# import matplotlib

:Python 的第三方库,提供了一些模仿 MATLAB 的数学绘图函数,并基于 tkinter、qt5 等 GUI 库显示图像。

# 折线图

  • 使用绘图函数时,通常输入 numpy.array 等类型的数组,就会在坐标轴中绘制函数曲线。

  • 可以用 plt.plot() 绘制一条折线,如下:

    >>> import matplotlib.pyplot as plt
    >>> x = [1, 2, 3]
    >>> y = [-1, -2, -3]
    >>> plt.plot(x, y)                                          # 绘制一条折线,x、y 数组分别表示各个点的 x 轴、y 轴坐标,两个数组的长度必须相同
    [<matplotlib.lines.Line2D object at 0x000001F35773F820>]
    >>> plt.plot(y, x, label='line2', linestyle='', marker='.') # 绘制第二条折线,它是散点线
    [<matplotlib.lines.Line2D object at 0x000001F35801BB20>]
    >>> plt.show()                                              # 显示 Figure 窗口
    
  • plt.plot() 的常用参数:

    label='xx'          # 折线的名称
    linewidth=1.0       # 线宽
    linestyle='-'       # 线型
    marker=''           # 节点标记的形状
    color='#008000'     # 线的颜色。默认每次绘制时,会按蓝、橙、绿等顺序分配颜色
    
    • 线型有以下几种:
      None
      ''
      ' '
      '-'
      '--'
      '-.'
      ':'
      'solid'     # 实线
      'dashed'    # 虚线
      'dotted'    # 点线
      'dashdot'   # 点划线
      
    • 节点标记的形状有以下几种:
      's'         # 正方形
      'o'         # 圆形
      '^'         # 正三角形,分为四种朝向
      '>'
      'v'
      '<'
      'd'         # 正菱形
      'p'         # 正五边形
      'h'         # 正六边形
      '8'         # 正八边形
      

# 动态折线图

例:

import random

plt.ion()
last_dot = [0, 0]
for i in range(100):
    new_dot = [i, random.randint(0, 10)]  # 生成当前点的坐标
    # 每次循环会绘制一条新折线,与上一条折线连接,并采用统一的颜色
    plt.plot([last_dot[0], new_dot[0]], [last_dot[1], new_dot[1]], color='blue')
    last_dot = new_dot
    plt.pause(0.1)

# Figure

  • Matplotlib 提供了显示图像的 GUI 窗口,称为 Figure 。其结构如下:

    • 每个 Figure 上可以显示一个或多个坐标区(Axes)。
    • 坐标区的坐标轴(Axis)有多种类型:
      • xy 二维坐标轴
      • xyz 三维坐标轴
      • 极坐标轴
  • 通常有两种绘图方式:

    • 通过 plt.plot() 直接绘图,只能操作一个 Figure 实例。
    • 通过 plt.figure() 创建 Figure 实例,以面向对象的方式绘图。

# 交互模式

  • 显示 Figure 窗口时默认采用非交互模式:

    • 执行 plt.plot() 等函数时只会记录图像数据,不会实际绘制。执行 plt.show() 才会开始绘制图像,显示 Figure 。
    • Figure 显示期间会一直阻塞前端,直到用户关闭其窗口。
  • 在交互模式下:

    • 执行 plt.plot()plt.show() 等函数都会立即显示 Figure 窗口,如果已显示则更新显示。
    • Figure 显示期间不会阻塞前端,从而可以继续执行其它代码来修改 Figure 。
      >>> plt.ion()                     # 打开交互模式
      >>> matplotlib.is_interactive()   # 判断是否处于交互模式
      True
      >>> plt.ioff()                    # 关闭交互模式
      
  • 执行 plt.pause(n) 会显示 Figure ,并阻塞前端 n 秒。

# 关闭窗口

  • 显示 Figure 窗口时,如果用户关闭该窗口:
    • 非交互模式下,会自动销毁该 Figure 对象,导致不能再次显示。
    • 交互模式下,可以再次显示。
  • 可以在代码中主动关闭 Figure 窗口:
    >>> plt.close()           # 关闭当前的 Figure
    >>> plt.close(f1)         # 关闭指定的 Figure
    >>> plt.close('test1')    # 关闭指定名称的 Figure(该名称不存在时并不会报错)
    >>> plt.close('all')      # 关闭所有 Figure
    

