Matplotlib的三层结构

Matplotlib从层次结构上分，可以分为三层：容器层、辅助显示层、图像层。

容器层

容器层主要由Canvas、Figure、Axes组成。

Canvas对象

Canvas对象是一个表示画布的类，用于渲染绘图元素。它是位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布(Figure)的工具。

Figure对象

它是Canvas上方的第一层容器，用于表示整个图像窗口，包含所绘制的所有元素。可以通过 plt.figure() 函数创建一个新的 Figure 对象。每个Figure对象包含了一个或多个Axes对象。

Axes对象

它是Canvas上方的第二层，是一个绘图区域，用于展示数据，它包含了所有的绘图元素，如：直线、曲线、文本、图像、坐标系等。每个Axes对象对应一个坐标系，使用fig.add_subplot()或plt.subplots() 函数创建Axes对象。

Axis是一个坐标轴，用于确定数据的范围和刻度。每个Axes对象都有两个Axis对象，分别对应x轴和y轴。可以使用 ax.set_xlim()和 ax.set_ylim() 函数设置坐标轴的范围，使用ax.set_xticks() 和 ax.set_yticks() 函数设置坐标轴的刻度。

注意：

当创建一个 Figure 对象时，它会自动创建一个 Axes 对象，并将其添加到 Figure 对象中。然后可以在 Axes 对象中绘制各种类型的图表。

创建Figure和Axes对象，并在Axes对象中绘制折线图：

import matplotlib.pyplot as plt

# 创建 Figure 对象
fig = plt.figure()

# 创建 Axes 对象
ax = fig.add_subplot(111)

# 绘制折线图
x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]
ax.plot(x, y)

# 显示图形
plt.show()

辅助显示层

辅助显示层为Axes(绘图区)内的除了根据数据绘制出的图像以外的内容，主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。

简单的说就是用于添加特殊的文本、箭头、注释和图例等可视化元素。这些元素不像常规的数据展示元素那样直接反映数据本身，而是用于强调或解释数据以及提供更多信息。

这些辅助元素可帮助用户更好地理解图形，深入理解这些元素的使用，可以使数据可视化更加精确和友好。

Matplotlib中常用的辅助显示层：

Text：用于在图表中添加文本注释。可以使用 ax.text() 函数将文本添加到 Axes 对象中，或使用 fig.text() 函数将文本添加到 Figure 对象中。

Annotations：用于在图表中添加带有箭头的注释。可以使用 ax.annotate() 函数添加注释。

Legends：用于为图表中的数据系列添加说明。可以使用 ax.legend() 函数添加图例。

Colorbars：用于显示颜色映射和值范围。可以使用 fig.colorbar() 函数添加颜色条。

在 Matplotlib 图表中添加文本、注释、图例和颜色条：

import matplotlib.pyplot as plt
import numpy as np

# 使用np.linspace() 函数生成了一组正弦曲线数据
x = np.linspace(-np.pi, np.pi, 100)
y = np.sin(x)

# 创建 Figure 对象和 Axes 对象
fig, ax = plt.subplots()

# 绘制正弦曲线
ax.plot(x, y, label='sin')

# 添加标题和标签
ax.set_title('Sin Wave')
ax.set_xlabel('x')
ax.set_ylabel('y')

# 添加文本
ax.text(-3, 0.8, 'Peak Value', fontsize=12)

# 使用annotate() 函数添加了一个带箭头的注释
ax.annotate('Local Max', xy=(np.pi/2, 1), xytext=(2, 1.5),
            arrowprops=dict(facecolor='black', shrink=0.05))

# 添加图例
ax.legend()

# 添加颜色条
im = ax.imshow([[0, 1], [2, 3]], cmap='jet')
fig.colorbar(im)

# 显示图形
plt.show()

图像层

Matplotlib的图像层用于呈现和交互Matplotlib图像。Matplotlib的图像层指的是在Axes对象中绘制的各种图形元素，例如线图、散点图、柱状图等。

