Python中的Matplotlib模块入门教程


Posted in Python onApril 15, 2015

1 关于 Matplotlib 模块

Matplotlib 是一个由 John Hunter 等开发的,用以绘制二维图形的 Python 模块。它利用了 Python 下的数值计算模块 Numeric 及 Numarray,克隆了许多 Matlab 中的函数, 用以帮助用户轻松地获得高质量的二维图形。Matplotlib 可以绘制多种形式的图形包括普通的线图,直方图,饼图,散点图以及误差线图等;可以比较方便的定制图形的各种属性比如图线的类型,颜色,粗细,字体的大小等;它能够很好地支持一部分 TeX 排版命令,可以比较美观地显示图形中的数学公式。Matplotlib 掌握起来也很容易,由于 Matplotlib 使用的大部分函数都与 Matlab 中对应的函数同名,且各种参数的含义,使用方法也一致,这就使得熟悉 Matlab 的用户使用起来感到得心应手。对那些不熟悉的 Matlab 的用户而言,这些函数的意义往往也是一目了然的,因此只要花很少的时间就可以掌握。

Matplotlib 目前包含了37个不同的模块, 如 matlab, mathtext, finance, dates

等等,其中与绘图关系最直接的是 matlab 模块。可以用下面的命令装载并查看它提供的函数

>>> import matplotlib.matlab
>>> dir(matplotlib.matlab)

如果要了解模块中某个函数的使用方法,可以使用 help 命令。如下面的命令

>>> help(legend)
>>> help(plot)

会返回 legend 和 plot 这两个函数的信息。

本文拟通过一些实例来说明 matplotlib 的这些主要特点。相信通过阅读这些例子,您能对 Matplotlib 的使用有一个基本的了解。

2 绘制一组幂函数

先从一个简单的例子开始讨论。假设要在一个图形中显示一组幂函数。这组幂函数的基不同,分别为10,自然对数 e 和2。可以用如下 Python 脚本去描绘这组曲线,生成的图形如图1所示。

from matplotlib.matlab import * 
 
 x = linspace(-4, 4, 200) 
 f1 = power(10, x) 
 f2 = power(e, x) 
 f3 = power(2, x) 
 
 plot(x, f1, 'r', x, f2, 'b', x, f3, 'g', linewidth=2) 
 axis([-4, 4, -0.5, 8])
 text(1, 7.5, r'$10^x$', fontsize=16)
 text(2.2, 7.5, r'$e^x$', fontsize=16)
 text(3.2, 7.5, r'$2^x$', fonsize=16)
 title('A simple example', fontsize=16)
 
 savefig('power.png', dpi=75)
 show()

图1: 一组幂函数

Python中的Matplotlib模块入门教程

程序的第一行装载了 matlab 模块。接下来的几行语句(至 savefig 之前)好像是在运行 Matlab 程序,因为 linspace, power, plot,axis, text, title 这些函数在 Matlab 中也存在。这个例子展示了 Matplotlib 中几个比较常用的绘图函数,如 plot,axis,title 等的用法。其中 plot 是一个功能十分强大的函数, 通过改变它的参数选项,可以灵活地修改图形的各种属性,比如选用的线型,颜色,宽度等。

显示图形中的数学公式

Matplotlib 可以支持一部分 TeX 的排版指令,因此用户在绘制含有数学公式的图形时会感到很方便并且可以得到比较满意的显示效果,所需要的仅仅是一些 TeX 的排版知识。下面的这个例子显示了如何在图形的不同位置上, 如坐标轴标签,图形的标题以及图形中适当的位置处,显示数学公式。相应的 Python 程序如下, 生成的图形见图2。

from matplotlib.matlab import *
def  f(x, c):
    m1 = sin(2*pi*x)
    m2 = exp(-c*x)
return multiply(m1, m2)
x = linspace(0, 4, 100)
sigma = 0.5
plot(x, f(x, sigma), 'r', linewidth=2)
xlabel(r'$\rm{time}  \  t$', fontsize=16)
ylabel(r'$\rm{Amplitude} \ f(x)$', fontsize=16)
title(r'$f(x) \ \rm{is \ damping  \ with} \ x$', fontsize=16)
text(2.0, 0.5, r'$f(x) = \rm{sin}(2 \pi  x^2) e^{\sigma x}$', fontsize=20)
savefig('latex.png', dpi=75)
show()

图2: 图形中数学公式的显示

Python中的Matplotlib模块入门教程

从程序中可以看出,在 Matplotlib 中进行有关数学公式的排版是很简单的。与 TeX 排版时的约定一样,要插入的公式部分由一对美元符号 $ 来进行标识,而具体的排版命令与 TeX 一样。在任何可以显示文本的地方(如轴的标签,标题处等)都可以插入需要的公式。需要注意的是,数学公式所在的字符串开始之处有一个标记 r,表示该字符串是一个 raw string。这是因为排版公式时,字符串所包含的内容必须按照 TeX 的规范,而不是其他的规范,来进行解析。所以使用 raw string 可以避免其它规则解释字符串中某些特殊字符所带来的歧义。从生成的图形可以看到,公式显示的效果是比较美观的。

