Matplotlib中的annotate（注解）的用法
Matplotlib API

基础应用

使用plt.figure定义一个图像窗口. 使用plt.plot画(x ,y)曲线. 使用plt.show显示图像.

  1. plt.figure()
  2. plt.plot(x, y)
  3. plt.show()

figure 图像

使用plt.figure定义一个图像窗口：编号为3；大小为(8, 5). 使用plt.plot画(x ,y2)曲线. 使用plt.plot画(x ,y1)曲线，曲线的颜色属性(color)为红色;曲线的宽度(linewidth)为1.0；曲线的类型(linestyle)为虚线. 使用plt.show显示图像.

  1. plt.figure(num=3, figsize=(8, 5),)
  2. plt.plot(x, y2)
  3. plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
  4. plt.show()

设置坐标轴

调整名字和间隔

使用plt.xlim设置x坐标轴范围：(-1, 2)； 使用plt.ylim设置y坐标轴范围：(-2, 3)； 使用plt.xlabel设置x坐标轴名称：’I am x’； 使用plt.ylabel设置y坐标轴名称：’I am y’；

  1. plt.xlim((-1, 2))
  2. plt.ylim((-2, 3))
  3. plt.xlabel('I am x')
  4. plt.ylabel('I am y')
  5. plt.show()

使用np.linspace定义范围以及个数：范围是(-1,2);个数是5. 使用print打印出新定义的范围. 使用plt.xticks设置x轴刻度：范围是(-1,2);个数是5.

  1. new_ticks = np.linspace(-1, 2, 5)
  2. print(new_ticks)
  3. plt.xticks(new_ticks)

使用plt.yticks设置y轴刻度以及名称：刻度为[-2, -1.8, -1, 1.22, 3]；对应刻度的名称为[‘really bad’,’bad’,’normal’,’good’, ‘really good’]. 使用plt.show显示图像.

  1. plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
  2. plt.show()

使用plt.gca获取当前坐标轴信息. 使用.spines设置边框：右侧边框；使用.set_color设置边框颜色：默认白色； 使用.spines设置边框：上边框；使用.set_color设置边框颜色：默认白色；

  1. ax = plt.gca() # get current axis
  2. ax.spines['right'].set_color('none')
  3. ax.spines['top'].set_color('none')
  4. plt.show()

调整坐标轴

使用.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：bottom.（所有位置：top，bottom，both，default，none）

  1. ax.xaxis.set_ticks_position('bottom') # 将下面的边框设置成x轴

使用.spines设置边框：x轴；使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）

  1. ax.spines['bottom'].set_position(('data', 0))
  2. plt.show()

添加图例

matplotlib 中的 legend 图例就是为了帮我们展示出每个数据对应的图像名称. 更好的让读者认识到你的数据结构.

本节中我们将对图中的两条线绘制图例，首先我们设置两条线的类型等信息（蓝色实线与红色虚线).

  1. # set line syles 注意有,
  2. l1, = plt.plot(x, y1, label='linear line')
  3. l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')

legend将要显示的信息来自于上面代码中的 label. 所以我们只需要简单写下一下代码, plt 就能自动的为我们添加图例.

  1. plt.legend(loc='upper right')

参数 loc='upper right' 表示图例将添加在图中的右上角.

调整位置和名称

如果我们想单独修改之前的 label 信息, 给不同类型的线条设置图例信息. 我们可以在 plt.legend 输入更多参数. 如果以下面这种形式添加 legend, 我们需要确保, 在上面的代码 plt.plot(x, y2, label='linear line') 和 plt.plot(x, y1, label='square line') 中有用变量 l1 和 l2 分别存储起来. 而且需要注意的是 l1, l2,要以逗号结尾, 因为plt.plot() 返回的是一个列表.

  1. plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='best')

这样我们就能分别重新设置线条对应的 label 了.

Annotation 标注

画出基本图

当图线中某些特殊地方需要标注时，我们可以使用 annotation. matplotlib 中的 annotation 有两种方法， 一种是用 plt 里面的 annotate，一种是直接用 plt 里面的 text 来写标注.

标注出点(x0, y0)的位置信息. 用plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5) 画出一条垂直于x轴的虚线.

  1. x0 = 1
  2. y0 = 2*x0 + 1
  3. plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)
  4. # set dot styles
  5. plt.scatter([x0, ], [y0, ], s=50, color='b')

添加注释 annotate

接下来我们就对(x0, y0)这个点进行标注.

  1. plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
  2.              textcoords='offset points', fontsize=16,
  3.              arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))

其中参数xycoords='data' 是说基于数据的值来选位置, xytext=(+30, -30) 和 textcoords='offset points' 对于标注位置的描述 和 xy 偏差值, arrowprops是对图中箭头类型的一些设置.

