Python库2——Matplotlib2

上一篇文章主要介绍了Matplotlib库中的Pyplot模块中几大常见图像的绘制，包括自行修改图像的属性，在绘制图像时会自动创建一个图形窗口来展现这些图像。本节内容继续讲讲这个（Figure）图像窗口即其一些常见用法。

其他python库链接：python函数库_Gu_shiwww的博客-CSDN博客
Matplotlib1：Python库2——Matplotlib1-CSDN博客

3 Figure对象

        在Matplotlib中，Figure对象用于表示整个图形窗口，包括所有的子图（Axes）、标题、图例等。
        其中子图Axes是进行数据绘制和设置坐标轴等操作的核心区域，它与Figure对象密切相关，共同构建了完整的绘图体系；其中Figure相当于是一个画框，axes相当于是画板上的一个子图。

3.1 Figure对象的创建

figure对象的创建有两种方式：

• 隐式创建：当直接调用绘图函数（plot、bar、hit等）而没有预先创建Figure对象时，Matplotlib会自动隐式创建一个Figure对象和Axes对象。
• 显式创建：有两种方式：
  • 使用pyplot模块中的figure函数（重点）
  • 使用figure模块中的Figure类

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=Figure, clear=False, **kwargs)

功能：用于创建一个新的图形窗口或激活一个已有的图形窗口

参数：num (int 或 str, 可选):图形的编号或名称。如果为 None 或省略，则创建一个新的图形窗口，并为其分配一个自动增加的编号。如果为整数，则尝试重用具有该编号的图形窗口。如果为字符串，则尝试重用具有该名称的图形窗口。

        figsize (tuple):图形的宽度和高度（单位为英寸）

        dpi (int):图形的分辨率（每英寸点数）。

        facecolor :图形的背景颜色。

        edgecolor :图形的边框颜色。不常用效果不明显

        frameon (bool):是否显示图形的边框。默认为 True。

        FigureClass (type):用于创建图形的类。默认为 matplotlib.figure.Figure。通常不需要更改此参数。

        clear (bool):如果为 True，则清除当前图形的内容（如果存在）。默认为 False。

        *kwargs**:其他关键字参数将传递给 Figure 类的构造函数。这允许你设置 Figure 对象的其他属性，如 tight_layout、constrained_layout 等。

返回值： Figure 对象，代表创建的图形窗口

import matplotlib.pyplot as plt
import numpy as np# 隐式创建Figure对象
x = np.arange(0, 2 * np.pi, 0.1)
y = np.sin(x)
plt.plot(x, y)# 显式创建figure对象，num=2重用原有的窗口，dpi分辨率，facecolor：背景色，clear：清除图像
fig = plt.figure(num=2, dpi=100, facecolor='g', clear=True)plt.show()

3.2 Figure类中的常用函数

3.2.1 add_subplot

fig.add_subplot(nrows, ncols, index, **kwargs)

功能：在figure中添加子图

参数：nrows: 子图的行数。

           ncols: 子图的列数。

           index: 子图的位置索引（从1开始，按行优先顺序编号）。

返回值：Axes对象

import matplotlib.pyplot as plt
import numpy as npfig = plt.figure()
# 通过add_subplot添加子图
fig.add_subplot(1, 2, 1)
x = np.arange(0, 2 * np.pi, 0.1)
y = np.sin(x)
plt.plot(x, y)# 通过add_subplot函数添加第二幅子图
fig.add_subplot(1, 2, 2)
y = np.cos(x)
plt.plot(x, y)plt.show()

注意：add_subplot函数可以将整个figure画布分割成n行m列，每一块都是一个子图，但是该函数也只能分割成n行m列，若想将被分割后的某一行融合成一个子图进行使用，需要利用另一个函数（后续会学到）(add_subplot函数存在返回值，可以通过一个变量接受该返回值，之后便可以通过该变量访问到该子图)

图例：

3.2.2 suptitle

fig.suptitle(t, **kwargs)

