快捷導(dǎo)航

利用numpy+matplotlib繪圖的基本操作教程

更新時間：2017年05月03日 11:39:27 作者：Myths

這篇文章主要給大家介紹了利用numpy+matplotlib繪圖的基本操作，文中介紹的非常詳細，對大家學(xué)習matplotlib繪圖具有一定的參考學(xué)習價值，需要的朋友們下面來一起學(xué)習學(xué)習吧。

簡述

Matplotlib是一個基于python的2D畫圖庫，能夠用python腳本方便的畫出折線圖，直方圖，功率譜圖，散點圖等常用圖表，而且語法簡單。具體介紹見matplot官網(wǎng)。

Numpy（Numeric Python）是一個模仿matlab的對python數(shù)值運算進行的擴展，提供了許多高級的數(shù)值編程工具，如：矩陣數(shù)據(jù)類型、矢量處理，以及精密的運算庫。專為進行嚴格的數(shù)字處理而產(chǎn)生，而且據(jù)說自從他出現(xiàn)了以后，NASA就把很多原來用fortran和matlab做的工作交給了numpy來做了，可見其強大。。。他的官網(wǎng)在這里，具體的資料都在里面。

安裝

$sudo apt-get install python-matplotlib
$sudo apt-get install python-numpy

使用

matplotlib可以在腳本中使用，不過如果在ipython中使用則會更加炫（直接添加–pylab參數(shù)可以免去導(dǎo)包的過程），而且能得到類似Matlab/Mathematica一樣的功能，即時輸入，即時輸出。個人覺得說白了他就是模仿Matlab/Mathematica的，但是的確比前者更加方便編程。

很多情況下matplot需要配合numpy包一起用，關(guān)于numpy包我不打算分開來說，用到的時候提一下就行。有一點需要注意的是，numpy包通常是這樣導(dǎo)入的：

import numpy as np

會給他起一個叫np的別名，而且這幾乎已經(jīng)是約定俗成了。

在python或者ipython中輸入help(*需要查找的函數(shù)*) 就行（當然需要先導(dǎo)入下包）。

第一個圖像

需要導(dǎo)入的包：

import numpy as np
from pylab import *

第一個函數(shù)圖像

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
plot(X,C)
plot(X,S)
show()

有matlab基礎(chǔ)的同學(xué)肯定不陌生。。。是的，這兩個模塊的組合幾乎就跟matlab的用法無二。。

１、首先用np.linspace方法生成一個數(shù)組X，這個數(shù)組是從 $-\pi$ 開始到 $\pi$ 的總共包含256個元素的數(shù)組，endpoint參數(shù)表示是否包含首尾端點(他的值是True或False，首字母要大寫。。。。)。當然，這個數(shù)組就是一個普通的數(shù)組了，跟其他數(shù)組沒有區(qū)別。

２、然后用np.cos()和np.sin()方法作用在X數(shù)組上，對于X中的每一個元素進行計算，生成結(jié)果數(shù)組。(免去了迭代的過程)。

３、接著調(diào)用pylab的plot方法，第一個參數(shù)是橫坐標數(shù)組，第二個參數(shù)是縱坐標數(shù)組，其他參數(shù)暫且不談。這樣他會生成一個默認的圖表了。(不會立刻顯示)

４、當然，最后還要調(diào)用show方法來顯示圖表。

５、結(jié)果：

圖表的名字叫figure1，左下面有幾個按鈕，都是很實用的東西，右下角會顯示當前鼠標左邊，也很方便。

圖表布局和坐標分布

每一個圖表都是在一個figure里面，我們可以通過如下命令生成一個空的figure：

figure(figsize=(8,6), dpi=80)

這里參數(shù)的順序沒有要求，但是一定要加上參數(shù)名，因為他是根據(jù)參數(shù)名來區(qū)別每個參數(shù)的，是一種跟C語言類型不同的函數(shù)。figsize參數(shù)表示figure的寬高比，然后dpi表示每一份占的長度，比如這里就表示圖像是640x480的。

輸出命令之后會立刻出現(xiàn)一個窗口，接下來所有的plot命令都會立刻顯示在這個窗口上而不用再輸入show命令了。

一個figure里也能顯示多個圖表，我們可以用如下函數(shù)來分割一個figure:

subplot(3,4,6)

這樣就會把當前的figure分割成３行４列的表，而激活其中的第６張，即第２行第３張。以后的plot都是在這一個子表上生成的，如果需要更換則可以重新輸入subplot命令來確定其新的位置。

除此之外，如果我們對圖表顯示的范圍不滿意，我們還可以直接調(diào)整圖表的坐標范圍：

xlim(-4.0,4.0)
ylim(-1.0,1.0)

這就表示x軸的范圍設(shè)置在-4到4，y軸的范圍設(shè)置在-1到1。當然，如果是想相對的進行修改我們可以利用下numpy數(shù)組的min和max方法。比如X.min() 這樣的東西。

