圖5.1 調(diào)用pyplot庫(kù)快速將數(shù)據(jù)繪制成曲線圖

pylab模塊

matplotlib還提供了名為pylab的模塊，其中包括了許多numpy和pyplot中常用的函數(shù)，方便用戶快速進(jìn)行計(jì)算和繪圖，可以用于IPython中的快速交互式使用。

5.1.1　配置屬性

matplotlib所繪制的圖的每個(gè)組成部分都對(duì)應(yīng)有一個(gè)對(duì)象，我們可以通過(guò)調(diào)用這些對(duì)象的屬性設(shè)置方法set_*或者pyplot的屬性設(shè)置函數(shù)setp設(shè)置其屬性值。例如plot函數(shù)返回一個(gè) matplotlib.lines.Line2D 對(duì)象的列表，下面的例子顯示如何設(shè)置Line2D對(duì)象的屬性：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x = np.arange(0, 5, 0.1)
>>> line, = plt.plot(x, x*x) # plot返回一個(gè)列表，通過(guò)line,獲取其第一個(gè)元素
>>> # 調(diào)用Line2D對(duì)象的set_*方法設(shè)置屬性值
>>> line.set_antialiased(False)

>>> # 同時(shí)繪制sin和cos兩條曲線，lines是一個(gè)有兩個(gè)Line2D對(duì)象的列表
>>> lines = plt.plot(x, np.sin(x), x, np.cos(x)) #
>>> # 調(diào)用setp函數(shù)同時(shí)配置多個(gè)Line2D對(duì)象的多個(gè)屬性值
>>> plt.setp(lines, color="r", linewidth=2.0)

這段例子中，通過(guò)調(diào)用Line2D對(duì)象line的set_antialiased方法，關(guān)閉對(duì)象的反鋸齒效果。或者通過(guò)調(diào)用plt.setp函數(shù)配置多個(gè)Line2D對(duì)象的顏色和線寬屬性。

同樣我們可以通過(guò)調(diào)用Line2D對(duì)象的get_*方法，或者plt.getp函數(shù)獲取對(duì)象的屬性值：

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

注意getp函數(shù)只能對(duì)一個(gè)對(duì)象進(jìn)行操作，它有兩種用法：

• 指定屬性名：返回對(duì)象的指定屬性的值
• 不指定屬性名：打印出對(duì)象的所有屬性和其值

matplotlib的整個(gè)圖表為一個(gè)Figure對(duì)象，此對(duì)象在調(diào)用plt.figure函數(shù)時(shí)返回，我們也可以通過(guò)plt.gcf函數(shù)獲取當(dāng)前的繪圖對(duì)象：

>>> f = plt.gcf()
>>> plt.getp(f)
alpha = 1.0
animated = False
...

Figure對(duì)象有一個(gè)axes屬性，其值為AxesSubplot對(duì)象的列表，每個(gè)AxesSubplot對(duì)象代表圖表中的一個(gè)子圖，前面所繪制的圖表只包含一個(gè)子圖，當(dāng)前子圖也可以通過(guò)plt.gca獲得：

>>> plt.getp(f, "axes")
[<matplotlib.axes.AxesSubplot object at 0x05CDD170>]
>>> plt.gca()
<matplotlib.axes.AxesSubplot object at 0x05CDD170>

用plt.getp可以發(fā)現(xiàn)AxesSubplot對(duì)象有很多屬性，例如它的lines屬性為此子圖所包括的 Line2D 對(duì)象列表：

>>> alllines = plt.getp(plt.gca(), "lines")
>>> alllines
<a list of 3 Line2D objects>
>>> alllines[0] == line # 其中的第一條曲線就是最開(kāi)始繪制的那條曲線
True

