在图表中显示中文

matplotlib的缺省配置文件中所使用的字体无法正确显示中文。为了让图表能正确显示中文，可以有几种解决方案：在程序中直接指定字体。在程序开头修改配置字典rcParams。修改配置文件。比较简便的方式是，中文字符串用unicode格式，例如：u”测试中文显示”，代码文件编码使用utf-8 加上” # coding = utf-8  “一行。

[matplotlib输出图象的中文显示问题]

面向对象画图

matplotlib API包含有三层，Artist层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。

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

import matplotlib.pyplot as plt
X1 = range(0, 50)
Y1 = [num**2 for num in X1] # y = x^2 X2 = [0, 1] Y2 = [0, 1] # y = x

Fig = plt.figure(figsize=(8,4)) # Create a `figure' instance
Ax = Fig.add_subplot(111) # Create a `axes' instance in the figure
Ax.plot(X1, Y1, X2, Y2) # Create a Line2D instance in the axes

Fig.show() 
Fig.savefig("test.pdf")

绘制多子图

可以使用subplot()快速绘制包含多个子图的图表，它的调用形式如下：

matplotlib.pyplot.subplot(*args, **kwargs)¶

subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)

subplot()返回它所创建的Axes对象，我们可以将它用变量保存起来，然后用sca()交替让它们成为当前Axes对象，并调用plot()在其中绘图。

用法1：subplot(numRows, numCols, plotNum)

        subplot将整个绘图区域等分为numRows行* numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。

        通过axisbg参数给每个轴设置不同的背景颜色。

示例1：

def draw_convergence(amap, title=”):
    import math
    import numpy as np
    import matplotlib.pyplot as plt
    colors = plt.cm.Spectral(np.linspace(0, 1, len(amap) + 3))
    max_y = math.ceil(max([max(v) for v in amap.values() if v]))
    min_y = math.floor(min([min(v) for v in amap.values() if v]))
    for id, (k, v) in enumerate(amap.items()):
        plt.sca(plt.subplot(len(amap), 1, id + 1))
        plt.plot(range(len(v)), v, marker=’.’, label=k, c=colors[int(k)])
        plt.legend(loc=’lower right’, ncol=4)
        plt.yticks(range(min_y, max_y + 1, max((max_y – min_y) // 15, 1)))  # y坐标设置
        for yi in range(min_y, max_y + 1, max((max_y – min_y) // 5, 2)):  # 绘制y坐标对应的横线
            plt.axhline(y=yi, color=’r’, lw=0.2)
    max_x = max([len(v) for v in amap.values()])
    plt.xticks(range(0, max_x, max(max_x // 15, 1)))  # x坐标设置
    plt.sca(plt.subplot(len(amap), 1, 1))  # title位置重置
    plt.title(title)
    plt.show()

amap = {‘1’: [5, 3, 4, 1, 0, 2, 2, 2, 3, 4, 5, 3, 3, 1], ‘2’: [2, 5, 2, 3, 3, 1, 1, 4, 0, 4, 0, 6, 1, 6, 0, 0, 2, 2, 6, 2, 2, 5, 1, 1, 2, 2, 5, 6, 3, 6, 3, 3, 4, 4, 6, 6, 1, 6, 5, 6, 3, 3, 4, 4, 3, 0, 0, 1, 1], ‘4’: [0, 1, 2, 4, 5, 6, 1, 1, 3, 4, 5, 6, 1, 6, 1, 3, 4, 1, 6, 1, 2, 4, 0, 3, 4, 5, 0, 3, 1, 3, 6, 1, 3, 4, 2, 4, 6, 0, 2, 6, 5, 0, 3, 3, 5, 0, 4, 1, 4, 0, 3, 1, 3, 5, 6, 0, 5, 2, 4, 0, 4, 4, 4, 6, 1, 4, 0, 6, 4, 1, 4, 5, 0, 5, 6, 0, 2, 5, 0, 2, 4, 4, 2, 2, 0, 1, 1, 0], ‘5’: [5, 3, 3, 1, 0, 6, 6, 0, 5, 2, 1, 2, 6, 3, 3, 4, 1, 3, 4, 3, 0, 2, 1, 0], ‘6’: [2, 3, 1, 1, 0, 4, 0, 6, 1, 6, 0, 2, 6, 2, 6, 5, 0, 2, 1, 3, 1, 3, 5, 6, 4, 4, 2, 6, 1, 1, 6, 5, 0, 1, 5, 0, 4, 4, 0, 1, 1], ‘8’: [2, 1, 1, 0, 4, 1, 1, 6, 2, 6, 0, 2, 6, 2, 2, 2, 2, 2, 2, 6, 3, 6, 4, 4, 2, 6, 6, 1, 6, 5, 3, 3, 4, 3, 4, 0, 1, 2, 0, 1], ‘9’: [1, 4, 0, 4, 0, 6, 1, 6, 1, 6, 0, 2, 6, 2, 5, 5, 2, 2, 5, 3, 6, 4, 4, 2, 6, 1, 1, 6, 0, 5, 6, 3, 3, 0, 4, 0, 0, 2, 1, 1]}
draw_convergence(amap, title=”)