功能：在figure图形上添加一个中心对齐的标题，位于所有子图的顶部

参数：t：字符串

import matplotlib.pyplot as plt
import numpy as np# 添加大标题，fontsize:字体大小，color:字体颜色
fig.suptitle('sin&cos', fontsize=16, color='g')

3.2.3 add_axes

fig.add_axes(rect, **kwargs)

功能：在figure中任意位置添加一个自定义大小的子图

参数：     rect：位置和尺寸，格式通常为 [left, bottom, width, height]，值在0到1之间，表示相对于图形尺寸的比例。

                left：距figure左边界的比例 bottom：底部边界的比例

                width：宽 height：高

        **kwargs: 传递给Axes构造函数的额外参数。

返回值：Axes对象

import matplotlib.pyplot as plt
import numpy as np# 自定义子图的位置[左边距，上边距，宽度，高度]（0-1之间）
fig = plt.figure()
fig.add_axes([0.2, 0.2, 0.7, 0.7])
x = np.arange(0, 2 * np.pi, 0.1)
y = np.sin(x)
plt.plot(x,y)plt.show()

图例：可以看到该图像并不在整个画布的正中央，左上边距我们可以自行设置，宽度和高度也可自行设置，需要注意的点是，这四个值都必须是大于0小于1的值，可以理解为占整个画布的百分比，0.2就代表左边与整个画布左边框的空白面积占整个画布长的20%。

3.2.4 subplots_adjust

fig.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

参数：left： 子图区域左边缘位置占图形的比例，范围从 0 到 1。

           bottom:子图区域下边缘 位置占图形的比例，范围从 0 到 1。

           right:子图区域右边缘位置占图形的比例，范围从 0 到 1。

           top:子图区域上边缘位置占图形的比例，范围从 0 到 1。

           wspace:子图之间的水平间距，（单位：子图宽度的比例）。

           hspace:子图之间的垂直间距，（单位：子图高度的比例）。

注意一些限制条件：

           left 和 right 的值必须满足 left < right。

           bottom 和 top 的值必须满足 bottom < top。

           如果设置的间距过大，可能会导致子图之间重叠或超出图形边界。

默认值：

         如果不设置某些参数，Matplotlib 会使用默认值。默认情况下，left=0.125，right=0.9，top=0.88，bottom=0.11，wspace=0.2，hspace=0.2

import matplotlib.pyplot as plt
import numpy as np# 创建Figure对象
fig = plt.figure()# 创建两个子图
fig.add_subplot(1,2,1)
x = np.arange(0, 2*np.pi, 0.1)
y = np.sin(x)
plt.plot(x, y)fig.add_subplot(1,2,2)
y = np.cos(x)
plt.plot(x, y)
# 手动调整子图位置和间距
fig.subplots_adjust(0.2, 0.4, 0.9, 0.8, wspace=0.5)
plt.show()

注意：在subplots_adjust函数中right和top两个形参，要大于left和bottom两个形参，两个形参对应的比例实际是分别从左边框和下边框算起，0.8占的是左边框到有边框80%的面积，以下给带分别设置right属性为0.9（左）和0.4（右）的图例，可以更加直观感受到该比例

3.2.* add_axes和subplots_adjust的区别

        add_axes只能对单个子图进行大小和位置的调整，而subplots_adjust可以修改子图之间的间距和位置，是对整个子图集进行操作

3.2.5 get_size_inches和get_dpi

fig.get_size_inches

功能：获取图形的大小，以英寸为单位

返回值：获取到的大小值

fig.get_dpi()

功能：获取图像的DPI

返回值：获得到的DPI值

以上两个函数无任何形参，返回值为对应的画布的属性

3.2.6 set_size_inches和set_dpi

fig.set_size_inches(width, height, forward=True)

参数：width, height：浮点数，指定图形的宽度和高度，单位为英寸。

        forward：布尔值，默认为True。如果为True，则在调整图形大小时，同时更新所有子图的大小和位置。如果为False，则仅改变图形的大小，而不更新子图

fig.set_dpi(dpi)

