三角洲特种部队有几部:matplotlib-绘制精美的图表

图5.2 用subplot函数将Figure分为六个子图区域

如果希望某个轴占据整个行或者列的话，可以如下调用subplot：

plt.subplot(221) # 第一行的左图plt.subplot(222) # 第一行的右图plt.subplot(212) # 第二整行plt.show()

图5.3 将Figure分为三个子图区域

当绘图对象中有多个轴的时候，可以通过工具栏中的Configure Subplots按钮，交互式地调节轴之间的间距和轴与边框之间的距离。如果希望在程序中调节的话，可以调用subplots_adjust函数，它有left, right, bottom, top, wspace, hspace等几个关键字参数，这些参数的值都是0到1之间的小数，它们是以绘图区域的宽高为1进行正规化之后的坐标或者长度。

5.3　配置文件

一幅图有许多需要配置的属性，例如颜色、字体、线型等等。我们在绘图时，并没有一一对这些属性进行配置，许多都直接采用了Matplotlib的缺省配置。Matplotlib将缺省配置保存在一个文件中，通过更改这个文件，我们可以修改这些属性的缺省值。

Matplotlib 使用配置文件 matplotlibrc 时的搜索顺序如下：

• 当前路径 : 程序的当前路径
• 用户配置路径 : 通常为 HOME/.matplotlib/，可以通过环境变量MATPLOTLIBRC修改
• 系统配置路径 : 保存在 matplotlib的安装目录下的 mpl-data 下

通过下面的语句可以获取用户配置路径：

>>> import matplotlib>>> matplotlib.get_configdir()'C:\\Documents and Settings\\zhang\\.matplotlib'

通过下面的语句可以获得目前使用的配置文件的路径：

>>> import matplotlib>>> matplotlib.matplotlib_fname()'C:\\Python26\\lib\\site-packages\\matplotlib\\mpl-data\\matplotlibrc'

由于在当前路径和用户配置路径中都没有找到位置文件，因此最后使用的是系统配置路径下的配置文件。如果你将matplotlibrc复制一份到脚本的当前目录下：

>>> import os>>> os.getcwd()'C:\\zhang\\doc'

复制配置文件之后再运行:

>>> matplotlib.matplotlib_fname()'C:\\zhang\\doc\\matplotlibrc'

如果你用文本编辑器打开此配置文件的话，你会发现它实际上是定义了一个字典。为了对众多的配置进行区分，关键字可以用点分开。

配置文件的读入可以使用 rc_params 函数，它返回一个配置字典：

>>> matplotlib.rc_params(){'agg.path.chunksize': 0, 'axes.axisbelow': False, 'axes.edgecolor': 'k', 'axes.facecolor': 'w', ... ...

在matplotlib模块载入的时候会调用rc_params，并把得到的配置字典保存到rcParams变量中：

>>> matplotlib.rcParams{'agg.path.chunksize': 0,'axes.axisbelow': False,... ...

matplotlib将使用rcParams中的配置进行绘图。用户可以直接修改此字典中的配置，所做的改变会反映到此后所绘制的图中。例如下面的脚本所绘制的线将带有圆形的点标识符：

>>> matplotlib.rcParams["lines.marker"] = "o">>> import pylab>>> pylab.plot([1,2,3])>>> pylab.show()

为了方便配置，可以使用rc函数，下面的例子同时配置点标识符、线宽和颜色：

>>> matplotlib.rc("lines", marker="x", linewidth=2, color="red")

如果希望恢复到缺省的配置(matplotlib载入时从配置文件读入的配置)的话，可以调用 rcdefaults 函数。

>>> matplotlib.rcdefaults()

如果手工修改了配置文件，希望重新从配置文件载入最新的配置的话，可以调用：

>>> matplotlib.rcParams.update( matplotlib.rc_params() )

5.4　Artist对象

matplotlib API包含有三层：

• backend_bases.FigureCanvas : 图表的绘制领域
• backend_bases.Renderer : 知道如何在FigureCanvas上如何绘图
• artist.Artist : 知道如何使用Renderer在FigureCanvas上绘图

