第二回：艺术画笔见乾坤

一、概述

1.matplotlib的三层api

matplotlib的原理或者说基础逻辑是，用Artist对象在画布(canvas)上绘制(Render)图形。
就和人作画的步骤类似：

1. 准备一块画布或画纸
2. 准备好颜料、画笔等制图工具
3. 作画
   所以matplotlib有三个层次的API：
   
   matplotlib.backend_bases.FigureCanvas 代表了绘图区，所有的图像都是在绘图区完成的
   
   matplotlib.backend_bases.Renderer 代表了渲染器，可以近似理解为画笔，控制如何在FigureCanvas 上画图
   
   matplotlib.artist.Artist 代表了具体的图表组件，即调用了Renderer的接口在Canvas上作图。
   
   前两者处理程序和计算机的底层交互的事项，第三项Artist就是具体的调用接口来做出我们想要的图，比
   
   如图形、文本、线条的设定。所以通常来说，我们95%的时间，都是用来和matplotlib.artist.Artist类打交
   
   道的。

2. Artist的分类

Artist有两种类型： primitives 和containers .

primitive 是基本要素，它包含一些我们要在绘图区作图用到的标准图形对象，如曲线Line2D，文字text，矩形Rectangle，图像image等。

container 是容器，即用来装基本要素的地方，包括图形figure、坐标系Axes和坐标轴Axis。他们之间的关系如下图所示：

3. matplotlib标准用法

matplotlib的标准使用流程为：

1. 创建一个Figure 实例
2. 使用Figure 实例创建一个或者多个Axes 或Subplot 实例
3. 使用Axes 实例的辅助方法来创建primitive
   
   值得一提的是，Axes是一种容器，它可能是matplotlib API中最重要的类，并且我们大多数时间都花在和它打交道上。更具体的信息会在之后容器小节说明。
   
   一个流程示例及说明如下：

import matplotlib.pyplot as plt
import numpy as np
# step 1
# 我们用 matplotlib.pyplot.figure() 创建了一个Figure实例
fig = plt.figure()
# step 2
# 然后用Figure实例创建了一个两行一列(即可以有两个subplot)的绘图区，并同时在第一个位置创建了一个subplot
ax = fig.add_subplot(2, 1, 1)# two rows, one column, first plot
#step 3
# 然后用Axes实例的方法画了一条曲线
t = np.arange(0.,1.0, 0.01)
s = np.sin(2*np.pi*t)
line = ax.plot(t, s, color = 'blue', lw = 2)

二、自定义你的Artist对象

1. Artist属性
在图形中的每一个元素都对应着一个matplotlib Artist ，且都有其对应的配置属性列表。

Figure 本身包含一个Rectangle，Rectangle的大小就是Figure的大小；你可以用来设置Figure的背景色和透明度。

每个Axes 边界框(默认白底黑边)，也有一个Rectangle，通过它可以设置Axes的颜色、透明度等。

这些实例都存储在成员变量(member variables) Figure.patch 和 Axes.patch 中。 （Patch 是一个来

源于MATLAB的名词，它是图形上颜色的一个2D补丁，包含rectangels-矩形，circles-圆 和 plygons-多边

形）
换个表达方式：

Figure.patch属性：是一个Rectangle，代表了图表的矩形框，它的大小就是图表的大小， 并且可以通过它

设置figure的背景色和透明度。

Axes.patch属性：也是一个Rectangle，代表了绘图坐标轴内部的矩形框（白底黑边）， 通过它可以设置

Axes的颜色、透明度等。

每个matplotlib Artist 都有以下属性：

• .alpha 属性：透明度。值为0—1之间的浮点数
• .axes 属性：返回这个Artist所属的axes，可能为None
• .figure 属性：该Artist所属的Figure，可能为None
• .label ：一个text label
• .visible ：布尔值，控制Artist是否绘制
  
