5 matplotlib-绘制精美的图表

图5.1 调用pyplot库快速将数据绘制成曲线图

pylab模块

matplotlib还提供了名为pylab的模块，其中包括了许多numpy和pyplot中常用的函数，方便用户快速进行计算和绘图，可以用于IPython中的快速交互式使用。

5.1.1　配置属性

matplotlib所绘制的图的每个组成部分都对应有一个对象，我们可以通过调用这些对象的属性设置方法set_*或者pyplot的属性设置函数setp设置其属性值。例如plot函数返回一个 matplotlib.lines.Line2D 对象的列表，下面的例子显示如何设置Line2D对象的属性：

>>> import numpy as np

>>> import matplotlib.pyplot as plt

>>> x = np.arange(0, 5, 0.1)

>>> line, = plt.plot(x, x*x) # plot返回一个列表，通过line,获取其第一个元素

>>> # 调用Line2D对象的set_*方法设置属性值

>>> line.set_antialiased(False)

>>> # 同时绘制sin和cos两条曲线，lines是一个有两个Line2D对象的列表

>>> lines = plt.plot(x, np.sin(x), x, np.cos(x)) #

>>> # 调用setp函数同时配置多个Line2D对象的多个属性值

>>> plt.setp(lines, color="r", linewidth=2.0)

这段例子中，通过调用Line2D对象line的set_antialiased方法，关闭对象的反锯齿效果。或者通过调用plt.setp函数配置多个Line2D对象的颜色和线宽属性。

同样我们可以通过调用Line2D对象的get_*方法，或者plt.getp函数获取对象的属性值：

>>> line.get_linewidth()

1.0

>>> plt.getp(lines[0], "color") # 返回color属性

'r'

>>> plt.getp(lines[1]) # 输出全部属性

alpha = 1.0

animated = False

antialiased or aa = True

axes = Axes(0.125,0.1;0.775x0.8)

... ...

注意getp函数只能对一个对象进行操作，它有两种用法：

• 指定属性名：返回对象的指定属性的值
• 不指定属性名：打印出对象的所有属性和其值

matplotlib的整个图表为一个Figure对象，此对象在调用plt.figure函数时返回，我们也可以通过plt.gcf函数获取当前的绘图对象：

>>> f = plt.gcf()

>>> plt.getp(f)

alpha = 1.0

animated = False

...

Figure对象有一个axes属性，其值为AxesSubplot对象的列表，每个AxesSubplot对象代表图表中的一个子图，前面所绘制的图表只包含一个子图，当前子图也可以通过plt.gca获得：

>>> plt.getp(f, "axes")

[<matplotlib.axes.AxesSubplot object at 0x05CDD170>]

>>> plt.gca()

<matplotlib.axes.AxesSubplot object at 0x05CDD170>

用plt.getp可以发现AxesSubplot对象有很多属性，例如它的lines属性为此子图所包括的 Line2D 对象列表：

>>> alllines = plt.getp(plt.gca(), "lines")

>>> alllines

<a list of 3 Line2D objects>

>>> alllines[0] == line # 其中的第一条曲线就是最开始绘制的那条曲线

True

通过这种方法我们可以很容易地查看对象的属性和它们之间的包含关系，找到需要配置的属性。

图5.2 用subplot函数将Figure分为六个子图区域

图5.3 将Figure分为三个子图区域

5.4.1　Artist的属性

图表中的每个元素都用一个matplotlib的Artist对象表示，而每个Artist对象都有一大堆属性控制其显示效果。例如Figure对象和Axes对象都有patch属性作为其背景，它的值是一个Rectangle对象。通过设置此它的一些属性可以修改Figrue图表的背景颜色或者透明度等属性，下面的例子将图表的背景颜色设置为绿色：

>>> fig = plt.figure()

>>> fig.show()

>>> fig.patch.set_color("g")

>>> fig.canvas.draw()

patch的color属性通过set_color函数进行设置，属性修改之后并不会立即反映到图表的显示上，还需要调用fig.canvas.draw()函数才能够更新显示。

