Python 之 Matplotlib xticks 的再次說明、圖形樣式和子圖

文章目錄

• 一. 改變 x 軸顯示内容 xticks 方法再次說明
• • 1. x 軸是數值型資料
  • 2. 将 x 軸更改為字元串
  • 3. 總結
• 二. 其他元素可視性
• • 1. 顯示網格：plt.grid()
  • 2. plt.gca( ) 對坐标軸的操作
• 三. plt.rcParams 設定畫圖的分辨率，大小等資訊
• 四. 圖表的樣式參數設定
• • 1. 線條樣式
  • 2. 線條樣式縮寫
• 五. 建立圖形對象
• 六. 繪制多子圖
• • 1. add_axes()：添加區域
  • 2. subplot() 函數，它可以均等地劃分畫布
  • 3. 設定多圖的基本資訊方式
  • • 3.1 在建立的時候直接設定
    • 3.2 使用 pyplot 子產品中的方法設定後再繪制
    • 3.3 使用傳回的區域對象設定
  • 4. subplots() 函數詳解

• 在最開始，我們先引入 Matplotlib 庫，便于後續的操作。

from matplotlib import pyplot as plt
import numpy as np
           

一. 改變 x 軸顯示内容 xticks 方法再次說明

• 第一個參數，需要一個數字清單，訓示 x 軸上的記号應該指向哪裡，我們向這個函數傳遞了一個字元串，但它并不知道如何将其轉換為 x 軸上的位置。

1. x 軸是數值型資料

• 例如，我們使用 np.arange() 生成從 1991 年到 2020 年，30 年的日期資料。

dates = np.arange(1991,2021)
dates
#array([1991, 1992, 1993, 1994, 1995, 1996, 1997, 1998, 1999, 2000, 2001,
#       2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012,
#       2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020])
           

• 随後，我們再使用 np.random.randint() 随機生成這 30 年的銷量資料。

sales = np.random.randint(50,500,size=30)
sales
#array([150, 115,  52, 247, 113,  54, 204, 405, 245, 438, 251, 392, 222,
#       416, 388, 112, 250, 473, 444, 195, 147, 123, 136, 294, 240, 129,
#       290, 255, 381, 149])
           

• 最後，我們将日期作為橫坐标，銷量作為縱坐标繪制銷量圖。

• 通過上述步驟我們可以發現，對于數值型數組，繪圖會自動分割。
• 但是，如果想按照自己的邏輯分割，注意數值型對應軸上面的數值，比如，我們可以将 x 軸的刻度進行修改，并繪制銷量圖。

%matplotlib inline
plt.xticks([1980,1982,1993])
plt.plot(dates,sales)
           

• 目前會看到 x 軸上面沒有資料，其實是有資料，隻不過，預設目前圖形的 x 軸區間是 [1991,2021]，對此，我們可以借助設定 %matplotlib notebook 移動圖像來檢視。

- %matplotlib notebook
plt.xticks([1980,1982,1993])
plt.plot(dates,sales)
           

• 如果我們想按照自己的邏輯分割，注意數值型使用的是元素本身，而不是元素的索引。
• 如果我們直接使用元素本身就會産生如下現象。

plt.xticks([1990,2005,2010,2020]) 
plt.plot(dates,sales)
           

• 是以，如果我們想 x 軸刻度每兩年顯示一次的話，就需要使用元素的索引進行銷量圖的繪制。

plt.xticks(np.arange(dates.min(),dates.max()+2,2),rotation=45)
plt.plot(dates,sales)
           

那麼，對于上述的邏輯分割，我們也是可以使用元素本身的，隻不過需要一些計算。

plt.xticks([dates[i] for i in range(0,len(dates),2)]+[2020],rotation=45) # 元素本身
plt.plot(dates,sales)
           

2. 将 x 軸更改為字元串

• 我們将從 1991 年到 2020 年，30 年的日期修改為字元串。
• 這裡需要注意的是 xticks 第一個參數中元素不能我字元串 。

dates = np.arange(1991,2021).astype(np.str_)
plt.xticks(range(1,len(dates),2),rotation=45) # 元素本身
plt.plot(dates,sales)
           

