1. 科研绘图之 matplotlib 基本语法

matplotlib 基本功能

  matplotlib 是 Python 的一个绘图库，使用它可以很方便地绘制出版质量级别的图形图片。本节主要介绍的是 matplotlib 的基本绘图功能，即在二维平面坐标系中绘制连续的曲线。

1. 设置线型、线宽和颜色；
2. 设置坐标轴的范围；
3. 设置坐标刻度；
4. 设置坐标轴；
5. 图例；
6. 特殊点；
7. 备注；

matplotlib 基本功能详解

matplotlib.pyplot 绘图核心API

import numpy as npimport matplotlib.pyplot as plt# x_array：<序列> 水平坐标序列# y_array：<序列> 竖直坐标序列plt.plot(x_array, y_array)# 显示图表plt.show()

案例：绘制一条正弦曲线

import numpy as npimport matplotlib.pyplot as plt# 在-2pi到2pi之间等间隔生成100个点x_array = np.linspace(-2 * np.pi, 2 * np.pi, 100)y_array = np.sin(x_array)plt.plot(x_array, y_array)# 将图像以.jpg的格式保存plt.savefig("sinx.jpg")plt.show()

1、绘制水平线与垂直线

import numpy as npimport matplotlib.pyplot as plt# vertical lines 绘制垂直线plt.vlines(xval, ymin, ymax, ...)# horizotal lines 绘制水平线plt.hlines(yval, xmin, xmax, ...)# 显示图表plt.show()

import numpy as npimport matplotlib.pyplot as plt# 等间隔拆分1000个点x = np.linspace(-np.pi, np.pi, 1000)y = np.sin(x)plt.plot(x, y)# 绘制一条水平线和垂直线(线条颜色是黑色)# 同时绘制多条竖直线plt.vlines([-2, -1, 0, 1, 2], -1, 1, colors="blue")  plt.hlines(0, -3, 3, color="red")plt.show()

图中绘制了 5 条垂直线( x = [-2, -1, 0, 1, 1], ymin = -1, ymax = 1 )和 1 条水平线( y = 0, xmin = -3, xmax = 3 ).

2、线型、线宽和颜色

1. 线型：linestyle = [ ’ - ", ’ – ", ’ -. ", ’ : ’ ]；

2. 线宽：linewidth = 数字；

3. 颜色：color = 英文颜色单词 或 常用颜色的英文首字母 或 #495434 或 (56,54,20)；

4. 透明度：alpha = 浮点数值；

比如：plt.plot(x_array, y_array, linestyle="--", linewidth=2, color="r", alpha=0.5)

import numpy as npimport matplotlib.pyplot as plt# 线性拆分1000个点x = np.linspace(-np.pi, np.pi, 1000)sinx = np.sin(x)cosx = np.cos(x)plt.plot(x, sinx, linestyle="-.", linewidth=2, color="dodgerblue", alpha=0.8)plt.plot(x, cosx, linestyle="--", linewidth=2, color="orangered", alpha=1)plt.savefig("cosx.png")plt.show()

3、设置坐标轴范围

案例：以 sigmoid 函数为例，设置 $x$ 轴和 $y$ 轴的坐标轴范围

# x_limt_min： x轴范围最小值# x_limt_max： x轴范围最大值plt.xlim(x_limt_min, x_limt_max)# y_limt_min： y轴范围最小值# y_limt_max： y轴范围最大值plt.ylim(y_limt_min, y_limt_max)

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-10, 10, 1000)y = 1/(1 + np.exp(-x))# 设置坐标轴的范围plt.xlim(-8, 8)  # 将x轴的范围设为[-8, 8]plt.ylim(-0.01, 1.01) # 将y轴的范围设为[-0.01, 1.01]plt.plot(x, y, linestyle="-", linewidth=2, color="red", alpha=0.8)plt.show()

4、设置坐标刻度

案例：把正弦函数 $y=sinx$ 的横坐标刻度设置为：0、$\frac{\pi }{2}$、$\pi$、$\frac{3\pi }{2}$ 和 $2\pi$.

