Matplotlib

来自Shiyin's note
跳到导航 跳到搜索
  • ipython中事先执行 %matplotlib
交互式模式:plt.ion()
关闭交互式:plt.ioff()

配置

pyplot的style配置

  • 使用内置的style
plt.style.use('ggplot')
print(plt.style.available) (当前使用的style)
  • 可以自定义style

For example, you might want to create mpl_configdir/stylelib/presentation.mplstyle with the following:

axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16

Then, when you want to adapt a plot designed for a paper to one that looks good in a presentation, you can just add:

>>> import matplotlib.pyplot as plt
>>> plt.style.use('presentation')

matplotlib的配置

  • 使用matplotlib.rcParams
mpl.rcParams['lines.linewidth'] = 2
mpl.rcParams['lines.color'] = 'r'
  • matplotlib.rcdefaults() 恢复默认配置
  • matplotlibrc file
matplotlib.matplotlib_fname()

两种不同的画图模式

交互式plot

  • 简单的例子
import matplotlib.pyplot as plt
plt.clf()
plt.figure(1,figsize=(9, 3))
plt.plot(x, y,label='sin') 
plt.errorbar(x, y, xerr=0.1 * x, yerr=5.0 + 0.75 * y, ls='None', marker='s',uplims=True) #误差棒,ls='None' 表示不连线 
plt.xlim(0,3)  #调整坐标范围 或者用 plt.axis([40, 160, 0, 0.03])同时设定x和y轴的范围
plt.xscale('log') # 设置对数坐标格式,,
plt.xlabel('x label')
plt.title("Simple Plot")
plt.legend(loc='upper left') #图例  显示前面plot中的label
plt.show()
  • use keyword args
 lines = plt.plot(x, y)
 plt.setp(lines, color='r', linewidth=2.0) #[3]
  • plt.plot() 中的颜色,线型等
  • options for the color characters are: 'r' , 'g' , 'b' = blue, 'c' = cyan, 'm' = magenta, 'y' = yellow, 'k' = black, 'w' = white
  • Options for line styles are: '-' = solid, '--' = dashed, ':' = dotted, '-.' = dot-dashed, '.' = points, 'o' = filled circles, '^' = filled triangles
  • marker style [4]

多个panel

  • 可以通过plt.gca()获得当前(subplot)坐标轴的属性,通过plt.gcf()获得当前图形的属性。 同样地,plt.cla()和plt.clf()将分别清除当前的轴和图形。
 plt.subplot(211) # panels
 plt.subplots_adjust(hspace=0.3) #调整多个panel的间隔
 plt.subplot(212)
 plt.scatter(x, y) 
 plt.subtitle('Categorical Plotting')
 plt.tight_layout() #这个是重新排列的神器
 fig=plt.gcf()
 fig.suptitle('Title',fontsize=16) #给图一个总标题
  • 高级用法plt.subplot2grid()参见[5]

字体大小设置

  • plt.tick_params(labelsize=23) #设置图的坐标轴的字体大小
  • label的字体大小,直接添加 ‘size=18’这样的关键词

latex字符

plt.rc(usetex = True)
plt.xlabel('\\alpha') #转义 参见[6]
plt.xlabel(r'\alpha') #r'代表raw string

coding style

  • 通过关键词来配置图的要素,功能更强大,但是直观性稍弱
x = np.arange(0, 10, 0.2)
y = np.sin(x)
fig, ax = plt.subplots()
ax.plot(x, y)
plt.show()
  • ax也可以在互动模式中通过 plt.gca()获取
ax=plt.gca()

axes的配置

ax.semilogx  : 对数坐标
ax.grid :添加grid
ax.set_xlim(xmin=1,xmax=10) #设置坐标范围
ax.xaxis.tick_top() #坐标轴的tick显示在图的上方
ax.xaxis.set_label_position('top') #x坐标轴的label显示在图的上方,这一点似乎无法在交互式命令中简单实现

专题

直方图

plt.hist()

