Matplotlib 参数及元素

linestyle或ls 线条风格

参数	描述
'-'	实线
':'	虚线
'–'	破折线
'None',''	什么都不画
'-.'	点划线

masker 标记形状

参数	描述
'o'	圆圈
'.'	点
'D'	菱形
's'	正方形
'h'	六边形1
'*'	星号
'H'	六边形2
'd'	小菱形
'_'	水平线
'v'	一角朝下的三角形
'8'	八边形
'<'	一角朝左的三角形
'p'	五边形
'>'	一角朝右的三角形
','	像素
'^'	一角朝上的三角形
'+'	加号
''	竖线
'None',''	无
'x’	X

color或c 颜色

参数	颜色
'b'	蓝色
'g'	绿色
'r'	红色
'y'	黄色
'c'	青色
'k'	黑色
'm'	洋红色
'w'	白色

标题和x/y轴的标签

通过plt.title()或者ax.set_title()函数可以设置相应图标的标题。

通过plt.xlabel()/plt.ylabel()或者ax.set_xlabel()/ax.set_ylabel()可以设置对应坐标轴的标签。

注意：ax用来指代axes对象。

grid() 网格显示

grid(b=None, which='major', axis='both', **kwargs)

参数说明：

• b：设置是否打开网格

• color：设置网格颜色

• linestyle：设置网格线型

• linewidth：设置网格线宽

legend() 图例显示

legend(*args, **kwargs)

参数说明：

• handles：添加到图例中的绘图对象(可省略)

• labels：对应于handles对象顺序的label，可省略(此时需要在画图时通过label参数指定每个图形对象的名称)

• ncol：图例的列数，可以通过该参数使得图例分列显示

• loc：图例设置的位置

location string	location code
'best'	0
'upper right'	1
'upper left'	2
'lower left'	3
'lower right'	4
'right'	5
'center left'	6
'cevter right'	7
'lower center'	8
'upper center'	9
'center'	10

坐标轴

通过plt.axis([xmin,xmax,ymin,ymax])可以设置坐标轴的范围，其中xmin,xmax,ymin,ymax分别表示x轴左边界，x轴右边界，y轴下边界，y轴上边界。

通过plt.xlim(xmin,xmax)和plt.ylim(ymin,ymax)方法可以分别调整x轴和y轴的范围，使用该函数时可以传参[minval,maxval]来同时设置某轴的最小值和最大值，也可以分别通过xmin，xmax，ymin，ymax来单独设置某个轴的某个边界值。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1,10,50)
y1,y2,y3,y4 = x / 2, np.sqrt(x), np.log(x), x**1.5 

plt.rcParams['axes.unicode_minus']=False  # 用来正常显示负号

#plt直接绘图
#同时修改xy坐标轴范围
plt.subplot(221)
plt.plot(x,y1)
plt.axis([-10,10,0,100])
#只修改x坐标轴范围
plt.subplot(222)
plt.plot(x,y2)
plt.xlim(-10,10)
#只修改y坐标轴范围
plt.subplot(223)
plt.plot(x,y3)
plt.ylim(0,100)
#只修改x坐标轴左边界
plt.subplot(224)
plt.plot(x,y4)
plt.xlim(xmin=-10)

plt.show()

#面向对象方式绘图
fig = plt.figure() #创建figure对象
ax1 = fig.add_subplot(221)
ax1.plot(x,y1)
ax1.axis([-10,10,0,100])

ax2 = fig.add_subplot(222)
ax2.plot(x,y2)
ax2.set_xlim(-10,10)

ax3 = fig.add_subplot(223)
ax3.plot(x,y3)
ax3.set_ylim(0,100)

ax4 = fig.add_subplot(224)
ax4.plot(x,y4)
ax4.set_xlim(xmin=-10)
plt.show()

locator_params() 坐标轴刻度的调整

通过locator_params()方法来调整坐标轴的刻度间距，该函数的声明为：

locator_params(axis='both', tight=None, **kwargs)

参数说明：

• axis：用来选择要调整的坐标轴，该参数有三个值'both','x','y'

• nbins：坐标轴划分的等份数

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1,50,20)
y = 2*x

fig = plt.figure() #创建figure对象
ax1 = fig.add_subplot(121)
ax1.plot(x,y)
ax1.locator_params(axis='x',nbins=20)

ax2 = fig.add_subplot(122)
ax2.plot(x,y)
ax2.locator_params(axis='y',nbins=20)

plt.show()

注释的添加

通过使用annotate()方法可以往图形上添加带箭头的注释，该函数的声明为：

annotate(s, xy, *args, **kwargs)