3. 總結

• （1） 當 x 軸是數值型，會按照數值型本身作為 x 軸的坐标。
• （2） 當 x 軸為字元串類型，會按照索引作為 x 軸的坐标。
• 具體可見如下例子：

time=np.arange(2000,2020).astype(np.str_)
sales = [109, 150, 172, 260, 273, 333, 347, 393, 402, 446, 466, 481, 499,504, 513, 563, 815, 900, 930, 961]
plt.xticks(range(0,len(time),2))##,labels=['year%s'%i for i in time],rotation=45,color="red")
plt.yticks(color="blue")
plt.plot(time,sales)
           

二. 其他元素可視性

1. 顯示網格：plt.grid()

• 顯示網格 plt.grid() 的參數有如下含義：
• linestyle：線型。
• color：顔色。
• linewidth：寬度。
• axis：x，y，both，顯示x/y/兩者的格網。
• 例如，我們可以使用 np.linspace 生成從 -Π 到 Π 并且包含終止值的 256 個資料，并分别生成一個 cos 和 sin 函數。

x = np.linspace(-np.pi,np.pi,256,endpoint = True)
c, s = np.cos(x), np.sin(x)
plt.plot(x, c)
plt.plot(x, s)
plt.grid(True,linestyle="--")
           

2. plt.gca( ) 對坐标軸的操作

• 首先觀察畫布上面的坐标軸，如下圖。

• 上圖中，用紅色辨別出的黑色邊界框線在 Matplotlib 中被稱為 spines，中文翻譯為脊柱。
• 在我的了解看來，意思是這些邊界框線是坐标軸區域的支柱，那麼，我們最終要挪動的其實就是這四個支柱，且所有的操作均在 plt.gca( ) 中完成，gca 就是 get current axes 的意思。
• 接下來需要繪制圖如下：

• 首先，我們建立 x 軸資料，使用 np.arange( ) 生成從 -50 到 50 的 x 軸資料，再建立 y 軸的資料，y 是 x 的平方，并繪制圖形。

x = np.arange(-50,51)
y = x ** 2
plt.plot(x, y)
           

• 然後，我們擷取目前坐标軸，通過坐标軸 spines ，确定 top，bottom，left，right（分别表示上，下，左，右)。
• 此時，我們需要的是坐标軸，是以，不需要右側和上側線條，将其顔色設定為 none。

x = np.arange(-50,51)
y = x ** 2
ax = plt.gca() 
ax.spines['right'].set_color("none")
ax.spines['top'].set_color("none")​
plt.plot(x, y)
           

• 随後，我們在上述的基礎上，分别定義 x，y，擷取目前坐标軸移動下軸到指定位置，在這裡，position 位置參數有三種，data , outward（向外），axes。
• axes 是 0.0 - 1.0 之間的值，按軸上的比例劃分。
• data 表示按數值挪動，其後數字代表挪動到 Y 軸的刻度值。
• 最後，在設定 y 的取值範圍，将兩個 0 點移動到一起。

x = np.arange(-50,51)
y = x ** 2
ax = plt.gca()
ax.spines['right'].set_color("none")
ax.spines['top'].set_color("none")
ax.spines['left'].set_position(('axes',0.5))
plt.ylim(0, y.max()) 
plt.plot(x, y)
           

三. plt.rcParams 設定畫圖的分辨率，大小等資訊

• plt.rcParams[‘figure.figsize’] = (8.0, 4.0) 是設定 figure_size 英寸。
• plt.rcParams[‘figure.dpi’] = 300 是設定分辨率。
• 預設的像素：[6.0,4.0]，分辨率為 72，圖檔尺寸為 432x288。
• 如果指定 dpi=100，則圖檔尺寸為 600*400。
• 如果指定 dpi=300，則圖檔尺寸為 1800*1200。
• 針對上述，我們進行如下的樣例示範。
• （1） 分辨率為 72，圖檔尺寸為 432x288（預設值）。

• （2） 将大小設定為 (6.0,4.0) 英寸。

plt.rcParams['figure.figsize'] = (6.0, 4.0)
plt.plot()
           

