感謝 非常感謝Bill Wing和Christoph Deil的審閱和更正。 作者：Nicolas Rougier, Mike Müller, Gaël Varoquaux 本章內容： 介紹 簡單繪圖 圖形，子圖，軸線和刻度 其他類型的圖形：示例和練習 教程之外的內容 快速參考 4.1 介紹 Mat ...
感謝
非常感謝Bill Wing和Christoph Deil的審閱和更正。
作者：Nicolas Rougier, Mike Müller, Gaël Varoquaux
本章內容：
- 介紹
- 簡單繪圖
- 圖形，子圖，軸線和刻度
- 其他類型的圖形：示例和練習
- 教程之外的內容
- 快速參考
4.1 介紹
Matplotlib可能是二維圖形中最常用的Python包。它提供了一個非常快的可視化Pyhton數據的方法和許多可供發佈的格式化圖形。我們要以交互方式探索Matplotlib大多數常見情況。
4.1.1 IPython和Matplotlib模式
Ipython是一個增強的互動式Python Shell。它有許多有趣的功能，包括命名輸入和輸出、訪問Shell命令、改進調試和更多內容。它是Pyhton中科學計算工作流的核心，與Matplotlib結合一起使用。
關於Matlab/Mathematica類似功能的互動式Matplotlib會話，我們使用IPython和它的特殊Matplotlib模式，使能夠非阻塞繪圖。
Ipython console 當使用IPython控制台時，我們以命令行參數--matplotlib啟動它（-pylab命令被用在非常老的版本中）
IPthon notebook 在IPthon notebook中，我們在notebook的起始處插入以下魔法函數：%matplotlib inline
4.1.2 pyplot
pyplot為matplotlib面向對象的繪圖庫提供了一個程式介面。它是接近於Matlab的建模工具。因此，plot中的大多數繪圖命令都具有類似的Matlab模擬參數。重要的命令用交互示例解釋。
from matplotlib import pyplot as plt
4.2 簡單繪圖
在本節中，我們要在同一個圖上繪製餘弦和正弦函數，我們將從預設設置開始，逐步充實圖形，使其變得更好。
第一步：獲取正弦和餘弦函數的數據
import numpy as np X = np.linspace(-np.pi, np.pi, 256, endpoint=True) C, S = np.cos(X), np.sin(X)
X現在是一個numpy數組，有256個值，範圍從-π到+π（包括），C是餘弦（256個值），S是正弦（256個值）。
要運行該示例，你可以在IPython互動式會話中鍵入它：
$ ipython --pylab
這使我們來到IPython命令提示符：
IPython 0.13 -- An enhanced Interactive Python. ? -> Introduction to IPython's features. %magic -> Information about IPython's 'magic' % functions. help -> Python's own help system. object? -> Details about 'object'. ?object also works, ?? prints more. Welcome to pylab, a matplotlib-based Python environment. For more information, type 'help(pylab)'.
你也可以下載每個例子，使用常規Python命令運行它，但是你會失去交互數據操作。
$ python exercice_1.py
你可以通過點擊相應的圖形來獲取每個步驟的源。
4.2.1 使用預設設置繪圖
Documentation
- plot tutorial
- plot() command
import numpy as np import matplotlib.pyplot as plt X = np.linspace(-np.pi, np.pi, 256, endpoint=True) C, S = np.cos(X), np.sin(X) plt.plot(X, C) plt.plot(X, S) plt.show()
4.2.2 實例化預設值
Documentation
- Customizing matplotlib
import numpy as np import matplotlib.pyplot as plt # Create a figure of size 8x6 inches, 80 dots per inch plt.figure(figsize=(8, 6), dpi=80) # Create a new subplot from a grid of 1x1 plt.subplot(1, 1, 1) X = np.linspace(-np.pi, np.pi, 256, endpoint=True) C, S = np.cos(X), np.sin(X) # Plot cosine with a blue continuous line of width 1 (pixels) plt.plot(X, C, color="blue", linewidth=1.0, linestyle="-") # Plot sine with a green continuous line of width 1 (pixels) plt.plot(X, S, color="green", linewidth=1.0, linestyle="-") # Set x limits plt.xlim(-4.0, 4.0) # Set x ticks plt.xticks(np.linspace(-4, 4, 9, endpoint=True)) # Set y limits plt.ylim(-1.0, 1.0) # Set y ticks plt.yticks(np.linspace(-1, 1, 5, endpoint=True)) # Save figure using 72 dots per inch # plt.savefig("exercice_2.png", dpi=72) # Show result on screen plt.show()
4.2.3 改變顏色和線寬
Documentation
- Controlling line properties
- Line API
第一步，我們要將餘弦函數設置為藍色，正弦函數設置為紅色，並且將它們都設置為稍微粗的線型。我們也會稍微改變一下圖形的大小，使其更加水平。
... plt.figure(figsize=(10, 6), dpi=80) plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-") plt.plot(X, S, color="red", linewidth=2.5, linestyle="-") ...
4.2.4 設置限定值
Documentation
- xlim() command
- ylim() command
當前圖形的限定值有點緊湊，我們想要一些空間，以便清楚地查看所有數據點。
... plt.xlim(X.min() * 1.1, X.max() * 1.1) plt.ylim(C.min() * 1.1, C.max() * 1.1) ...
4.2.5 設置刻度值
Documentation
- xticks() command
- yticks() command
- Tick container
- Tick locating and formatting
... plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi]) plt.yticks([-1, 0, +1]) ...
4.2.6 設置刻度標記
Documentation
- Working with text
- xticks() command
- yticks() command
- set_xticklabels()
- set_yticklabels()
... plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$']) plt.yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$']) ...
4.2.7 運動自旋
Documentation
- Spines
- Axis container
- Transformations tutorial
... ax = plt.gca() # gca stands for 'get current axis' ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') ax.xaxis.set_ticks_position('bottom') ax.spines['bottom'].set_position(('data',0)) ax.yaxis.set_ticks_position('left') ax.spines['left'].set_position(('data',0)) ...
4.2.8 添加圖例
Documentation
- Legend guide
- legend() command
- Legend API
... plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine") plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine") plt.legend(loc='upper left') ...
4.2.9 註釋一些點
Documentation
- Annotating axis
- annotate() command
... t = 2 * np.pi / 3 plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=2.5, linestyle="--") plt.scatter([t, ], [np.cos(t), ], 50, color='blue') plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$', xy=(t, np.sin(t)), xycoords='data', xytext=(+10, +30), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) plt.plot([t, t],[0, np.sin(t)], color='red', linewidth=2.5, linestyle="--") plt.scatter([t, ],[np.sin(t), ], 50, color='red') plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$', xy=(t, np.cos(t)), xycoords='data', xytext=(-90, -50), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) ...
4.2.10