FigureCanvas和Renderer需要处理底层的绘图操作，例如使用wxPython在界面上绘图，或者使用PostScript绘制PDF。Artist则处理所有的高层结构，例如处理图表、文字和曲线等的绘制和布局。通常我们只和Artist打交道，而不需要关心底层的绘制细节。

Artists分为简单类型和容器类型两种。简单类型的Artists为标准的绘图元件，例如Line2D、 Rectangle、 Text、AxesImage 等等。而容器类型则可以包含许多简单类型的Artists，使它们组织成一个整体，例如Axis、 Axes、Figure等。

直接使用Artists创建图表的标准流程如下：

• 创建Figure对象
• 用Figure对象创建一个或者多个Axes或者Subplot对象
• 调用Axies等对象的方法创建各种简单类型的Artists

下面首先调用pyplot.figure辅助函数创建Figure对象，然后调用Figure对象的add_axes方法在其中创建一个Axes对象，add_axes的参数是一个形如[left, bottom, width, height]的列表，这些数值分别指定所创建的Axes对象相对于fig的位置和大小，取值范围都在0到1之间：

>>> import matplotlib.pyplot as plt>>> fig = plt.figure()>>> ax = fig.add_axes([0.15, 0.1, 0.7, 0.3])

然后我们调用ax的plot方法绘图，创建一条曲线，并且返回此曲线对象(Line2D)。

>>> line, = ax.plot([1,2,3],[1,2,1])>>> ax.lines[]>>> line

ax.lines是一个为包含ax的所有曲线的列表，后续的ax.plot调用会往此列表中添加新的曲线。如果想删除某条曲线的话，直接从此列表中删除即可。

Axes对象还包括许多其它的Artists对象，例如我们可以通过调用set_xlabel设置其X轴上的标题：

>>> ax.set_xlabel("time")

如果我们查看set_xlabel的源代码的话，会发现它是通过调用下面的语句实现的：

self.xaxis.set_label_text(xlabel)

如果我们一直跟踪下去，会发现Axes的xaxis属性是一个XAxis对象：

>>> ax.xaxis

XAxis的label属性是一个Text对象：

>>> ax.xaxis.label

而Text对象的_text属性为我们设置的值：

>>> ax.xaxis.label._text'time'

这些对象都是Artists，因此也可以调用它们的属性获取函数来获得相应的属性：

>>> ax.xaxis.label.get_text()'time'

5.4.1　Artist的属性

图表中的每个元素都用一个matplotlib的Artist对象表示，而每个Artist对象都有一大堆属性控制其显示效果。例如Figure对象和Axes对象都有patch属性作为其背景，它的值是一个Rectangle对象。通过设置此它的一些属性可以修改Figrue图表的背景颜色或者透明度等属性，下面的例子将图表的背景颜色设置为绿色：

>>> fig = plt.figure()>>> fig.show()>>> fig.patch.set_color("g")>>> fig.canvas.draw()

patch的color属性通过set_color函数进行设置，属性修改之后并不会立即反映到图表的显示上，还需要调用fig.canvas.draw()函数才能够更新显示。

下面是Artist对象都具有的一些属性：

• alpha : 透明度，值在0到1之间，0为完全透明，1为完全不透明
• animated : 布尔值，在绘制动画效果时使用
• axes : 此Artist对象所在的Axes对象，可能为None
• clip_box : 对象的裁剪框
• clip_on : 是否裁剪
• clip_path : 裁剪的路径
• contains : 判断指定点是否在对象上的函数
• figure : 所在的Figure对象，可能为None
• label : 文本标签
• picker : 控制Artist对象选取
• transform : 控制偏移旋转
• visible : 是否可见
• zorder : 控制绘图顺序

Artist对象的所有属性都通过相应的 get_* 和 set_* 函数进行读写，例如下面的语句将alpha属性设置为当前值的一半：

>>> fig.set_alpha(0.5*fig.get_alpha())

如果你想用一条语句设置多个属性的话，可以使用set函数：

>>> fig.set(alpha=0.5, zorder=2)

使用前面介绍的 matplotlib.pyplot.getp 函数可以方便地输出Artist对象的所有属性名和值。

>>> plt.getp(fig.patch)    aa = True    alpha = 1.0    animated = False    antialiased or aa = True    ... ...