[Matplotlib学习笔记——创建多子图]

示例2：（示例1的第二种实现，不建议）

import matplotlib.pyplot as plt
fig = plt.figure()
ratio = 1.0 / (len(amap)+2)
colors = plt.cm.Spectral(np.linspace(0, 1, len(amap)+3))
for id, (k, v) in enumerate(amap.items()):
  ax = fig.add_axes([0.1, ratio * (id + 1), 0.8, ratio], label=k)
  ax.plot(v, label=k, c=colors[int(k)])
plt.show()

示例3：

调节轴之间的间距和轴与边框之间的距离

当绘图对象中有多个轴axis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。

[matplotlib.pyplot.subplots_adjust]

[matplotlib.pyplot.subplots]

绘制多个独立图表

如果需要同时绘制多幅图表，可以给figure()传递一个整数参数指定Figure对象的序号，如果序号所指定的Figure对象已经存在，将不创建新的对象，而只是让它成为当前的Figure对象。

import numpy as np
import matplotlib.pyplot as plt 

plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(211) # 在图表2中创建子图1
ax2 = plt.subplot(212) # 在图表2中创建子图2
 
x = np.linspace(0, 3, 100)
for i in xrange(5):
    plt.figure(1)  #选择图表1
    plt.plot(x, np.exp(i*x/3))
    plt.sca(ax1)   #选择图表2的子图1
    plt.plot(x, np.sin(i*x))
    plt.sca(ax2)  # 选择图表2的子图2
    plt.plot(x, np.cos(i*x))
plt.show()

示例会创建两张图，划掉其中一个，另一个才会出现。

-柚子皮-

Matplotlib中的作图参数

a set of tables that show main properties and styles
在IPython中输入 “plt.plot?” 可以查看格式化字符串的详细配置。

点型Markers（标记）

标记大小（markersize 简写为 s或者ms）：    markersize： 实数
标记边缘宽度（markeredgewidth 简写为 mew）：    markeredgewidth：实数
标记边缘颜色（markeredgecolor 简写为 mec）：    markeredgecolor：颜色选项中的任意值。
标记表面颜色（markerfacecolor 简写为 mfc）：    markerfacecolor：颜色选项中的任意值，none表示无色，空心。  [marker填充色]

透明度（alpha）：    alpha： [0,1]之间的浮点数
线宽（linewidth）：    linewidth： 实数

设置marker显示的个数（marker数目太多时可以使用）: markevery. You could decide on the x locations where you want the marks, use e.g. numpy.searchsorted to find which data points the locations fall between, and then interpolate between the neighboring points to find the y coordinates. [Plot with fewer markers than data points (or a better way to plot CDFs?)]