通過(guò)這種方法我們可以很容易地查看對(duì)象的屬性和它們之間的包含關(guān)系，找到需要配置的屬性。

圖5.2 用subplot函數(shù)將Figure分為六個(gè)子圖區(qū)域

圖5.3 將Figure分為三個(gè)子圖區(qū)域

5.4.1　Artist的屬性

圖表中的每個(gè)元素都用一個(gè)matplotlib的Artist對(duì)象表示，而每個(gè)Artist對(duì)象都有一大堆屬性控制其顯示效果。例如Figure對(duì)象和Axes對(duì)象都有patch屬性作為其背景，它的值是一個(gè)Rectangle對(duì)象。通過(guò)設(shè)置此它的一些屬性可以修改Figrue圖表的背景顏色或者透明度等屬性，下面的例子將圖表的背景顏色設(shè)置為綠色：

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

patch的color屬性通過(guò)set_color函數(shù)進(jìn)行設(shè)置，屬性修改之后并不會(huì)立即反映到圖表的顯示上，還需要調(diào)用fig.canvas.draw()函數(shù)才能夠更新顯示。

下面是Artist對(duì)象都具有的一些屬性：

• alpha : 透明度，值在0到1之間，0為完全透明，1為完全不透明
• animated : 布爾值，在繪制動(dòng)畫(huà)效果時(shí)使用
• axes : 此Artist對(duì)象所在的Axes對(duì)象，可能為None
• clip_box : 對(duì)象的裁剪框
• clip_on : 是否裁剪
• clip_path : 裁剪的路徑
• contains : 判斷指定點(diǎn)是否在對(duì)象上的函數(shù)
• figure : 所在的Figure對(duì)象，可能為None
• label : 文本標(biāo)簽
• picker : 控制Artist對(duì)象選取
• transform : 控制偏移旋轉(zhuǎn)
• visible : 是否可見(jiàn)
• zorder : 控制繪圖順序

Artist對(duì)象的所有屬性都通過(guò)相應(yīng)的 get_* 和 set_* 函數(shù)進(jìn)行讀寫(xiě)，例如下面的語(yǔ)句將alpha屬性設(shè)置為當(dāng)前值的一半：

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

如果你想用一條語(yǔ)句設(shè)置多個(gè)屬性的話，可以使用set函數(shù)：

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

使用前面介紹的 matplotlib.pyplot.getp 函數(shù)可以方便地輸出Artist對(duì)象的所有屬性名和值。

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

5.4.2　Figure容器

現(xiàn)在我們知道如何觀察和修改已知的某個(gè)Artist對(duì)象的屬性，接下來(lái)要解決如何找到指定的Artist對(duì)象。前面我們介紹過(guò)Artist對(duì)象有容器類型和簡(jiǎn)單類型兩種，這一節(jié)讓我們來(lái)詳細(xì)看看容器類型的內(nèi)容。

最大的Artist容器是matplotlib.figure.Figure，它包括組成圖表的所有元素。圖表的背景是一個(gè)Rectangle對(duì)象，用Figure.patch屬性表示。當(dāng)你通過(guò)調(diào)用add_subplot或者add_axes方法往圖表中添加軸(子圖時(shí))，這些子圖都將添加到Figure.axes屬性中，同時(shí)這兩個(gè)方法也返回添加進(jìn)axes屬性的對(duì)象，注意返回值的類型有所不同，實(shí)際上AxesSubplot是Axes的子類。

>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(211)
>>> ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3])
>>> ax1
<matplotlib.axes.AxesSubplot object at 0x056BCA90>
>>> ax2
<matplotlib.axes.Axes object at 0x056BC910>
>>> fig.axes
[<matplotlib.axes.AxesSubplot object at 0x056BCA90>,
<matplotlib.axes.Axes object at 0x056BC910>]

為了支持pylab中的gca()等函數(shù)，F(xiàn)igure對(duì)象內(nèi)部保存有當(dāng)前軸的信息，因此不建議直接對(duì)Figure.axes屬性進(jìn)行列表操作，而應(yīng)該使用add_subplot, add_axes, delaxes等方法進(jìn)行添加和刪除操作。但是使用for循環(huán)對(duì)axes中的每個(gè)元素進(jìn)行操作是沒(méi)有問(wèn)題的，下面的語(yǔ)句打開(kāi)所有子圖的柵格。

