matplotlib画图示例_matplotlib boxplot 和 plot 在一张画布上

1.使用matplotlib.pyplot将几个子图画在一幅图中

1.1 matplotlib.pyplot（plt）程序

各二维子图的值均为np.random.random产生的随机数。

import numpy as np
import matplotlib.pyplot as plt
import os 
fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(8, 8))
  
for i in range(2):
    for j in range(2):    
        axs[i, j].scatter(np.random.random((100)), np.random.random((100)),c=np.random.randint(1,4,(100)),s=1)
        axs[i, j].set_title(str(i*2+j))
        
plt.tight_layout()        
plt.savefig( "D:\\"+str(i*2+j))
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13

1.2 结果

在D:\下生成图片3.png，其由4个子图组成，sub_title分别为0~3。

2.设置plt图中x,y坐标单位长度相同

plt.gca().set_aspect(‘equal’)

示例：

3.不显示坐标轴、刻度、边框

import  matplotlib.pyplot  as plt
from matplotlib.ticker import NullLocator
import numpy as np

x=np.random.random((1000,2))
y=np.random.randint(0,255,(1000,))
plt.scatter(x[:,0],x[:,1],s=1,c=y)

plt.axis("off")
plt.gca().xaxis.set_major_locator(NullLocator())
plt.gca().yaxis.set_major_locator(NullLocator())
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12

效果如下：

4.一定时间后自动关闭plot画面

plt.ion()
plt.plot(***)
# plt.show()
plt.savefig(f'{pic_name}.jpg')
plt.pause(2)       # 显示秒数
plt.close()
1
2
3
4
5
6

5.matplotlib画3D图

三维图matlab是真心好用，即使用surf()。

而目前matplotlib相对没有那么简单。

下面这个例子以z为x,y平方和的均值，画出对应的三维图。

import numpy as np
import matplotlib.pyplot as plt

def f(x, y):
 return np.sqrt(x ** 2 + y ** 2)
x = np.linspace(-6,6,30)
y = np.linspace(-6,6,30)
X, Y = np.meshgrid(x, y)
Z = f(X,Y)
 
fig = plt.figure()
ax = plt.axes(projection='3d')
ax.contour3D(X, Y, Z, 50)
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
ax.view_init(20, 35)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

图还是不错的，就是视角根据需要调整。

6. 显示legend

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets

np.random.seed(123)
n_samples = 200
noisy_moons = datasets.make_moons(n_samples=n_samples, noise=0.05)
features = noisy_moons[0]
labels = noisy_moons[1]

c_s = ['r', 'b', 'darkgrey']

mk = ["^", "o"]
markers = np.array([mk[item] for item in labels])
colors = np.array([c_s[item] for item in labels])

plt.scatter(features[labels == 1][:, 0], features[labels == 1]
            [:, 1], c=colors[labels == 1], marker="o", label="labeled 0")
plt.scatter(features[labels == 0][:, 0], features[labels == 0]
            [:, 1], c=colors[labels == 0], marker="o", label="labeled 1")

plt.legend(scatterpoints=1, frameon=False,
           labelspacing=1, loc='lower left')
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

7. 画boxplot

设data维度为num*6，画出6个box图：

fig, ax = plt.subplots()
labels=[item.split('.')[0] for item in file_names]
VP = ax.boxplot(data, positions=[2, 4, 6, 8, 10, 12],
                patch_artist=True,
                vert=True,
                showmeans=True, showfliers=True,
                medianprops={"color": "red", "linewidth": 0.5}, 
                labels=labels
                )
for box, c in zip(VP['boxes'], colors):
    box.set(facecolor=c)
plt.show() 
1
2
3
4
5
6
7
8
9
10
11
12

8.常用资料

8.1 Matplotlib rcParams

8.1.1 画图中设置title的中文支持

在使用Matplotlib.pyplot画图过程中，有时需要设置中文标题，如：
axs[0].set_title(u"标题1")。
这时候标题的位置会默认显示“□□□”。
为了将中文字体显示出来，需要进行一些设置：

plt.rcParams['font.sans-serif'] = ['KaiTi']
plt.rcParams['font.serif'] = ['KaiTi']
1
2

这里的’KaiTi’，即设置为楷体字体。参考CSS 中文字体的英文名称¹：

华文细黑：STHeiti Light [STXihei]
华文黑体：STHeiti
华文楷体：STKaiti
华文宋体：STSong
华文仿宋：STFangsong
俪黑 Pro：LiHei Pro Medium
俪宋 Pro：LiSong Pro Light
标楷体：BiauKai
苹果俪中黑：Apple LiGothic Medium
苹果俪细宋：Apple LiSung Light

Windows的一些：

新细明体：PMingLiU
细明体：MingLiU
标楷体：DFKai-SB
黑体：SimHei
宋体：SimSun
新宋体：NSimSun
仿宋：FangSong
楷体：KaiTi
仿宋_GB2312：FangSong_GB2312
楷体_GB2312：KaiTi_GB2312
微软正黑体：Microsoft JhengHei
微软雅黑体：Microsoft YaHei