3.2.7 clear

3.3. Axes类中的常用函数

set_xlim(left, right)：设置 x 轴的范围。

set_ylim(bottom, top)：设置 y 轴的范围。

set_xlabel(label)：设置 x 轴的标签。

set_ylabel(label)：设置 y 轴的标签。

set_title(label)：设置子图的标题。

Axes.text(x, y, s, **kwargs)

参数：x\y:文字的坐标

        s：设置的文本内容

        kwargs：其他可选的关键字参数，用于控制文本的样式，如

                fontsize（字体大小）、

                color（颜色）、

                horizontalalignment（水平对齐方式，如 ‘left’, ‘center’, ‘right’）、

                verticalalignment（垂直对齐方式，如 ‘top’, ‘center’, ‘bottom’）等。

import matplotlib.pyplot as plt
import numpy as npfig = plt.figure()
# 用变量ax接受分割的子图
ax = fig.add_subplot(1,2,1)# 设置x轴y轴的范围
ax.set_xlim(-3, 3)
ax.set_ylim(-5, 5)
# 设置x轴y轴的标签
ax.set_xlabel('x')
ax.set_ylabel('y')
# 设置子图标题
ax.set_title('line')
ax.plot([-3, -2, -1, 0, 1, 2], [-2, -1, 0, 1, 2, 3])
# 设置文本
ax.text(2, 3, 'y=x+1')plt.show()

将整个画布分割为两边，对左子图进行的修改，利用test可以在指定位置添加文本

4 绘制子图的方式

fig, ax = plt.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

功能：绘制多个子图，可以一次生成多个

参数：nrows和ncols：整数，表示子图的行数和列数。

           sharex和sharey：布尔值或字符串，表示是否共享x轴或y轴的属性。 可选值有True、False、'row'和'col'。

           squeeze：布尔值，默认为True。当子图只有一个时，返回一个Axes对象而不是一个数组。False时返回一个二维数组

           width_ratios：列宽比例的序列，用于调整各列的宽度比

           height_ratios：行高比例的序列，用于调整各行的高度比

           subplot_kw：字典类型，可选参数。把字典的关键字传递给add_subplot()来创建每个子图。

           gridspec_kw：字典类型，可选参数。把字典的关键字传递给GridSpec构造函数创建子图放在网格里（grid）。

           **fig_kw：把所有详细的关键字参数传给figure()函数。

返回值：fig：这是整个图形的对象，可以对其进行全局设置，如标题、大小等。

             axes：这是一个数组，包含所有的子图。数组的形状由nrows和ncols决定。例如，如果 nrows=2 和 ncols=3，则 axes 将是一个 2x3 的数组，每个元素都是一个子图对象。

import matplotlib.pyplot as plt# 绘制子图，返回值包含Figure对象和Axes对象，Axes对象是一个数组，可以通过下标进行访问子图
fig, ax = plt.subplots(2, 2)# 通过下标访问对应子图
ax[0, 0].plot([2, 3], [4, 5])
ax[0, 1].plot([1, 1], [2, 1])# 为整个画布设置一个标题
fig.suptitle('sub')plt.show()

5 pyplot中的常用函数

5.1 gcf

5.2 gca

import matplotlib.pyplot as plt
import numpy as npx = np.arange(0, 2 * np.pi, 0.1)
y = np.sin(x)
plt.plot(x, y, label='sin')
plt.legend()
# 获取Figure对象
fig = plt.gcf()
fig.suptitle('sin')
# 获取Axes对象
ax = plt.gca()
ax.set_xlabel('x')plt.show()

上图中最中心的sin标题是通过fig.suptitle添加的，而右上角的sin是在调用plot时设置的默认label为'sin'，利用legend函数可以使这一标题显现，若无该函数默认隐藏

5.3 savefig

plt.savefig(*args, **kwargs)