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

Figure對(duì)象可以擁有自己的文字、線條以及圖像等簡(jiǎn)單類型的Artist。缺省的坐標(biāo)系統(tǒng)為像素點(diǎn)，但是可以通過(guò)設(shè)置Artist對(duì)象的transform屬性修改坐標(biāo)系的轉(zhuǎn)換方式。最常用的Figure對(duì)象的坐標(biāo)系是以左下角為坐標(biāo)原點(diǎn)(0,0)，右上角為坐標(biāo)(1,1)。下面的程序創(chuàng)建并添加兩條直線到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()

圖5.4 在Figure對(duì)象中手工繪制直線

注意為了讓所創(chuàng)建的Line2D對(duì)象使用fig的坐標(biāo)，我們將fig.TransFigure賦給Line2D對(duì)象的transform屬性；為了讓Line2D對(duì)象知道它是在fig對(duì)象中，我們還設(shè)置其figure屬性為fig；最后還需要將創(chuàng)建的兩個(gè)Line2D對(duì)象添加到fig.lines屬性中去。

Figure對(duì)象有如下屬性包含其它的Artist對(duì)象：

• axes : Axes對(duì)象列表
• patch : 作為背景的Rectangle對(duì)象
• images : FigureImage對(duì)象列表，用來(lái)顯示圖片
• legends : Legend對(duì)象列表
• lines : Line2D對(duì)象列表
• patches : patch對(duì)象列表
• texts : Text對(duì)象列表，用來(lái)顯示文字

5.4.3　Axes容器

Axes容器是整個(gè)matplotlib庫(kù)的核心，它包含了組成圖表的眾多Artist對(duì)象，并且有許多方法函數(shù)幫助我們創(chuàng)建、修改這些對(duì)象。和Figure一樣，它有一個(gè)patch屬性作為背景，當(dāng)它是笛卡爾坐標(biāo)時(shí)，patch屬性是一個(gè)Rectangle對(duì)象，而當(dāng)它是極坐標(biāo)時(shí)，patch屬性則是Circle對(duì)象。例如下面的語(yǔ)句設(shè)置Axes對(duì)象的背景顏色為綠色：

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

當(dāng)你調(diào)用Axes的繪圖方法（例如plot），它將創(chuàng)建一組Line2D對(duì)象，并將所有的關(guān)鍵字參數(shù)傳遞給這些Line2D對(duì)象，并將它們添加進(jìn)Axes.lines屬性中，最后返回所創(chuàng)建的Line2D對(duì)象列表：

>>> x, y = np.random.rand(2, 100)
>>> line, = ax.plot(x, y, "-", color="blue", linewidth=2)
>>> line
<matplotlib.lines.Line2D object at 0x03007030>
>>> ax.lines
[<matplotlib.lines.Line2D object at 0x03007030>]

注意plot返回的是一個(gè)Line2D對(duì)象的列表，因?yàn)槲覀兛梢詡鬟f多組X,Y軸的數(shù)據(jù)，一次繪制多條曲線。

與plot方法類似，繪制直方圖的方法bar和繪制柱狀統(tǒng)計(jì)圖的方法hist將創(chuàng)建一個(gè)Patch對(duì)象的列表，每個(gè)元素實(shí)際上都是Patch的子類Rectangle，并且將所創(chuàng)建的Patch對(duì)象都添加進(jìn)Axes.patches屬性中：

>>> ax = fig.add_subplot(111)
>>> n, bins, rects = ax.hist(np.random.randn(1000), 50, facecolor="blue")
>>> rects
<a list of 50 Patch objects>
>>> rects[0]
<matplotlib.patches.Rectangle object at 0x05BC2350>
>>> ax.patches[0]
<matplotlib.patches.Rectangle object at 0x05BC2350>