  这里仅列举几个常见的属性，更详细的属性清单请查阅官方文档： Artist属性列表

# .patch
plt.figure().patch
plt.axes().patch

<matplotlib.patches.Rectangle at 0x2341e3abb88>

2. 属性调用方式
Artist对象的所有属性都通过相应的 get_* 和 set_* 函数进行读写。

例如下面的语句将alpha属性设置为当前值的一半：

# a = o.get_alpha()
# o.set_alpha(0.5*a)
# 如果想一次设置多个属性，也可以用set方法：
# o.set(alpha=0.5, zorder=2)
#可以使用 matplotlib.artist.getp(o,"alpha") 来获取属性，如果指定属性名，则返回对象的该属
#性值；如果不指定属性名，则返回对象的所有的属性和值。
import matplotlib
# Figure rectangle的属性
matplotlib.artist.getp(fig.patch)

    agg_filter = None
    alpha = None
    animated = False
    antialiased or aa = False
    bbox = Bbox(x0=0.0, y0=0.0, x1=1.0, y1=1.0)
    capstyle = butt
    children = []
    clip_box = None
    clip_on = True
    clip_path = None
    contains = None
    data_transform = BboxTransformTo(     TransformedBbox(         Bbox...
    edgecolor or ec = (1.0, 1.0, 1.0, 0.0)
    extents = Bbox(x0=0.0, y0=0.0, x1=432.0, y1=288.0)
    facecolor or fc = (1.0, 1.0, 1.0, 0.0)
    figure = Figure(432x288)
    fill = True
    gid = None
    hatch = None
    height = 1
    in_layout = False
    joinstyle = miter
    label = 
    linestyle or ls = solid
    linewidth or lw = 0.0
    patch_transform = CompositeGenericTransform(     BboxTransformTo(   ...
    path = Path(array([[0., 0.],        [1., 0.],        [1.,...
    path_effects = []
    picker = None
    rasterized = None
    sketch_params = None
    snap = None
    transform = CompositeGenericTransform(     CompositeGenericTra...
    transformed_clip_path_and_affine = (None, None)
    url = None
    verts = [[  0.   0.]  [432.   0.]  [432. 288.]  [  0. 288....
    visible = True
    width = 1
    window_extent = Bbox(x0=0.0, y0=0.0, x1=432.0, y1=288.0)
    x = 0
    xy = (0, 0)
    y = 0
    zorder = 1

三、基本元素 - primitives

现在我们知道了如何检查和设置给定对象的属性，我们还需要知道如何获取该对象。

前文介绍到， Artist 包含两种对象： 基本要素-primitives 和 容器-containers 。

primitives 是基本要素，它包含一些我们要在绘图区作图用到的标准图形对象，如曲线Line2D，文本

text，矩形Rectangle，图像image等。

container 是容器，即用来装基本要素的地方，包括图形figure、坐标系Axes和坐标轴Axis。

本章重点介绍下 primitives 的几种类型：曲线-Line2D，矩形-Rectangle，图像-image （其中文本-

Text较为复杂，会在之后单独详细说明。

2DLines
在matplotlib中曲线的绘制，主要是通过类 matplotlib.lines.Line2D 来完成的。

它的基类: matplotlib.artist.Artist

matplotlib中线-line 的含义：它表示的可以是连接所有顶点的实线样式，也可以是每个顶点的标记。此外，这条线也会受到绘画风格的影响，比如，我们可以创建虚线种类的线。

#a. 如何设置Line2D的属性
#有三种方法可以用设置线的属性。
#1) 直接在plot()函数中设置
import matplotlib.pyplot as plt
x = range(0, 5)
y = [2, 5, 7, 8, 10]
plt.plot(x, y,linewidth = 10)# 设置线的粗细参数为10

[<matplotlib.lines.Line2D at 0x2341ff77b88>]