Matplotlib提供了丰富的图形元素来满足不同类型数据的可视化需求。

折线图：通常用于显示随时间、位置或其他连续值变化而变化的一些数据趋势。可以使用plot方法进行绘制。

散点图：用于显示多个变量之间的关系或在多个数据中的分布情况。可以使用scatter方法进行绘制。

柱状图：用于表示一组离散的数据，通常用于比较不同类别或组之间的数量或频率。可以使用bar方法进行绘制。

饼图：通常用于显示数据的相对大小，尤其适用于百分比或部分-整体关系。可以使用pie方法进行绘制。

直方图：用于表示连续变量的分布情况，显示变量的频率分布情况。可以使用hist方法进行绘制。

Matplotlib的绘图配置

Matplotlib文档：https://matplotlib.org/stable/tutorials/index.html

设置画布属性

属性	示例
设置画布大小	plt.figure(figsize=(8,6))
设置画布标题	plt.title(“My Title”)
设置横轴和纵轴标签	plt.xlabel(“X Label”) plt.ylabel(“Y Label”)
设置坐标轴刻度范围	plt.xlim(0, 10) # 横轴 plt.ylim(0, 20) # 纵轴
设置坐标轴刻度	plt.xticks(range(0, 11, 2)) # 横轴刻度范围为 0 到 10，步长为 2 plt.yticks(range(0, 21, 5)) # 纵轴刻度范围为 0 到 20，步长为 5
设置坐标轴显示和隐藏	plt.axis(‘on’) # 显示坐标轴 plt.axis(‘off’) # 隐藏坐标轴
设置图例	plt.legend([‘line1’, ‘line2’]) # 图例文本为 ‘line1’ 和 ‘line2’
设置网格线	plt.grid(True) # 显示网格线 plt.grid(False) # 隐藏网格线
设置图像清晰度	plt.figure(dpi=80) 默认是 dpi=100
设置文本注释	plt.text(3,8, ‘坐标(3,8)’)
设置图例	plt.legend([‘图例1’])

# 创建画布，并设置画布属性
plt.figure(figsize=(20, 8), dpi=80)

import matplotlib.pyplot as plt

# 创建画布，并设置画布属性
plt.figure(figsize=(20, 8), dpi=80)

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y)

# 添加标题
plt.title("价格与销量的变化示意图")

# 添加 x 轴和 y 轴标签
plt.xlabel("价格")
plt.ylabel("销量")

# 添加文本注释
plt.text(3,8, '坐标(3,8)')

plt.show()

绘图保存

Matplotlib允许用户将图形保存为各种格式的图片，例如 PNG、PDF、SVG 和 EPS。

使用savefig()函数保存当前活动图形。在调用 savefig()函数之前，必须先创建一个图形

格式	示例
PNG格式	plt.savefig(‘myplot.png’)
PDF格式	plt.savefig(‘myplot.pdf’)
SVG格式	plt.savefig(‘myplot.svg’)
EPS格式	plt.savefig(‘myplot.eps’)
PNG格式
PNG格式

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4])
# 保存图片到指定路径
plt.savefig('myplot.png', dpi=200)

注意：

1.plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

2.绘制出大尺寸的图像时可以设置更高的分辨率，从而得到更清晰的输出

自定义x与y刻度

Matplotlib允许用户自定义 x 轴和 y 轴的刻度范围、步长以及标签。使用xticks和yticks方法来自定义X轴和Y轴的刻度值和文本

属性	示例
设置刻度范围	plt.xlim(0, 10) # x 轴范围为 0 到 10 plt.ylim(0, 20) # y 轴范围为 0 到 20
设置刻度步长	plt.xticks(range(0, 11, 2)) # x 轴刻度范围为 0 到 10，步长为 2 plt.yticks(range(0, 21, 5)) # y 轴刻度范围为 0 到 20，步长为 5
自定义刻度标签	plt.xticks([1, 2, 3], [‘One’, ‘Two’, ‘Three’]) # 自定义 x 轴刻度标签 plt.yticks([-1, 0, 1], [‘Low’, ‘Mid’, ‘High’]) # 自定义 y 轴刻度标签
对数刻度	plt.xscale(‘log’) # 使用对数刻度绘制 x 轴 plt.yscale(‘log’) # 使用对数刻度绘制 y 轴

