matplotlib:先搞明白plt. /ax./ fig再画

我这个傻子的matplotlib学习过程很神奇:

刚开始,找几个教程,呕吼,简单,plt.*** 一顿写。画完了。遇到坐标啊之类的细节不会调?

打开谷哥,要啥搜啥。

我最开始觉得这样蛮好的,这是一个很容易学的lib嘛。

然后问题出现了,matplotlib最烦人的地方就是,同样一个目标,你可以有N种不同的方法去实现他。比如说哦,加标题:

plt.set_title() 可以吧。

ax.title.set_text('title') 也可以吧。

ax.set_title()也可以啊。

所以到底要用哪个??

当你在网上搜索答案的时候,你会遇到各种实现的方法,如果你只是单纯的把找到的答案copypaste,那总有一天你会和我一样崩溃。感觉自己就是个没有谷哥就不会画图的傻子。。。

所以,如果你:

  • 学习matplotlib的时候是从标题类似于"五分钟教你matplotlib画图” 这种教程开始的
  • 起码知道这一句 'import matplotlib.pyplot as plt'
  • 遇到稍微复杂的细节就要一顿查,遇到修改xy坐标,名称,等等就头大
  • 打开matplotlib的官方指南,不止一次,但是一脸懵逼
  • 在这几个词 figure, axes, axis 在matplotlib出现时就一脸完了的表情

那么你不是一个人。我一直和你在一起。

所以这份指南是用来(尝试)解决这个问题的。我们花短短的时间,来从根本上了解一下matplotlib的架构,各种名词是什么意思,一个正常的画图程序是什么。

plt.***ax.***的区别

我认为所有不先讲清楚plt.***和ax.*** 两种画图方式的区别的教程都是耍流氓。一上来就告诉你,plt.figure(), plt.plot(), plt.show(),这么画就对了的,都是不负责任的表现!

  • 在matplotlib中,有两种画图方式:
    • plt.figure(): plt.***系列。通过plt.xxx来画图,其实是取了一个捷径。这是通过matplotlib提供的一个api,这个plt提供了很多基本的function可以让你很快的画出图来,但是如果你想要更细致的精调,就要使用另外一种方法。
plt.figure(1)  
plt.subplot(211)   
plt.plot(A,B)   
plt.show()
    • fig, ax = plt.subplots(): 这个就是正统的稍微复杂一点的画图方法了。指定figure和axes,然后对axes单独操作。等下就讲figure和axes都神马意思。
fig, ax = plt.subplots()   
ax.plot(A,B)
  • 大部分的新手教程,都是以plt.xxx开始的。我个人认为这不是一个很好的方式。的确, plt.xxx简单易懂上手快,但是plt把matplotlib的结构看成一个blackbox,新手在不知道这个lib到底是如何运作的情况下以为自己上手了,可是当你需要细调你的图的时候,你就发现你完全不明白网上的人为什么要用ax.xxx, 为什么还有其他那么多种方式来加题目。这样的学习过程是非常不利于长期发展的。
  • 因此,从我这个傻子的经验,我强烈建议在初学matplotlib的时候,尽量避免使用plt.xxx系列。当你明白figure/axes/axis都是控制什么的时候,如果你想要简单的制作一个quick and dirty的图,用plt.xxx才是OK。

名词解释 in matplotlib

matplotlib的名词定于对于非英语母语的人来说实在是太不友好了。尤其是axes。仰天长啸。

从官方借了个图

official docmatplotlib.org
  • Figure fig = plt.figure(): 可以解释为画布。
    • 画图的第一件事,就是创建一个画布figure,然后在这个画布上加各种元素。
  • Axes ax = fig.add_subplot(1,1,1): 不想定义,没法定义,就叫他axes!
    • 首先,这个不是你画图的xy坐标抽!
    • 希望当初写这个lib的时候他们用一个更好的名字。。。
    • 可以把axes理解为你要放到画布上的各个物体。比如你要画一个太阳,一个房子,一个车在画布上,那么太阳是一个axes,房子是一个axes,etc。
    • 如果你的figure只有一张图,那么你只有一个axes。如果你的figure有subplot,那么每一个subplot就是一个axes
    • axes是matlibplot的宇宙中心!axes下可以修改编辑的变量非常多,基本上能包含你的所有需求。
  • Axis ax.xaxis/ax.yaxis: 对,这才是你的xy坐标轴。
    • 每个坐标轴实际上也是由竖线和数字组成的,每一个竖线其实也是一个axis的subplot,因此ax.xaxis也存在axes这个对象。对这个axes进行编辑就会修改xaxis图像上的表现。

图像的各个部位名称

再从使用指南 User Guide 借个图。每个部分的名称指南,这样当你想修改一个部位的时候,起码知道关键字啊。


一步一步来,用传统方法画个图

下面就是实战。用调取ax的方式来画个图。不要用plt!!

Import library and data for ploting

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
A = np.arange(1,5)
B = A**2
C = A**3

首先,搞个画布

我喜欢用这个命令来开始画图。哪怕你没有subplot,也可以用这个subplots来创建一个画布。

这个function创建了一个大小为(14,7)的画布,把这个画布赋值给变量fig,同时在这个画布上创建了一个axes,把这个axes赋值给ax。这样,所有未来的fig.xxx都是对这个画布的操作,所有ax.xxx都是对这个axes的操作。

如果你有两个图,那么ax是一个有两个元素ax[0],ax[1] 的list。ax[0]就对应第一个subplot的ax。

fig, ax = plt.subplots(figsize=(14,7))
# fig, ax = plt.subplots(2,1,figsize(14,7))
# ax[0].***
# ax[1].***


好了画布搞好了,画数据。

注意,我们这里依然不使用plt!因为我们要在这个axes上画数据,因此就用ax.plot()来画。画完第一个再call一次,再画第二个。

ax.plot(A,B)
ax.plot(B,A)


下面开始细节的处理

数据画好了就可以各种细调坐标轴啊,tick啊之类的。

首先把标题和xy坐标轴的标题搞定。Again, 不用plt。直接在axes上进行设定。

ax.set_title('Title',fontsize=18)
ax.set_xlabel('xlabel', fontsize=18,fontfamily = 'sans-serif',fontstyle='italic')
ax.set_ylabel('ylabel', fontsize='x-large',fontstyle='oblique')
ax.legend()

然后是xy坐标轴的一些属性设定, 也是在axes level上完成的

ax.set_aspect('equal') 
ax.minorticks_on() 
ax.set_xlim(0,16) 
ax.grid(which='minor', axis='both')

最后是坐标轴tick和细节,这个在axes.xaxis or axes.yaxis上完成。

ax.xaxis.set_tick_params(rotation=45,labelsize=18,colors='w') 
start, end = ax.get_xlim() 
ax.xaxis.set_ticks(np.arange(start, end,1)) 
ax.yaxis.tick_right()

这样一个丑陋的基本图的绘画和编辑就完成了。如果有一些其他的细节调整,在搜索的时候,尽量选择不用plt的答案。原则上来说,plt和ax画图两者是可以互相转换的,然而转换过程让你的代码更复杂,有时还会产生难以理解的bug。因此画图的时候,请坚持使用一种格式。

搞定,吃饭去。

编辑于 2019-11-25