示例：绘制空心圆：设置mfc=’none’, mec=’r’。

markers形状

plt.plot(…, marker=’*’)

点label

通过在指定坐标写文字实现

在指定坐标写文字

plt.text(x, y, s, fontsize, verticalalignment,horizontalalignment,rotation , **kwargs)

参数说明：
x,y表示标签添加的位置，默认是根据坐标轴的数据来度量的，是绝对值，也就是说图中点所在位置的对应的值，特别的，如果你要变换坐标系的话，要用到transform=ax.transAxes参数。
s表示标签的符号，字符串格式，比如你想加个“我爱三行科创”，更多的是你标注跟数据有关的主体，你如实写便是。
fontsize顾名思义就是你加标签字体大小了，取整数。
verticalalignment表示垂直对齐方式 ，可选 ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等
horizontalalignment表示水平对齐方式 ，可以填 ‘center’ ， ‘right’ ，‘left’ 等
rotation表示标签的旋转角度，以逆时针计算，取整
后面还有 family 用来设置字体，style 设置字体的风格，weight 字体的粗细, bbox 给字体添加框,如 bbox=dict(facecolor=‘red’, alpha=0.5) 等，各种风格，应有尽有，总有一款适合你。

[python画图时给图中的点加标签之plt.text_帅帅de三叔-CSDN博客_plt.text]

示例：

x = [0.59, 0.72, 0.57, 0.58, 2.45, 2.80, 2.45, 2.13]
y = [0.18, 0.16, 0.18, 0.18, 0.86, 0.76, 0.88, 1.00]

exp_type = [‘all’, ‘g’, ‘e’, ’emer’,
            ‘all_d’, ‘g_d’, ‘e_d’, ’emer_d’]
plt.scatter(x, y, s=5, c=’r’, marker=’+’)
plt.plot([x[0], x[4]], [y[0], y[4]])
for xi, yi, text in zip(x, y, exp_type):
    plt.text(xi, yi, text, fontsize=5, verticalalignment=’top’)
plt.xlabel(‘g’)
plt.ylabel(‘e’)
plt.show()

[Markers][markers]
[matplotlib中的作图参数]

[Quick references]

坐标轴设定

Axis容器包括坐标轴的刻度线、刻度标签、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get_major_ticks()和get_minor_ticks()方法获得。每个刻度线都是一 个XTick或YTick对象，它包括实际的刻度线和刻度标签。Axis 对象提供了 get_ticklabels()和get_ticklines()方法,可以直接获得刻度标签和刻度线。
>>> plt.plot([1,2,3],[4,5,6])
>>>plt.show()
>>> axis = plt.gca().xaxis
>>> axis.get_ticklocs()#获得axis对象的刻度位置列表
array([ 1. ,  1.5,  2. ,  2.5,  3. ])
>>> axis.get_ticklabels() # 获得刻度标签列表
<a list of 5 Text major ticklabel objects>
>>> [x.get_text() for x in axis.get_ticklabels()]# 获得刻度的文本字符串
[u’1.0′, u’1.5′, u’2.0′, u’2.5′, u’3.0‘]
获得X轴上表示主刻度线的列表，可看到X轴上共有10条刻度线:
>>>  axis.get_ticklines()
<a list of 10 Line2D ticklines objects>
由于没有副刻度线，因此副刻度线列表的长度为0：
>>> axis.get_ticklines(minor=True) # 获得副刻度线列表
<a list of 0 Line2D ticklines objects>
使用pyplot模块中的xticks()能够完成X轴上刻度标签的配置：
>>>plt.xticks(fontsize=16, color=”red”, rotation=45)

控制坐标轴的显示——使x轴显示名称字符串而不是数字的两种方法

plt.xticks(range(len(list)), labels=showx_list, rotation=’vertical’)
Note: 
1 rotation控制角度，如rotation=45
2 showx_list代表一个字符串列表，即x轴上要显示的名称。

axes.set_xticklabels(x, rotation=’horizontal’, lod=True)

Note:这里axes是plot的一个subplot()

[控制坐标轴的显示——set_xticklabels]

获取x轴上坐标最小最大值

xmin， xmax = plt.gca().get_xlim()

MatPlotLib中设置坐标轴主刻度标签和次刻度标签显示

{配置刻度线位置Locator类-控制刻度标签显示Formatter类}

用于计算副刻度位置的对象默认为 NullLocator,它不产生任何刻度线。而计算主刻度位置的对象为AutoLocator,它会根据当前的缩放等配置自动计算刻度的位置。
matplotlib提供了多种配置刻度线位置的Locator类，以及控制刻度标签显示的Formatter 类。

