文章目錄

• 莫煩 Matplotlib
• • Matplotlib安裝
  • • Linux
    • MacOS
    • Windows
  • 使用
  • • figure圖像
    • 設置坐標軸1
    • 設置坐標軸2
    • Legend圖例
    • • 添加圖例
      • 調整位置和名稱
    • Annotation 標注
    • • 畫出基本圖
      • 移動坐標
      • 添加注釋 annotate
      • 添加注釋 text
    • tick 能見度
    • • 生成圖形
      • 調整坐標
  • 畫圖種類
  • • Scatter 散點圖
  • 散點圖
  • • Bar 柱狀圖
    • • 生成基本圖形
      • 加顏色和數據
    • Contours 等高線圖
    • • 畫等高線
      • 添加高度數字
    • Image 圖片
    • • 隨機矩陣畫圖
      • 出圖方式
      • colorbar
    • 3D 數據
    • • 3D 圖
      • 投影
  • 多圖合并顯示
  • • Subplot 多合一顯示
    • • 均勻圖中圖
      • 不均勻圖中圖
    • Subplot 分格顯示
    • • subplot2grid
      • gridspec
      • subplots
    • 圖中圖
    • • 數據
      • 大圖
      • 小圖
    • 次坐標軸
    • • 第二個y坐標
  • 動畫
  • • Animation 動畫
    • • 定義方程
      • 參數設置

莫煩 Matplotlib

在學習了numpy&pandas后

如果某天你發現自己要學習 Matplotlib, 很可能是因為:

Matplotlib 是一個非常強大的 Python 畫圖工具;

手中有很多數據, 可是不知道該怎么呈現這些數據.

所以就找到了 Matplotlib. 它能幫你畫出美麗的:

• 線圖;

• 散點圖;

• 等高線圖;

• 條形圖;

• 柱狀圖;

• 3D 圖形,

• 甚至是圖形動畫等等.

Matplotlib安裝

Linux

打開 Terminal 窗口, 輸入以下內容

# python 3+ 請復制以下在 terminal 中執行 $ sudo apt-get install python3-matplotlib# python 2+ 請復制以下在 terminal 中執行 $ sudo apt-get install python-matplotlib

MacOS

打開 Terminal 窗口, 輸入以下內容

# python 3+ 請復制以下在 terminal 中執行 $ pip3 install matplotlib# python 2+ 請復制以下在 terminal 中執行 $ pip install matplotlib

Windows

$ pip install matplotlib

使用

使用import導入模塊matplotlib.pyplot，并簡寫成plt 使用import導入模塊numpy，并簡寫成np

import matplotlib.pyplot as plt import numpy as np

使用np.linspace定義x：范圍是(-3,3); 個數是50.

仿真一維數據組(x ,y1)表示曲線1. 仿真一維數據組(x ,y2)表示曲線2.

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

figure圖像

使用plt.figure定義一個圖像窗口.

使用plt.plot畫(x ,y2)曲線.

使用plt.plot畫(x ,y1)曲線，曲線的顏色屬性(color)為紅色; 曲線的寬度(linewidth)為1.0；曲線的類型(linestyle)為虛線.

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

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-meWmKAjL-1581754395514)(https://morvanzhou.github.io/static/results/plt/2_2_2.png)]

設置坐標軸1

使用plt.xlim設置x坐標軸范圍：(-1, 2)；

使用plt.ylim設置y坐標軸范圍：(-2, 3)；

使用plt.xlabel設置x坐標軸名稱：’I am x’；

使用plt.ylabel設置y坐標軸名稱：’I am y’；

plt.xlim((-1, 2)) plt.ylim((-2, 3)) plt.xlabel('I am x') plt.ylabel('I am y') plt.show()

使用np.linspace定義范圍以及個數：范圍是(-1,2);個數是5.