3 绘制其他格式的图形

除了常用的线图,Matplotlib 还可以绘制其他种类的图形,如直方图,饼图,误差线图等等。下面是一个处理实验数据的例子。它用直方图的形式比较了实际测量电流和理论计算电流,同时还显示了测量的误差分布情况。程序首先读取实验数据 current.dat,获得数据后利用函数 bar 进行绘图。

from matplotlib.matlab import * 
filename = "d:\\wei\\exp\\current.dat"
X = load(filename)
dp = X[:, 0]
i_mea = X[:, 1]
i_mea_err = X[:, 2]
i_cal = X[:, 3]
i_cal_err = X[:, 4]
width = 3
h1 = bar(dp, i_mea, width, color='r', yerr=i_mea_err)
h2 = bar(dp+width, i_cal, width, color='b', yerr=i_cal_err)
xlabel('Particle diameter (nm)', fontsize=16)
xticks(dp+width, dp)
ylabel('Signal current (nA)', fontsize=16)
title('Measured current vs. calculated current')
legend((h1[0], h2[0]), ('measured current', 'calculated current'), loc=2)
savefig('current.png', dpi=75)
show()

图3 :测量电流 vs. 计算电流

Python中的Matplotlib模块入门教程

从程序中可以看出,函数 load 极大地方便了数据文件的读取工作(不需要自己写代码来处理数据文件了),它的输出直接被传递至函数 bar 中,进而完成直方图和误差线图的绘制。

4 GLP 集合计算结果的可视化

Python 是一种比较适合用来进行科学计算的脚本语言,如果利用了 Numeric 及 Numarray 模块,它的计算能力还能得到进一步的增强。 Matplotlib 也充分利用了这两个模块,可以高质量地完成计算结果可视化的工作。下面是一个计算和显示两维好格子点 GLP (Good Lattice Point Set)集合的例子。 GLP 集合是一种用算法产生的伪随机数的集合,它在一些优化计算中很有用,详细的介绍可以在参考文献里找到。下面的 Python 程序先定义了一个函数 glp(n1, n2) 用以产生需要的 GLP 集合, 接着利用 Matplotlib 来显示它的分布情况(应该是均匀分布的)。

# A two dimensional GLP set 
# with n1=377, n2=610
from matplotlib.matlab import *
def glp(n1, n2):
 q = zeros((2, n2), Float)
 h1 = 1; h2 = n1
 for i in arange(n2-1):
 q[0][ i] = (fmod(h1*(i+1), n2)-0.5)/n2
 q[1][ i] = (fmod(h2*(i+1), n2)-0.5)/n2
 q[0][n2-1] = (n2-0.5)/n2
 q[1][n2-1] = (n2-0.5)/n2
 return q
n1 = 377; n2 = 610
q = glp(n1, n2)
x = q[0, :]
y = q[1, :]
plot(x, y, 'r.', linewidth=2)
axis([0, 1, 0, 1])
title(r'$\rm{GLP \ set \ with} \ n_1 = 377, \ n_2 = 610$')
savefig('glp.png', dpi = 75)
show()

图4: GLP 集合的分布

Python中的Matplotlib模块入门教程

最初我们是用 Matlab 来完成这个工作的,现在用 Python 来实现一样很简洁。程序中函数 glp 的实现主要是利用了模快 Numeric,计算得到的结果用 plot 函数直接加以显示,十分方便。这个例子(包括上一个例子)显示了,在利用 Python 进行某些科学及工程计算时,Matplotlib 往往能简洁高效地完成计算结果可视化的工作。

5 工作模式及图形的输出方式

最后简单的介绍一下 Matplotlib 的工作模式以及输出图形的方式。Matplotlib 有两种工作模式:交互模式 (interactive mode) 以及批处理模式 (batch mode)。很容易理解这两种模式的差别。第一种模式就是在某个 Python Shell 的提示符下逐个运行绘图的命令。

第二种模式是先把绘图命令写成一个脚本文件然后在适当的环境中执行这个文件。 最终图形的输出也有两种方式,即 GUI 输出方式和非 GUI 输出方式。简单地说,GUI 方式的输出是把产生的图形直接显示在屏幕上;而非 GUI 方式的输出则是把图形保存为某种格式的文件,比如ps,png格式的文件。不论哪一种方式都与系统使用的 backend 有关 (backend 可以理解为后端的绘图引擎)。与 GUI方式输出有关的 backend 包括 WxPython, TkAgg, Tkinter 等。而与非 GUI 方式有关的 backend 包括 GD, PS,Paint 等。下图总结了目前 Matplotlib 支持的主要backend。
图5: Matplotlib 支持的主要 backend

Python中的Matplotlib模块入门教程

用户可以根据自己的实际需要选用其中的某种输出方式,当然也可以两种同时使用。以上的几个例子都是同时使用了这两种方式。以上几个 Python 脚本的最后一行命令 show 负责把图形在屏幕上显示出来,而命令 savefig 会把图形保存为相应格式的文件,目前缺省的输出格式是 png 格式。