# 2) 通过获得线对象，对线对象进行设置
x = range(0, 5)
y = [2, 5, 7, 8, 10]
line ,= plt.plot(x, y, '-')
line.set_antialiased(False) # 关闭抗锯齿功能

# 3) 获得线属性，使用setp()函数设置
x = range(0, 5)
y = [2, 5, 7, 8, 10]
lines = plt.plot(x, y)
plt.setp(lines, color = 'r', linewidth = 10)

[None, None]

b. 如何绘制lines

1. 绘制直线line
   
   常用的方法有两种

• pyplot方法绘制
• Line2D对象绘制

# 1. pyplot方法绘制
import matplotlib.pyplot as plt
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x, y)

[<matplotlib.lines.Line2D at 0x234218dcc88>]

#Line2D对象绘制
import matplotlib.pyplot as plt
from matplotlib.lines import Line2D
fig = plt.figure()
ax = fig.add_subplot(111)
line = Line2D(x, y)
ax.add_line(line)
ax.set_xlim(min(x), max(x))
ax.set_ylim(min(y), max(y))
plt.show()

2. errorbar绘制误差折线图
   pyplot里有个专门绘制误差线的功能，通过errorbar 类实现，它的构造函数：
   
   matplotlib.pyplot.errorbar(x, y, yerr=None, xerr=None, fmt=’’, ecolor=None, elinewidth=None,
   capsize=None, barsabove=False, lolims=False, uplims=False, xlolims=False, xuplims=False,
   errorevery=1, capthick=None, *, data=None, **kwargs)
   其中最主要的参数是前几个:
   

• x：需要绘制的line中点的在x轴上的取值
• y：需要绘制的line中点的在y轴上的取值
• yerr：指定y轴水平的误差
• xerr：指定x轴水平的误差
• fmt：指定折线图中某个点的颜色，形状，线条风格，例如‘co–’
• ecolor：指定error bar的颜色
• elinewidth：指定error bar的线条宽度

#绘制errorbar
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
x = np.arange(10)
y = 2.5 * np.sin(x/20*np.pi)
yerr = np.linspace(0.05, 0.2, 10)
plt.errorbar(x, y + 3, yerr=yerr, label='both limits (default)')

<ErrorbarContainer object of 3 artists>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gj8TH9Er-1608096084185)(output_16_1.png)]

1. hist-直方图
   
   matplotlib.pyplot.hist(x,bins=None,range=None, density=None, bottom=None, histtype=‘bar’,
   align=‘mid’, log=False, color=None, label=None, stacked=False, normed=None)
   
   下面是一些常用的参数：

• x: 数据集，最终的直方图将对数据集进行统计
• bins: 统计的区间分布
• range: tuple, 显示的区间，range在没有给出bins时生效
• density: bool，默认为false，显示的是频数统计结果，为True则显示频率统计结果，这里需要注意，频率统计结果=区间数目/(总数*区间宽度)，和normed效果一致，官方推荐使用density
• histtype: 可选{‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}之一，默认为bar，推荐使用默认配置，step使用的是梯状，stepfilled则会对梯状内部进行填充，效果与bar类似
• align: 可选{‘left’, ‘mid’, ‘right’}之一，默认为’mid’，控制柱状图的水平分布，left或者right，会有部分空白区域，推荐使用默认
• log: bool，默认False,即y坐标轴是否选择指数刻度
• stacked: bool，默认为False，是否为堆积状图

# hist绘制直方图
import matplotlib.pyplot as plt
import numpy as np
x= np.random.randint(0, 100, 100)#生成【0-100】之间的100个数据,即 数据集
bins = np.arange(0, 101, 10)#设置连续的边界值，即直方图的分布区间[0,10],[10,20]...
plt.hist(x, bins, color ='fuchsia', alpha = 0.5)#alpha设置透明度，0为完全透明
plt.xlabel('score')
plt.ylabel('count')
plt.xlim(0, 100)#设置x轴分布范围
plt.show()