5.4.2　Figure容器

现在我们知道如何观察和修改已知的某个Artist对象的属性，接下来要解决如何找到指定的Artist对象。前面我们介绍过Artist对象有容器类型和简单类型两种，这一节让我们来详细看看容器类型的内容。

最大的Artist容器是matplotlib.figure.Figure，它包括组成图表的所有元素。图表的背景是一个Rectangle对象，用Figure.patch属性表示。当你通过调用add_subplot或者add_axes方法往图表中添加轴(子图时)，这些子图都将添加到Figure.axes属性中，同时这两个方法也返回添加进axes属性的对象，注意返回值的类型有所不同，实际上AxesSubplot是Axes的子类。

>>> fig = plt.figure()>>> ax1 = fig.add_subplot(211)>>> ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3])>>> ax1>>> ax2>>> fig.axes[,]

为了支持pylab中的gca()等函数，Figure对象内部保存有当前轴的信息，因此不建议直接对Figure.axes属性进行列表操作，而应该使用add_subplot, add_axes, delaxes等方法进行添加和删除操作。但是使用for循环对axes中的每个元素进行操作是没有问题的，下面的语句打开所有子图的栅格。

>>> for ax in fig.axes: ax.grid(True)

Figure对象可以拥有自己的文字、线条以及图像等简单类型的Artist。缺省的坐标系统为像素点，但是可以通过设置Artist对象的transform属性修改坐标系的转换方式。最常用的Figure对象的坐标系是以左下角为坐标原点(0,0)，右上角为坐标(1,1)。下面的程序创建并添加两条直线到fig中：

>>> from matplotlib.lines import Line2D>>> fig = plt.figure()>>> line1 = Line2D([0,1],[0,1], transform=fig.transFigure, figure=fig, color="r")>>> line2 = Line2D([0,1],[1,0], transform=fig.transFigure, figure=fig, color="g")>>> fig.lines.extend([line1, line2])>>> fig.show()

图5.4 在Figure对象中手工绘制直线

注意为了让所创建的Line2D对象使用fig的坐标，我们将fig.TransFigure赋给Line2D对象的transform属性；为了让Line2D对象知道它是在fig对象中，我们还设置其figure属性为fig；最后还需要将创建的两个Line2D对象添加到fig.lines属性中去。

Figure对象有如下属性包含其它的Artist对象：

• axes : Axes对象列表
• patch : 作为背景的Rectangle对象
• images : FigureImage对象列表，用来显示图片
• legends : Legend对象列表
• lines : Line2D对象列表
• patches : patch对象列表
• texts : Text对象列表，用来显示文字

5.4.3　Axes容器

Axes容器是整个matplotlib库的核心，它包含了组成图表的众多Artist对象，并且有许多方法函数帮助我们创建、修改这些对象。和Figure一样，它有一个patch属性作为背景，当它是笛卡尔坐标时，patch属性是一个Rectangle对象，而当它是极坐标时，patch属性则是Circle对象。例如下面的语句设置Axes对象的背景颜色为绿色：

>>> fig = plt.figure()>>> ax = fig.add_subplot(111)>>> ax.patch.set_facecolor("green")

当你调用Axes的绘图方法（例如plot），它将创建一组Line2D对象，并将所有的关键字参数传递给这些Line2D对象，并将它们添加进Axes.lines属性中，最后返回所创建的Line2D对象列表：

>>> x, y = np.random.rand(2, 100)>>> line, = ax.plot(x, y, "-", color="blue", linewidth=2)>>> line>>> ax.lines[]