参数：fname：字符串或类似文件的对象，指定保存文件的路径或文件名。可以是相对路径或绝对路径。如果文件扩展名缺失，将使用默认格式（通常是 PNG）。

        dpi：可选，指定保存图像的dpi（每英寸点数）。默认值是figure.dpi。

        format：可选，指定文件格式（如 'png', 'pdf', 'svg', 'ps', 'eps', ...）。如果省略，将使用文件扩展名推断格式。

        bbox_inches：可选，指定裁剪框，可以是 'tight'、'standard' 或一个 Bbox 对象。默认为 'standard'。tight:保存的图形文件中不会有不必要的空白边缘，使得图形更加紧凑和整洁

        pad_inches：可选，指定边框填充量（以英寸为单位）。默认为 0.1。

        facecolor：可选，指定图像的背景颜色。默认为 'w'（白色）。

        edgecolor：可选，指定图像边框的颜色。默认为 'w'（白色）。

        orientation：可选，指定页面方向（'portrait' 或 'landscape'），仅对保存为 PDF 文件时有效。

        papertype：可选，指定纸张类型（如 'a4', 'letter'），仅对保存为 PDF 文件时有效。

        format_kwargs：可选，其他与格式相关的关键字参数。

        metadata：可选，指定要写入文件的元数据。

        pil_kwargs 和 pdf_kwargs：可选，特定于 PIL 或 PDF 格式的参数。

import matplotlib.pyplot as plt
import numpy as npx = np.arange(0, 2 * np.pi, 0.1)
y = np.sin(x)
plt.plot(x, y, label='sin')
plt.legend()y = np.cos(x)
plt.plot(x, y, label='cos')
plt.legend()
# 隐藏坐标轴
plt.axis('off')
# 保存图片
plt.savefig('./sin.png')

5.4 inshow

imshow(X, cmap=None, norm=None, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, shape=None, filternorm=1, filterrad=4.0, imlim=None, resample=None, url=None, *, data=None, **kwargs)

参数：X：图像数据。这通常是一个二维数组（灰度图像）或一个三维数组（彩色图像，其中第三维是颜色通道）。对于二维数组，可以使用 cmap 参数来指定颜色映射

           cmap：颜色映射。用于控制图像中不同数值所对应的颜色。默认颜色是'viridis'，也可以设置其他颜色，如`gray`、`hot`、`jet`、'binary'等

          norm：用于将数据值标准化到 [0, 1] 区间。以便与颜色映射一起使用。如果为 None，则数据将直接用于颜色映射。

           aspect：控制图像宽高比,'auto'（默认，根据数据形状自动调整）、'equal'（使像素为正方形）或数字（指定宽高比）

           interpolation：插值方法。用于控制图像的平滑程度和细节程度。可以选择`nearest`、`bilinear`、`bicubic`等插值方法。

           alpha：图像透明度。取值范围为0~1。

           origin：坐标轴原点的位置。可以设置为`upper`或`lower`。

           extent：控制显示的数据范围。可以设置为`[xmin, xmax, ymin, ymax]`。

           vmin、vmax：控制颜色映射的值域范围。

        filternorm 和 filterrad：用于图像滤波的对象。可以设置为`None`、`antigrain`、`freetype`等。

imlim： 用于指定图像显示范围。

           resample：用于指定图像重采样方式。

           url：用于指定图像链接。

plt.colorbar()

功能：显示颜色柱

5.5 imsave

matplotlib.pyplot.imsave(fname, arr, **kwargs)

参数：fname：保存图像的文件名，可以是相对路径或绝对路径。

           arr：表示图像的NumPy数组。

           kwargs：可选参数，用于指定保存的图像格式以及图像质量等参数。

5.* imsave和savefig的区别

import matplotlib.pyplot as plt
import numpy as nparr = np.array([[1,2,3,1], [2,3,1,2]])
# 绘制二维或三维数据图像,通过cmap进行颜色映射
plt.imshow(arr, cmap='gray')
plt.imsave('./test.png', arr)
plt.show()

5.6 imread

matplotlib.pyplot.imread(fname, format=None)