#Rectangle 矩形类绘制直方图
'''
import pandas as pd
import re
df = pd.DataFrame(columns = ['data'])
df.loc[:,'data'] = x
df['fenzu'] = pd.cut(df['data'], bins=bins, right = False,include_lowest=True)
df_cnt = df['fenzu'].value_counts().reset_index()
df_cnt.loc[:,'mini'] = df_cnt['index'].astype(str).map(lambda x:re.findall('\
[(.*)\,',x)[0]).astype(int)
df_cnt.loc[:,'maxi'] = df_cnt['index'].astype(str).map(lambda x:re.findall('\,
(.*)\)',x)[0]).astype(int)
df_cnt.loc[:,'width'] = df_cnt['maxi']- df_cnt['mini']
df_cnt.sort_values('mini',ascending = True,inplace = True)
df_cnt.reset_index(inplace = True,drop = True)
#用Rectangle把hist绘制出来
import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(111)
#rect1 = plt.Rectangle((0,0),10,10)
#ax1.add_patch(rect)
#ax2 = fig.add_subplot(212)
for i in df_cnt.index:
rect =
plt.Rectangle((df_cnt.loc[i,'mini'],0),df_cnt.loc[i,'width'],df_cnt.loc[i,'fenzu'])
#rect2 = plt.Rectangle((10,0),10,5)
ax1.add_patch(rect)
#ax1.add_patch(rect2)
ax1.set_xlim(0, 100)
ax1.set_ylim(0, 16)
plt.show()
'''

2) bar-柱状图
matplotlib.pyplot.bar(left, height, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3)

下面是一些常用的参数：

• left：x轴的位置序列，一般采用range函数产生一个序列，但是有时候可以是字符串
• height：y轴的数值序列，也就是柱形图的高度，一般就是我们需要展示的数据；
• alpha：透明度，值越小越透明
• width：为柱形图的宽度，一般这是为0.8即可；
• color或facecolor：柱形图填充的颜色；
• edgecolor：图形边缘颜色
• label：解释每个图像代表的含义，这个参数是为legend()函数做铺垫的，表示该次bar的标签

#bar绘制柱状图
import matplotlib.pyplot as plt
y = range(1, 17)
plt.bar(np.arange(16), y, alpha = 0.5, width = 0.5, color = 'yellow', edgecolor = 'red', label = 'First Bar', lw = 1)

<BarContainer object of 16 artists>

# fill绘制图形
import matplotlib.pyplot as plt
x = np.linspace(0, 5 * np.pi, 1000)
y1 = np.sin(x)
y2 = np.sin(2 * x)
plt.fill(x, y1,color = "g", alpha = 0.3)

[<matplotlib.patches.Polygon at 0x2342616cc08>]

import matplotlib.pyplot as plt
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)
fig1, ax1 = plt.subplots()
ax1.pie(sizes, explode, labels, autopct= '%1.1f',shadow = True,startangle=90)
ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.show()

# scatter绘制散点图
x = [0,2,4,6,8,10]
y = [10]*len(x)
s = [20*2**n for n in range(len(x))]
plt.scatter(x,y,s=s)
plt.show()

import matplotlib.pyplot as plt
import numpy as np
methods = [None, 'none', 'nearest', 'bilinear', 'bicubic', 'spline16',
'spline36', 'hanning', 'hamming', 'hermite', 'kaiser', 'quadric',
'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc', 'lanczos']
grid = np.random.rand(4, 4)
fig, axs = plt.subplots(nrows=3, ncols=6, figsize=(9, 6),
subplot_kw={
    
    'xticks': [], 'yticks': []})
for ax, interp_method in zip(axs.flat, methods):
    ax.imshow(grid, interpolation=interp_method, cmap='viridis')
    ax.set_title(str(interp_method))
plt.tight_layout()
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-In17J5jP-1608096084206)(output_29_0.png)]