添加注释 text

  1. plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
  2.          fontdict={'size': 16, 'color': 'r'})

其中-3.7, 3,是选取text的位置, 空格需要用到转字符\,fontdict设置文本字体.

tick 能见度

对被遮挡的图像调节相关透明度，本例中设置 x轴 和 y轴 的刻度数字进行透明度设置

  1. for label in ax.get_xticklabels() + ax.get_yticklabels():
  2.     label.set_fontsize(12)
  3.     # 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
  4.     label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))
  5. plt.show()

其中label.set_fontsize(12)重新调节字体大小，bbox设置目的内容的透明度相关参，facecolor调节 box 前景色，edgecolor 设置边框， 本处设置边框为无，alpha设置透明度.

Scatter 散点图

输入X和Y作为location，size=75，颜色为T，color map用默认值，透明度alpha 为 50%。 x轴显示范围定位(-1.5，1.5)，并用xtick()函数来隐藏x坐标轴，y轴同理：

  1. plt.scatter(X, Y, s=75, c=T, alpha=.5)
  3. plt.xlim(-1.5, 1.5)
  4. plt.xticks(())  # ignore xticks
  5. plt.ylim(-1.5, 1.5)
  6. plt.yticks(())  # ignore yticks
  8. plt.show()

Bar 柱状图

用facecolor设置主体颜色，edgecolor设置边框颜色为白色，

  1. plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
  2. plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

接下来我们用函数plt.text分别在柱体上方（下方）加上数值，用%.2f保留两位小数，横向居中对齐ha='center'，纵向底部（顶部）对齐va='bottom'：

  1. for x, y in zip(X, Y1):
  2.     # ha: horizontal alignment
  3.     # va: vertical alignment
  4.     plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')
  6. for x, y in zip(X, Y2):
  7.     # ha: horizontal alignment
  8.     # va: vertical alignment
  9.     plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va='top')

画等高线

数据集即三维点 (x,y) 和对应的高度值，共有256个点。高度值使用一个 height function f(x,y) 生成。 x, y 分别是在区间 [-3,3] 中均匀分布的256个值，并用meshgrid在二维平面中将每一个x和每一个y分别对应起来，编织成栅格:

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  4. def f(x,y):
  5.     # the height function
  6.     return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2)
  8. n = 256
  9. x = np.linspace(-3, 3, n)
  10. y = np.linspace(-3, 3, n)
  11. X,Y = np.meshgrid(x, y)

接下来进行颜色填充。使用函数plt.contourf把颜色加进去，位置参数分别为：X, Y, f(X,Y)。透明度0.75，并将 f(X,Y) 的值对应到color map的暖色组中寻找对应颜色。

  1. # use plt.contourf to filling contours
  2. # X, Y and value for (X,Y) point
  3. plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)

接下来进行等高线绘制。使用plt.contour函数划线。位置参数为：X, Y, f(X,Y)。颜色选黑色，线条宽度选0.5。现在的结果如下图所示，只有颜色和线条，还没有数值Label：

  1. # use plt.contour to add contour lines
  2. C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)

添加高度数字

其中，8代表等高线的密集程度，这里被分为10个部分。如果是0，则图像被一分为二。

最后加入Label，inline控制是否将Label画在线里面，字体大小为10。并将坐标轴隐藏：

  1. plt.clabel(C, inline=True, fontsize=10)
  2. plt.xticks(())
  3. plt.yticks(())

Image 图片

  1. plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')

我们之前选cmap的参数时用的是：cmap=plt.cmap.bone，而现在，我们可以直接用单引号传入参数。 origin='lower'代表的就是选择的原点的位置。

我们在这个链接 可以看到matplotlib官网上对于内插法的不同方法的描述。

下面我们添加一个colorbar ，其中我们添加一个shrink参数，使colorbar的长度变短为原来的92%：

  1. plt.colorbar(shrink=.92)

3D 数据

首先在进行 3D Plot 时除了导入 matplotlib ，还要额外添加一个模块，即 Axes 3D 3D 坐标轴显示：

  1. import numpy as np
  2. import matplotlib.pyplot as plt
  3. from mpl_toolkits.mplot3d import Axes3D

之后要先定义一个图像窗口，在窗口上添加3D坐标轴，显示成下图：

  1. fig = plt.figure()
  2. ax = Axes3D(fig)

接下来给进 X 和 Y 值，并将 X 和 Y 编织成栅格。每一个（X, Y）点对应的高度值我们用下面这个函数来计算。

  1. # X, Y value
  2. X = np.arange(-4, 4, 0.25)
  3. Y = np.arange(-4, 4, 0.25)
  4. X, Y = np.meshgrid(X, Y)    # x-y 平面的网格
  5. R = np.sqrt(X ** 2 + Y ** 2)
  6. # height value
  7. Z = np.sin(R)