参数说明：

• s：注释字符串

• xy：要注释的点

• xytext：放置注释字符串的位置

• arrowprops：设置在位置xy和xytext之间绘制的箭头的属性，参数类型为字典，其中常用的参数包括

参数	含义
width	箭身的宽度
headwidth	箭头的宽度
facecolor	箭头的颜色

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1,50,20)
y = 2*x

fig = plt.figure() #创建figure对象
ax = fig.add_axes([0.1,0.1,0.8,0.8]) #添加坐标轴对象
ax.plot(x,y)
ax.annotate("(2,4)",xy=(2,4),xytext=(2,25),arrowprops={"facecolor":'r'})
plt.show()

通过使用text()方法可以往图形上只添加文字注释，该函数的声明为：

text(x, y, s, fontdict=None, withdash=False, **kwargs)

参数说明：

• x,y：文字注释内容的x坐标和y坐标

• s：文字注释的内容

• fontfamily：文字字体类型，常用的包括'serif','sans-serif','cursive','fantasy','monospace'

• fontstyle：字体样式，常用的包括'normal','italic','oblique'

• fontsize/size：字体大小，可以采用数字

• fontweight/weight：设置字体的粗细，可以使用0~1000范围内的数字来设置，数字越大字体越粗

注意：上述函数可以输出数学公式，使用方式和输出文本的用法一致，只需要设置s = r"mathexperssion"即可，其中mathexpression是包含在$$之间的字符串(常用的数学符号编写)。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1,50,20)
y = np.sqrt(x)

fig = plt.figure() #创建figure对象
ax = fig.add_axes([0.1,0.1,0.8,0.8]) #添加坐标轴对象
ax.plot(x,y)
ax.text(15,5,r"$y=\sqrt{x}$",size=20,fontstyle="italic")
plt.show()

多图显示

通过plt.subplot()方法可以将figure划分为多个子图，但每条subplot命令只会创建一个子图，该函数的常用使用形式为：

subplot(nrows, ncols, index, **kwargs)

参数说明：

• nrows：figure划分的行数

• ncols：figure划分的列数

• index：图案nrows行ncols列划分的块再按从左往右，从上往下的顺序排列的当前图的索引

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1,20,20)
y1,y2,y3 = np.sqrt(x),np.log(x),x**1.5

plt.subplot(131)
plt.plot(x,y1)
plt.subplot(132)
plt.plot(x,y2)
plt.subplot(133)
plt.plot(x,y3)

plt.show()

通过plt.subplots()方法可以创建一个figure和一批子图，返回的形式为(figure, subplots)，该方法的常用形式为：

subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw) -> tuple

参数说明：

• nrows：figure划分的行数

• ncols：figure划分的列数

在使用该方式时，我们可以通过二维索引来获取子图，例如axes[1,1]表示获取到的是第2行第2列的子图对象，然后利用该子图对象我们可以调用画图函数来进行图形绘制，当然也可以通过for循环来获取子图对象。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1,20,20)
y1,y2,y3,y4 = np.sqrt(x),np.log(x),x**1.5,2*x + 2

ys = [y1,y2,y3,y4]
fig,axs = plt.subplots(2,2)
for y,ax in zip(ys,axs.flatten()):#使用for循环时需要展平返回的多维数组
    ax.plot(x,y)

plt.show()

面向对象的方式

对于面向对象的方式，首先需要新建一个figure对象，然后可以利用add_subplot()函数新建坐标轴对象(该函数的参数和plt.subplot()类似)，再调用该函数即可进行绘图，示例代码如下：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1,20,20)
y1,y2 = np.sqrt(x),np.log(x)

fig = plt.figure()
ax1 = fig.add_subplot(1,2,1)
ax1.plot(x,y1)
ax2= fig.add_subplot(1,2,2)
ax2.plot(x,y2)
plt.show()

图片显示

matplotlib也可以用来展示图片，而且它可以向展示上述的绘制图形一样同时展示多张图片，通过plt.imshow(X)可以用来显示图片，其中X可以是通过PLI.Image.open()或cv2.imread()或matplotlib.image.imread()打开的图形数据，示例代码如下：

import matplotlib.pyplot as plt
import cv2

imgs = []
for i in range(1,5):
    imgs.append(cv2.imread(str(i) + ".jpg"))
plt.figure(figsize=[4,6])
i = 1
for img in imgs:
    plt.subplot(4,2,i)
    plt.imshow(img)
    i += 1
    #cv2打开图片是按BGR，而matplotlib是按RGB显示因此当使用cv2打开图片是需要先将图片转换为RGB
    img_c = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
    plt.subplot(4,2,i)
    plt.imshow(img_c)
    i += 1
plt.show()