1 關(guān)于 Matplotlib 模塊

Matplotlib 是一個由 John Hunter 等開發(fā)的，用以繪制二維圖形的 Python 模塊。它利用了 Python 下的數(shù)值計算模塊 Numeric 及 Numarray，克隆了許多 Matlab 中的函數(shù)， 用以幫助用戶輕松地獲得高質(zhì)量的二維圖形。Matplotlib 可以繪制多種形式的圖形包括普通的線圖，直方圖，餅圖，散點(diǎn)圖以及誤差線圖等；可以比較方便的定制圖形的各種屬性比如圖線的類型，顏色，粗細(xì)，字體的大小等；它能夠很好地支持一部分 TeX 排版命令，可以比較美觀地顯示圖形中的數(shù)學(xué)公式。Matplotlib 掌握起來也很容易，由于 Matplotlib 使用的大部分函數(shù)都與 Matlab 中對應(yīng)的函數(shù)同名，且各種參數(shù)的含義，使用方法也一致，這就使得熟悉 Matlab 的用戶使用起來感到得心應(yīng)手。對那些不熟悉的 Matlab 的用戶而言，這些函數(shù)的意義往往也是一目了然的，因此只要花很少的時間就可以掌握。

Matplotlib 目前包含了37個不同的模塊, 如 matlab, mathtext, finance, dates

等等，其中與繪圖關(guān)系最直接的是 matlab 模塊?？梢杂孟旅娴拿钛b載并查看它提供的函數(shù)

>>> import matplotlib.matlab
>>> dir(matplotlib.matlab)

如果要了解模塊中某個函數(shù)的使用方法，可以使用 help 命令。如下面的命令

>>> help(legend)
>>> help(plot)

會返回 legend 和 plot 這兩個函數(shù)的信息。

本文擬通過一些實例來說明 matplotlib 的這些主要特點(diǎn)。相信通過閱讀這些例子，您能對 Matplotlib 的使用有一個基本的了解。

2 繪制一組冪函數(shù)

先從一個簡單的例子開始討論。假設(shè)要在一個圖形中顯示一組冪函數(shù)。這組冪函數(shù)的基不同，分別為10，自然對數(shù) e 和2?？梢杂萌缦?Python 腳本去描繪這組曲線，生成的圖形如圖1所示。

  from matplotlib.matlab import * 
 
 x = linspace(-4, 4, 200) 
 f1 = power(10, x) 
 f2 = power(e, x) 
 f3 = power(2, x) 
 
 plot(x, f1, 'r', x, f2, 'b', x, f3, 'g', linewidth=2) 
 axis([-4, 4, -0.5, 8])
 text(1, 7.5, r'$10^x$', fontsize=16)
 text(2.2, 7.5, r'$e^x$', fontsize=16)
 text(3.2, 7.5, r'$2^x$', fonsize=16)
 title('A simple example', fontsize=16)
 
 savefig('power.png', dpi=75)
 show()

圖1: 一組冪函數(shù)

程序的第一行裝載了 matlab 模塊。接下來的幾行語句（至 savefig 之前）好像是在運(yùn)行 Matlab 程序，因為 linspace， power, plot，axis, text, title 這些函數(shù)在 Matlab 中也存在。這個例子展示了 Matplotlib 中幾個比較常用的繪圖函數(shù)，如 plot，axis，title 等的用法。其中 plot 是一個功能十分強(qiáng)大的函數(shù), 通過改變它的參數(shù)選項，可以靈活地修改圖形的各種屬性，比如選用的線型，顏色，寬度等。

顯示圖形中的數(shù)學(xué)公式

Matplotlib 可以支持一部分 TeX 的排版指令，因此用戶在繪制含有數(shù)學(xué)公式的圖形時會感到很方便并且可以得到比較滿意的顯示效果，所需要的僅僅是一些 TeX 的排版知識。下面的這個例子顯示了如何在圖形的不同位置上, 如坐標(biāo)軸標(biāo)簽，圖形的標(biāo)題以及圖形中適當(dāng)?shù)奈恢锰帲@示數(shù)學(xué)公式。相應(yīng)的 Python 程序如下, 生成的圖形見圖2。

from matplotlib.matlab import *
def  f(x, c):
    m1 = sin(2*pi*x)
    m2 = exp(-c*x)
return multiply(m1, m2)
x = linspace(0, 4, 100)
sigma = 0.5
plot(x, f(x, sigma), 'r', linewidth=2)
xlabel(r'$\rm{time}  \  t$', fontsize=16)
ylabel(r'$\rm{Amplitude} \ f(x)$', fontsize=16)
title(r'$f(x) \ \rm{is \ damping  \ with} \ x$', fontsize=16)
text(2.0, 0.5, r'$f(x) = \rm{sin}(2 \pi  x^2) e^{\sigma x}$', fontsize=20)
savefig('latex.png', dpi=75)
show()

