Matplotlib绘图介绍

 2020-06-23 /  Yuhang Liu

本文章记录Matplotlib绘图的初步介绍和基本逻辑，在了解其背后的逻辑之后，每次绘图的时候才能知道如何下手。顺着工具的理念去使用，才能得心应手地实现心中所想即所得。

Matplotlib绘图逻辑

作为Python的一个绘图包，Matplotlib继承了Python的一切接对象的特点。绘图的过程，就可以看做是在绘图板上进行绘图的过程。当然，为了绘图的简单性和交互性，Matplotlib也提供了过程式或者命令式的函数编程。

Matplotlib绘图的逻辑基本上和自己绘画的流程是一样的。包括三个过程：

找到一张纸或者一块画布；
调色等一系列前戏；
作画。

按照上述过程的模拟，Matplotlib有三个基本模块：

FigureCanvas
Renderer
Artist

三个模块分别实现上述的三个过程。其中，前两个模块主要涉及到和计算机底层的交互，暂时不用接触。我们绝大部分的工作，主要是在利用Artist接口。

Artist接口中包含两类对象：

一类是类似于曲线Line2D、文字text、图像image等等基本元素。
一类是容器对象，比如坐标系Axes、坐标轴Axis等等。

Matplotlib绘图方法

个人认为，Matplotlib主要有两种绘图逻辑：

对象式绘图
函数式绘图

其中，推荐使用对象式绘图方法，因为它可以更好地控制和自定义绘图。从Matplotlib官方文档中摘下来下图，显示了大部分的绘图元素：

绘图

本文章中主要使用Matplotlib的pyplot模块来实现绘图。

打开git bash，进入ipython界面，导入绘图模块：

1	>>> import matplotlib.pyplot as plt

构建空白画布

按照对象式绘图的思想，首先需要使用plt.figure()创建一个Figure对象（个人理解相当于空白画布），通过plt.show()显示出来：

1 2	>>> fig = plt.figure() >>> fig.show()

这时，会显示出一个空的画布，如下图：

因为此时只是创建了一个画布，但是什么都没有画上去，所以肯定是一个空的。

另外，在创建Figure对象的时候，可以使用figsize和dpi来控制图片的尺寸。比如：

1	fig = plt.figure(figsize=(16, 8), dpi=100)

figsize表示画布的宽和高；dpi表示每英寸的像素大小。因此，上面命令就会创建一个$1600\times{800}$的画布。

在空白画布上添加Axes对象

有了图像层，接下来就需要在图像层上来画画了，但是首先需要创建一个坐标轴，之后的绘图都以这个坐标轴为参考系来绘制。由此，我们调用Figure对象的add_axes方法：

1
2
3

>>> fig = plt.figure()
>>> ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
>>> plt.show()

其中，[0.1, 0.1, 0.8, 0.8]表示在图像层中，坐标轴区域(坐标层)距离画布坐标0.1倍的位置，距离下边0.1倍位置，坐标轴区域的整体宽度和高度占整体图像层0.8倍的大小，也就是说，距离右边和上边分别也是1-0.8-0.1=0.1倍的大小。得到如下图：

可以看出，这里相当于在画布上加入了一个坐标系区域。

在Axes上绘制曲线

在画布上添加坐标系区域之后，现在就可以在该坐标系区域内进行绘制曲线了。比如，绘制sin函数曲线：

>>> import numpy as np
>>> import matplotlib.pyplot  as plt
>>> x = np.linspace(0, 10, 100)
>>> y = np.sin(x)
>>> fig = plt.figure()  # 创建画布
>>> ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # 创建第一个坐标轴
>>> ax2 = fig.add_axes([0.2, 0.5, 0.4, 0.3]) # 创建第二个坐标轴
>>> ax1.plot(x, y, 'r')
>>> ax2.plot(x, y, 'g')
>>> plt.show()

在这里，相当于在画布Figure上创建了两个坐标系Axes区域，然后分别在这两个坐标系区域中进行绘图。得到如下图：

保存图片

上面的示例中都是plt.show()显示的是交互式的绘图界面，而不是输出的图片。如果要保存图片，还需要通过savefig()保存。可以使用plt.savefig()或者fig.savefig()方法来保存。Matplotlib可以生成多种格式的图像，包括PNG、JPG、PDF等等，只需要写好后缀名即可：

1	>>> fig.savefig('result.png')

小结

总的来说，按照以上方法绘图的步骤是：

创建画布Figure
在画布上添加坐标轴Axes
在坐标轴上绘图

这种方法逻辑清晰，可以随心所欲地修改图片中的各种元素。

绘制子图AxesSubplot

在画布上还可以使用fig.add_subplot()方法添加子图对象AxesSubplot，这样，画布上能够绘制多个子图。代码如下：

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> x = np.arange(1,10,1)
>>> y = np.random.randn(len(x))
>>> fig = plt.figure()  #产生一个画布
>>> ax = fig.add_subplot(111) #在画布上创建一个子图
>>> ax.plot(x,y)  # 在子图上绘制
>>> ax.set_title("object oriented")  #设置子图标题
>>> plt.show()

得到如下图：

可以看出，fig.add_subplot()方法其实就是起到了添加坐标层Axes的作用，类似于之前的fig.add_axes()。

过程式的绘图

以前在网上查找资料的时候，经常会看见这种写法，例如：

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

plt.plot(x, x, label='linear')
plt.plot(x, x**2, label='quadratic')
plt.plot(x, x**3, label='cubic')

plt.xlabel('x label')
plt.ylabel('y label')

plt.title("Simple Plot")

plt.legend()

plt.show()

官方说法是这个样子的：

Pyplot为底层面向对象的绘图库提供状态机接口。状态机隐式地自动创建图形和轴，以实现所需的图形。

也就是说，第一次调用plt.plot的时候，会自动创建Figure和Axes对象以实现绘图。随后对plt.plot的调用会重新使用当前的Axes，设置标题、图例和轴标签同样还会自动使用当前Axes。

总的来说，这种方式中，对象已经被隐式地掩盖了，但实质上，还是相当于在Axes上进行绘图。

参考

PermaLink:
https://lyuhang.github.io/2020/06/23/Matplotlib%E7%BB%98%E5%9B%BE/