• （3） 指定 dpi=100，圖檔尺寸為 600*400。

plt.rcParams['figure.dpi'] = 100
plt.plot()
           

• 将大小設定為 (3,2) 英寸（注意橫縱坐标的刻度也發生了變化）。

plt.rcParams['figure.figsize']=(3,2)
plt.plot()
           

四. 圖表的樣式參數設定

1. 線條樣式

• 傳入 x，y，通過 plot 畫圖，并設定折線顔色、透明度、折線樣式和折線寬度，标記點、标記點大小、标記點邊顔色、标記點邊寬，網格等。

• （1） color：可以使用顔色的 16 進制，也可以使用線條顔色的英文，還可是使用之前的縮寫。

字元	顔色	英文全稱
‘b’	藍色	blue
‘g’	綠色	green
’ r ’	紅色	red
’ c ’	青色	cyan
’ m ’	品紅	magenta
’ y ’	黃色	yellow
’ k ’	黑色	black
’ w ’	白色	white

• （2） alpha：0-1，透明度。
• （3） linestyle：折線樣式。

字元	描述
‘-’	實線
‘–’	虛線
‘-.’	點劃線
‘:’	虛線

• （4） marker 标記點:。

标記符号	描述
‘.’	點标記
‘o’	圓圈标記
‘x’	'X’标記
‘D’	鑽石标記
‘H’	六角标記
‘s’	正方形标記
‘+’	加号标記

• 例如如下應用：

x= np.arange(0, 100,10)
y= x ** 2
"""linewidth 設定線條粗細
   label 設定線條标簽
   color 設定線條顔色
   linestyle 設定線條形狀
   marker 設定線條樣點标記
"""
plt.plot(x, y, linewidth = '2', label = "test", color='b', linestyle='--', marker='H')
plt.legend(loc='upper left')
           

2. 線條樣式縮寫

• 我們可以設定兩條曲線，第一個是紅色，點劃線；第二個是品紅，虛線。
• 将他們的線條樣式進行縮寫。

plt.plot([1,2,3],[4,7,6],'r*-.')
plt.plot([2,4,5],[3,8,7],'m+--')
           

• 除此之外，我們也可以多設定幾種線條樣式的組合，并将他們添加到圖例當中。

plt.rcParams['figure.figsize']=(8,4)
x=np.linspace(0,10,100)​
plt.plot(x,x+0, '-g', label='-g') ​
plt.plot(x,x+1, '--c', label='--c')  ​
plt.plot(x,x+2, '-.k', label='-.k')​
plt.plot(x,x+3, '-r', label='-r') ​
plt.plot(x,x+4, 'o', label='o')  ​
plt.plot(x,x+5, 'x', label='x')  ​
plt.plot(x,x+6, 'dr', label='dr')  ​
plt.legend(loc='lower right',framealpha=0.5,shadow=True, borderpad=0.5)
           

五. 建立圖形對象

• 在 Matplotlib 中，面向對象程式設計的核心思想是建立圖形對象（figure object）。
• 通過圖形對象來調用其它的方法和屬性，這樣有助于我們更好地處理多個畫布。
• 在這個過程中，pyplot 負責生成圖形對象，并通過該對象來添加一個或多個 axes 對象（即繪圖區域）。
• Matplotlib 提供了 matplotlib.figure 圖形類子產品，它包含了建立圖形對象的方法。通過調用 pyplot 子產品中 figure() 函數來執行個體化 figure 對象。

• 其參數具有如下含義：
• num 表示圖像編号或名稱，數字為編号，字元串為名稱。
• figsize 表示指定 figure 的寬和高，機關為英寸。
• dpi 表示定繪圖對象的分辨率，即每英寸多少個像素，預設值為 72。
• facecolor 表示背景顔色。
• edgecolor 表示邊框顔色。
• frameon 表示是否顯示邊框。
• 具體可見如下例子。
• 建立圖形對象，就相當于我們建立一個畫布。
• 之前通過配置更改圖形的分辨率和寬高.。現在可以在建立圖像對象的時候建立。

from matplotlib import pyplot as plt
fig = plt.figure()
​fig = plt.figure('f1',figsize=(3,2),dpi=100)
x = np.arange(0,50)
y = x ** 2
plt.plot(x,y)
           