圖2: 圖形中數(shù)學(xué)公式的顯示

從程序中可以看出，在 Matplotlib 中進(jìn)行有關(guān)數(shù)學(xué)公式的排版是很簡單的。與 TeX 排版時的約定一樣，要插入的公式部分由一對美元符號 $ 來進(jìn)行標(biāo)識，而具體的排版命令與 TeX 一樣。在任何可以顯示文本的地方（如軸的標(biāo)簽，標(biāo)題處等）都可以插入需要的公式。需要注意的是，數(shù)學(xué)公式所在的字符串開始之處有一個標(biāo)記 r，表示該字符串是一個 raw string。這是因為排版公式時，字符串所包含的內(nèi)容必須按照 TeX 的規(guī)范，而不是其他的規(guī)范，來進(jìn)行解析。所以使用 raw string 可以避免其它規(guī)則解釋字符串中某些特殊字符所帶來的歧義。從生成的圖形可以看到，公式顯示的效果是比較美觀的。

3 繪制其他格式的圖形

除了常用的線圖，Matplotlib 還可以繪制其他種類的圖形，如直方圖，餅圖，誤差線圖等等。下面是一個處理實驗數(shù)據(jù)的例子。它用直方圖的形式比較了實際測量電流和理論計算電流，同時還顯示了測量的誤差分布情況。程序首先讀取實驗數(shù)據(jù) current.dat，獲得數(shù)據(jù)后利用函數(shù) bar 進(jìn)行繪圖。

from matplotlib.matlab import * 
filename = "d:\\wei\\exp\\current.dat"
X = load(filename)
dp = X[:, 0]
i_mea = X[:, 1]
i_mea_err = X[:, 2]
i_cal = X[:, 3]
i_cal_err = X[:, 4]
width = 3
h1 = bar(dp, i_mea, width, color='r', yerr=i_mea_err)
h2 = bar(dp+width, i_cal, width, color='b', yerr=i_cal_err)
xlabel('Particle diameter (nm)', fontsize=16)
xticks(dp+width, dp)
ylabel('Signal current (nA)', fontsize=16)
title('Measured current vs. calculated current')
legend((h1[0], h2[0]), ('measured current', 'calculated current'), loc=2)
savefig('current.png', dpi=75)
show()

圖3 :測量電流 vs. 計算電流

從程序中可以看出，函數(shù) load 極大地方便了數(shù)據(jù)文件的讀取工作（不需要自己寫代碼來處理數(shù)據(jù)文件了），它的輸出直接被傳遞至函數(shù) bar 中，進(jìn)而完成直方圖和誤差線圖的繪制。

4 GLP 集合計算結(jié)果的可視化

Python 是一種比較適合用來進(jìn)行科學(xué)計算的腳本語言，如果利用了 Numeric 及 Numarray 模塊，它的計算能力還能得到進(jìn)一步的增強(qiáng)。 Matplotlib 也充分利用了這兩個模塊，可以高質(zhì)量地完成計算結(jié)果可視化的工作。下面是一個計算和顯示兩維好格子點(diǎn) GLP (Good Lattice Point Set)集合的例子。 GLP 集合是一種用算法產(chǎn)生的偽隨機(jī)數(shù)的集合,它在一些優(yōu)化計算中很有用，詳細(xì)的介紹可以在參考文獻(xiàn)里找到。下面的 Python 程序先定義了一個函數(shù) glp(n1, n2) 用以產(chǎn)生需要的 GLP 集合, 接著利用 Matplotlib 來顯示它的分布情況（應(yīng)該是均勻分布的）。