# x_val_list：x轴刻度值序列# x_text_list：x轴刻度标签文本序列[可选]plt.xticks(x_val_list, x_text_list )# y_val_list：y轴刻度值序列# y_text_list：y轴刻度标签文本序列[可选]plt.yticks(y_val_list, y_text_list)

【推荐】：设置刻度值的时候，数值序列与文本序列的长度要一一对应且相同。

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 1000)sinx = np.sin(x)# 设置坐标刻度x_val_list = [-np.pi, -1/2*np.pi, 0, 1/2*np.pi, np.pi]x_text_list = [r"-$/pi$", r"-$/dfrac{/pi}{2}$", r"$0$", r"$/dfrac{/pi}{2}$", r"-$/pi$"]plt.xticks(x_val_list, x_text_list)plt.plot(x, sinx, linestyle="-", linewidth=2, color="orangered", alpha=0.9)plt.savefig("ysinx.jpg")plt.show()

5、设置坐标轴

从上面绘制的曲线可以看到，坐标轴有上下左右，而实际绘制数学函数的图象时，我们的直角坐标系都是通过原点且相互垂直的。因此，matplotlib 设置有四个坐标轴名：left / right / top / bottom。

# 获取当前坐标轴ax = plt.gca()# 获取其中某个坐标轴(无非就是top/bottom/left/right)axis = ax.spines["坐标轴名"]# 设置坐标轴的位置# val：参照值axis.set_position((type, val))# 设置坐标轴的颜色# color： 颜色值字符串axis.set_color(color)

例如：ax.spines["left"].set_position(("data", 0))，先获取到当前的坐标轴，然后设置坐标轴的位置或颜色值。

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 1000)sinx = np.sin(x)plt.plot(x, sinx, linestyle="-.",linewidth=2, color="red", alpha=0.9)# 设置坐标刻度x_val_list = [-np.pi, -1/2*np.pi, 0, 1/2*np.pi, np.pi]x_text_list = [r"-$/pi$", r"-$/frac{/pi}{2}$", r"$0$", r"$/frac{/pi}{2}$", r"-$/pi$"]plt.xticks(x_val_list, x_text_list)# 注意：这里我没有设置纵坐标的文本序列plt.yticks([-1, -0.5, 0.5, 1])# 修改坐标轴ax = plt.gca()ax.spines["top"].set_color("none")  # 表示不显示top坐标轴ax.spines["right"].set_color("none")ax.spines["left"].set_position(("data", 0))ax.spines["bottom"].set_position(("data", 0))plt.show()

6、图例

案例：显示两条曲线的图例，并测试 loc 属性；

设置图例的位置：loc : <关键字参数>制定图例的显示位置(如果不设置 loc，则显示默认位置)

plt.plot(x, y, ... label="", ...)plt.legend(loc="")

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 1000)sinx = np.sin(x)cosx = 1/2 * np.cos(x)plt.plot(x, sinx, linestyle="-.", linewidth=2, color="dodgerblue", label=r"$y=sin(x)$")plt.plot(x, cosx, linestyle="--", linewidth=2, color="orangered", label=r"$y=/frac{1}{2}cos(x)$")# 设置坐标刻度x_val_list = [-np.pi, -1/2*np.pi, 0, 1/2*np.pi, np.pi]x_text_list = [r"-$/pi$", r"-$/frac{/pi}{2}$", r"$0$", r"$/frac{/pi}{2}$", r"-$/pi$"]plt.xticks(x_val_list, x_text_list)plt.yticks([-1, -0.5, 0.5, 1])# 修改坐标轴ax = plt.gca()ax.spines["top"].set_color("none")  # 不显示top坐标轴ax.spines["right"].set_color("none")# 这里的data表示的是数据坐标系ax.spines["left"].set_position(("data",0))ax.spines["bottom"].set_position(("data",0))plt.legend(loc="upper left")plt.show()