使用print打印出新定義的范圍. 使用plt.xticks設置x軸刻度：范圍是(-1,2); 個數是5.

new_ticks = np.linspace(-1, 2, 5) print(new_ticks) plt.xticks(new_ticks)

使用plt.yticks設置y軸刻度以及名稱：刻度為[-2, -1.8, -1, 1.22, 3]；對應刻度的名稱為[‘really bad’,’bad’,’normal’,’good’, ‘really good’]. 使用plt.show顯示圖像.

plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$']) plt.show()

使用plt.gca獲取當前坐標軸信息.

使用.spines設置邊框：右側邊框；

使用.set_color設置邊框顏色：默認白色；

使用.spines設置邊框：上邊框；

使用.set_color設置邊框顏色：默認白色；

ax = plt.gca() ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') plt.show()

設置坐標軸2

使用.xaxis.set_ticks_position設置x坐標刻度數字或名稱的位置：bottom.（所有位置：top，bottom，both，default，none）

ax.xaxis.set_ticks_position('bottom')

使用.spines設置邊框：x軸；使用.set_position設置邊框位置：y=0的位置；（位置所有屬性：outward，axes，data）

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

使用.yaxis.set_ticks_position設置y坐標刻度數字或名稱的位置：left.（所有位置：left，right，both，default，none）

ax.yaxis.set_ticks_position('left')

使用.spines設置邊框：y軸；使用.set_position設置邊框位置：x=0的位置；（位置所有屬性：outward，axes，data） 使用plt.show顯示圖像.

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

Legend圖例

添加圖例

本節中我們將對圖中的兩條線繪制圖例，首先我們設置兩條線的類型等信息（藍色實線與紅色虛線).

# set line syles l1, = plt.plot(x, y1, label='linear line') l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')

legend將要顯示的信息來自于上面代碼中的 label. 所以我們只需要簡單寫下一下代碼, plt 就能自動的為我們添加圖例.

plt.legend(loc='upper right')

參數 loc='upper right' 表示圖例將添加在圖中的右上角.

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-OWt2YBoW-1581754395519)(https://morvanzhou.github.io/static/results/plt/2_5_1.png)]

調整位置和名稱

如果我們想單獨修改之前的 label 信息, 給不同類型的線條設置圖例信息.

我們可以在 plt.legend 輸入更多參數. 如果以下面這種形式添加 legend, 我們需要確保, 在上面的代碼 plt.plot(x, y2, label='linear line') 和 plt.plot(x, y1, label='square line') 中有用變量 l1 和 l2 分別存儲起來. 而且需要注意的是 l1, l2,要以逗號結尾, 因為plt.plot() 返回的是一個列表.

plt.legend(handles=[l1, l2], labels=['up', 'down'], loc='best')

這樣我們就能分別重新設置線條對應的 label 了.

最后我們得到帶有圖例信息的圖片.

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-kAy8qrxt-1581754395520)(https://morvanzhou.github.io/static/results/plt/2_5_2.png)]

其中’loc’參數有多種，’best’表示自動分配最佳位置，其余的如下：

'best' : 0, 'upper right' : 1,'upper left' : 2,'lower left' : 3,'lower right' : 4,'right' : 5,'center left' : 6,'center right' : 7,'lower center' : 8,'upper center' : 9,'center' : 10,

Annotation 標注

畫出基本圖

當圖線中某些特殊地方需要標注時，我們可以使用 annotation. matplotlib 中的 annotation 有兩種方法， 一種是用 plt 里面的 annotate，一種是直接用 plt 里面的 text 來寫標注.

首先，我們在坐標軸中繪制一條直線.

import matplotlib.pyplot as plt import numpy as npx = np.linspace(-3, 3, 50) y = 2*x + 1plt.figure(num=1, figsize=(8, 5),) plt.plot(x, y,)

移動坐標

然后我們挪動坐標軸的位置.

ax = plt.gca() ax.spines['right'].set_color('none') ax.spines['top'].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))

然后標注出點(x0, y0)的位置信息. 用plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5) 畫出一條垂直于x軸的虛線.

x0 = 1 y0 = 2*x0 + 1 plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5) # set dot styles plt.scatter([x0, ], [y0, ], s=50, color='b')

添加注釋 annotate

接下來我們就對(x0, y0)這個點進行標注.

plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))

其中參數xycoords='data' 是說基于數據的值來選位置, xytext=(+30, -30) 和 textcoords='offset points' 對于標注位置的描述 和 xy 偏差值, arrowprops是對圖中箭頭類型的一些設置.