下面是Artist对象都具有的一些属性：

• alpha : 透明度，值在0到1之间，0为完全透明，1为完全不透明
• animated : 布尔值，在绘制动画效果时使用
• axes : 此Artist对象所在的Axes对象，可能为None
• clip_box : 对象的裁剪框
• clip_on : 是否裁剪
• clip_path : 裁剪的路径
• contains : 判断指定点是否在对象上的函数
• figure : 所在的Figure对象，可能为None
• label : 文本标签
• picker : 控制Artist对象选取
• transform : 控制偏移旋转
• visible : 是否可见
• zorder : 控制绘图顺序

Artist对象的所有属性都通过相应的 get_* 和 set_* 函数进行读写，例如下面的语句将alpha属性设置为当前值的一半：

>>> fig.set_alpha(0.5*fig.get_alpha())

如果你想用一条语句设置多个属性的话，可以使用set函数：

>>> fig.set(alpha=0.5, zorder=2)

使用前面介绍的 matplotlib.pyplot.getp 函数可以方便地输出Artist对象的所有属性名和值。

>>> plt.getp(fig.patch)

    aa = True

    alpha = 1.0

    animated = False

    antialiased or aa = True

    ... ...

5.4.2　Figure容器

现在我们知道如何观察和修改已知的某个Artist对象的属性，接下来要解决如何找到指定的Artist对象。前面我们介绍过Artist对象有容器类型和简单类型两种，这一节让我们来详细看看容器类型的内容。

最大的Artist容器是matplotlib.figure.Figure，它包括组成图表的所有元素。图表的背景是一个Rectangle对象，用Figure.patch属性表示。当你通过调用add_subplot或者add_axes方法往图表中添加轴(子图时)，这些子图都将添加到Figure.axes属性中，同时这两个方法也返回添加进axes属性的对象，注意返回值的类型有所不同，实际上AxesSubplot是Axes的子类。

>>> fig = plt.figure()

>>> ax1 = fig.add_subplot(211)

>>> ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3])

>>> ax1

<matplotlib.axes.AxesSubplot object at 0x056BCA90>

>>> ax2

<matplotlib.axes.Axes object at 0x056BC910>

>>> fig.axes

[<matplotlib.axes.AxesSubplot object at 0x056BCA90>,

<matplotlib.axes.Axes object at 0x056BC910>]

为了支持pylab中的gca()等函数，Figure对象内部保存有当前轴的信息，因此不建议直接对Figure.axes属性进行列表操作，而应该使用add_subplot, add_axes, delaxes等方法进行添加和删除操作。但是使用for循环对axes中的每个元素进行操作是没有问题的，下面的语句打开所有子图的栅格。

>>> for ax in fig.axes: ax.grid(True)

Figure对象可以拥有自己的文字、线条以及图像等简单类型的Artist。缺省的坐标系统为像素点，但是可以通过设置Artist对象的transform属性修改坐标系的转换方式。最常用的Figure对象的坐标系是以左下角为坐标原点(0,0)，右上角为坐标(1,1)。下面的程序创建并添加两条直线到fig中：

>>> from matplotlib.lines import Line2D

>>> fig = plt.figure()

>>> line1 = Line2D([0,1],[0,1], transform=fig.transFigure, figure=fig, color="r")

>>> line2 = Line2D([0,1],[1,0], transform=fig.transFigure, figure=fig, color="g")

>>> fig.lines.extend([line1, line2])

>>> fig.show()

图5.4 在Figure对象中手工绘制直线

注意为了让所创建的Line2D对象使用fig的坐标，我们将fig.TransFigure赋给Line2D对象的transform属性；为了让Line2D对象知道它是在fig对象中，我们还设置其figure属性为fig；最后还需要将创建的两个Line2D对象添加到fig.lines属性中去。

Figure对象有如下属性包含其它的Artist对象：

• axes : Axes对象列表
• patch : 作为背景的Rectangle对象
• images : FigureImage对象列表，用来显示图片
• legends : Legend对象列表
• lines : Line2D对象列表
• patches : patch对象列表
• texts : Text对象列表，用来显示文字

5.4.3　Axes容器

Axes容器是整个matplotlib库的核心，它包含了组成图表的众多Artist对象，并且有许多方法函数帮助我们创建、修改这些对象。和Figure一样，它有一个patch属性作为背景，当它是笛卡尔坐标时，patch属性是一个Rectangle对象，而当它是极坐标时，patch属性则是Circle对象。例如下面的语句设置Axes对象的背景颜色为绿色：

>>> fig = plt.figure()

>>> ax = fig.add_subplot(111)