如果對坐標顯示的密度啊什么的不滿意，我們也可以調(diào)節(jié)他的標注點：

xticks(np.linspace(-4,4,9,endpoint=True))
yticks(np.linspace(-1,1,5,endpoint=True))

對于xticks和yticks，我們實際上可以傳入任意的數(shù)組，這里不過是為了方便而用numpy快速生成的等差數(shù)列。

當然，我們也可以給標注點進行任意的命名，像下面這樣：

xticks([1,2,3,4,5],['one','two','three','four','five'])

效果也很好想象，就不貼圖了。需要注意的是這里也可以支持LaTex語法，將LaTex引用在兩個$之間就可以了。（關(guān)于LaTex）

這里也有個小竅門，就是如果想不顯示標注的話，我們就可以直接給xticks賦一個空的數(shù)組。

更改色彩和線寬

我們可以在畫plot的時候用如下方法指定他的顏色和線寬：

plot(X, C, color='#cadae3', linestyle='-',linewidth=1.3, marker='o', markerfacecolor='blue', markersize=12,)

同樣，這里參數(shù)的順序不重要，名字才重要。

color參數(shù)可以指定RGB的色相，也可以用一些默認的名字，比如red blue之類的。

linestyle參數(shù)則指定了線的樣式，具體參照以下樣式：

參數(shù)	樣式
‘-‘	實線
‘–’	虛線
‘-.’	線-點
‘:’	點虛線

linewidth參數(shù)指定折線的寬度，是個浮點數(shù)。

marker參數(shù)指定散點的樣式，具體參照以下樣式：

參數(shù)	樣式
‘.’	實心點
‘o’	圓圈
‘,’	一個像素點
‘x’	叉號
‘+’	十字
‘*’	星號
‘^’ ‘v’ ‘<’ ‘>’	三角形(上下左右)
‘1’ ‘2’ ‘3’ ‘4’	三叉號（上下左右）

markerfacecolor參數(shù)指定marker的顏色

markersize參數(shù)指定marker的大小

這樣就基本上能夠自定義任何的折線圖、散點圖的樣式了。

移動軸線

這段有點小復(fù)雜，暫時不想具體了解奇奇怪怪的函數(shù)調(diào)用，姑且先記錄下用法和原理：

ax = gca()
ax.spines['right'].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))

我們知道一張圖有上下左右四個軸線，這里我們把右邊和上邊的軸線顏色調(diào)為透明，然后把下邊設(shè)置到y(tǒng)軸數(shù)據(jù)為0的地方，把左邊設(shè)置到x軸數(shù)據(jù)為0的地方。這樣我們就能根據(jù)自己想要位置來調(diào)節(jié)軸線了。

比如下面這段官方的代碼：

# -----------------------------------------------------------------------------
# Copyright (c) 2015, Nicolas P. Rougier. All Rights Reserved.
# Distributed under the (new) BSD License. See LICENSE.txt for more info.
# -----------------------------------------------------------------------------
import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize=(8,5), dpi=80)
ax = plt.subplot(111)
ax.spines['right'].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))
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
 [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.ylim(C.min()*1.1,C.max()*1.1)
plt.yticks([-1, 0, +1],
 [r'$-1$', r'$0$', r'$+1$'])
plt.show()

顯示的結(jié)果就是：

圖例和注解

圖例十分簡單，下述代碼就可以解決：

plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")
legend(loc='upper left')

在plot里指定label屬性就好了，最后調(diào)用下legend函數(shù)來確定圖例的位置，一般就是’upper left’就好了。

注解就有點麻煩了，要用到annotate命令，挺復(fù)雜的，暫時是在不想看，姑且貼一段完整的代碼和效果圖吧：

# -----------------------------------------------------------------------------
# Copyright (c) 2015, Nicolas P. Rougier. All Rights Reserved.
# Distributed under the (new) BSD License. See LICENSE.txt for more info.
# -----------------------------------------------------------------------------
import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize=(8,5), dpi=80)
ax = plt.subplot(111)
ax.spines['right'].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))
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
  [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.ylim(C.min()*1.1,C.max()*1.1)
plt.yticks([-1, +1],
  [r'$-1$', r'$+1$'])
t = 2*np.pi/3
plt.plot([t,t],[0,np.cos(t)],
  color ='blue', linewidth=1.5, linestyle="--")
plt.scatter([t,],[np.cos(t),], 50, color ='blue')
plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
  xy=(t, np.sin(t)), xycoords='data',
  xytext=(+10, +30), textcoords='offset points', fontsize=16,
  arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
plt.plot([t,t],[0,np.sin(t)],
  color ='red', linewidth=1.5, linestyle="--")
plt.scatter([t,],[np.sin(t),], 50, color ='red')
plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
  xy=(t, np.cos(t)), xycoords='data',
  xytext=(-90, -50), textcoords='offset points', fontsize=16,
  arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
plt.legend(loc='upper left', frameon=False)
plt.savefig("../figures/exercice_9.png",dpi=72)
plt.show()

效果圖：