  • 关键词有 bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, normed=None
    • bins=np.arange(2,3,0.1)
    • density=Ture #默认是False,如果是Trure相当于归一化
    • histtype: 可选{'bar', 'barstacked', 'step', 'stepfilled'}之一,默认为bar,推荐使用默认配置,step使用的是梯状,stepfilled则会对梯状内部进行填充,效果与bar类似
    • log: bool,默认False,即y坐标轴是否选择指数刻度
    • ls(linestyle),这是个通用参数
linestyle	description
'-' or 'solid'	solid line
'--' or 'dashed'	dashed line
'-.' or 'dashdot'	dash-dotted line
':' or 'dotted'	dotted line
    • color,通用参数
  • 输出三个列表,前两个分别是直方图的数值和bin的取值,第三个patches啥意思不清楚
Freq, bins, patches = plt.hist(x, 50, normed=1)

图像

  • imshow()
delta = 0.025
x = y = np.arange(-3.0, 3.0, delta)
X, Y = np.meshgrid(x, y)
Z = np.exp(-X**2 - Y**2)
fig, ax = plt.subplots()
im = ax.imshow(Z, interpolation='bilinear', cmap=cm.RdYlGn,
              origin='lower', extent=[-3, 3, -3, 3],
              vmax=abs(Z).max(), vmin=-abs(Z).max())     #lower 就是把index[0,0]放在左下,extent是数轴上标志的范围
plt.imshow(Z)
Zm = np.ma.masked_where(Z > 1.2, Z) #mask image
plt.imshow(Zm)

contour图

xx=np.arange(7,12,0.10)
yy=np.arange(0.,3,0.05)
X,Y=np.meshgrid(xx,yy)
zdens=densxy(Spax_Ms[Lsel],Spax_RtoRe[Lsel],.10,0.05,xmin=7.,ymin=0.,nx=50,ny=60) # my own pro
plt.contour(X,Y,zdens,[50,200,500],color='blue')
plt.annotate('blue: high $\mu$ spaxels',(7.2,2.6),color='blue',size=20)

contour不直接支持label和legend,要用legend,参见 [7]

colorbar

  • 自己定制的一个colorbar的实际例子,两个panel,共用一个colorbar
fig, axes=plt.subplots(2,1)
fig.subplots_adjust(right=0.9)
#fig.subplots_adjust(hspace=0.)
Mbin=np.range(5)+4
MR50=np.range(5)***2
SR50=np.ones(1)
age=np.log10(np.array([0.01,0.05,0.5,2.,8.])) #这个是颜色的取值
plt.subplot(2,1,1)#panel 1
plt.scatter(Mbin,MR50, c=age,cmap="rainbow")
plt.ylabel('Mean ln(R50) (log Age)')
plt.subplot(2,1,2)#panel 2
ax=plt.scatter(Mbin,SR50,c=age,cmap="rainbow")    
plt.xlabel('log(M*)')
plt.ylabel('$\sigma$ ln(R50) (log Age)')
position = fig.add_axes([0.92, 0.12, 0.015, .78 ])#位置[左,下,右,上]  
cb = fig.colorbar(ax,cax=position)  #color bar
cb.set_ticks(age) #设置colorbar 的ticks的位置
str=['{:.2f}'.format(v) for i,v in enumerate(10**age)] #设置colorbar的ticks的数值
cb.set_ticklabels(str)

patch

matplotlib.patches.Ellipse

  • ellipse matplotlib.patches.Ellipse(xy, width, height, angle=0, **kwargs)[8]

保存图片文件

  • plt.savefig("filename.png")
  • plt.savefig('SFH_LMC_miles.pdf',format='pdf')
  • 保存文件一片空白
在 plt.show() 后调用了 plt.savefig() ,在 plt.show() 后实际上已经创建了一个新的空白的图片(坐标轴),这时候你再 plt.savefig() 就会保存这个新生成的空白图片。
plt.show() 放在最后,或者
    # gcf: Get Current Figure
   fig = plt.gcf()
   plt.show()
   fig1.savefig('tessstttyyy.png', dpi=100)
  • matplotlib.use('PS') # generate postscript output by default #在importing matplotlib.pyplot之前用压倒一切设置
  • 按照原始图片分辨率保存图片
 if you want to save a image with 3841 x 7195 pixels, you could do the following:
plt.figure(figsize=(3.841, 7.195), dpi=100)
( your code ...)
plt.savefig('myfig.png', dpi=1000)