四、对象容器 - Object container

容器会包含一些primitives ，并且容器还有它自身的属性。

比如Axes Artist ，它是一种容器，它包含了很多primitives ，比如Line2D ， Text ；同时，它也有自身的属性，比如xscal ，用来控制X轴是linear 还是log 的。

**Figure容器 **
matplotlib.figure.Figure 是Artist 最顶层的container -对象容器，它包含了图表中的所有元素。一张图表的背景就是在Figure.patch 的一个矩形Rectangle 。

当我们向图表添加Figure.add_subplot() 或者Figure.add_axes() 元素时，这些都会被添加到Figure.axes 列表中。

fig = plt.figure()
ax1 = fig.add_subplot(211)# 作一幅2*1的图，选择第1个子图
ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3])# 位置参数，四个数分别代表了(left,bottom,width,height)
print(ax1)
print(fig.axes) # fig.axes 中包含了subplot和axes两个实例, 刚刚添加的

AxesSubplot(0.125,0.536818;0.775x0.343182)
[<AxesSubplot:>, <matplotlib.axes._axes.Axes object at 0x0000023429C57E88>]

由于Figure 维持了current axes ，因此你不应该手动的从Figure.axes 列表中添加删除元素，而

是要通过Figure.add_subplot() 、Figure.add_axes() 来添加元素，通过Figure.delaxes() 来

删除元素。但是你可以迭代或者访问Figure.axes 中的Axes ，然后修改这个Axes 的属性。

比如下面的遍历axes里的内容，并且添加网格线：

fig = plt.figure()
ax1 = fig.add_subplot(211)
for ax in fig.axes:
    ax.grid(True)



Figure 也有它自己的text、line、patch、image 。你可以直接通过add primitive 语句直接添<br />
加。但是注意Figure 默认的坐标系是以像素为单位，你可能需要转换成figure坐标系：(0,0)表示左下<br />
点，(1,1)表示右上点。<br />
Figure容器的常见属性：
- Figure.patch 属性：Figure的背景矩形
- Figure.axes 属性：一个Axes实例的列表（包括Subplot)
- Figure.images 属性：一个FigureImages patch列表
- Figure.lines 属性：一个Line2D实例的列表（很少使用）
- Figure.legends 属性：一个Figure Legend实例列表（不同于Axes.legends)
- Figure.texts 属性：一个Figure Text实例列表

