Python----数据分析（Matplotlib五：pyplot的其他函数，Figure的其他函数， GridSpec）

一、pyplot的其他函数

1.1、xlabel

在matplotlib中， plt.xlabel() 函数用于为当前活动的坐标轴（Axes）设置x轴的标签。当你想要标识x轴代表的数据或单位时，这个函数非常有用。

plt.xlabel('xlabel text')

1.2、ylabel

在matplotlib中， plt.ylabel() 函数用于为当前活动的坐标轴（Axes）设置y轴的标签。当你想要标识y轴代表的数据或单位时，这个函数非常有用。

plt.ylabel('ylabel text')

1.3、title

在matplotlib中， title 函数用于为当前活动的坐标轴（Axes）设置图表的标题。标题通常位于图表的顶部中央，用于简要描述图表的内容。

plt.title('Chart Title')

import numpy as np
import matplotlib.pyplot as plt

# 计算曲线上的点的x和y坐标
x = np.arange(0, 3 * np.pi, 0.1)
y = np.sin(x)

# 使用Matplotlib绘制点，并添加fmt和kwargs属性
plt.plot(x, y,
         label='Sine Wave',  # 图例标签
         linewidth=2,  # 线宽
         linestyle='-',  # 线型
         color='blue',  # 线的颜色
         marker='o',  # 标记样式
         markersize=5,  # 标记的大小
         markeredgecolor='black',  # 标记边缘的颜色
         markeredgewidth=1,  # 标记边缘的宽度
         markerfacecolor='none',  # 标记内部的颜色
         alpha=0.5 # 透明度
         )

# 显示x轴标签
plt.xlabel('x')
plt.ylabel('y')
plt.title('Sine Wave')


# 显示图例
plt.legend()

# 显示图形
plt.show()

1.4、subplot

在 Matplotlib 中， subplot函数用于在一个图形窗口（局，每个子图布局区域对应一个 Figure）中创建多个子图布 Axes对象，通过该 Axes对象可以进行数据绘制操作，使用 subplot 可以在网格中安排这些子图。

plt.subplot(nrows, ncols, plot_number)

名称	描述
nrows	子图的行数
ncols	子图的列数
plot_number	当前子图的编号，从1开始，从左上角到右下角按行优先顺序递增。

import numpy as np
import matplotlib.pyplot as plt
 
# 创建数据
x = np.arange(0, 3 * np.pi, 0.01)
y_sin = np.sin(x)
y_cos = np.cos(x)
 
# 在第一个位置创建子图
plt.subplot(2, 2, 1)  # 2行1列，第一个子图
plt.plot(x, y_sin)
plt.title('Sine Wave')
plt.xlabel('x')
plt.ylabel('y_sin')
 
# 在第二个位置创建子图
plt.subplot(2, 2, 2)  # 2行1列，第二个子图
plt.plot(x, y_cos)
plt.title('Cosine Wave')
plt.xlabel('x')
plt.ylabel('y_cos')
 
# 调用 tight_layout 来自动调整子图参数
plt.tight_layout()
 
# 显示图形
plt.show()

二、Figure的其他函数

2.1、clf

与Figure对象的clear方法的作用类似，但clf归属于pyplot库，而不是Figure对象的方法。

import matplotlib.pyplot as plt

# 创建一个包含多个子图的图形
fig, axs = plt.subplots(2, 2)

# 在每个子图中绘制一些数据
axs[0, 0].plot([1, 2, 3], [1, 2, 3])
axs[0, 1].plot([1, 2, 3], [3, 2, 1])
axs[1, 0].plot([1, 2, 3], [1, 3, 2])
axs[1, 1].plot([1, 2, 3], [2, 1, 3])

# 使用 tight_layout 自动调整子图布局
fig.tight_layout()

# # Axes对象的clear
# axs[0, 0].clear()

# pyplot库下的clf()
plt.clf()

# 显示图形

2.2、gcf

该函数用于返回当前活动的图形（figure）对象。

matplotlib.pyplot.gcf()

返回当前活动的 Figure 对象。如果没有活动的图形，这个函数将创建一个新的图形，并将其作为当前活动的图形返回。

使用场景：

1、当你需要在脚本中获取或操作当前图形时， plt.gcf() 非常有用。

2、它允许你访问和修改当前图形的属性，比如大小、标题、背景颜色等。

3、你可以使用返回的 Figure 对象来添加新的子图（axes）、调整布局、保存图形到文件等。

import matplotlib.pyplot as plt

# 创建一个新的图形和子图
fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 2, 3])

# 获取当前活动的图形对象
current_fig = plt.gcf()

print(current_fig is fig)