装Office会生出来的一些：

隶书：LiSu
幼圆：YouYuan
华文细黑：STXihei
华文楷体：STKaiti
华文宋体：STSong
华文中宋：STZhongsong
华文仿宋：STFangsong
方正舒体：FZShuTi
方正姚体：FZYaoti
华文彩云：STCaiyun
华文琥珀：STHupo
华文隶书：STLiti
华文行楷：STXingkai
华文新魏：STXinwei


如果显示中文标题后，数字中“-“号无法显示，可以设置：
```python
matplotlib.rcParams['axes.unicode_minus'] =False
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

8.1.2 font.family

Matplotlib 的font具有以下五个属性：

• ‘serif’ (e.g., Times),
• ‘sans-serif’ (e.g., Helvetica),
• ‘cursive’ (e.g., Zapf-Chancery),
• ‘fantasy’ (e.g., Western), and
• ‘monospace’ (e.g., Courier).

那么分别代表什么意思呢，可参考²：

※Serif：在字的笔划开始及结束的地方有额外的装饰，而且笔划的粗细会因直横的不同而有不同。

※Sans Serif则没有这些额外的装饰。

如：

※Monospace：等宽字体
※Cursive书写体：相当于印刷学中的手写体。中文的华文行草就是这样的一个字体。

8.2 matplotlib.markers

此内容见matplotlib.markers。

8.2 .1 画出空心marker

设置edgecolors，同时将color设为空，即为空心marker：

markers=["o","s","D","^"]
for i in range(4):
    plt.scatter(X_reduced[colrs==i, 0], X_reduced[colrs==i, 1],
                 marker=markers[i],s=80, color='',edgecolors='g')
1
2
3
4

8.3 matplotlib颜色大全³

9.散点图交互式展示

9.1 阻塞

目前是通过以下语句实现交互式显示图片的阻塞（关闭之后才能显示下一张）：

plt.show(block=True)
1

如：

for i in range(4):
    plt.figure()
    ar=np.random.randint(0,10,(10))
    plt.plot(ar)
    plt.show()
1
2
3
4
5

其效果是弹出了四张图片。

添加block=True之后，手动关闭显示下一张，可以逐次查看效果。

9.2 散点图交互式展示

可以参考github matplotlib交互式展示数据.ipynb或者csdn blogmatplotlib键盘鼠标事件（tcy）。

其原理在于获取触发事件，然后进行响应。

事件包括：

'button_press_event'

'button_release_event'

'draw_event'

'key_press_event'

'key_release_event'

'motion_notify_event'

'pick_event'

'resize_event'

'scroll_event'

'figure_enter_event',

'figure_leave_event',

'axes_enter_event',

'axes_leave_event'

'close_event'.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

9.2.1 鼠标按键或者滑动

import matplotlib
from matplotlib import pyplot as plt
import numpy as np
matplotlib.use('TkAgg')

fig,ax = plt.subplots()
x=list(range(1,10))
y=[2*v for v in x]
sc=ax.scatter(x,y, ) # 5 points tolerance

def onclick(event):
    cont = False
    vis = annot.get_visible()
    if event.inaxes == ax:
        cont, ind = sc.contains(event)
    if cont:
        print(cont, ind)        
        pos = sc.get_offsets()[ind["ind"][0]]
        annot.xy = sc.get_offsets()[ind["ind"][0]]
        text = f"{ind['ind'][0]}"
        annot.set_text(text)
        annot.get_bbox_patch().set_facecolor('r')
        annot.get_bbox_patch().set_alpha(0.4)
        annot.set_visible(True)
        fig.canvas.draw_idle()
        cont = False
    else:
        if vis: 
            annot.set_visible(False)
            fig.canvas.draw_idle()
annot = ax.annotate(
    "", xy=(
        0, 0), xytext=(
        20, 20), textcoords="offset points", bbox=dict(
        boxstyle="round", fc="w"), arrowprops=dict(
        arrowstyle="->"))
annot.set_visible(False)
fig.canvas.mpl_connect('button_press_event', onclick)  # motion_notify_event
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

button_press_event 或者motion_notify_event事件，都可以。
效果如下：

• 可以通过事件设置两张三维子图实现同步旋转：

可以定义一个'button_press_event'事件，在其触发函数里实现子图同步旋转。

def click_trigger(self, event):
    if event.inaxes == ax0:
        ax1.view_init(ax0.elev, ax0.azim)    
    elif event.inaxes == ax1:
        ax0.view_init(ax1.elev, ax1.azim)            
1
2
3
4
5

9.2.2 使用ginput()方法

除此之外，还可以使用ginput()。

import sys
import keyboard

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
x=range(1,10)
y=[2*v for v in x]
plt.plot(x, y)
while(1):
    if keyboard.is_pressed("q"):# q键退出
        plt.close()
        sys.exit()
    pos=plt.ginput()
    print(pos)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