>>> ax.patch.set_facecolor("green")

当你调用Axes的绘图方法（例如plot），它将创建一组Line2D对象，并将所有的关键字参数传递给这些Line2D对象，并将它们添加进Axes.lines属性中，最后返回所创建的Line2D对象列表：

>>> x, y = np.random.rand(2, 100)

>>> line, = ax.plot(x, y, "-", color="blue", linewidth=2)

>>> line

<matplotlib.lines.Line2D object at 0x03007030>

>>> ax.lines

[<matplotlib.lines.Line2D object at 0x03007030>]

注意plot返回的是一个Line2D对象的列表，因为我们可以传递多组X,Y轴的数据，一次绘制多条曲线。

与plot方法类似，绘制直方图的方法bar和绘制柱状统计图的方法hist将创建一个Patch对象的列表，每个元素实际上都是Patch的子类Rectangle，并且将所创建的Patch对象都添加进Axes.patches属性中：

>>> ax = fig.add_subplot(111)

>>> n, bins, rects = ax.hist(np.random.randn(1000), 50, facecolor="blue")

>>> rects

<a list of 50 Patch objects>

>>> rects[0]

<matplotlib.patches.Rectangle object at 0x05BC2350>

>>> ax.patches[0]

<matplotlib.patches.Rectangle object at 0x05BC2350>

一般我们不会直接对Axes.lines或者Axes.patches属性进行操作，而是调用add_line或者add_patch等方法，这些方法帮助我们完成许多属性设置工作：

>>> fig = plt.figure()

>>> ax = fig.add_subplot(111)

>>> rect = matplotlib.patches.Rectangle((1,1), width=5, height=12)

>>> print rect.get_axes() # rect的axes属性为空

None

>>> rect.get_transform() # rect的transform属性为缺省值

BboxTransformTo(Bbox(array([[  1.,   1.],

       [  6.,  13.]])))

>>> ax.add_patch(rect) # 将rect添加进ax

<matplotlib.patches.Rectangle object at 0x05C34E50>

>>> rect.get_axes() # 于是rect的axes属性就是ax

<matplotlib.axes.AxesSubplot object at 0x05C09CB0>

>>> # rect的transform属性和ax的transData相同

>>> rect.get_transform()

... # 太长，省略

>>> ax.transData

... # 太长，省略

>>> ax.get_xlim() # ax的X轴范围为0到1，无法显示完整的rect

(0.0, 1.0)

>>> ax.dataLim._get_bounds() # 数据的范围和rect的大小一致

(1.0, 1.0, 5.0, 12.0)

>>> ax.autoscale_view() # 自动调整坐标轴范围

>>> ax.get_xlim() # 于是X轴可以完整显示rect

(1.0, 6.0)

>>> plt.show()

通过上面的例子我们可以看出，add_patch方法帮助我们设置了rect的axes和transform属性。

下面详细列出Axes包含各种Artist对象的属性：

• artists : Artist对象列表
• patch : 作为Axes背景的Patch对象，可以是Rectangle或者Circle
• collections : Collection对象列表
• images : AxesImage对象列表
• legends : Legend对象列表
• lines : Line2D对象列表
• patches : Patch对象列表
• texts : Text对象列表
• xaxis : XAxis对象
• yaxis : YAxis对象

下面列出Axes的创建Artist对象的方法：

下面以绘制散列图(scatter)为例，验证一下：

>>> fig = plt.figure()

>>> ax = fig.add_subplot(111)

>>> t = ax.scatter(np.random.rand(20), np.random.rand(20))

>>> t # 返回值为CircleCollection对象

<matplotlib.collections.CircleCollection object at 0x06004230>

>>> ax.collections # 返回的对象已经添加进了collections列表中

[<matplotlib.collections.CircleCollection object at 0x06004230>]

>>> fig.show()

>>> t.get_sizes() # 获得Collection的点数

20

图5.5 用scatter函数绘制散列图

5.4.4　Axis容器

Axis容器包括坐标轴上的刻度线、刻度文本、坐标网格以及坐标轴标题等内容。刻度包括主刻度和副刻度，分别通过Axis.get_major_ticks和Axis.get_minor_ticks方法获得。每个刻度线都是一个XTick或者YTick对象，它包括实际的刻度线和刻度文本。为了方便访问刻度线和文本，Axis对象提供了get_ticklabels和get_ticklines方法分别直接获得刻度线和刻度文本：