做出一个三维曲面，并将一个 colormap rainbow 填充颜色，之后将三维图像投影到 XY 平面上做一个等高线图。 plot 3D 图像：

  1. ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))

其中，rstride 和 cstride 分别代表 row 和 column 的跨度。

投影

下面添加 XY 平面的等高线：

  1. ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))

如果 zdir 选择了x，那么效果将会是对于 XZ 平面的投影

Subplot 多合一显示

plt.subplot(2,2,3)表示将整个图像窗口分为2行2列,当前位置为3. plt.subplot(2,2,3)可以简写成plt.subplot(223), matplotlib同样可以识别. 使用plt.plot([0,1],[0,3])在第3个位置创建一个小图.

plt.subplot(223)
plt.plot([0,1],[0,3])

使用plt.subplot(2,1,1)将整个图像窗口分为2行1列, 当前位置为1. 使用plt.plot([0,1],[0,1])在第1个位置创建一个小图.

plt.subplot(2,1,1)
plt.plot([0,1],[0,1])

使用plt.subplot(2,3,4)将整个图像窗口分为2行3列, 当前位置为4. 使用plt.plot([0,1],[0,2])在第4个位置创建一个小图.

plt.subplot(2,3,4)
plt.plot([0,1],[0,2])

Subplot 分格显示

subplot2grid

使用plt.subplot2grid来创建第1个小图, (3,3)表示将整个图像窗口分成3行3列, (0,0)表示从第0行第0列开始作图，colspan=3表示列的跨度为3, rowspan=1表示行的跨度为1. colspan和rowspan缺省, 默认跨度为1.

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax1.plot([1, 2], [1, 2])    # 画小图
ax1.set_title('ax1_title')  # 设置小图的标题

gridspec

import matplotlib.gridspec as gridspec

使用plt.figure()创建一个图像窗口, 使用gridspec.GridSpec将整个图像窗口分成3行3列.

plt.figure()
gs = gridspec.GridSpec(3, 3)

使用plt.subplot来作图, gs[0, :]表示这个图占第0行和所有列, gs[1, :2]表示这个图占第1行和第2列前的所有列, gs[1:, 2]表示这个图占第1行后的所有行和第2列, gs[-1, 0]表示这个图占倒数第1行和第0列, gs[-1, -2]表示这个图占倒数第1行和倒数第2列.

ax6 = plt.subplot(gs[0, :])
ax7 = plt.subplot(gs[1, :2])
ax8 = plt.subplot(gs[1:, 2])
ax9 = plt.subplot(gs[-1, 0])
ax10 = plt.subplot(gs[-1, -2])

subplots

使用plt.subplots建立一个2行2列的图像窗口，sharex=True表示共享x轴坐标, sharey=True表示共享y轴坐标. ((ax11, ax12), (ax13, ax14))表示第1行从左至右依次放ax11和ax12, 第2行从左至右依次放ax13和ax14.

f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)

使用ax11.scatter创建一个散点图.

ax11.scatter([1,2], [1,2])

plt.tight_layout()表示紧凑显示图像, plt.show()表示显示图像.

plt.tight_layout()
plt.show()

图中图

大图

接着，我们来绘制大图。首先确定大图左下角的位置以及宽高：

left, bottom, width, height = 0.1, 0.1, 0.8, 0.8

注意，4个值都是占整个figure坐标系的百分比。在这里，假设figure的大小是10x10，那么大图就被包含在由(1, 1)开始，宽8，高8的坐标系内。

将大图坐标系添加到figure中，颜色为r(red)，取名为title：

ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')

小图

接着，我们来绘制左上角的小图，步骤和绘制大图一样，注意坐标系位置和大小的改变：

left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(y, x, 'b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')

次坐标轴

第二个y坐标

获取figure默认的坐标系 ax1：

fig, ax1 = plt.subplots()

对ax1调用twinx()方法，生成如同镜面效果后的ax2：

ax2 = ax1.twinx()

Animation 动画

构造自定义动画函数animate，用来更新每一帧上各个x对应的y坐标值，参数表示第i帧：

def animate(i):
    line.set_ydata(np.sin(x + i/10.0))
    return line,

然后，构造开始帧函数init：

def init():
    line.set_ydata(np.sin(x))
    return line,

参数设置

接下来，我们调用FuncAnimation函数生成动画。参数说明：

  1. fig 进行动画绘制的figure
  2. func 自定义动画函数，即传入刚定义的函数animate
  3. frames 动画长度，一次循环包含的帧数
  4. init_func 自定义开始帧，即传入刚定义的函数init
  5. interval 更新频率，以ms计
  6. blit 选择更新所有点，还是仅更新产生变化的点。应选择True，但mac用户请选择False，否则无法显示动画