# A two dimensional GLP set 
# with n1=377, n2=610
from matplotlib.matlab import *
def glp(n1, n2):
 q = zeros((2, n2), Float)
 h1 = 1; h2 = n1
 for i in arange(n2-1):
 q[0][ i] = (fmod(h1*(i+1), n2)-0.5)/n2
 q[1][ i] = (fmod(h2*(i+1), n2)-0.5)/n2
 q[0][n2-1] = (n2-0.5)/n2
 q[1][n2-1] = (n2-0.5)/n2
 return q
n1 = 377; n2 = 610
q = glp(n1, n2)
x = q[0, :]
y = q[1, :]
plot(x, y, 'r.', linewidth=2)
axis([0, 1, 0, 1])
title(r'$\rm{GLP \ set \ with} \ n_1 = 377, \ n_2 = 610$')
savefig('glp.png', dpi = 75)
show()

圖4: GLP 集合的分布

最初我們是用 Matlab 來完成這個工作的，現(xiàn)在用 Python 來實現(xiàn)一樣很簡潔。程序中函數(shù) glp 的實現(xiàn)主要是利用了?？?Numeric，計算得到的結(jié)果用 plot 函數(shù)直接加以顯示，十分方便。這個例子（包括上一個例子）顯示了，在利用 Python 進(jìn)行某些科學(xué)及工程計算時，Matplotlib 往往能簡潔高效地完成計算結(jié)果可視化的工作。

5 工作模式及圖形的輸出方式

最后簡單的介紹一下 Matplotlib 的工作模式以及輸出圖形的方式。Matplotlib 有兩種工作模式：交互模式 (interactive mode) 以及批處理模式 (batch mode)。很容易理解這兩種模式的差別。第一種模式就是在某個 Python Shell 的提示符下逐個運(yùn)行繪圖的命令。

第二種模式是先把繪圖命令寫成一個腳本文件然后在適當(dāng)?shù)沫h(huán)境中執(zhí)行這個文件。 最終圖形的輸出也有兩種方式，即 GUI 輸出方式和非 GUI 輸出方式。簡單地說，GUI 方式的輸出是把產(chǎn)生的圖形直接顯示在屏幕上；而非 GUI 方式的輸出則是把圖形保存為某種格式的文件，比如ps，png格式的文件。不論哪一種方式都與系統(tǒng)使用的 backend 有關(guān) （backend 可以理解為后端的繪圖引擎）。與 GUI方式輸出有關(guān)的 backend 包括 WxPython, TkAgg, Tkinter 等。而與非 GUI 方式有關(guān)的 backend 包括 GD, PS，Paint 等。下圖總結(jié)了目前 Matplotlib 支持的主要backend。
圖5: Matplotlib 支持的主要 backend

用戶可以根據(jù)自己的實際需要選用其中的某種輸出方式，當(dāng)然也可以兩種同時使用。以上的幾個例子都是同時使用了這兩種方式。以上幾個 Python 腳本的最后一行命令 show 負(fù)責(zé)把圖形在屏幕上顯示出來，而命令 savefig 會把圖形保存為相應(yīng)格式的文件，目前缺省的輸出格式是 png 格式。

6 總結(jié)

作為一個仍在進(jìn)行中的項目，Matplotlib 充分利用了 Python 下的 Numeric(Numarray) 模塊，提供了一種利用 Python 進(jìn)行數(shù)據(jù)可視化的解決方案，進(jìn)一步加強(qiáng)了 Python 用來進(jìn)行科學(xué)計算的能力。Matplotlib 簡單易學(xué)，它克隆了眾多 Matlab 中的函數(shù)，這會讓了解 Matlab 的用戶受益不少。其他的特點(diǎn)還包括能夠繪制多種類型的圖形，可以簡單靈活對圖形的各種屬性進(jìn)行修改，能比較美觀地顯示圖形中的數(shù)學(xué)公式。與其他的一些繪圖程序相比，如 Gnuplot，Matplotlib 的一個吸引人之處就是輸出圖形的質(zhì)量較高。不足之處是 Matplotlib 的功能目前還不是很完善, 比如目前還不能支持三維繪圖，對 TeX 排版的支持還不充分等等。不過考慮到它是一個還在進(jìn)行中的項目，這些就不應(yīng)求全責(zé)備了?？偟恼f來，如果您需要一種可視化的工具，并且希望它能有高質(zhì)量的輸出效果，那么 Python 的 Matplotlib 模塊應(yīng)該是一個值得考慮的選擇。

最新評論