=72)

# Show result on screen
show()

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_3.png]]

首先，我们想要余弦是蓝色而正弦是红色，它们的线条都稍厚一点。我们将也稍微更改图片大小来使它更宽一点。

figure(figsize=(10,6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plot(X, S, color="red",  linewidth=2.5, linestyle="-")

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_4.png]]

当前的图像边界有点太紧了一点，而且我们想要预留一点空间使数据点更清晰。

xlim(X.min()*1.1, X.max()*1.1)
ylim(C.min()*1.1, C.max()*1.1)

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_5.png]]

当前刻度并不理想，因为它们不显示正余弦中我们感兴趣的值(+/-π,+/-π/2)。我们将更改它们让它们只显式这些值。

xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_6.png]]

刻度已经放置合适但是他们的标签并不很清楚，我们可以猜出 3.142 是π但是最好让它更直接。当我们设置刻度值时，我们也可以在第二个参数列表中提供相应的标签。注意，我们用 latex 获得更好渲染的标签。

xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])

yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_7.png]]

轴线(spines)是连接刻度标志和标示数据区域边界的线。它们现在可以被放置在任意地方，它们在子图的边缘。我们将改变这点，因为我们想让它们位于中间。因为一共有四个轴线(上/下/左/右)。我们将通过将它们的颜色设置成 None，舍弃位于顶部和右部轴线。然后我们把底部和左部的轴线移动到数据空间坐标中的零点。

ax = 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))

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_8.png]]

让我们在图片左上角添加一个图例。这仅仅需要向 plot 命令添加关键字参数 label(之后将被图例框使用)。

plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(X, S, color="red",  linewidth=2.5, linestyle="-", label="sine")

legend(loc='upper left')

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/exercice_9.png]]

让我们现在使用 annotate 命令注解一些我们感兴趣的点。我们选择 2π/3 作为我们想要注解的正弦和余弦值。我们将在曲线上做一个标记和一个垂直的虚线。然后，使用 annotate 命令来显示一个箭头和一些文本。

t = 2*np.pi/3
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')

annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
         xy=(t, np.sin(t)), xycoords='data',
         xytext=(+10, +30), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')

annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$',
         xy=(t, np.cos(t)), xycoords='data',
         xytext=(-90, -50), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

图像是一个图形用户界面的窗口，以"Figure #"作为标题。相对于 Python 通常是 0 索引的，图像是从一开始的。这显然是 matlab 风格。这里有几个决定图像外观的参数：

默认可以在资源文件¹指定，并将在大多数时间被使用。只有图像的编号频繁变动。

当你使用图形用户界面时，你可以通过点击右上角²的=x=来关闭一个图像。但也可以用一种编程方式调用 close 来关闭一个图像。取决于参数它关闭(1)当前图像(无参数)，(2)一个指定的图像(以图像编号或图像实例作为参数),(3)所有图像(以 all 作为参数)。

和其它对象一样，你可以通过=setp=或=set_somethin=方法来设置图像属性。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/subplot-horizontal.png]]

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/subplot-vertical.png]]

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/subplot-grid.png]]

你可以通过 subplot 在正常网格中布置图像。你需要指定行数和列数和区域的编号。注意gridspec命令是个更强大的选择。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/gridspec.png]]

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/axes.png]]

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/axes-2.png]]

子图和子区(subplot)非常相似，但是允许把图片放置到图像(figure)中的任何地方。所以如果我们想要在一个大图片中嵌套一个小点的图片，我们通过子图(axes)来完成它。

良好格式化的刻度是准备发表的图片中的重要部分。Matplotlib 为刻度提供完全可配置的系统。刻度定位器指定刻度出现的位置，刻度格式器让刻度看起来如你所愿。主刻度和次要刻度可以分别放置和格式化，每个默认主刻度并不显示，也就是，它们只有一个空列表，因为它们作为空定位器(NullLocator)(参见下面)。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/plot_ex.png]]

从下面的代码开始，尝试重新生成上边的填充图形。

from pylab import *

n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.sin(2*X)

plot (X, Y+1, color='blue', alpha=1.00)
plot (X, Y-1, color='blue', alpha=1.00)
show()

提示：你需要使用fill\_between命令。

点击图片获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/scatter_ex.png]]

从以下代码开始，尝试生成上边的图形，注意标记大小，颜色和透明度。

from pylab import *

n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)

scatter(X,Y)
show()