7、特殊点

案例：绘制激活函数 sigmoid 曲线上的特殊点；

# xarray: <序列> 所有需要标注点的水平坐标组成的序列# yarray: <序列> 所有需要标注点的垂直坐标组成的序列plt.scatter(xarray, yarray,        marker="", 		# 点型 ~ matplotlib.markers       s=70, 			# 大小       edgecolor="", 	# 边缘色       facecolor="",	# 填充色       zorder=3			# 绘制图层编号 （编号越大，图层越靠上）)

说明：标注特殊点用到了 pyplot 的散点图绘制方法

Matplotlib Point 样式（marker 属性）

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-20, 20, 1000)y = 1/(1+np.exp(-x))plt.plot(x, y, linestyle="-",linewidth=2, color="red", alpha=0.9, label=r"$/frac{1}{1+e^{-x}}$")# 设置坐标刻度plt.yticks([0.5, 1])# 修改坐标轴ax = plt.gca()ax.spines["top"].set_color("none")  # 不显示top坐标轴ax.spines["right"].set_color("none")ax.spines["left"].set_position(("data",0))ax.spines["bottom"].set_position(("data",0))# 绘制特殊点（列表）pointx = [0]pointy = [0.5]plt.scatter(pointx, pointy, marker="o", s=50, color="red", label="sample points",zorder=3)# 给图像设置标题plt.title(r"Function : $y=/dfrac{1}{1+e^{-x}}$")plt.legend()plt.show()

8、备注

案例：在某条曲线上的点添加备注，指明函数方程与值。

# 在图表中为某个点添加备注plt.annotate(    r"($/frac{/pi}{2}, 0)$",			# 备注显示的文本内容    xycoords="data",			# 备注目标点所使用的坐标系（data表示数据坐标系）    xy=(x, y),	 				# 目标点的坐标    textcoords="offset points",	# 参照点的偏移坐标系    xytext=(x, y),				# 备注文本的坐标    fontsize=14,				# 备注文本的字体大小    arrowprops=dict()			# 使用字典定义文本指向目标点的箭头样式)# arrowprops字典参数的常用keyarrowprops = dict(    arrowstyle="->",		 # 定义箭头样式    connectionstyle=""	 # 定义连接线的样式(angle3、arc3、bar))

个人觉得，arrowstyle 的参数很多，只需要记住 -> 就足够了。

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 1000)sinx = np.sin(x)cosx = 1/2 * np.cos(x)plt.plot(x, sinx, linestyle="-.", linewidth=2, color="dodgerblue", label=r"$y=sin(x)$")plt.plot(x, cosx, linestyle="--", linewidth=2, color="orangered", label=r"$y=/frac{1}{2}cos(x)$")# 设置坐标刻度x_val_list = [-np.pi, -1/2*np.pi, 0, 1/2*np.pi, np.pi]x_text_list = [r"-$/pi$", r"-$/frac{/pi}{2}$", r"$0$", r"$/frac{/pi}{2}$", r"-$/pi$"]plt.xticks(x_val_list, x_text_list)plt.yticks([-1, -0.5, 0.5, 1])# 修改坐标轴ax = plt.gca()ax.spines["top"].set_color("none")  # 不显示top坐标轴ax.spines["right"].set_color("none")ax.spines["left"].set_position(("data",0))ax.spines["bottom"].set_position(("data",0))plt.legend(loc="upper left")# 绘制特殊点（列表）pointx = [np.pi / 2, np.pi / 2]pointy = [1, 0]plt.scatter(pointx, pointy, marker="o", s=50, color="red", label="sample points",zorder=3)# 在图表中为某个点添加备注plt.annotate(    r"$(/frac{/pi}{2}, 1)$",               xycoords="data",    xy=(np.pi / 2, 1),    textcoords="offset points",    xytext=(50, 30),    fontsize=14,    arrowprops=dict(        arrowstyle="->"<