• 然後，我們建立圖形對象，圖形對象的分辨率為 100，背景顔色為：灰色，并擷取軸。

x = np.arange(0,50)
y = x ** 2
fig = plt.figure('f1',figsize=(4,2), dpi=100,facecolor='gray')
ax = plt.gca()
ax.plot(x,y)
plt.plot(x,y)
           

六. 繪制多子圖

• figure 是繪制對象（可了解為一個空白的畫布），一個 figure 對象可以包含多個 Axes 子圖，一個 Axes 是一個繪圖區域，不加設定時，Axes 值預設為 1，且每次繪圖其實都是在 figure 上的 Axes 上繪圖。
• 我們是在圖形對象上面的 Axes 區域進行作畫。
• 接下來我們将學習繪制子圖的幾種方式：
• （1） add_axes()：添加區域。
• （2） subplot()：均等地劃分畫布,隻是建立一個包含子圖區域的畫布，（傳回區域對象）。
• （3） subplots()：既建立了一個包含子圖區域的畫布，又建立了一個 figure 圖形對象（傳回圖形對象和區域對象）。

1. add_axes()：添加區域

• Matplotlib 定義了一個 axes 類（軸域類），該類的對象被稱為 axes 對象（即軸域對象），它指定了一個有數值範圍限制的繪圖區域。在一個給定的畫布（figure）中可以包含多個 axes 對象，但是同一個 axes 對象隻能在一個畫布中使用。
• 2D 繪圖區域（axes）包含兩個軸（axis）對象
• 其文法如下：

• 該方法用來生成一個 axes 軸域對象，對象的位置由參數 rect 決定。
• rect 是位置參數，接受一個由 4 個元素組成的浮點數清單，形如 [left, bottom, width, height] ，它表示添加到畫布中的矩形區域的左下角坐标 (x, y)，以及寬度和高度。
• 如下所示：
• ax1 從畫布起始位置繪制，寬高和畫布一緻；ax2 從畫布 20% 的位置開始繪制, 寬高是畫布的 50%。

fig = plt.figure(figsize=(4,2),facecolor='g')
​ax1=fig.add_axes([0,0,1,1])
​ax2=fig.add_axes([0.1,0.6,0.3,0.3])
​ax3=fig.add_axes([0.5,0.6,0.2,0.3])
ax1.plot(x, y)
ax2.plot(x, y)
ax3.plot(x, y)
           

• 注意：每個元素的值是畫布寬度和高度的分數。即将畫布的寬、高作為 1 個機關。比如，[ 0.2, 0.2, 0.5, 0.5]，它代表着從畫布 20% 的位置開始繪制, 寬高是畫布的 50%
• 我們建立 ax1，和畫布位置一緻；ax2 從畫布 40% 的位置開始繪制, 寬高是畫布的 50%

fig = plt.figure(figsize=(4,2),facecolor='g')​
x = np.arange(0,50,2)
y = x ** 2
ax1 = fig.add_axes([0.0,0.0,1,1])
​ax1.plot(x,y)
​ax2=fig.add_axes([0.4,0.4,0.3,0.3])
​ax2.plot(x,y)
           

• 其中區域中基本方法的使用如下：
• 區域圖表名稱：set_title。
• 區域中 x 軸和 y 軸名稱：set_xlabel() 和 set_ylabel()。
• 刻度設定：set_xticks()。
• 區域圖表圖例：legend()。

2. subplot() 函數，它可以均等地劃分畫布

• 其參數格式如下：

• nrows 表示行。
• ncols 表示列。
• index 表示索引。
• kwargs 表示 title/xlabel/ylabel 等。
• 也可以直接将幾個值寫到一起，例如：subplot(233)。
• 傳回：區域對象。
• nrows 與 ncols 表示要劃分幾行幾列的子區域（nrows*nclos表示子圖數量），index 的初始值為1，用來標明具體的某個子區域。
• 例如： subplot(233) 表示在目前畫布的右上角建立一個兩行三列的繪圖區域（如下圖所示），同時，選擇在第 3 個位置繪制子圖。

