目录
图形元素
画布 (fifigure)。
坐标图形 (axes)，也称为子图。
轴 (axis) ：数据轴对象，即坐标轴线。
刻度 (tick)，即刻度对象。
图层顺序
轴比例和刻度
轴比例
刻度位置和刻度格式
坐标系
直角坐标系
极坐标系
地理坐标系
多子图的绘制
subplot() 函数
add_subplot() 函数
subplots() 函数
axes()
subplot2grid() 函数
gridspec.GridSpec() 函数
subplot_mosaic() 函数
常见的图的类型
结果保存
图形元素
-
画布 (fifigure)。
它既可以代表图形本身进行图的绘制（包含图例、图名、数据标记等多个图形艺术对象，又可以 被划分为多个子区域，而每个子区域可用于单独图形类型的 ( 子图 ) 绘制。用户可以在画布 (fifigure) 中设置画布大小（fifigsize）、分辨率（dpi）和背景颜色等其他参数。
-
坐标图形 (axes)，也称为子图。
作为 Matplotlib 的绘图核心，它主要为绘图数据提供展示区域，同时包括组成图的众多艺术对象 (artist)。在大多数情况下，一个画布 (fifigure) 对象中包含一个子图区域，子图区域由上、下、左、右 4 个轴脊以及其他构成子图的组成元素组成。
-
轴 (axis) ：数据轴对象，即坐标轴线。
每个轴对象都含有位置（
locator
）对象和格式（formatter
）对象，它们分别用于控制坐标轴刻度的位置和格式。
-
刻度 (tick)，即刻度对象。
刻度对象包括主刻度（Major tick）、次刻度（Minor tick）、主刻度标签（Major tick label）和次刻度标签（Minor tick label）。
图层顺序
Matplotlib 采用的是面向对象的绘图方式。在同一个坐标图形中绘制不同的数据图层时，
Matplotlib
可通过设置每个绘图函数中的
zorder
参数来设定不同的图层。
轴比例和刻度
Matplotlib
中 的每个坐标图形对象至少包含两个轴对象，它们分别用来表示 X
轴和
Y
轴。轴对象还可以控制轴比例（axis scale
）、刻度位置（
tick locator
）和刻度格式（
tick formatter
）。
轴比例
轴比例规定了数值与给定轴之间的映射方式，即数值在轴上以何种方式进行缩放。Matplotlib 中的默认轴比例方式为线性（
linear
）方式，其他诸如
log
、
logit
、
symlog
和自定义函数比例（function scale
）方式也是常用的轴比例方式。
刻度位置和刻度格式
刻度位置和刻度格式分别规定了每个轴对象上刻度的位置与格式。
坐标系
常见的坐标系有直角坐标系（
rectangular coordinate system
）、极坐标系（
polar coordinate
system
）和地理坐标系（
geographic coordinate system
）。
直角坐标系
Matplotlib
中，我们可通过设置绘图函数（如 add_subplot()
）中的参数
projection='3d'
或引入
axes3d
对象来绘制三维直角坐标系。
极坐标系
地理坐标系
Matplotlib
地理坐标系中的地理投影方式较少，仅有
Aitoffff
投影、
Hammer
投影、
Lambert
投影和
Mollweide
投影
4
种。
多子图的绘制
subplot() 函数
import matplotlib.pyplot as plt
ax1 = plt.subplot(212)
ax2 = plt.subplot(221)
ax3 = plt.subplot(222)
add_subplot() 函数
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(212)
ax2 = fig.add_subplot(221)
ax3 = fig.add_subplot(222)
subplots() 函数
fig, axs = plt.subplots(2, 3, sharex=True, sharey=True)
axs[0,0].text(0.5, 0.5, "subplots(0,0)")
axs[0,1].text(0.5, 0.5, "subplots(0,1)")
axs[0,2].text(0.5, 0.5, "subplots(0,2)")
axs[1,0].text(0.5, 0.5, "subplots(1,0)")
axs[1,1].text(0.5, 0.5, "subplots(1,1)")
axs[1,2].text(0.5, 0.5, "subplots(1,2)")
axes()
import numpy as np
import matplotlib.pyplot as plt
from colormaps import parula
np.random.seed(19680801)
plt.subplot(211)
plt.imshow(np.random.random((100, 100)),cmap=parula)
plt.subplot(212)
plt.imshow(np.random.random((100, 100)),cmap=parula)
plt.subplots_adjust(bottom=0.1, right=0.8, top=0.9)
cax = plt.axes(rect=[0.8, 0.15, 0.05, 0.6])
plt.colorbar(cax=cax)
subplot2grid() 函数
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax5 = plt.subplot2grid((3, 3), (2, 1))
gridspec.GridSpec() 函数
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
fig = plt.figure(constrained_layout=True)
gspec = gridspec.GridSpec(ncols=3, nrows=3, figure=fig)
ax1=plt.subplot(gspec[0,:])
ax2=plt.subplot(gspec[1,0:2])
ax3=plt.subplot(gspec[1:,2])
ax4=plt.subplot(gspec[2,0])
ax5=plt.subplot(gspec[-1,-2])
subplot_mosaic() 函数
def annotate_axes(ax, text, fontsize=fontsize):
ax.text(0.5, 0.5, text, transform=ax.transAxes,
fontsize=fontsize, alpha=0.75, ha="center",
va="center", weight="bold")
fig, axd = plt.subplot_mosaic([['upper left', 'right'],
['lower left', 'right']],figsize=(6,3),
constrained_layout=True)
for k in axd:
annotate_axes(axd[k], f'axd["{k}"]', fontsize=14)
常见的图的类型
结果保存
Matplotlib
绘制的图对象可以保存为多种格式，如
PNG
、
JPG
、
TIFF
、
PDF
和
SVG
等。注意，结果保存函数 savefifig()
必须出现在
show()
函数之前，可避免保存结果为空白等问题。另外，在使用 savefifig()
的过程中，我们需要设置参数
bbox_inches='tight'
，去除图表周围的空白部分。将图对象保存为 PDF
文件和
PNG
文件的示例代码如下。
fig.savefig('结果.pdf',bbox_inches='tight')
fig.savefig('结果.png', bbox_inches='tight',dpi=300)
plt.show()![[oneAPI] 基于BERT预训练模型的SQuAD问答任务](https://img-blog.csdnimg.cn/329e4dd5873f488ca6ee22c97fefe5b4.png)