6 总结

作为一个仍在进行中的项目,Matplotlib 充分利用了 Python 下的 Numeric(Numarray) 模块,提供了一种利用 Python 进行数据可视化的解决方案,进一步加强了 Python 用来进行科学计算的能力。Matplotlib 简单易学,它克隆了众多 Matlab 中的函数,这会让了解 Matlab 的用户受益不少。其他的特点还包括能够绘制多种类型的图形,可以简单灵活对图形的各种属性进行修改,能比较美观地显示图形中的数学公式。与其他的一些绘图程序相比,如 Gnuplot,Matplotlib 的一个吸引人之处就是输出图形的质量较高。不足之处是 Matplotlib 的功能目前还不是很完善, 比如目前还不能支持三维绘图,对 TeX 排版的支持还不充分等等。不过考虑到它是一个还在进行中的项目,这些就不应求全责备了。总的说来,如果您需要一种可视化的工具,并且希望它能有高质量的输出效果,那么 Python 的 Matplotlib 模块应该是一个值得考虑的选择。

Python 相关文章推荐
python让图片按照exif信息里的创建时间进行排序的方法
Mar 16 Python
Python自动登录126邮箱的方法
Jul 10 Python
Python提取Linux内核源代码的目录结构实现方法
Jun 24 Python
Python中的连接符(+、+=)示例详解
Jan 13 Python
简单的python后台管理程序
Apr 13 Python
对Python3 * 和 ** 运算符详解
Feb 16 Python
PyQt打开保存对话框的方法和使用详解
Feb 27 Python
关于 Python opencv 使用中的 ValueError: too many values to unpack
Jun 28 Python
opencv3/C++图像像素操作详解
Dec 10 Python
Python3 socket即时通讯脚本实现代码实例(threading多线程)
Jun 01 Python
python与pycharm有何区别
Jul 01 Python
Python爬虫分析微博热搜关键词的实现代码
Feb 22 Python
使用Python编写类UNIX系统的命令行工具的教程
Apr 15 #Python
Python中的元类编程入门指引
Apr 15 #Python
在Python中进行自动化单元测试的教程
Apr 15 #Python
pygame学习笔记(6):完成一个简单的游戏
Apr 15 #Python
pygame学习笔记(5):游戏精灵
Apr 15 #Python
pygame学习笔记(4):声音控制
Apr 15 #Python
Python的Django框架使用入门指引
Apr 15 #Python
You might like
PHP+DBM的同学录程序(4)
2006/10/09 PHP
PHP5常用函数列表(分享)
2013/06/07 PHP
PHP调用MsSQL Server 2012存储过程获取多结果集(包含output参数)的详解
2013/07/03 PHP
php防止网站被刷新的方法汇总
2014/12/01 PHP
浅谈PHP错误类型及屏蔽方法
2017/05/27 PHP
PHP 数组黑名单/白名单实例代码详解
2019/06/04 PHP
用cssText批量修改样式
2009/08/29 Javascript
Jquery post传递数组方法实现思路及代码
2013/04/28 Javascript
iframe窗口高度自适应的实现方法
2014/01/08 Javascript
用js正确判断用户名cookie是否存在的方法
2014/01/28 Javascript
Jquery选择器中使用变量实现动态选择例子
2014/07/25 Javascript
javascript将url中的参数加密解密代码
2014/11/17 Javascript
JavaScript实现信用卡校验方法
2015/04/07 Javascript
使用微信小程序开发前端【快速入门】
2016/12/05 Javascript
BootStrap学习笔记之nav导航栏和面包屑导航
2017/01/03 Javascript
JS实现图片放大镜插件详解
2017/11/06 Javascript
原生JS实现ajax与ajax的跨域请求实例
2017/12/01 Javascript
javascript中join方法实例讲解
2019/02/21 Javascript
基于jQuery实现挂号平台首页源码
2020/01/06 jQuery
javascript使用Blob对象实现的下载文件操作示例
2020/04/18 Javascript
[48:48]完美世界DOTA2联赛PWL S3 Magama vs GXR 第一场 12.19
2020/12/24 DOTA
Python中http请求方法库汇总
2016/01/06 Python
python生成1行四列全2矩阵的方法
2018/08/04 Python
Django中数据库的数据关系:一对一,一对多,多对多
2018/10/21 Python
面向对象学习之pygame坦克大战
2019/09/11 Python
Python实现元素等待代码实例
2019/11/11 Python
Python实现图片指定位置加图片水印(附Pyinstaller打包exe)
2021/03/04 Python
JNI的定义
2012/11/25 面试题
文明教师事迹材料
2014/01/16 职场文书
平民服装店创业计划书
2014/01/17 职场文书
实习老师离校感言
2014/02/03 职场文书
会计电算化学生个人的自我评价
2014/02/08 职场文书
硕士研究生求职自荐信范文
2014/03/11 职场文书
王兆力在市委党的群众路线教育实践活动总结大会上的讲话稿
2014/10/25 职场文书
2014会计年终工作总结
2014/12/20 职场文书
挂职锻炼个人总结
2015/03/05 职场文书