**2. Axes容器**
matplotlib.axes.Axes 是matplotlib的核心。大量的用于绘图的Artist 存放在它内部，并且它有许<br />
多辅助方法来创建和添加Artist 给它自己，而且它也有许多赋值方法来访问和修改这些Artist 。<br />
和Figure 容器类似， Axes 包含了一个patch属性，对于笛卡尔坐标系而言，它是一个Rectangle ；<br />
对于极坐标而言，它是一个Circle 。这个patch属性决定了绘图区域的形状、背景和边框。<br />


```python
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
fig = plt.figure()
ax = fig.add_subplot(111)
rect = ax.patch # axes的patch是一个Rectangle实例
rect.set_facecolor('green')

Axes 有许多方法用于绘图，如.plot()、.text()、.hist()、.imshow() 等方法用于创建大多数常见的primitive (如Line2D，Rectangle，Text，Image 等等）。在primitives 中已经涉及，不再赘述。

Subplot就是一个特殊的Axes，其实例是位于网格中某个区域的Subplot实例。其实你也可以在任意区域创建Axes，通Figure.add_axes([left,bottom,width,height])来创建一个任意区域的Axes，其中left,bottom,width,height都是[0—1]之间的浮点数，他们代表了相对于Figure的坐标。

你不应该直接通过Axes.lines 和Axes.patches 列表来添加图表。因为当创建或添加一个对象到图表中时， Axes 会做许多自动化的工作:

它会设置Artist中figure和axes的属性，同时默认Axes的转换；它也会检视Artist中的数据，来更新数据结构，这样数据范围和呈现方式可以根据作图范围自动调整。

你也可以使用Axes的辅助方法.add_line() 和.add_patch() 方法来直接添加。另外Axes还包含两个最重要的Artist container：

3. Axis容器
matplotlib.axis.Axis 实例处理tick line 、grid line 、tick label 以及axis label 的绘

制，它包括坐标轴上的刻度线、刻度label 、坐标网格、坐标轴标题。通常你可以独立的配置y轴的左

边刻度以及右边的刻度，也可以独立地配置x轴的上边刻度以及下边的刻度。

刻度包括主刻度和次刻度，它们都是Tick刻度对象。

Axis 也存储了用于自适应，平移以及缩放的data_interval 和view_interval 。它还有Locator实例

和Formatter实例用于控制刻度线的位置以及刻度label。

每个Axis都有一个label 属性，也有主刻度列表和次刻度列表。这些ticks 是axis.XTick 和

axis.YTick 实例，它们包含着line primitive 以及text primitive 用来渲染刻度线以及刻度文

本。

刻度是动态创建的，只有在需要创建的时候才创建（比如缩放的时候）。Axis也提供了一些辅助方法来

获取刻度文本、刻度线位置等等：

常见的如下：

# 不用print，直接显示结果
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
fig, ax = plt.subplots()
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x, y, '-')
axis = ax.xaxis # axis为X轴对象
axis.get_ticklocs() # 获取刻度线位置
axis.get_ticklabels() # 获取刻度label列表(一个Text实例的列表）。 可以通过minor=True|False关键字参数控制输出minor还是major的tick label。
axis.get_ticklines() # 获取刻度线列表(一个Line2D实例的列表）。 可以通过minor=True|False关键字参数控制输出minor还是major的tick line。
axis.get_data_interval()# 获取轴刻度间隔
axis.get_view_interval()# 获取轴视角（位置）的间隔

array([-0.2,  4.2])

# 下面的例子展示了如何调整一些轴和刻度的属性(忽略美观度，仅作调整参考)：
fig = plt.figure() # 创建一个新图表
rect = fig.patch # 矩形实例并将其设为黄色
rect.set_facecolor('lightgoldenrodyellow')
ax1 = fig.add_axes([0.1, 0.3, 0.4, 0.4]) # 创一个axes对象，从(0.1,0.3)的位置开始，宽和高都为0.4，
rect = ax1.patch # ax1的矩形设为灰色
rect.set_facecolor('lightslategray')
for label in ax1.xaxis.get_ticklabels():
# 调用x轴刻度标签实例，是一个text实例
    label.set_color('red') # 颜色
    label.set_rotation(45) # 旋转角度
    label.set_fontsize(16) # 字体大小
for line in ax1.yaxis.get_ticklines():
# 调用y轴刻度线条实例, 是一个Line2D实例
    line.set_color('green') # 颜色
    line.set_markersize(25) # marker大小
    line.set_markeredgewidth(2)# marker粗细
plt.show()

4. Tick容器

matplotlib.axis.Tick 是从Figure 到Axes 到Axis 到Tick 中最末端的容器对象。

Tick 包含了tick 、grid line 实例以及对应的label 。

所有的这些都可以通过Tick 的属性获取，常见的tick 属性有

Tick.tick1line ：Line2D实例

Tick.tick2line ：Line2D实例

Tick.gridline ：Line2D实例

Tick.label1 ：Text实例

Tick.label2 ：Text实例

y轴分为左右两个，因此tick1对应左侧的轴；tick2对应右侧的轴。

x轴分为上下两个，因此tick1对应下侧的轴；tick2对应上侧的轴。

下面的例子展示了，如何将Y轴右边轴设为主轴，并将标签设置为美元符号且为绿色：

# 下面的例子展示了，如何将Y轴右边轴设为主轴，并将标签设置为美元符号且为绿色：