Python库matplotlib之二
- figure
- Axes
- subplot
figure
matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class ‘matplotlib.figure.Figure’>, clear=False, **kwargs)
-
num，int 或 str 或 figure，是可选参数。是figure的唯一标识符。
如果具有该标识符的figure已存在，则该figure被激活，并返回。整数指的是Figure.number属性，字符串指的是figure标签。
如果没有给出带有标识符的figure或num，则会创建一个新figure，使其处于活动状态，并返回。如果 num 是 int，则它将用于Figure.number 属性，否则，将使用自动生成的整数值（从 1 开始，并针对每个新图形递增）。如果 num 是字符串，则figure标签和窗口标题将设置为此值。 -
figsize(float, float)，默认值为rcParams[“figure.figsize”] (默认值：[6.4, 4.8])
宽度、高度（以英寸为单位）。 -
dpi，float，默认值为rcParams[“figure.dpi”]（默认：100.0）
figure的分辨率，以每英寸点数为单位。 -
facecolor，颜色，默认值为rcParams[“figure.facecolor”]（默认：‘white’）
背景颜色。 -
edgecolor，颜色，默认值为rcParams[“figure.edgecolor”]（默认：‘white’）
边框颜色。 -
frameon，变量类型为bool，默认值为True。如果为 False，则禁止绘制figure框架。
-
FigureClass，figure的子类。可以选择使用自定义Figure 实例。
-
clear，变量类型是bool，默认值为False。如果True，并且该figure已存在，则将其清除。
-
strict_layout，变量类型是bool 或 dict，默认值：rcParams[“figure.autolayout”] （默认值：False）
如果为False，则使用 subplotpars。如果为 True，则使用带有默认填充的tight_layout 调整subplot参数。当提供包含关键字w_pad、h_pad 和 rect 的字典时，默认的ight_layout 填充将被盖写。 -
constrained_layout，变量类型是bool，默认值：rcParams[“figure.constrained_layout.use”]（默认值：False）
如果为 True，则使用约束布局，调整plot元素的位置。与tight_layout类似，但设计得更加灵活。 -
**kwargs可选。
matplotlib.pyplot.figure 实现以下类：
- Figure，顶级Artist，拥有所有plot元素。许多方法都在FigureBase 中实现。
- SubFigure，在一个figure内的逻辑figure，通常使用Figure.add_subfigure 或Figure.subfigures 方法添加到figure。
- SubplotParams，控制subplots之间的默认间距。
是所有plot元素的顶级容器。
Figure实例通过callbacks属性支持回调，callbacks是一个CallbackRegistry 实例。可以连接的事件是“dpi_changed”，并且将使用 func(fig) 调用回调，其中Fig 是Figure 实例。
下面例子使用add_axes。
import matplotlib.pyplot as plt
if __name__ == "__main__":
left = 0.05
bottom = 0.05
width = 0.90
height = 0.80
rect = left, bottom, width, height
fig = plt.figure()
fig.add_axes(rect)
fig.add_axes(rect, frameon=True, facecolor='g')
fig.add_axes(rect, polar=True)
ax = fig.add_axes(rect, projection='polar')
plt.show()
Axes
词法：matplotlib.pyplot.axes(arg=None, **kwargs)
-
arg，None 或 4 元组
该函数的确切行为取决于类型：
无：使用 subplot(**kwargs) 添加新的全窗口轴。
浮点数 4 元组 rect = [left, bottom, width, height]。使用当前figure上的 add_axes 添加一个新轴，其尺寸为标准化 (0, 1) 单位的矩形。 -
projection，{None, ‘aitoff’, ‘hammer’, ‘lambert’, ‘mollweide’, ‘polar’, ‘rectilinear’, str}, 是可选参数。
轴的投影类型。 str 是自定义投影的名称。默认值None会产生“直线”投影。 -
polar，变量类型是bool，默认值为False
如果为True，则等价于projection=‘polar’。 -
sharex、shareyAxes，可选
与 sharex 和/或 sharey 共享 x 或 y 轴。该轴将具有与共享轴相同的限制、刻度和比例。 -
label，变量类型是str。返回轴的标签。
一个Axes对象封装在一个图中的单个plot/sub-plot的所有元素。
它包含大部分plot/sub-plot的元素：Axis、Tick、Line2D、Text、Polygon 等，并设置坐标系。
与图形中的所有可见元素一样，Axes是Artist 子类。
Axes实例通过一个回调属性支持回调，回调是一个CallbackRegistry 实例。可以连接的事件是“xlim_changed”和“ylim_changed”，回调使用 func(ax) 调用回调函数，其中ax是 Axes 实例。
下面展示一些 内联代码片。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import Button
freqs = np.arange(0.2, 2, 0.3)
fig, ax = plt.subplots()
ax.set_ylabel('Frequency', color='#00ff00')
ax.set_xlabel('Time', color='#0000ff')
ax.set_facecolor('#eafff5')
plt.subplots_adjust(bottom=0.2)
t = np.arange(0.0, 10.0, 0.01)
s = np.sin(2*np.pi*freqs[0]*t)
l, = plt.plot(t, s, lw=2)
class Index:
ind = 0
def reset(self, event):
self.ind = 0
i = self.ind % len(freqs)
ydata = np.sin(2*np.pi*freqs[i]*t)
l.set_ydata(ydata)
l.set_color("#0000FF")
plt.draw()
def next(self, event):
self.ind += 1
i = self.ind % len(freqs)
ydata = np.sin(2*np.pi*freqs[i]*t)
l.set_ydata(ydata)
l.set_color("#00FF00")
plt.draw()
def prev(self, event):
self.ind -= 1
i = self.ind % len(freqs)
ydata = np.sin(2*np.pi*freqs[i]*t)
l.set_ydata(ydata)
l.set_color("#FF0000")
plt.draw()
if __name__ == "__main__":
callback = Index()
axprev = plt.axes([0.7, 0.05, 0.1, 0.075])
axnext = plt.axes([0.81, 0.05, 0.1, 0.075])
ax_reset = plt.axes([0.59, 0.05, 0.1, 0.075])
bnext = Button(axnext, 'Next')
bnext.on_clicked(callback.next)
bprev = Button(axprev, 'Previous')
bprev.on_clicked(callback.prev)
b_reset = Button(ax_reset, 'Reset')
b_reset.on_clicked(callback.reset)
plt.show()
subplot
matplotlib.pyplot.subplot(*args, **kwargs)
将一个Axes添加到当前图形，或获取现有的轴。
import matplotlib.pyplot as plt
def plot_line():
names = ['10-20', '21-40', '41-70']
values = [15, 60, 25]
plt.figure(figsize=(9, 3))
plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values, 'g^')
plt.suptitle('population statistics')
plt.show()
if __name__ == "__main__":
plot_line()