提示：色彩由(X,Y)角度给出。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/bar_ex.png]]

从以下代码开始，尝试生成上边的图形，添加标签和红色条形。

from pylab import *

n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)

bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x,y in zip(X,Y1):
    text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')

ylim(-1.25,+1.25)
show()

提示:你要注意文本对齐。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/contour_ex.png]]

从以下代码开始，尝试生成上边的图形，注意色彩表。(参见色彩表)

from pylab import *

def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
X,Y = np.meshgrid(x,y)

contourf(X, Y, f(X,Y), 8, alpha=.75, cmap='jet')
C = contour(X, Y, f(X,Y), 8, colors='black', linewidth=.5)
show()

提示：你需要使用clabel命令。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/imshow_ex.png]]

从以下代码开始，尝试生成上边的图形，添加标签和红色条形。

from pylab import *

def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n = 10
x = np.linspace(-3,3,4*n)
y = np.linspace(-3,3,3*n)
X,Y = np.meshgrid(x,y)
imshow(f(X,Y)), show()

提示:你需要注意 imshow 命令中图像的\_来源\_，并且使用色彩条(colorbar)。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/pie_ex.png]]

从以下代码开始，尝试生成上边的图形，添加标签和红色条形。

from pylab import *

n = 20
Z = np.random.uniform(0,1,n)
pie(Z), show()

提示：你需要改变 Z。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/quiver_ex.png]]

从以下代码开始，尝试生成上边的图形，注意色彩和方向。

from pylab import *

n = 8
X,Y = np.mgrid[0:n,0:n]
quiver(X,Y), show()

提示：你需要画两次箭头。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/grid_ex.png]]

从以下代码开始，尝试生成上边的图形，添加标签和红色条形。

from pylab import *

axes = gca()
axes.set_xlim(0,4)
axes.set_ylim(0,3)
axes.set_xticklabels([])
axes.set_yticklabels([])

show()

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/multiplot_ex.png]]

从以下代码开始，尝试生成上边的图形，添加标签和红色条形。

from pylab import *

subplot(2,2,1)
subplot(2,2,3)
subplot(2,2,4)

show()

提示：你可以对不同部分使用几个 subplot 命令。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/polar_ex.png]]

从以下代码开始，尝试生成上边的图形，添加标签和红色条形。

from pylab import *

axes([0,0,1,1])

N = 20
theta = np.arange(0.0, 2*np.pi, 2*np.pi/N)
radii = 10*np.random.rand(N)
width = np.pi/4*np.random.rand(N)
bars = bar(theta, radii, width=width, bottom=0.0)

for r,bar in zip(radii, bars):
    bar.set_facecolor( cm.jet(r/10.))
    bar.set_alpha(0.5)

show()

提示：你仅仅需要修改\_axes\_这行。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/plot3d_ex.png]]

从以下代码开始，尝试生成上边的图形，添加标签和红色条形。

from pylab import *
from mpl_toolkits.mplot3d import Axes3D

fig = figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot')

show()

提示：你需要使用contourf命令。

点击图像获取答案。

[[http://www.loria.fr/~rougier/teaching/matplotlib/figures/text_ex.png]]

试着从头做这个！提示：看一看matplotlib logo

点击图像获取答案。

pyplot教程

图像教程

文本教程

artist对象教程

路径教程

变换教程

用户手册

常见问题

截图

代码相当好的文档化了，你可以在 python 会话中快速查询指定命令

>>> from pylab import *
>>> help(plot)
Help on function plot in module matplotlib.pyplot:

plot(*args, **kwargs)
   Plot lines and/or markers to the
   :class:`~matplotlib.axes.Axes`.  *args* is a variable length
   argument, allowing for multiple *x*, *y* pairs with an
   optional format string.  For example, each of the following is
   legal::

       plot(x, y)         # plot x and y using default line style and color
       plot(x, y, 'bo')   # plot x and y using blue circle markers
       plot(y)            # plot y using x as index array 0..N-1
       plot(y, 'r+')      # ditto, but with red plusses

   If *x* and/or *y* is 2-dimensional, then the corresponding columns
   will be plotted.

当你搜寻如何绘制指定图像时，matplotlib gallery也相当有用。每个例子和它的源码一同被提供。

一个较小的画廊在这里

最后，这里有一个用户邮件列表，那里你可以寻求帮助。一个开发者邮件列表是更加技术性的。