与刻度定位和文本格式化相关的类都在matplotlib.ticker模块中定义，载入了两个类：MultipleLocaton, FuncFormatter可以以指定值的整数倍为刻度放置主、副刻度线。
使用指定的函数计算刻度文本，它会将刻度值和刻度的序号作为参数传递给计算刻度文本的函数。

对于次刻度显示,如果要使用默认设置只要matplotlib.pyplot.minorticks_on() 

设置刻度示例

示例1

from matplotlib import ticker, pyplot as plt

… …

ax
= plt.gca()

ax.yaxis.set_minor_locator(ticker.MultipleLocator(
.5))
# 将此y轴次刻度标签设置为0.5的倍数

ax.yaxis.set_minor_formatter(ticker.FormatStrFormatter(
‘%1.1f’))
# 设置y轴次标签文本格式

ax.yaxis.set_major_formatter(ticker.FormatStrFormatter(
‘%1.1f’))
# 设置y轴主标签文本的格式

ax.xaxis.grid(
True,
which
=
‘major’)
# x坐标轴的网格使用主刻度

ax.yaxis.grid(
True,
which
=
‘minor’)
# y坐标轴的网格使用次刻度

上面的示例中，实际主刻度标签和副刻度标签文本是重叠的，如果格式不一样就会显示不好，这样可能需要下面的FuncFormatter。

示例2

下面的程序设置X轴的主刻度为π/4,副刻度为π/20,并且主刻度上的标签用数学符号显示π。
from matplotlib.ticker import MultipleLocator, FuncFormatter
ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )
ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )
ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) )
def pi_formatter(x, pos):
    m = np.round(x / (np.pi/4))
    n = 4
    while m!=0 and 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)

ps:

选择是否显示刻度值：x轴上，1为下，2为上；y轴上，1为左，2为右；
for tick in ax.xaxis.get_major_ticks():
    tick.label1On = True
    tick.label2On = False
for tick in ax.yaxis.get_major_ticks():
    tick.label1On = False
    tick.label2On = False

选择如何显示刻度
ax.xaxis.set_ticks_position(‘none’)
ax.yaxis.set_ticks_position(‘right’)

完全自定义坐标轴刻度及刻度值
ax.set_xticks([-250, -200, -150, -100, -50, 0, 50, 100, 150, 200])
ax.set_xticklabels([‘-250’, ”, ‘-150’, ”, ‘-50′, ”, ’50’, ”, ‘150’, ”])
ax.set_yticks([-40, -20, 0, 20, 40, 60, 80])
ax.set_yticklabels([”, ”, ”, ”, ”, ”, ”])

分别设置x轴和y轴上刻度值的字体大小
for tick in ax.xaxis.get_major_ticks():
    tick.label1.set_fontsize(18)
for tick in ax.yaxis.get_major_ticks():
    tick.label1.set_fontsize(18)

这也可以设置刻度值字体大小
matplotlib.rc(‘xtick’, labelsize=20)
matplotlib.rc(‘ytick’, labelsize=20)

皮皮blog

配置属性

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x = np.arange(0, 5, 0.1)
>>> line, = plt.plot(x, x*x) # plot返回一个列表，通过line,获取其第一个元素
>>> # 调用Line2D对象的set_*方法设置属性值
>>> line.set_antialiased(False)

>>> # 同时绘制sin和cos两条曲线，lines是一个有两个Line2D对象的列表
>>> lines = plt.plot(x, np.sin(x), x, np.cos(x)) #
>>> # 调用setp函数同时配置多个Line2D对象的多个属性值
>>> plt.setp(lines, color="r", linewidth=2.0)

>>> line.get_linewidth()
1.0
>>> plt.getp(lines[0], "color") # 返回color属性
'r'
>>> plt.getp(lines[1]) # 输出全部属性
alpha = 1.0
animated = False
antialiased or aa = True
axes = Axes(0.125,0.1;0.775x0.8)
... ...

>>> alllines = plt.getp(plt.gca(), "lines")
>>> alllines
<a list of 3 Line2D objects>
>>> alllines[0] == line # 其中的第一条曲线就是最开始绘制的那条曲线
True

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

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

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

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

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

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

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

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

>>> matplotlib.rcdefaults()

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