一般我們不會(huì)直接對(duì)Axes.lines或者Axes.patches屬性進(jìn)行操作，而是調(diào)用add_line或者add_patch等方法，這些方法幫助我們完成許多屬性設(shè)置工作：

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> rect = matplotlib.patches.Rectangle((1,1), width=5, height=12)
>>> print rect.get_axes() # rect的axes屬性為空
None
>>> rect.get_transform() # rect的transform屬性為缺省值
BboxTransformTo(Bbox(array([[  1.,   1.],
       [  6.,  13.]])))
>>> ax.add_patch(rect) # 將rect添加進(jìn)ax
<matplotlib.patches.Rectangle object at 0x05C34E50>
>>> rect.get_axes() # 于是rect的axes屬性就是ax
<matplotlib.axes.AxesSubplot object at 0x05C09CB0>

>>> # rect的transform屬性和ax的transData相同
>>> rect.get_transform()
... # 太長(zhǎng)，省略
>>> ax.transData
... # 太長(zhǎng)，省略

>>> ax.get_xlim() # ax的X軸范圍為0到1，無(wú)法顯示完整的rect
(0.0, 1.0)
>>> ax.dataLim._get_bounds() # 數(shù)據(jù)的范圍和rect的大小一致
(1.0, 1.0, 5.0, 12.0)
>>> ax.autoscale_view() # 自動(dòng)調(diào)整坐標(biāo)軸范圍
>>> ax.get_xlim() # 于是X軸可以完整顯示rect
(1.0, 6.0)
>>> plt.show()

通過(guò)上面的例子我們可以看出，add_patch方法幫助我們?cè)O(shè)置了rect的axes和transform屬性。

下面詳細(xì)列出Axes包含各種Artist對(duì)象的屬性：

• artists : Artist對(duì)象列表
• patch : 作為Axes背景的Patch對(duì)象，可以是Rectangle或者Circle
• collections : Collection對(duì)象列表
• images : AxesImage對(duì)象列表
• legends : Legend對(duì)象列表
• lines : Line2D對(duì)象列表
• patches : Patch對(duì)象列表
• texts : Text對(duì)象列表
• xaxis : XAxis對(duì)象
• yaxis : YAxis對(duì)象

下面列出Axes的創(chuàng)建Artist對(duì)象的方法：

下面以繪制散列圖(scatter)為例，驗(yàn)證一下：

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> t = ax.scatter(np.random.rand(20), np.random.rand(20))
>>> t # 返回值為CircleCollection對(duì)象
<matplotlib.collections.CircleCollection object at 0x06004230>
>>> ax.collections # 返回的對(duì)象已經(jīng)添加進(jìn)了collections列表中
[<matplotlib.collections.CircleCollection object at 0x06004230>]
>>> fig.show()
>>> t.get_sizes() # 獲得Collection的點(diǎn)數(shù)
20

圖5.5 用scatter函數(shù)繪制散列圖

5.4.4　Axis容器

Axis容器包括坐標(biāo)軸上的刻度線、刻度文本、坐標(biāo)網(wǎng)格以及坐標(biāo)軸標(biāo)題等內(nèi)容。刻度包括主刻度和副刻度，分別通過(guò)Axis.get_major_ticks和Axis.get_minor_ticks方法獲得。每個(gè)刻度線都是一個(gè)XTick或者YTick對(duì)象，它包括實(shí)際的刻度線和刻度文本。為了方便訪問(wèn)刻度線和文本，Axis對(duì)象提供了get_ticklabels和get_ticklines方法分別直接獲得刻度線和刻度文本：

>>> pl.plot([1,2,3],[4,5,6])
[<matplotlib.lines.Line2D object at 0x0AD3B670>]
>>> pl.show()
>>> axis = pl.gca().xaxis

>>> axis.get_ticklocs() # 獲得刻度的位置列表
array([ 1. ,  1.5,  2. ,  2.5,  3. ])