注意plot返回的是一个Line2D对象的列表，因为我们可以传递多组X,Y轴的数据，一次绘制多条曲线。

与plot方法类似，绘制直方图的方法bar和绘制柱状统计图的方法hist将创建一个Patch对象的列表，每个元素实际上都是Patch的子类Rectangle，并且将所创建的Patch对象都添加进Axes.patches属性中：

下面以绘制散列图(scatter)为例，验证一下：

>>> fig = plt.figure()>>> ax = fig.add_subplot(111)>>> t = ax.scatter(np.random.rand(20), np.random.rand(20))>>> t # 返回值为CircleCollection对象>>> ax.collections # 返回的对象已经添加进了collections列表中[]>>> fig.show()>>> t.get_sizes() # 获得Collection的点数20

图5.5 用scatter函数绘制散列图

5.4.4　Axis容器

Axis容器包括坐标轴上的刻度线、刻度文本、坐标网格以及坐标轴标题等内容。刻度包括主刻度和副刻度，分别通过Axis.get_major_ticks和Axis.get_minor_ticks方法获得。每个刻度线都是一个XTick或者YTick对象，它包括实际的刻度线和刻度文本。为了方便访问刻度线和文本，Axis对象提供了get_ticklabels和get_ticklines方法分别直接获得刻度线和刻度文本：

图5.6 手工配置X轴的刻度线和刻度文本的样式

上面的例子中，获得的副刻度线列表为空，这是因为用于计算副刻度的对象缺省为NullLocator，它不产生任何刻度线；而计算主刻度的对象为AutoLocator，它会根据当前的缩放等配置自动计算刻度的位置：

>>> axis.get_minor_locator() # 计算副刻度的对象>>> axis.get_major_locator() # 计算主刻度的对象

我们可以使用程序为Axis对象设置不同的Locator对象，用来手工设置刻度的位置；设置Formatter对象用来控制刻度文本的显示。下面的程序设置X轴的主刻度为pi/4，副刻度为pi/20，并且主刻度上的文本以pi为单位：

# -*- coding: utf-8 -*-import matplotlib.pyplot as plfrom matplotlib.ticker import MultipleLocator, FuncFormatterimport numpy as npx = np.arange(0, 4*np.pi, 0.01)y = np.sin(x)pl.figure(figsize=(8,4))pl.plot(x, y)ax = pl.gca()def pi_formatter(x, pos):    """    比较罗嗦地将数值转换为以pi/4为单位的刻度文本    """    m = np.round(x / (np.pi/4))    n = 4    if m%2==0: m, n = m/2, n/2    if m%2==0: m, n = m/2, n/2    if m == 0:        return "0"    if m == 1 and n == 1:        return "$\pi$"    if n == 1:        return r"$%d \pi$" % m    if m == 1:        return r"$\frac{\pi}{%d}$" % n    return r"$\frac{%d \pi}{%d}$" % (m,n)# 设置两个坐标轴的范围pl.ylim(-1.5,1.5)pl.xlim(0, np.max(x))# 设置图的底边距pl.subplots_adjust(bottom = 0.15)pl.grid() #开启网格# 主刻度为pi/4ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )# 主刻度文本用pi_formatter函数计算ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) )# 副刻度为pi/20ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )# 设置刻度文本的大小for tick in ax.xaxis.get_major_ticks():    tick.label1.set_fontsize(16)pl.show()

关于刻度的定位和文本格式的东西都在matplotlib.ticker中定义，程序中使用到如下两个类：

• MultipleLocator : 以指定值的整数倍为刻度放置刻度线
• FuncFormatter : 使用指定的函数计算刻度文本，他会传递给所指定的函数两个参数：刻度值和刻度序号，程序中通过比较笨的办法计算出刻度值所对应的刻度文本

此外还有很多预定义的Locator和Formatter类，详细内容请参考相应的API文档。

图5.7 手工配置X轴的刻度线的位置和文本，并开启副刻度