# xticks方法第一个参数指定要更改的刻度位置，第二个参数指定更改后的刻度文本
plt.xticks(x, **kwargs)

# yticks方法的参数和xticks类似
plt.yticks(y, **kwargs)

# 导入matplotlib
import matplotlib.pyplot as plt

# 创建画布 figsize：画布大小 dpi:像素密度
plt.figure(figsize=(10,5), dpi=100)

# 绘制图像
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 4, 6]
plt.plot(x, y)

# 构造x轴刻度标签
x_ticks_label = ["{}组".format(i) for i in x]

# 构造y轴刻度
y_ticks = range(10)

# 修改x,y轴坐标的刻度显示
# 将X轴刻度从[1, 2, 3, 4, 5]更改为['1组', '2组', '3组', '4组', '5组']
plt.xticks(x, x_ticks_label)
# 将y轴刻度位置从[2, 4, 6, 4, 6]更改为[0,1,2...9]
plt.yticks(y_ticks)

# 显示图像
plt.show()

解决中文显示异常

1.下载 SimHei 字体

https://www.zitijia.com/i/281258939050380345.html

2.安装字体

a.Linux：拷贝字体到 usr/share/fonts 下

sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf

b.windows和mac下：双击安装

3.删除缓存文件

a.Linux

cd ~/.matplotlib
rm -r *

b.windows

C:\Users\用户名\.matplotlib

4.修改配置文件matplotlibrc
a.Linux

vi ~/.matplotlib/matplotlibrc

b.windows

C:\Users\用户名\.matplotlib\matplotlibrc

将文件内容修改为：

font.family         : sans-serif
font.sans-serif         : SimHei
axes.unicode_minus  : False

5.重启Jupyter Notebook

jupyter notebook

网格显示

Matplotlib 可以通过 grid() 方法控制网格线的显示方式，以增强图像的易读性和美观性。

属性	示例
显示网格	plt.grid(True) # 显示网格线
隐藏网格	plt.grid(False) # 隐藏网格线
自定义网格样式	plt.grid(True, linestyle=‘–’, linewidth=0.5, color=‘gray’) # 设置网格为虚线，线宽为 0.5，颜色为灰色
仅显示垂直或水平网格	plt.grid(axis=‘x’) # 仅显示垂直网格 plt.grid(axis=‘y’) # 仅显示水平网格

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

plt.plot(x, y)

# 添加的网格线样式为虚线，线宽为0.5，颜色为灰色
plt.grid(True, linestyle='--', linewidth=0.5, color='gray')

plt.show()

多次plot

使用多个plot()函数调用来绘制多条曲线，它们将会出现在同一个图表上。

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

x2 = [1, 2, 3, 4, 5]
y2 = [2, 4, 6, 4, 6]