添加注釋 text

plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',fontdict={'size': 16, 'color': 'r'})

其中-3.7, 3,是選取text的位置, 空格需要用到轉字符\,fontdict設置文本字體.

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-3w5U7QOH-1581754395525)(https://morvanzhou.github.io/static/results/plt/2_6_5.png)]

tick 能見度

生成圖形

當圖片中的內容較多，相互遮蓋時，我們可以通過設置相關內容的透明度來使圖片更易于觀察，也即是通過本節中的bbox參數設置來調節圖像信息.

首先參考之前的例子, 我們先繪制圖像基本信息：

import matplotlib.pyplot as plt import numpy as npx = np.linspace(-3, 3, 50) y = 0.1*xplt.figure() # 在 plt 2.0.2 或更高的版本中, 設置 zorder 給 plot 在 z 軸方向排序 plt.plot(x, y, linewidth=10, zorder=1) plt.ylim(-2, 2) ax = plt.gca() ax.spines['right'].set_color('none') ax.spines['top'].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))

調整坐標

然后對被遮擋的圖像調節相關透明度，本例中設置 x軸 和 y軸 的刻度數字進行透明度設置

for label in ax.get_xticklabels() + ax.get_yticklabels():label.set_fontsize(12)# 在 plt 2.0.2 或更高的版本中, 設置 zorder 給 plot 在 z 軸方向排序label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2)) plt.show()

其中label.set_fontsize(12)重新調節字體大小，bbox設置目的內容的透明度相關參，facecolor調節 box 前景色，edgecolor 設置邊框， 本處設置邊框為無，alpha設置透明度. 最終結果如下:

畫圖種類

Scatter 散點圖

散點圖

首先，先引入matplotlib.pyplot簡寫作plt,再引入模塊numpy用來產生一些隨機數據。生成1024個呈標準正態分布的二維數據組 (平均數是0，方差為1) 作為一個數據集，并圖像化這個數據集。每一個點的顏色值用T來表示：

import matplotlib.pyplot as plt import numpy as npn = 1024 # data size X = np.random.normal(0, 1, n) # 每一個點的X值 Y = np.random.normal(0, 1, n) # 每一個點的Y值 T = np.arctan2(Y,X) # for color value

數據集生成完畢，現在來用scatterplot這個點集，鼠標點上去，可以看到這個函數的各個parameter的描述，如下圖：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-6hLkrMwl-1581754395528)(https://morvanzhou.github.io/static/results/plt/3_1_2.png)]

輸入X和Y作為location，size=75，顏色為T，color map用默認值，透明度alpha 為 50%。 x軸顯示范圍定位(-1.5，1.5)，并用xtick()函數來隱藏x坐標軸，y軸同理：

plt.scatter(X, Y, s=75, c=T, alpha=.5)plt.xlim(-1.5, 1.5) plt.xticks(()) # ignore xticks plt.ylim(-1.5, 1.5) plt.yticks(()) # ignore yticksplt.show()

Bar 柱狀圖

生成基本圖形

向上向下分別生成12個數據，X為 0 到 11 的整數 ，Y是相應的均勻分布的隨機數據。 使用的函數是plt.bar，參數為X和Y：

import matplotlib.pyplot as plt import numpy as npn = 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)plt.bar(X, +Y1) plt.bar(X, -Y2)plt.xlim(-.5, n) plt.xticks(()) plt.ylim(-1.25, 1.25) plt.yticks(())plt.show()

這樣我們就生成了下圖所示的柱狀圖基本框架：

加顏色和數據

下面我們就顏色和數值進行優化。 用facecolor設置主體顏色，edgecolor設置邊框顏色為白色，

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

現在的結果呈現：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-1Mm5YCEh-1581754395530)(https://morvanzhou.github.io/static/results/plt/3_2_3.png)]

