| 2. 科研绘图之 matplotlib 图形窗口 | 您所在的位置：网站首页 › Python绘图窗格选项在哪 › 2. 科研绘图之 matplotlib 图形窗口 |
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()
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 y=sinx y=sinx 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()
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()
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MingLiU3、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()
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()
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()
**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()
|
【本文地址】
公司简介
联系我们