# 设置图形的大小
current_fig.set_size_inches(8, 6)

# 设置图形的标题
current_fig.suptitle('Example Plot')

# 显示图形
plt.show()

2.3、savefig

该函数用于将当前图形保存到文件中。该函数通常在完成图形绘制后调用，以便将图形输出为图像文件，便于保存或分享。

matplotlib.pyplot.savefig(fname, dpi='figure', format=None, metadata=None, bbox_inches=None, pad_inches=0.1, facecolor='auto', edgecolor='auto', backend=None, **kwargs)

名称	描述
fname	文件的路径或文件对象，用于保存图像。如果未指定 format 参数，Matplotlib 会根据文件扩展名推断图像格式。
dpi	图像的分辨率，以每英寸点数为单位。如果设置为 'figure'，则使用当前图形的分辨率设置。
format	图像的文件格式，例如 ‘png’, ‘pdf’, ‘svg’, ‘ps’, ‘eps’ 等。如果未指定，则从 fname 的扩展名推断。
metadata	要存储在图像文件中的元数据。
bbox_inches	图像的边界框。如果设置为 ‘tight’，则 Matplotlib 会尝试紧凑地剪裁图像周围的空白。
pad_inches	在边界框周围添加额外的空白（英寸）。
facecolor	图形背景的颜色
edgecolor	图形边缘的颜色
backend	用于保存图像的特定后端。这通常不需要设置，除非你想要覆盖默认的后端
kwargs	其他关键字参数，将传递给底层后端的保存函数。

import matplotlib.pyplot as plt

# 创建一些数据
x = [0, 1, 2, 3, 4]
y = [0, 1, 4, 9, 16]

# 绘制图形
plt.plot(x, y)

# 保存图形到文件
plt.savefig('plot.png', dpi=200, bbox_inches='tight', facecolor='g')

# 显示图形（可选）
plt.show()

2.4、imshow

该函数可以用来显示二维数据数组，其中每个数组元素对应图像的一个像素。

matplotlib.pyplot.imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, **kwargs)

名称	描述
X	图像数据，通常是二维数组，但也可以是一维数组（在这种情况下，数据将被解释为线图）。数据类型通常是浮点数或整数。
cmap	颜色映射（colormap），用于指定图像中数值到颜色的映射。默认是 None，此时将使用默认的 colormap，通常是 viridis。
norm	用于标准化数据值的归一化对象，可以确保颜色映射是线性的或者使用其他映射方式
aspect	控制图像的纵横比。 'auto' 保持宽高比， 'equal' 使每个像素都是正方形，或者可以是一个数字。
interpolation	指定图像缩放时的插值方法。常见的选项有 'nearest'（最近邻插值）、 'bilinear'（双线性插值）、 'bicubic'（双三次插值）等。
alpha	图像的透明度，取值范围是 [0, 1]。
vmin, vmax	用于颜色映射的数据值范围。默认情况下，这些值是从数据中自动推断出来的。
origin	指定图像的原点， 'upper' 表示原点在左上角，‘lower' 表示原点在左下角
**kwargs	其他关键字参数。

与plt.show的区别是：

1、imshow 是用于创建图像的函数，而 show 是用于显示图像的函数。

2、你可以在一个脚本中多次调用 imshow 来绘制多个图像，但通常只需要在脚本的末尾调用一次 show 来显示所有图像。

import matplotlib.pyplot as plt
import numpy as np

# 创建两个简单的数据集
data1 = np.random.rand(10, 10)
data2 = np.random.rand(10, 10)

# 创建一个包含两个子图的图形
fig, (ax1, ax2) = plt.subplots(1, 2)

# 在第一个子图上显示第一个图像，并应用 viridis 颜色映射
ax1.imshow(data1, cmap='viridis', aspect='equal', origin='lower')
ax1.set_title('Image 1')

# 在第二个子图上显示第二个图像，并应用 plasma 颜色映射
ax2.imshow(data2, cmap='gray')
ax2.set_title('Image 2')

# 调整子图之间的间距
plt.tight_layout()

# 显示图像
plt.show()

2.5、close

该函数用于关闭一个或多个打开的图形窗口。在 Matplotlib 中，每次调用绘图命令（如 plt.plot() 或 plt.imshow()）时，都会创建一个新的图形（Figure）和一个或多个子图（Axes）。 close 函数可以用来关闭这些图形窗口，释放资源，并允许用户清理不再需要的图形。

matplotlib.pyplot.close(fig=None)