• 如果建立的子圖與現有的子圖重疊，那麼重疊部分的子圖将會被自動删除，因為它們不可以共享繪圖區域。
• 現在建立一個子圖，它表示一個有 1 行 2 列的網格的頂部圖。引為這個子圖将與第一個重疊，是以之前建立的圖将被删除，x 可省略，預設 [0,1…,N-1] 遞增。

plt.plot([1,2,3])
plt.subplot(211)
plt.plot(range(50,70))​
plt.subplot(212)​
plt.plot(np.arange(12)**2)
           

- 如果不想覆寫之前的圖，需要先建立畫布。還可以先設定畫布的大小，再通過畫布建立區域。

fig = plt.figure(figsize=(4,2))​
fig.add_subplot(111)​
plt.plot(range(20))​
fig.add_subplot(221)​
plt.plot(range(12))
           

3. 設定多圖的基本資訊方式

3.1 在建立的時候直接設定

• 對于 subplot 關鍵詞指派參數的了解，可以将光标移動到 subplot 方法上，使用快捷鍵 shift+tab 檢視具體内容。
• 現在建立一個子圖，它表示一個有 2 行 1 列的網格的頂部圖。x 可省略,預設 [0,1…,N-1] 遞增。

plt.subplot(211,title="pic1", xlabel="x axis")
plt.plot(range(50,70))​
plt.subplot(212, title="pic2", xlabel="x axis")​
plt.plot(np.arange(12)**2)
           

• 發現子圖示題重疊，在最後使用 plt.tight_layout()。

plt.subplot(211,title="pic1", xlabel="x axis")
plt.plot(range(50,70))
​plt.subplot(212, title="pic2", xlabel="x axis")​
plt.plot(np.arange(12)**2)
plt.tight_layout()
           

3.2 使用 pyplot 子產品中的方法設定後再繪制

​plt.subplot(211)
plt.title("ax1")
plt.plot(range(50,70))
​plt.subplot(212)
plt.title("ax2")
plt.plot(np.arange(12)**2)
plt.tight_layout()
           

3.3 使用傳回的區域對象設定

• 注意區域對象的方法很多都是 set_ 開頭。

ax1 = plt.subplot(211)
ax1.set_title("ax1")
ax1.plot(range(50,70))
​ax2 = plt.subplot(212)
ax2.set_title("ax2")
​ax2.plot(np.arange(12)**2)
plt.tight_layout()
           

4. subplots() 函數詳解

• matplotlib.pyplot 子產品提供了一個 subplots() 函數，它的使用方法和 subplot() 函數類似。其不同之處在于，subplots() 既建立了一個包含子圖區域的畫布，又建立了一個 figure 圖形對象，而 subplot() 隻是建立一個包含子圖區域的畫布。
• subplots 的函數格式如下：

• nrows 與 ncols 表示兩個整數參數，它們指定子圖所占的行數、列。
• 函數的傳回值是一個元組，包括一個圖形對象和所有的 axes 對象。其中 axes 對象的數量等于 nrows * ncols，且每個 axes 對象均可通過索引值通路（從 0 開始）。
• 下面我們建立了一個 2 行 2 列的子圖，并在每個子圖中顯示 4 個不同的圖像。

• 第一幅圖像就是 (0,0)，顯示的是 x 2 x^{2} x2；第二幅圖像就是 (0,1)，顯示的是 x \sqrt{x} x

  ​；第三幅圖像就是 (1,0)，顯示的是 e x e^{x} ex；第四幅圖像就是 (1,1)，顯示的是 log ⁡ 10 x \log_{10}{x} log10​x。

import matplotlib.pyplot as plt
import numpy as np
fig, axes =  plt.subplots(2,2)​
x = np.arange(1,5)
axes[0][0].plot(x, x*x)
axes[0][0].set_title('square')
axes[0][1].plot(x, np.sqrt(x))
axes[0][1].set_title('square root')
axes[1][0].plot(x, np.exp(x))
axes[1][0].set_title('exp')
axes[1][1].plot(x,np.log10(x))
axes[1][1].set_title('log')
​plt.tight_layout()
​plt.show()