>>> pl.plot([1,2,3],[4,5,6])

[<matplotlib.lines.Line2D object at 0x0AD3B670>]

>>> pl.show()

>>> axis = pl.gca().xaxis

>>> axis.get_ticklocs() # 获得刻度的位置列表

array([ 1. ,  1.5,  2. ,  2.5,  3. ])

>>> axis.get_ticklabels() # 获得刻度标签列表

<a list of 5 Text major ticklabel objects>

>>> [x.get_text() for x in axis.get_ticklabels()] # 获得刻度的文本字符串

[u'1.0', u'1.5', u'2.0', u'2.5', u'3.0']

>>> axis.get_ticklines() # 获得主刻度线列表，图的上下刻度线共10条

<a list of 10 Line2D ticklines objects>

>>> axis.get_ticklines(minor=True) # 获得副刻度线列表

<a list of 0 Line2D ticklines objects>

获得刻度线或者刻度标签之后，可以设置其各种属性，下面设置刻度线为绿色粗线，文本为红色并且旋转45度：

>>> for label in axis.get_ticklabels():

...     label.set_color("red")

...     label.set_rotation(45)

...     label.set_fontsize(16)

...

>>> for line in axis.get_ticklines():

...     line.set_color("green")

...     line.set_markersize(25)

...     line.set_markeredgewidth(3)

最终的结果图如下：

图5.6 手工配置X轴的刻度线和刻度文本的样式

上面的例子中，获得的副刻度线列表为空，这是因为用于计算副刻度的对象缺省为NullLocator，它不产生任何刻度线；而计算主刻度的对象为AutoLocator，它会根据当前的缩放等配置自动计算刻度的位置：

>>> axis.get_minor_locator() # 计算副刻度的对象

<matplotlib.ticker.NullLocator instance at 0x0A014300>

>>> axis.get_major_locator() # 计算主刻度的对象

<matplotlib.ticker.AutoLocator instance at 0x09281B20>

我们可以使用程序为Axis对象设置不同的Locator对象，用来手工设置刻度的位置；设置Formatter对象用来控制刻度文本的显示。下面的程序设置X轴的主刻度为pi/4，副刻度为pi/20，并且主刻度上的文本以pi为单位：

# -*- coding: utf-8 -*-

import matplotlib.pyplot as pl

from matplotlib.ticker import MultipleLocator, FuncFormatter

import numpy as np

x = np.arange(0, 4*np.pi, 0.01)

y = np.sin(x)

pl.figure(figsize=(8,4))

pl.plot(x, y)

ax = pl.gca()

def pi_formatter(x, pos):

    """

    比较罗嗦地将数值转换为以pi/4为单位的刻度文本

    """

    m = np.round(x / (np.pi/4))

    n = 4

    if m%2==0: m, n = m/2, n/2

    if m%2==0: m, n = m/2, n/2

    if m == 0:

        return "0"

    if m == 1 and n == 1:

        return "$\pi$"

    if n == 1:

        return r"$%d \pi$" % m

    if m == 1:

        return r"$\frac{\pi}{%d}$" % n

    return r"$\frac{%d \pi}{%d}$" % (m,n)

# 设置两个坐标轴的范围

pl.ylim(-1.5,1.5)

pl.xlim(0, np.max(x))

# 设置图的底边距

pl.subplots_adjust(bottom = 0.15)

pl.grid() #开启网格

# 主刻度为pi/4

ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )

# 主刻度文本用pi_formatter函数计算

ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) )

# 副刻度为pi/20

ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )

# 设置刻度文本的大小

for tick in ax.xaxis.get_major_ticks():

    tick.label1.set_fontsize(16)

pl.show()

关于刻度的定位和文本格式的东西都在matplotlib.ticker中定义，程序中使用到如下两个类：

• MultipleLocator : 以指定值的整数倍为刻度放置刻度线
• FuncFormatter : 使用指定的函数计算刻度文本，他会传递给所指定的函数两个参数：刻度值和刻度序号，程序中通过比较笨的办法计算出刻度值所对应的刻度文本

此外还有很多预定义的Locator和Formatter类，详细内容请参考相应的API文档。

图5.7 手工配置X轴的刻度线的位置和文本，并开启副刻度