>>> axis.get_ticklabels() # 獲得刻度標(biāo)簽列表
<a list of 5 Text major ticklabel objects>
>>> [x.get_text() for x in axis.get_ticklabels()] # 獲得刻度的文本字符串
[u'1.0', u'1.5', u'2.0', u'2.5', u'3.0']

>>> axis.get_ticklines() # 獲得主刻度線列表，圖的上下刻度線共10條
<a list of 10 Line2D ticklines objects>

>>> axis.get_ticklines(minor=True) # 獲得副刻度線列表
<a list of 0 Line2D ticklines objects>

獲得刻度線或者刻度標(biāo)簽之后，可以設(shè)置其各種屬性，下面設(shè)置刻度線為綠色粗線，文本為紅色并且旋轉(zhuǎn)45度：

>>> for label in axis.get_ticklabels():
...     label.set_color("red")
...     label.set_rotation(45)
...     label.set_fontsize(16)
...

>>> for line in axis.get_ticklines():
...     line.set_color("green")
...     line.set_markersize(25)
...     line.set_markeredgewidth(3)

最終的結(jié)果圖如下：

圖5.6 手工配置X軸的刻度線和刻度文本的樣式

上面的例子中，獲得的副刻度線列表為空，這是因?yàn)橛糜谟?jì)算副刻度的對(duì)象缺省為NullLocator，它不產(chǎn)生任何刻度線；而計(jì)算主刻度的對(duì)象為AutoLocator，它會(huì)根據(jù)當(dāng)前的縮放等配置自動(dòng)計(jì)算刻度的位置：

>>> axis.get_minor_locator() # 計(jì)算副刻度的對(duì)象
<matplotlib.ticker.NullLocator instance at 0x0A014300>
>>> axis.get_major_locator() # 計(jì)算主刻度的對(duì)象
<matplotlib.ticker.AutoLocator instance at 0x09281B20>

我們可以使用程序?yàn)锳xis對(duì)象設(shè)置不同的Locator對(duì)象，用來(lái)手工設(shè)置刻度的位置；設(shè)置Formatter對(duì)象用來(lái)控制刻度文本的顯示。下面的程序設(shè)置X軸的主刻度為pi/4，副刻度為pi/20，并且主刻度上的文本以pi為單位：

# -*- coding: utf-8 -*-
import matplotlib.pyplot as pl
from matplotlib.ticker import MultipleLocator, FuncFormatter
import numpy as np
x = 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):
    """
    比較羅嗦地將數(shù)值轉(zhuǎn)換為以pi/4為單位的刻度文本
    """
    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)

# 設(shè)置兩個(gè)坐標(biāo)軸的范圍
pl.ylim(-1.5,1.5)
pl.xlim(0, np.max(x))

# 設(shè)置圖的底邊距
pl.subplots_adjust(bottom = 0.15)

pl.grid() #開(kāi)啟網(wǎng)格

# 主刻度為pi/4
ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )

# 主刻度文本用pi_formatter函數(shù)計(jì)算
ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) )

# 副刻度為pi/20
ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )

# 設(shè)置刻度文本的大小
for tick in ax.xaxis.get_major_ticks():
    tick.label1.set_fontsize(16)
pl.show()

關(guān)于刻度的定位和文本格式的東西都在matplotlib.ticker中定義，程序中使用到如下兩個(gè)類：

• MultipleLocator : 以指定值的整數(shù)倍為刻度放置刻度線
• FuncFormatter : 使用指定的函數(shù)計(jì)算刻度文本，他會(huì)傳遞給所指定的函數(shù)兩個(gè)參數(shù)：刻度值和刻度序號(hào)，程序中通過(guò)比較笨的辦法計(jì)算出刻度值所對(duì)應(yīng)的刻度文本

此外還有很多預(yù)定義的Locator和Formatter類，詳細(xì)內(nèi)容請(qǐng)參考相應(yīng)的API文檔。

圖5.7 手工配置X軸的刻度線的位置和文本，并開(kāi)啟副刻度