Python描画ライブラリの基本的な操作方法を紹介

この記事では、主に numpy+matplotlib を使用した描画の基本操作を紹介します。この記事の紹介は非常に詳細であり、matplotlib の描画を学習するのに一定の参考となる価値があります。必要な方はぜひ一緒に学習してください。

簡単な説明

Matplotlib は、Python ベースの 2D 描画ライブラリで、Python スクリプトを使用して折れ線グラフ、ヒストグラム、パワー スペクトル グラフ、散布図、その他の一般的なグラフを簡単に描画できます。構文はシンプルです。詳しい紹介はmatplot公式サイトをご覧ください。

Numpy (数値 Python) は、MATLAB を模倣した Python 数値演算の拡張機能であり、行列データ型、ベクトル処理、高度な演算ライブラリなど、多くの高度な数値プログラミング ツールを提供します。厳密なデジタル処理に特化して設計されており、NASAは登場以来、本来fortranやmatlabで行っていた多くの作業をnumpyに引き継いだと言われており、その威力を発揮しています。 。 。彼の公式ウェブサイトはここにあり、具体的な情報がそこにあります。

インストール

$sudo apt-get install python-matplotlib
$sudo apt-get install python-numpy

(Niuli Dafaは良いですね~)

使い方

matplotlibはスクリプトでも使えますが、ipythonで使うともっと華やかになります(–pylabを直接追加します)パラメータ（パッケージをインポートするプロセス）を回避でき、Matlab/Mathematica と同じ機能、即時入力、即時出力が得られます。個人的には、はっきり言ってMatlab/Mathematica の真似ではないかと感じていますが、確かに前者に比べてプログラムするのは便利です。

多くの場合、matplot は numpy パッケージと一緒に使用する必要があります。numpy パッケージについては、使用するときにのみ説明します。注意すべき点の 1 つは、numpy パッケージは通常次のようにインポートされることです:

import numpy as np

はそれに np というエイリアスを与えますが、これはほぼ慣例です。

Python または ipython で help(*見つけたい関数*) と入力するだけです (もちろん、最初にパッケージをインポートする必要があります)。

最初の画像

インポートする必要があるパッケージ:

import numpy as np
from pylab import *

最初の関数画像

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
plot(X,C)
plot(X,S)
show()

matlab の基礎を持っている学生はよく知っているはずです。 。 。はい、これら 2 つのモジュールの組み合わせは matlab の使い方とほぼ同じです。 。

1. まず、np.linspace メソッドを使用して 配列 np.linspace方法生成一个数组X，这个数组是从$-pi$开始到$pi$的总共包含256个元素的数组，endpoint参数表示是否包含首尾端点(他的值是True或False，首字母要大写。。。。)。当然，这个数组就是一个普通的数组了，跟其他数组没有区别。

２、然后用np.cos()和np.sin() を生成します。 X、この配列は、$-pi$ から $pi$ までの合計 256 個の要素を含む配列です。 endpoint パラメーターは、最初と最後のエンドポイントを含むかどうかを示します。 (値は True または False で、最初の文字は大文字にする必要があります。もちろん、この配列は単なる通常の配列であり、他の配列と変わりはありません。

2. 次に、np.cos() メソッドと np.sin() メソッドを使用して X 配列に作用し、X の各要素を計算し、結果を生成します。配列。 (反復プロセスの排除)。

3. 次に、pylab のプロット メソッドを呼び出します。最初のパラメーターは横座標配列、2 番目のパラメーターは縦座標配列です。その他のパラメーターについては、当面は説明しません。これにより、デフォルトのグラフが生成されます。 (すぐには表示されません)

4. もちろん、チャートを表示するには最後にshowメソッドを呼び出す必要があります。

５. 結果:

グラフの名前は Figure1 です。左下にいくつかの

ボタン

があり、右下隅にはマウスの現在の左側が表示されます。これもとても便利です。 チャートのレイアウトと座標分布

各チャートは Figure 内にあります。次のコマンドを使用して空の Figure を生成できます。パラメータ名を追加しました。パラメータ名に基づいて各パラメータを区別するため、C言語とは異なる種類の関数です。 figsize パラメータは図形の縦横比を表し、dpi は各部分の長さを表します。たとえば、ここでは画像が 640x480 であることを意味します。

コマンドを出力するとすぐにウィンドウが表示され、show コマンドを再度入力することなく、後続のすべてのプロット コマンドがすぐにこのウィンドウに表示されます。

Figure は複数のチャートを表示することもできます。次の関数を使用して Figure を分割できます:

figure(figsize=(8,6), dpi=80)

これにより、現在の Figure が 3 行 4 列のテーブルに分割され、6 番目のテーブルがアクティブになります。 2行目の3番目の写真です。今後のプロットはこのサブテーブル上に生成されます。これを置き換える必要がある場合は、サブプロット コマンドを再入力して新しい位置を決定できます。