参数：fname：指定了要读取的图像文件的文件名或文件路径，可以是相对路径或绝对路径。

           format：参数指定了图像文件的格式，如果不指定，则默认根据文件后缀名来自动识别格式。

返回值：numpy.ndarray 对象

import matplotlib.pyplot as plt# map为在当前文件路径下博主自己导入的一幅图片，返回一个ndarray数组被arr接收
arr = plt.imread('map.png')
plt.imshow(arr)
plt.show()

5.7 close

plt.close(fig=None)

功能：该函数用于关闭一个或多个打开的图形窗口，释放资源

参数：fig：指定要关闭的图形，可以是Figure对象，也可以是图形对应的整数

           all：关闭所有图形，如果参数省略，关闭当前图像

5.8 Line2D类函数

5.8.1 get_label

5.8.2 get_data

Line2D.set_data(xdata, ydata)

5.9 pause

函数原型：

pyplot.pause(interval)

参数：interval：时间，秒

import matplotlib.pyplot as plt
import numpy as npx = np.arange(0, 2*np.pi, 0.1)
y = np.sin(x)
# plot函数返回的是Line2D对象的列表，用于进一步操作和定制图形中的线条，这些数据属于一个元素，因此在接收时会返回一个含有一个元素的列表
# Line2D对象作为元素存在与列表中，想要获取该元素需要对列表进行序列解包（ld,的过程便是执行这一操作）
# 此时ld内部存储的是plot函数操作后返回的Line2D对象
ld, = plt.plot(x, y, label='sin')# 获取图像中label数据
ret = ld.get_label()
print(ret)y = np.cos(x)
# 根据指定的时间暂停程序，5秒后执行下一步，即去修改ld中的数据
plt.pause(5)
# 修改原图像的数据
ld.set_data(x, y)plt.show()

6 绘制子图网格

from matplotlib.gridspec import GridSpec

GridSpec(nrows, ncols, figure=None, left=None, right=None, bottom=None, top=None, wspace=None, hspace=None, width_ratios=None, height_ratios=None, w_pad=None, h_pad=None)

参数：nrows: int子图网格的行数。

           ncols: int子图网格的列数。

           figure: matplotlib.figure.Figure,

                   optional,

                   default: None

                   指定的图形对象。如果未提供，则默认创建一个新的图形对象。

           left: float, optional, default: None子图网格左侧的相对位置（0 到 1 的比例）。如果未指定，则使用默认的左边界。

           right: float, optional, default: None子图网格右侧的相对位置（0 到 1 的比例）。如果未指定，则使用默认的右边界。

           bottom: float, optional, default: None子图网格底部的相对位置（0 到 1 的比例）。如果未指定，则使用默认的底边界。

           top: float, optional, default: None子图网格顶部的相对位置（0 到 1 的比例）。如果未指定，则使用默认的顶边界。

           wspace: float or None, optional, default: None子图之间的水平间距（以英寸为单位）或作为子图宽度的比例。如果未指定，则使用默认的间距。

           hspace: float or None, optional, default: None子图之间的垂直间距（以英寸为单位）或作为子图高度的比例。如果未指定，则使用默认的间距。

           width_ratios: list of floats, optional, default: None指定每一列的宽度比例。如果指定，则 ncols 必须与列表长度匹配。

           height_ratios: list of floats, optional, default: None指定每一行的高度比例。如果指定，则 nrows 必须与列表长度匹配。

           w_pad: float, optional, default: None子图之间的水平填充（以英寸为单位）。如果未指定，则使用默认的填充。

           h_pad: float, optional, default: None子图之间的垂直填充（以英寸为单位）。如果未指定，则使用默认的填充。

import matplotlib.pyplot as plt
import numpy as npimport matplotlib.gridspec as gs
fig = plt.figure()# 添加子图网格
gs = gs.GridSpec(2, 3)
# 在第一行添加三个子图
fig.add_subplot(gs[0, 0])
fig.add_subplot(gs[0, 1])
fig.add_subplot(gs[0, 2])
# 在第二行添加一个子图
fig.add_subplot(gs[1, :])plt.show()