Matplotlib

• ipython中事先执行 %matplotlib

交互式模式：plt.ion()

关闭交互式:plt.ioff()

• 参见 [1] [2]

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

 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

latex字符

plt.rc(usetex = True)
plt.xlabel('\\alpha') #转义 参见[5]
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)

patch

matplotlib.patches.Ellipse

• ellipse matplotlib.patches.Ellipse(xy, width, height, angle=0, **kwargs)[6]

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