Matplotlib绘图总结
绘图原理
block模式（python默认）
-
plt.polt()等绘图函数不会直接在窗口中绘图，只有调用plt.show()（默认block=True）或plt.pause()（窗口自动关闭）时才将内存中的图绘制到窗口。 -
程序碰到第一个
plt.show()时，绘图后会暂停执行，直到手动关闭当前窗口才继续执行后面的代码，这就是“阻塞”的含义。 -
plt.pause(time)函数也能实现窗口绘图（不需要plt.show）,但窗口只停留time时间便会自动关闭，然后再继续执行后面代码；plt.pause()会把它之前的所有绘图都绘制在对应坐标系中，而不仅仅是在当前坐标系中绘图；特别要注意的是，plt.pasue(0)将绘制之前的所有图像，且图像窗口不会自动关闭，但程序会停止在该语句所在位置，即使手动关闭窗口也不会继续执行后面的代码。# 测试程序 import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 2 * np.pi, 0.1) y1 = np.sin(x) y2 = np.cos(x) plt.figure(1) plt.plot(x, y1) plt.pause(2) #在figure(1)上绘制sin曲线，2s后自动关闭窗口 plt.figure(1) plt.plot(x, y2) plt.pause(2) #在figure(1)上绘制cos曲线，2s后自动关闭窗口
interactive模式（ipython模式默认）
-
开启interactive模式，用
plt.ion()，放在绘图之前，关闭该模式用plt.ioff() -
不用
plt.show()或plt.pause()，只要plt.plot()等语句就能在窗口中绘图，但是，绘图后窗口立马自动关闭，你压根都没法看清楚；可以用plt.pause(time)进行延迟自动关闭时间，需要注意的是如果有多个plt.pause()穿插在不同绘图函数下，那么前面的窗口不会先关闭，会等到最后一个plt.pause()结束后再一起关闭。该模式下要实现同时绘图，且保持，可用plt.pause(0)，但程序会结束在该位置，手动关闭窗口也不会继续执行了，因此plt.pause(0)应放在程序最后。 -
该模式下，即使用了
plt.show()也依然会自动关闭窗口，可在调用plt.show()之前调用plt.ioff()关闭交互模式，恢复到阻塞模式。import numpy as np import matplotlib.pyplot as plt plt.ion() #开启interactive模式 for i in range(100): y = np.random.random(size=10) #plt.cla() #清除当前图像，若不清除则前面画的图保留 plt.plot(y) #自动绘图，但窗口会立即消失 plt.pause(0.1) #用于保持窗口 plt.ioff() #关闭interactive模式，否则后面的plt.show()也会一闪而过 plt.show()
深入子图
知道前面的原理可以满足大多数的需要，但是如果如果想自定义每个图的位置，大小，并从多个角度对数据进行比较、分析，则需要深入子图。
子图表示
四元列表：[x,y,width,height]， 取值范围都是[0, 1]， 约定左下角为原点(0, 0), 右上角为(1, 1)。这些取值均为比例。
import numpy as np
import matplotlib.pyplot as plt
ax1 = plt.axes()
ax2 = plt.axes([0.5, 0.6, 0.2, 0.2])
plt.show(block=False)
plt.pause(10)
# 进阶版
plt.figure(1)
ax1 = plt.axes()
plt.pause(2)
plt.figure(1)
ax2 = plt.axes([0.5, 0.6, 0.2, 0.2])
plt.show(block=False)
plt.pause(10)
子图绘图
每生成一个子图坐标系，plt就表示当前的子图，调用plt.plot()就是在当前的子图上进行绘图。
方法一：在一张图上生成多种坐标系
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 10) # 在[0, 10]之间均分50个点
plt.axes([0.1, 0.5, 0.8, 0.4], ylim=(-1.2, 1.2)) #
plt.grid(True)
plt.plot(np.sin(x))
plt.axes([0.1, 0.5, 0.8, 0.4], ylim=(-1.2, 1.2))
plt.grid(True)
plt.plot(np.cos(x))
plt.show()
方法二：调用plt.subplot()
无法绘制比例自定义的子图
import numpy as np
import matplotlib.pyplot as plt
# 纵横间隙
plt.subplots_adjust(hspace=0.3, wspace=0.3)
for i in range(1, 7):
# 划分子图，生成一张图
plt.subplot(2, 3, i)
# 在当前子图上书写
plt.text(0.5, 0.5, str((2, 3, i)), fontsize=18, ha='center')
plt.show()
方法三：子图坐标轴共用
便于数据的比较、分析
import numpy as np
import matplotlib.pyplot as plt