9.3 三维散点图通过事件触发获得错误数据index的解决方法

通过鼠标捕获事件，显示散点图中序号时，发现具体到某一个数据点，转动散点图，序号会变化，而且显示出的数值和坐标轴也对不上。

想了下，散点图中实际scatter的点的序号，应该和原矩阵中各数据的序号不一致。 但具体是怎么排布的，也没有再深入分析。

参考 9，对代码进行了修改：

cont, ind = sc1.contains(event)
ind = ind["ind"][0]# 散点图中的序号

pos = sc.get_offsets()[ind]# 散点图中位置
annot.xy = pos

ind = sc._z_markers_idx[ind]# 矩阵中的序号
1
2
3
4
5
6
7

通过这个方法就可以获取矩阵中的序号和数据了。

10.画stem图

stem图在多维时序信号的比较中，看起来非常直观。

使用时可以用plt.stem。如果有多个子图用ax.stem。其基本用法是一样的。

这里以ax.stem为例：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(nrows = 2, ncols = 1, igsize = (8, 4))
cycles=10
x = np.arange(cycles)
y = np.random.randint(0,cycles,(2,cycles,4))

attr = ["A", "B", "C", "D"]
markers = ["ro", "bs", "gD", "y^"]

for i in range(2):
    for j in range(4):
        ax[i].stem(x, y[i,:, j], markerfmt=markers[j], linefmt='k--', label=attr[j],basefmt='c--')
        ax[i].set_xticks(np.arange(0, cycles, 1))
        ax[i].legend(loc='upper left', ncol=4)
plt.show(block=True)
plt.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

其中，使用了：

set_xticks 设置刻度
legend     设置图例

markerfmt  设置标记的形状和颜色
linefmt    设置stem的线型、颜色
basefmt    设置底部线条线型、颜色
1
2
3
4
5
6

线型标识如下：

颜色设置可参考 matplotlib colors：

效果如下：

11.一维高斯分布

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm

mu = np.array(100)
std = np.array(25)
gaussian = norm(mu, std)
samples = gaussian.rvs(size=10000)

x = np.linspace(25, 175, 100)
y = gaussian.pdf(x)
plt.title(f"mu={mu}, std={std}")
plt.plot(x, y)

plt.hist(samples,bins=30, density=True,)

plt.show(block=True)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

12.一维插值

import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
x = np.arange(0, 10)
y = np.exp(-x/3.0)
f = interpolate.interp1d(x,y, kind="cubic")

xnew = np.arange(2, 9)
ynew = f(xnew)   # use interpol'ation function returned by `interp1d`
plt.plot(x, y, '-', xnew, ynew, '*')
plt.grid(True)
plt.show(block=True)

1
2
3
4
5
6
7
8
9
10
11
12
13

13.带密度的子图+colormap

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.use("TkAgg")
from matplotlib.ticker import MultipleLocator
from scipy.stats import gaussian_kde

data=np.random.random((1000,12))

plt.subplots(nrows=3, ncols=2, figsize=(8, 8))
plot_index=[1,3,5,2,4,6]

for i in range(3):
    for j in range(2):
        ind = i+j*3

        z = gaussian_kde(data[:, i+j*3].T)(data[:, i+1+j*3].T)
        idx = z.argsort()
        x, y, z = data[idx, ind*2], data[idx, ind*2+1], z[idx]

        ax=plt.subplot(3, 2, plot_index[ind])
        plt.scatter(x, y,c=z, s=1,cmap='Spectral') # c表示标记的颜色
        plt.xlabel(f"{ind*2}")
        plt.ylabel(f"{ind*2+1}")
        plt.colorbar( orientation="vertical")
        x_major_locator = MultipleLocator(0.5)
        y_major_locator = MultipleLocator(0.5)
        ax.xaxis.set_major_locator(x_major_locator)
        ax.yaxis.set_major_locator(y_major_locator)


plt.show(block=True)
plt.close('all')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

参考文献

[1] https://matplotlib.org/gallery/lines_bars_and_markers/scatter_star_poly.html#sphx-glr-gallery-lines-bars-and-markers-scatter-star-poly-py
[2] 如何用Matplotlib 画三维图的示例代码
[3] Matplotlib boxplot
[4] matplotlib交互式展示数据.ipynb
[5] matplotlib PickEvent
[6] matplotlib stem
[7] matplotlib colors
[8] csdn stem函数–Matplotlib
[9] Matplotlib scatter 3D button_press_event give wrong index based on scatter axis place on subplot

---

1. https://www.cnblogs.com/ssrsblogs/p/6065403.html ↩︎

2. Serif和Sans-serif字体的区别 ↩︎

3. https://matplotlib.org/gallery/color/named_colors.html#sphx-glr-gallery-color-named-colors-py ↩︎