接下來我們用函數plt.text分別在柱體上方（下方）加上數值，用%.2f保留兩位小數，橫向居中對齊ha='center'，縱向底部（頂部）對齊va='bottom'：

for x, y in zip(X, Y1):# ha: horizontal alignment# va: vertical alignmentplt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')for x, y in zip(X, Y2):# ha: horizontal alignment# va: vertical alignmentplt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top')

最終的結果就像開始一樣：

Contours 等高線圖

畫等高線

數據集即三維點 (x,y) 和對應的高度值，共有256個點。高度值使用一個 height function f(x,y) 生成。 x, y 分別是在區間 [-3,3] 中均勻分布的256個值，并用meshgrid在二維平面中將每一個x和每一個y分別對應起來，編織成柵格:

import matplotlib.pyplot as plt import numpy as npdef f(x,y):# the height functionreturn (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)

接下來進行顏色填充。使用函數plt.contourf把顏色加進去，位置參數分別為：X, Y, f(X,Y)。透明度0.75，并將 f(X,Y) 的值對應到color map的暖色組中尋找對應顏色。

# use plt.contourf to filling contours # X, Y and value for (X,Y) point plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)

接下來進行等高線繪制。使用plt.contour函數劃線。位置參數為：X, Y, f(X,Y)。顏色選黑色，線條寬度選0.5。現在的結果如下圖所示，只有顏色和線條，還沒有數值Label：

# use plt.contour to add contour lines C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)

添加高度數字

其中，8代表等高線的密集程度，這里被分為10個部分。如果是0，則圖像被一分為二。

最后加入Label，inline控制是否將Label畫在線里面，字體大小為10。并將坐標軸隱藏：

plt.clabel(C, inline=True, fontsize=10) plt.xticks(()) plt.yticks(())

最終結果即：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-0kwutgKM-1581754395532)(https://morvanzhou.github.io/static/results/plt/3_3_1.png)]

Image 圖片

隨機矩陣畫圖

這一節我們講解怎樣在matplotlib中打印出圖像。這里我們打印出的是純粹的數字，而非自然圖像。 我們今天用這樣 3x3 的 2D-array 來表示點的顏色，每一個點就是一個pixel。

import matplotlib.pyplot as plt import numpy as npa = np.array([0.313660827978, 0.365348418405, 0.423733120134,0.365348418405, 0.439599930621, 0.525083754405,0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)

今天做出的圖像就是這個樣子：

三行三列的格子，a代表每一個值，圖像右邊有一個注釋，白色代表值最大的地方，顏色越深值越小。

下面我們來看代碼：

plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')

我們之前選cmap的參數時用的是：cmap=plt.cmap.bone，而現在，我們可以直接用單引號傳入參數。 origin='lower'代表的就是選擇的原點的位置。

出圖方式

我們在這個鏈接 可以看到matplotlib官網上對于內插法的不同方法的描述。下圖是一個示例：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-DiuBCLOF-1581754395533)(https://morvanzhou.github.io/static/results/plt/3_4_2.png)]

這里我們使用的是內插法中的 Nearest-neighbor 的方法，其他的方式也都可以隨意取選。

colorbar

下面我們添加一個colorbar ，其中我們添加一個shrink參數，使colorbar的長度變短為原來的92%：

plt.colorbar(shrink=.92)plt.xticks(()) plt.yticks(()) plt.show()

這樣我們2D圖像就創建完畢了。

3D 數據

3D 圖

首先在進行 3D Plot 時除了導入 matplotlib ，還要額外添加一個模塊，即 Axes 3D 3D 坐標軸顯示：

import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D

之后要先定義一個圖像窗口，在窗口上添加3D坐標軸，顯示成下圖：

fig = plt.figure() ax = Axes3D(fig)

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-AFtOqCb6-1581754395535)(https://morvanzhou.github.io/static/results/plt/3_5_2.png)]