さらに、チャートで表示される範囲に満足できない場合は、チャートの座標範囲を直接調整することもできます:

xlim(-4.0,4.0)
ylim(-1.0,1.0)

这就表示x轴的范围设置在-4到4，y轴的范围设置在-1到1。当然，如果是想相对的进行修改我们可以利用下numpy数组的min和max方法。比如X.min() 这样的东西。

如果对坐标显示的密度啊什么的不满意，我们也可以调节他的标注点：

xticks(np.linspace(-4,4,9,endpoint=True))
yticks(np.linspace(-1,1,5,endpoint=True))

对于xticks和yticks，我们实际上可以传入任意的数组，这里不过是为了方便而用numpy快速生成的等差数列。

当然，我们也可以给标注点进行任意的命名，像下面这样：

xticks([1,2,3,4,5],['one','two','three','four','five'])

效果也很好想象，就不贴图了。需要注意的是这里也可以支持LaTex语法，将LaTex引用在两个$之间就可以了。（关于LaTex）

这里也有个小窍门，就是如果想不显示标注的话，我们就可以直接给xticks赋一个空的数组。

更改色彩和线宽

我们可以在画plot的时候用如下方法指定他的颜色和线宽：

plot(X, C, color='#cadae3', linestyle='-',linewidth=1.3, marker='o', markerfacecolor='blue', markersize=12,)

同样，这里参数的顺序不重要，名字才重要。

color参数可以指定RGB的色相，也可以用一些默认的名字，比如red blue之类的。

linestyle参数则指定了线的样式，具体参照以下样式：

参数	样式
‘-‘	实线
‘–'	虚线
‘-.'	线-点
‘:'	点虚线

linewidth参数指定折线的宽度，是个浮点数。

marker参数指定散点的样式，具体参照以下样式：

参数	样式
‘.'	实心点
‘o'	圆圈
‘,'	一个像素点
‘x'	叉号
‘+'	十字
‘*'	星号
‘^' ‘v' ‘<' ‘>'	三角形(上下左右)
‘1' ‘2' ‘3' ‘4'	三叉号（上下左右）

markerfacecolor参数指定marker的颜色

markersize参数指定marker的大小

这样就基本上能够自定义任何的折线图、散点图的样式了。

移动轴线

这段有点小复杂，暂时不想具体了解奇奇怪怪的函数调用，姑且先记录下用法和原理：

ax = gca()
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))

我们知道一张图有上下左右四个轴线，这里我们把右边和上边的轴线颜色调为透明，然后把下边设置到y轴数据为0的地方，把左边设置到x轴数据为0的地方。这样我们就能根据自己想要位置来调节轴线了。

比如下面这段官方的代码：

# -----------------------------------------------------------------------------
# Copyright (c) 2015, Nicolas P. Rougier. All Rights Reserved.
# Distributed under the (new) BSD License. See LICENSE.txt for more info.
# -----------------------------------------------------------------------------
import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize=(8,5), dpi=80)
ax = plt.subplot(111)
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))
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
plt.xlim(X.min()*1.1, X.max()*1.1)
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.ylim(C.min()*1.1,C.max()*1.1)
plt.yticks([-1, 0, +1],
 [r'$-1$', r'$0$', r'$+1$'])
plt.show()

显示的结果就是：

图例和注解

图例十分简单，下述代码就可以解决：

plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")
legend(loc='upper left')

在plot里指定label属性就好了，最后调用下legend函数来确定图例的位置，一般就是'upper left'就好了。

注解就有点麻烦了，要用到annotate命令，挺复杂的，暂时是在不想看，姑且贴一段完整的代码和效果图吧：

# -----------------------------------------------------------------------------
# Copyright (c) 2015, Nicolas P. Rougier. All Rights Reserved.
# Distributed under the (new) BSD License. See LICENSE.txt for more info.
# -----------------------------------------------------------------------------
import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize=(8,5), dpi=80)
ax = plt.subplot(111)
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))
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
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.xlim(X.min()*1.1, X.max()*1.1)
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.ylim(C.min()*1.1,C.max()*1.1)
plt.yticks([-1, +1],
  [r'$-1$', r'$+1$'])
t = 2*np.pi/3
plt.plot([t,t],[0,np.cos(t)],
  color ='blue', linewidth=1.5, 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=1.5, 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"))
plt.legend(loc='upper left', frameon=False)
plt.savefig("../figures/exercice_9.png",dpi=72)
plt.show()

效果图：

还是十分高能的。。。

总结

【相关推荐】

1. Python免费视频教程

2. Python基础入门教程

3. Python在数据科学中的应用

以上がPython描画ライブラリの基本的な操作方法を紹介の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。