# 绘制图表
plt.plot(x, y, label="一部")
plt.plot(x2, y2, label="二部")

# 添加标签和标题
plt.xlabel('价格')
plt.ylabel('销量')
plt.title("价格与销量的变化示意图")

# 添加图例
plt.legend()

# 显示图表
plt.show()

绘图标记

点（Markers）

可以使用不同的符号来表示数据点

标记	描述
“.”	点
“,”	像素点
“o”	实心圆
“v”	下三角
“^”	上三角
“<”	左三角
“>”	右三角
“1”	下三叉
“2”	上三叉
“3”	左三叉
“4”	右三叉
“8”	八角形
“s”	正方形
“p”	五边形
“P”	加号（填充）
“*”	星号
“h”	六边形 1
“H”	六边形 2
“+”	加号
“x”	乘号 x
“X”	乘号 x (填充)
“D”	菱形
“d”	瘦菱形
"	"
“_”	横线
0	左横线
1	右横线
2	上竖线
3	下竖线
4	左箭头
5	右箭头
6	上箭头
7	下箭头
8	左箭头 (中间点为基准)
9	右箭头 (中间点为基准)
10	上箭头 (中间点为基准)
11	下箭头 (中间点为基准)
“None”, " " or “”	没有任何标记
‘$...$’	渲染指定的字符。例如 “$f$” 以字母 f 为标记。

线型（Linestyles）

线条的样式可以通过不同的线型来表示

线类型标记	描述
-	实线
--	虚线
-.	点划线
:	点虚线

颜色（Colors）

可以使用不同的颜色来标记数据点或线条

颜色标记	描述
r	红色
g	绿色
b	蓝色
c	青色
m	品红
y	黄色
k'	黑色
w	白色

import matplotlib.pyplot as plt

x = [1, 2, 3, 4]
y = [1, 4, 2, 3]

plt.plot(x, y, linestyle="-.", marker="o", color='g')
plt.title('My Chart')
plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.legend(['Data'])
plt.show()

显示图例

如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出

一定要在plt.plot()里面设置一个label，否则不显示图例

图例显示位置可选参数：

字符串	数字
‘best’	0
‘upper right’	1
‘upper left’	2
‘lower left’	3
‘lower right’	4
‘right’	5
‘center left’	6
‘center right’	7
‘lower center’	8
‘upper center’	9
‘center’	10

import matplotlib.pyplot as plt

x1 = [1, 2, 3]
y1 = [4, 5, 6]

x2 = [4, 5, 6]
y2 = [1, 3, 5]

# 绘制折线图
plt.plot(x1, y1, label='Line 1')
# 使用多次plot可以画多个折线
plt.plot(x2, y2, label='Line 2', color='r', linestyle='--')


# 显示图例
plt.legend(loc="best")
# plt.legend(loc=2)

plt.show()

多个坐标系显示

Matplotlib可以通过 subplot 函数来添加多个坐标系。

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.array(['A', 'B', 'C', 'D', 'E'])
y1 = np.array([3, 8, 1, 10, 5])
y2 = np.array([4, 6, 12, 2, 9])

# 创建画板和坐标系
# plt.figure(figsize=(20, 8), dpi=100)
# 创建一个包含 1 行、2 列的子图，返回一个由画板和两个坐标系组成的元组。将这个元组拆分为 fig、axis1 和 axis2 三个变量
fig, (axis1, axis2) = plt.subplots(nrows=1, ncols=2,  figsize=(20, 8), dpi=100)
# fig, axes = plt.subplots(nrows=1, ncols=2,  figsize=(20, 8), dpi=100)

# 在第一个坐标系中显示第一个数据集的折线图
axis1.plot(x, y1, label="图1", linestyle="--", color="r")
axis1.set_title('Dataset 1')
# axes[0].plot(x, y1, label="图1", linestyle="--", color="r")
# axes[1].bar(x, y2, label="图2")

# 在第二个坐标系中显示第二个数据集的条形图
axis2.bar(x, y2, label="图2")
axis2.set_title('Dataset 2')

# 添加x,y轴刻度
x_ticks_label = ["{}组".format(i) for i in x]
y_ticks = range(15)
axis1.set_xticks(x,x_ticks_label)
axis1.set_yticks(y_ticks)

# 添加网格显示
axis1.grid(True, linestyle="--", alpha=0.5)

# 添加x,y轴描述和标题
axis1.set_xlabel("分组")
axis1.set_ylabel("数量")
axis1.set_title("分组与数量间的示意图", fontsize=25)

# 显示图例
axis1.legend(loc=0)
axis2.legend(loc=0)

# 显示图像
plt.show()