接下來給進 X 和 Y 值，并將 X 和 Y 編織成柵格。每一個（X, Y）點對應的高度值我們用下面這個函數來計算。

# X, Y value X = np.arange(-4, 4, 0.25) Y = np.arange(-4, 4, 0.25) X, Y = np.meshgrid(X, Y) # x-y 平面的網格 R = np.sqrt(X ** 2 + Y ** 2) # height value Z = np.sin(R)

今天的結果是這樣的：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-tz0349Lz-1581754395535)(https://morvanzhou.github.io/static/results/plt/3_5_1.png)]

做出一個三維曲面，并將一個 colormap rainbow 填充顏色，之后將三維圖像投影到 XY 平面上做一個等高線圖。 plot 3D 圖像：

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))

其中，rstride 和 cstride 分別代表 row 和 column 的跨度。

下面兩個圖分別是跨度為1 和 5 的效果：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-7BhxftQO-1581754395536)(https://morvanzhou.github.io/static/results/plt/3_5_3.png)]

投影

下面添加 XY 平面的等高線：

ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))

如果 zdir 選擇了x，那么效果將會是對于 XZ 平面的投影，效果如下：

最終我們的結果如下圖：

多圖合并顯示

Subplot 多合一顯示

均勻圖中圖

matplotlib 是可以組合許多的小圖, 放在一張大圖里面顯示的. 使用到的方法叫作 subplot.

使用import導入matplotlib.pyplot模塊, 并簡寫成plt. 使用plt.figure創建一個圖像窗口.

import matplotlib.pyplot as pltplt.figure()

使用plt.subplot來創建小圖. plt.subplot(2,2,1)表示將整個圖像窗口分為2行2列, 當前位置為1. 使用plt.plot([0,1],[0,1])在第1個位置創建一個小圖.

plt.subplot(2,2,1) plt.plot([0,1],[0,1])

plt.subplot(2,2,2)表示將整個圖像窗口分為2行2列, 當前位置為2. 使用plt.plot([0,1],[0,2])在第2個位置創建一個小圖.

plt.subplot(2,2,2) plt.plot([0,1],[0,2])

plt.subplot(2,2,3)表示將整個圖像窗口分為2行2列,當前位置為3. plt.subplot(2,2,3)可以簡寫成plt.subplot(223), matplotlib同樣可以識別. 使用plt.plot([0,1],[0,3])在第3個位置創建一個小圖.

plt.subplot(223) plt.plot([0,1],[0,3])

plt.subplot(224)表示將整個圖像窗口分為2行2列, 當前位置為4. 使用plt.plot([0,1],[0,4])在第4個位置創建一個小圖.

plt.subplot(224) plt.plot([0,1],[0,4])plt.show() # 展示

不均勻圖中圖

如果希望展示的小圖的大小不相同, 應該怎么做呢? 以上面的4個小圖為例, 如果把第1個小圖放到第一行, 而剩下的3個小圖都放到第二行.

使用plt.subplot(2,1,1)將整個圖像窗口分為2行1列, 當前位置為1. 使用plt.plot([0,1],[0,1])在第1個位置創建一個小圖.

plt.subplot(2,1,1) plt.plot([0,1],[0,1])

使用plt.subplot(2,3,4)將整個圖像窗口分為2行3列, 當前位置為4. 使用plt.plot([0,1],[0,2])在第4個位置創建一個小圖.

plt.subplot(2,3,4) plt.plot([0,1],[0,2])

這里需要解釋一下為什么第4個位置放第2個小圖. 上一步中使用plt.subplot(2,1,1)將整個圖像窗口分為2行1列, 第1個小圖占用了第1個位置, 也就是整個第1行. 這一步中使用plt.subplot(2,3,4)將整個圖像窗口分為2行3列, 于是整個圖像窗口的第1行就變成了3列, 也就是成了3個位置, 于是第2行的第1個位置是整個圖像窗口的第4個位置.