名称	描述
fig	指定要关闭的图形。如果是一个 Figure 对象，则关闭该图形。如果是一个整数，则关闭与该编号对应的图形。如果省略或为 None，则关闭当前图形。’all'表示关闭所有的图像。

import matplotlib.pyplot as plt
import time
# 创建并显示第一个图形
plt.figure()
plt.plot([1, 2, 3], [1, 2, 3])
plt.show(block=False)

# 创建并显示第二个图形
plt.figure()
plt.plot([3, 2, 1], [1, 2, 3])
plt.show(block=False)

# # 关闭当前图形
# plt.close(1)



# 创建第三个图形，但不显示
plt.figure()
plt.plot([1, 2, 3], [3, 2, 1])
plt.show(block=False)

time.sleep(2)
# 关闭所有图形
plt.close(fig='all')


time.sleep(2)
print(123)

2.6、pause

用于在动画或交互式绘图过程中暂停一段时间。这个函数在动画制作或者需要在绘图之间插入延迟时非常有用。

matplotlib.pyplot.pause(interval)

名称	描述
interval	这个参数是一个浮点数，表示暂停的秒数。默认值通常是 0.1 秒。

主要作用：

1、暂停执行：当调用 plt.pause(interval) 时，Python 脚本会暂停执行指定的时间（以秒为单位）。

2、更新显示：如果在绘图之前调用了 plt.pause，它将允许动态更新的图形（例如动画）在屏幕上显示出来。这对于交互式绘图非常有用，因为它可以让用户看到图形的更新。

import matplotlib.pyplot as plt
import numpy as np
 
# 创建一个图形和一个子图
fig, ax = plt.subplots()
 
# 生成一些数据
t = np.arange(0, 10, 0.01)
s = np.sin(t)
 
# 绘制第一条线
ax.plot(t, s)
 
# 显示图形
plt.show(block=False)
 
# 更新线的数据并暂停
for phase in np.arange(0, 2 * np.pi, 0.05):
    ax.plot(t + phase, np.sin(t + phase))
    plt.pause(0.01)
 
# 关闭图形
plt.close()

三、GridSpec

GridSpec提供了更灵活的方式来安排子图（subplot）的布局。在 Matplotlib 中，默认的子图布局是通过 plt.subplot() 或 plt.subplots() 等函数实现的，但这些函数都是按照行列均匀划分子图的，而GridSpec可以根据具体需求定制每个子图的位置和大小。

该类处于 matplotlib.gridspec库下。

matplotlib.gridspec.GridSpec(nrows, ncols, figure=None, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None, width_ratios=None, height_ratios=None)

名称	描述
nrows	网格的行数
ncols	网格的列数
figure	如果提供，GridSpec将与这个指定的 Figure 实例关联。如果没有提供， GridSpec 将与当前活动的 Figure 关联。
left, bottom, right,top	这些参数用于指定网格在整个画布中的位置，它们的值应该在 0 到 1 之间，表示画布宽度和高度的百分比。例如， left=0.1 表示网格左边界距离画布左边界 10% 的位置。
wspace	子图之间的水平间距，这个值是以画布宽度的百分比来表示的。
hspace	子图之间的垂直间距，这个值是以画布高度的百分比来表示的。
width_ratios	可选，指定各列的相对宽度。默认情况下，所有列的宽度都是相等的。如果提供这个参数，那么每一列的宽度将是其对应值的相对比例。
height_ratios	可选，指定各行的相对高度。默认情况下，所有行的高度都是相等的。如果提供这个参数，那么每一行的高度将是其对应值的相对比例。

import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec
 
fig = plt.figure(figsize=(8, 4))
 
# 创建一个 2 行 3 列的 GridSpec
gs = GridSpec(2, 3)
 
 
# 添加子图
ax1 = fig.add_subplot(gs[0, 0])
ax2 = fig.add_subplot(gs[0, 1])
ax3 = fig.add_subplot(gs[0, 2])
# ax4 = fig.add_subplot(gs[1, 0])
ax5 = fig.add_subplot(gs[1, :])
# 注意：gs[1, 1:] 表示第二行的第二列和第三列
 
plt.show()