# 排版

plt.axis('off')             # 不显示坐标轴(默认显示)
plt.axis([0, 10, 0, 1])     # 设置 x 轴和 y 轴的长度(如果设置了,显示时窗口比例会固定,否则会自动调整)

plt.title('Simple Plot')    # 设置图像的名称(默认为空),这并不是设置 Figure 窗口的 Title
plt.xlabel('x label')       # 设置 X 轴的名称(默认为空)
plt.ylabel('y label', fontsize=16))
plt.legend()                # 显示图例(这会自动提取每条折线的 label 名作为图例名)
plt.grid(True)              # 在坐标轴区域显示网格线

plt.cla()                   # 对当前 figure 中的所有坐标轴执行 axes.cla(),清除其显示内容
plt.clf()                   # 清除显示当前 figure 中的所有坐标轴

plt.savefig('./1.png')      # 保存图像

# 后端

  • Matplotlib 将执行代码的线程称为前端,将显示 Figure 的线程称为后端。
  • 管理 Matplotlib 后端的 GUI 引擎:
    >>> matplotlib.get_backend()    # 查看当前引擎
    'TkAgg'
    >>> matplotlib.use('qt5agg')    # 使用指定的引擎
    ImportError: Failed to import any qt binding
    

# 实例化

  • 创建 Figure 实例:

    >>> f1 = plt.figure()           # 创建一个 Figure
    >>> f2 = plt.figure('test')
    >>> f3 = plt.figure('test')
    >>> f1.show()                   # 显示 Figure
    >>> plt.show()                  # 显示所有已激活的 Figure
    
  • 相关 API :

    def figure(num=None,        # 设置 ID
               figsize=None,    # 设置宽度、高度,比如 (3, 2.2)
               dpi=None,        # 设置分辨率,比如 10 。实际的显示尺寸等于 figsize*dpi
               facecolor=None,  # 设置背景色
               edgecolor=None,  # 设置边框颜色
               clear=False,     # 如果已存在相同 ID 的 Figure 则清除它
               **kwargs
               )
    

    创建 Figure 时,传入的 num 参数会用作其唯一 ID 。

    • 如果没传入 num 参数,或者传入的 num 参数不是 int 类型,则会自动使用一个从 1 开始递增的 num 值。如下:
      >>> f1.number
      1
      
    • 如果传入的 num 参数是 str 类型,则会用作该 Figure 的 Title 。如下:
      >>> f2.number
      2
      >>> f2.get_label()
      'test'
      
    • 如果传入的 num 参数是 int 型,且已存在相同 ID 的 Figure ,则会激活该 Figure 并返回其引用。否则创建一个新的 Figure 并返回其引用。如下:
      >>> f1 == f2
      False
      >>> f2 == f3
      True
      

# Subplot

  • 创建一个 Figure 时,默认只包含一个坐标轴图像,可以划分多个子图(Subplot):

    >>> fig, axes = plt.subplots(1)       # 创建一个 Figure ,采用 1 行的网格布局,每一格包含一个子图
    >>> fig, axes = plt.subplots(2, 3)    # 创建一个 Figure ,采用 2 行、3 列的网格布局,每一格包含一个子图
    >>> fig
    <Figure size 640x480 with 4 Axes>
    >>> axes                              # axes 数组中,每个元素对应一个子图的 axes
    array([[<AxesSubplot:>, <AxesSubplot:>],
          [<AxesSubplot:>, <AxesSubplot:>]], dtype=object)
    >>> ax1 = axes[0, 0]                  # 选中第一个子图的 axes
    >>> ax1.plot(x, x)
    [<matplotlib.lines.Line2D object at 0x000001F35B72B1F0>]
    >>> plt.show()
    
  • 可以给已有的 Figure 添加子图:

    >>> f1 = plt.figure()
    >>> f1.add_subplot(2, 3, 1)       # 让 Figure 采用 2 行、3 列的网格布局,将子图放在横向第 1 格内(只能位于第 1 行内)
    <AxesSubplot:>
    >>> f1.add_subplot(3, 3, (1,2))   # 让 Figure 采用 2 行、3 列的网格布局,将子图放在横向第 1 格至 第 2 格区域(只能位于第 1 行内)
    <AxesSubplot:>
    >>> f1.add_subplot(331)           # 当网格布局的行列数不超过 9 时,可以将前三个参数合并成一个三位整数
    <AxesSubplot:>
    
    • 相关 API :
      def add_subplot(nrows=1, ncols=1, index=1, **kwargs)
      
      • index 的取值必须符合 1 ≤ index ≤ nrows ,否则会报错。
      • 可以给同一个 Figure 多次添加子图,不过新的子图在显示时会覆盖旧的子图。

# 显示图片

  • 例:

    >>> from matplotlib import pyplot as plt, image
    >>> img = image.imread('./1.jpg')   # 读取本地图片
    >>> p1 = plt.imshow(img)            # 将图片导入 Figure
    >>> plt.show()                      # 显示 Figure
    
  • 读取到的图片对象实际上存储在 numpy 数组中:

    >>> type(img)
    <class 'numpy.ndarray'>
    >>> img
    array([[[ 72, 164, 201],
            [ 64, 156, 193],
            [ 66, 158, 195],
            ...,
            [  0,  54,  74],
            [  0,  53,  73],
            [  0,  54,  74]]], dtype=uint8)