初识绘图

本章对基本的 Matplotlib 绘图进行介绍，包括点型、线型与多图绘制。

本章加载的库如下所示：

[1]:

import os
import numpy as np
from matplotlib import pyplot as plt
import matplotlib as mpl

以上加载的库中，mpl 一般是不用加载的。本章由于需要介绍全局参数，故需要加载。在使用 Jupyter Notebook 时，我们往往还需要指定图像的输出尺寸，以获得较好的视觉效果：

[2]:

plt.rcParams['figure.figsize'] = [10, 6]

在本章最后更新时，使用的 Matplotlib 版本是：

[3]:

mpl.__version__

[3]:

'3.0.2'

基础的 plt.plot()

本小节仅介绍简单的绘制命令，包括线型与颜色。关于添加标题、图例、文字等内容，请参阅后续章节。

Matplotlib 的大部分绘图命令都是通过 plt 下的功能实现的，而最简单的函数就是 plt.plot()。比如一个二次函数图像：

[4]:

x = np.linspace(0, 2, 100)
y1 = x ** 2

plt.plot(x, y1)
plt.show()  # 记得在最后用 plt.show() 输出图像
_images/BasicPlot_7_0.png

从上面也能看出，我们使用 plt.show() 函数来输出图像。

我们也可以在一幅图上绘制多个函数，它们会自动以不同的颜色绘制：

[5]:

y2 = 2 + 2 * np.sin(np.pi * x)

plt.plot(x, y1)
plt.plot(x, y2)
plt.show()
_images/BasicPlot_9_0.png

也就是说，“叠加绘制”默认是开启的——如果有读者使用过 MatLab，那么恭喜你，在 Matplotlib 这里不需要再惦记着什么 hold on 命令了。

如果我们不需要叠加绘制，我们可以随时插入 plt.close() 命令，来关闭当前绘制。或者使用 plt.close('all') 来清除所有绘制。

点型与线型

在有多个曲线时，我们往往通过更改点型或线型来区分它们。尤其是需要黑白打印的场合，线的颜色并不是有效的方案。下面是一个极端的例子：

[6]:

plt.plot(x, y1, color="b", linestyle=":", linewidth=3, dashes=(2,1),  # 线的属性
         marker="d", ms=10, mew=1.5, mec="g", mfc="w",  # 点的属性
         markevery=10)
plt.plot(x, y2, "#bf242a", ls="-", lw=1)
plt.show()
_images/BasicPlot_12_0.png

以上的参数（括号中是参数的缩写）的含义分别是：

  • color：线的颜色（详细请参考“颜色”一节）。基础的有红r，绿g，蓝b，青c，洋红m，黄y，黑k，白w。以及其他的表述：

    • HTML 码：例如 "#66ccff"

    • 标准化后的 RGB 元组：例如 (1, 0, 0)

    • 灰度字串："0.5"

  • linestyle (ls)：线型。实线”-“，虚线”–“，点划线”-.”，点线”:“。

  • dashes: 虚线比例。传入元组 (a,b)，那么划线长与间隔长之比为 a/b。

  • linewidth (lw)：线宽。

  • marker：点样式。实心”.”，像素”,“，圆点”o”，方块”s”，上折/下折箭头”v”/“^”，左折/右折箭头”<“/”>“，五边形”p”，六边形”h”，星”*“，加号”+“，叉号”x”，(瘦)钻石”d/D”，竖线”|“，横线”_“。