使用plt.subplot(235)將整個圖像窗口分為2行3列,當前位置為5. 使用plt.plot([0,1],[0,3])在第5個位置創建一個小圖. 同上, 再創建plt.subplot(236).

plt.subplot(235) plt.plot([0,1],[0,3])plt.subplot(236) plt.plot([0,1],[0,4])plt.show() # 展示

Subplot 分格顯示

matplotlib 的 subplot 還可以是分格的,這里介紹三種方法.

subplot2grid

使用import導入matplotlib.pyplot模塊, 并簡寫成plt. 使用plt.figure()創建一個圖像窗口

import matplotlib.pyplot as pltplt.figure()

使用plt.subplot2grid來創建第1個小圖, (3,3)表示將整個圖像窗口分成3行3列, (0,0)表示從第0行第0列開始作圖，colspan=3表示列的跨度為3, rowspan=1表示行的跨度為1. colspan和rowspan缺省, 默認跨度為1.

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3) ax1.plot([1, 2], [1, 2]) # 畫小圖 ax1.set_title('ax1_title') # 設置小圖的標題

使用plt.subplot2grid來創建第2個小圖, (3,3)表示將整個圖像窗口分成3行3列, (1,0)表示從第1行第0列開始作圖，colspan=2表示列的跨度為2. 同上畫出 ax3, (1,2)表示從第1行第2列開始作圖，rowspan=2表示行的跨度為2. 再畫一個 ax4 和 ax5, 使用默認 colspan, rowspan.

ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2) ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2) ax4 = plt.subplot2grid((3, 3), (2, 0)) ax5 = plt.subplot2grid((3, 3), (2, 1))

使用ax4.scatter創建一個散點圖, 使用ax4.set_xlabel和ax4.set_ylabel來對x軸和y軸命名.

ax4.scatter([1, 2], [2, 2]) ax4.set_xlabel('ax4_x') ax4.set_ylabel('ax4_y')

gridspec

使用import導入matplotlib.pyplot模塊, 并簡寫成plt. 使用import導入matplotlib.gridspec, 并簡寫成gridspec.

import matplotlib.pyplot as plt import matplotlib.gridspec as gridspec

使用plt.figure()創建一個圖像窗口, 使用gridspec.GridSpec將整個圖像窗口分成3行3列.

plt.figure() gs = gridspec.GridSpec(3, 3)

使用plt.subplot來作圖, gs[0, :]表示這個圖占第0行和所有列, gs[1, :2]表示這個圖占第1行和第2列前的所有列, gs[1:, 2]表示這個圖占第1行后的所有行和第2列, gs[-1, 0]表示這個圖占倒數第1行和第0列, gs[-1, -2]表示這個圖占倒數第1行和倒數第2列.

ax6 = plt.subplot(gs[0, :]) ax7 = plt.subplot(gs[1, :2]) ax8 = plt.subplot(gs[1:, 2]) ax9 = plt.subplot(gs[-1, 0]) ax10 = plt.subplot(gs[-1, -2])

subplots

使用plt.subplots建立一個2行2列的圖像窗口，sharex=True表示共享x軸坐標, sharey=True表示共享y軸坐標. ((ax11, ax12), (ax13, ax14))表示第1行從左至右依次放ax11和ax12, 第2行從左至右依次放ax13和ax14.

f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)

使用ax11.scatter創建一個散點圖.

ax11.scatter([1,2], [1,2])

plt.tight_layout()表示緊湊顯示圖像, plt.show()表示顯示圖像.

plt.tight_layout() plt.show()

圖中圖

這次我們來講matplotlib里一個很有意思的功能，叫做圖中圖(plot in plot)，最后的效果如下：

可以看到，整個Figure 1包含了三個圖，其中兩個小圖title inside 1和title inside 2又出現在大圖title中。這是如何做到的呢？

數據

首先是一些準備工作：

# 導入pyplot模塊 import matplotlib.pyplot as plt# 初始化figure fig = plt.figure()# 創建數據 x = [1, 2, 3, 4, 5, 6, 7] y = [1, 3, 4, 2, 5, 8, 6]