# 返回子图及其坐标轴
fig, ax = plt.subplots(2, 3, sharex='col', sharey='row')
for i in range(2):
for j in range(3):
ax[i, j].text(0.5, 0.5, str((i, j)), fontsize=18, ha='center')
plt.show()
方法四：子图不规则
使用GridSpec方法
import numpy as np
import matplotlib.pyplot as plt
# 将一个区域划分为2行3列共6块
grid = plt.GridSpec(2, 3, wspace=0.5, hspace=0.5)
plt.subplot(grid[0,0]) # 占第一行第一列一个块
plt.subplot(grid[0,1:3]) # 占第一行第二、三列2个块
plt.subplot(grid[1, 0:2]) # 同理
plt.subplot(grid[1,2]) # 同理
plt.show()
例子
import numpy as np
import matplotlib.pyplot as plt
mean = [0, 0]
cov = [[1, 1], [1, 4]]
x, y = np.random.multivariate_normal(mean, cov, 3000).T
plt.figure(figsize=(6, 6))
grid = plt.GridSpec(4, 4, wspace=0.5, hspace=0.5)
main_ax = plt.subplot(grid[0:3, 1:4]) # 0,1,2 rows, 1,2,3 col
plt.plot(x, y, 'ok', markersize=3, alpha=0.2)
y_hist = plt.subplot(grid[0:3, 0], xticklabels=[], sharey=main_ax) # 和大子图共y轴
plt.hist(y, 60, orientation='horizontal', color='gray') # 图形水平绘制
y_hist.invert_xaxis() # x轴调换方向
x_hist = plt.subplot(grid[3, 1:4], yticklabels=[], sharex=main_ax) # 和大子图共x轴
plt.hist(x, 60, orientation='vertical', color='gray')
x_hist.invert_yaxis() # y轴调换方向
plt.show()
绘制动画
方法一：开启交互模式
缺点无法保存
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
plt.ion()
ims = []
for i in range(1, 10):
im = plt.plot(np.linspace(0, i, 10),
np.linspace(0, np.random.randint(i), 10))
ims.append(im)
plt.draw()
plt.pause(0.8)
plt.ioff()
方法二：使用animation
可生成GIF文件，注意散点图返回对象与其他不同，需调用findobj()返回Artis对象
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
if __name__ == "__main__":
fig = plt.figure()
ims = []
for i in range(1, 10):
im = plt.plot(np.linspace(0, i, 10),
np.linspace(0, np.random.randint(i), 10))
ims.append(im)
ani = animation.ArtistAnimation(fig, ims, interval=200, repeat_delay=1000)
ani.save("test1.gif", writer='pillow')
import matplotlib.animation as animation
import matplotlib.pyplot as plt
ims = []
fig = plt.figure()
x = np.linspace(0, 10) # 在[0, 10]之间均分50个点
plt.plot(x, np.sin(x), color='black')
for i in range(1, 10):
im = plt.scatter(i, np.sin(i), color='r').findobj()
ims.append(im)
ani = animation.ArtistAnimation(fig, ims, interval=200, repeat_delay=1000)
ani.save("test2.gif", writer='pillow')
参考链接
https://blog.csdn.net/qq_28888837/article/details/85778395
[https://matplotlib.org/api/_as_gen/matplotlib.animation.ArtistAnimation.html?highlight=animation artistanimation](https://matplotlib.org/api/_as_gen/matplotlib.animation.ArtistAnimation.html?highlight=animation artistanimation)