    • markevery：每几个点才绘制一个点。

    • markersize (ms)：点大小。

    • markeredgewidth (mew)：点边缘线宽。

    • markeredgecolor (mec)：点边缘颜色。默认与线同色。

    • markerfacecolor (mfc)：点填充颜色。默认与线同色。

颜色

Matplotlib 的颜色使用是个复杂的话题。通常来说，直接调用的颜色包括：

  • 标准化的 RGB：以三元元组的形式，比如 (0, 0, 1) 代表 (0, 0, 255)，即纯蓝。

  • HTML 16进制颜色码：以字符串的形式，比如 "#0F0F0F"。

  • 标准化的灰度值：以字符串形式，比如 0.5 。

  • RGB 与 CMYK 标准色字符：以单个字符形式，有：r,g,b,c,m,y,k,w 八种，其中 w 是白色。

  • X11/CSS4 标准的颜色名：参考下面的图像。

  • XKCD 颜色调查（参考此页面）：例如”xksd:sky blue”。

以及 matplotlib 采用的色环：

  • matplotlib 默认的十色环：“C0”, “C1”, …,“C9”。这是 matplotlib 绘图默认依次使用的颜色。

  • 十色环的另一种形式：‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’。

以上字符串（除16进制码外）均是大小写敏感的。

下图是一个 X11 颜色表。该颜色表是我用 Matplotlib 生成的，不过为了排版简洁，我把这个代码块在生成网站时隐藏了；感兴趣的读者可以访问本章对应的 ipynb 文件进行查看。

_images/X11.svg

子图绘制 plt.subplots()

需要将多张子图绘制到一张图内时，使用 plt.subplots() 函数。

语句 fig, axarr = plt.subplots(...) 可以设置一个 nrows 行、ncols 列个子图组成的大图:

  • 参数：

    • nrows=1, ncols=1: 子图矩阵的行数与列数。默认一行一列。

    • sharex/sharey=False：共享 x/y 轴。True 是所有子图共享，'row' 是每行共享，'col' 是每列共享。

  • 返回值：

    • fig ：所有子图组成的总图像，可以用于保存为图像文件。

    • axarr ：一个 \(nrows\times ncols\) 的矩阵，其第 \(j\) 个元素即是第 \(j\) 个子图。

下面是一个例子，展示了绘制 2 个图（两行一列）的情况：

[8]:

x = np.linspace(0, 4 * np.pi, 100)
y = [np.sin(x), np.sin(2*x)]

plt.close('all')
f, (ax1, ax2) = plt.subplots(2)
ax1.plot(x, y[0])
ax2.plot(x, y[1])
plt.show()
_images/BasicPlot_18_0.png

对于多行多列的情况，可以利用 for 循环，并使用 axarr.ravel() 来展平矩阵。下列是一个两行两列的 4 子图例子，展示了 sharex/sharey 参数的使用：

[9]:

x = [np.linspace(0, k*2*np.pi, 100) for k in (1, 2)]
y = [
    np.sin(x[0]), 2*np.cos(x[0]),
    np.sin(2*x[1]), np.cos(2*x[1])
]

plt.close('all')
# 所有子图 x 轴共享，每一行内的子图 y 轴共享
f, axarr = plt.subplots(2, 2, sharex=True, sharey='row')
for i, ax in enumerate(axarr.ravel()):
    ax.plot(x[i//2], y[i])
plt.show()
_images/BasicPlot_20_0.png

由于子图操作还有很多细节，我将在后文中单独开启章节进行讨论。

保存绘图 f.savefig()

上述多图绘制的例子中，返回的 f, axarr 中的 f.savefig(fname, ...) 即可帮助我们保存图像到文件 fname。该函数的常用参数包括：

  • transparent=False：是否使用透明背景。

  • format：如果文件名 fname 中不包含扩展名，那么可以通过该参数指定。例如 jpg/jpeg, png, pdf, svg 。

  • bbox_inches：设置图像的 bounding box 数值。当设置为 'tight' 时会自动设置，以达到“减少图像外侧白边”的效果。题外话：如果仅是为了达到减少白边的效果，也可以尝试在 savefig() 之前使用 f.tight_layout() 进行处理。

下面是一个保存图片的例子：

[10]:

x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

f, ax = plt.subplots()
ax.plot(x, y)

fig_file = os.path.join("pics", "saved_fig.png")  # 保存在 pics/saved_fig.png
f.savefig(fig_file, transparent=True, bbox_inches='tight')
_images/BasicPlot_23_0.png