大圖

接著，我們來繪制大圖。首先確定大圖左下角的位置以及寬高：

left, bottom, width, height = 0.1, 0.1, 0.8, 0.8

注意，4個值都是占整個figure坐標系的百分比。在這里，假設figure的大小是10x10，那么大圖就被包含在由(1, 1)開始，寬8，高8的坐標系內。

將大圖坐標系添加到figure中，顏色為r(red)，取名為title：

ax1 = fig.add_axes([left, bottom, width, height]) ax1.plot(x, y, 'r') ax1.set_xlabel('x') ax1.set_ylabel('y') ax1.set_title('title')

效果如下：

小圖

接著，我們來繪制左上角的小圖，步驟和繪制大圖一樣，注意坐標系位置和大小的改變：

left, bottom, width, height = 0.2, 0.6, 0.25, 0.25 ax2 = fig.add_axes([left, bottom, width, height]) ax2.plot(y, x, 'b') ax2.set_xlabel('x') ax2.set_ylabel('y') ax2.set_title('title inside 1')

效果如下：

最后，我們來繪制右下角的小圖。這里我們采用一種更簡單方法，即直接往plt里添加新的坐標系：

plt.axes([0.6, 0.2, 0.25, 0.25]) plt.plot(y[::-1], x, 'g') # 注意對y進行了逆序處理 plt.xlabel('x') plt.ylabel('y') plt.title('title inside 2')

最后顯示圖像：

plt.show()

次坐標軸

第一個y坐標

有時候我們會用到次坐標軸，即在同個圖上有第2個y軸存在。同樣可以用matplotlib做到，而且很簡單。

首先，我們做一些準備工作：

import matplotlib.pyplot as plt import numpy as npx = np.arange(0, 10, 0.1)y1 = 0.05 * x**2y2 = -1 * y1

可以看到，y2和y1是互相倒置的。接著，獲取figure默認的坐標系 ax1：

fig, ax1 = plt.subplots()

第二個y坐標

對ax1調用twinx()方法，生成如同鏡面效果后的ax2：

ax2 = ax1.twinx()

接著進行繪圖, 將 y1, y2 分別畫在 ax1, ax2 上：

ax1.plot(x, y1, 'g-') # green, solid lineax1.set_xlabel('X data')ax1.set_ylabel('Y1 data', color='g')ax2.plot(x, y2, 'b-') # blueax2.set_ylabel('Y2 data', color='b')

顯示圖像：

plt.show()

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-pXITjd62-1581754395547)(https://morvanzhou.github.io/static/results/plt/4_4_1.png)]

動畫

Animation 動畫

定義方程

使用matplotlib做動畫也是可以的，我們使用其中一種方式，function animation來說說， 具體可參考matplotlib animation api。首先，我們做一些準備工作：

from matplotlib import pyplot as plt from matplotlib import animation import numpy as np fig, ax = plt.subplots()

我們的數據是一個0~2π內的正弦曲線：

x = np.arange(0, 2*np.pi, 0.01) line, = ax.plot(x, np.sin(x))

接著，構造自定義動畫函數animate，用來更新每一幀上各個x對應的y坐標值，參數表示第i幀：

def animate(i):line.set_ydata(np.sin(x + i/10.0))return line,

然后，構造開始幀函數init：

def init():line.set_ydata(np.sin(x))return line,

參數設置

接下來，我們調用FuncAnimation函數生成動畫。參數說明：

fig 進行動畫繪制的figure

func 自定義動畫函數，即傳入剛定義的函數animate

frames 動畫長度，一次循環包含的幀數

init_func 自定義開始幀，即傳入剛定義的函數init

interval 更新頻率，以ms計

blit 選擇更新所有點，還是僅更新產生變化的點。應選擇True，但mac用戶請選擇False，否則無法顯示動畫

ani = animation.FuncAnimation(fig=fig,func=animate,frames=100,init_func=init,interval=20,blit=False)

顯示動畫：

plt.show()

當然，你也可以將動畫以mp4格式保存下來，但首先要保證你已經安裝了ffmpeg 或者mencoder， 更多信息參考matplotlib animation api：

ani.save('basic_animation.mp4', fps=30, extra_args=['-vcodec', 'libx264'])

總結

以上是生活随笔為你收集整理的莫烦 Matplotlib的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。