Графики
Самым популярным модулем для построения графиков в Python является matplotlib[pip].
Бекенды
Модуль matplotlib предоставляет стандартное API для построение графиков и, так называемые, бекенды, которые отвечают за вывод результатов пользователю.
Они бывают как интерактивные (открываются в отдельном окне, позволяют заимодействовать с графиком, например Qt5Agg), так и неинтерактивные, результатом работы которых является картинка. В средах использующих IPython (например Spyder) имеется дополнительный неинтерактивные бекенд inline, для вывода графиков в среду. Неинтерактивные бекенды удобны для создания большого числа графиков.
Выбор бекенда осуществляется в настройках среды или в коде:
import matplotlib
matplotlib.use('Qt5Agg')
Глобальный объект pyplot
Модуль matplotlib содержит глобальный объект pyplot, который выступает в роли стандартного холста:
import numpy as np
import matplotlib.pyplot as plt
# рисуем
plt.plot([1,2,3],[5,3,7])
# отображаем или сохраняем
plt.show()
plt.savefig('filename.png')
Хорошие форматы для сохранения графиков: векторные: .svg, .eps и растровые без потерь: .png, .tiff.
При запуске по ячейкам среды автоматически вызывают plt.show() если в ячейке что-то было нарисовано для отображения результата.
После отображения или сохранения результата глобальный объект pyplot очищается.
Рисование с использованием объекта plt (в стиле MATLAB)
t = np.arange(0.0, 2.0, 0.01)
s = 1 + np.sin(2*np.pi*t)
plt.plot(t, s, color="blue", label="s(t)")
plt.xlabel('время, с')
plt.ylabel('значение, мВ')
plt.title('Заголовок слайда')
plt.grid()
plt.legend()
Рисование с использованием объекта plt (в стиле matplotlib)
t = np.arange(0.0, 2.0, 0.01)
s = 1 + np.sin(2*np.pi*t)
fig = plt.figure()
ax = fig.add_subplot()
ax.plot(t, s, color="blue", label="s(t)")
ax.set_xlabel('время, с')
ax.set_ylabel('значение, мВ')
ax.set_title('Заголовок слайда')
ax.grid()
ax.legend()
Рисование с использованием объекта Figure
import matplotlib
t = np.arange(0.0, 2.0, 0.01)
s = 1 + np.sin(2*np.pi*t)
fig = matplotlib.figure.Figure()
ax = fig.add_subplot()
ax.plot(t, s, color="blue", label="s(t)")
ax.set_xlabel('время, с')
ax.set_ylabel('значение, мВ')
ax.set_title('Заголовок слайда')
ax.grid()
ax.legend()
fig.savefig('file.png')
Анатомия графика
Популярные типы графиков - основные
| Метод | Назначение |
|---|---|
errorbar(x, y, yerr, xerr) | Точки с усами ошибок |
plot(x, y) | Кривая |
scatter(x, y) | Точки |
Некоторые аргументы plot и scatter
| Аргумент | Назначение | Примеры значений |
|---|---|---|
color | Цвет линии | "black", "#f000f0" |
label | Текст в легенде | "синус икс" |
linestyle | Стиль линии | "", "-", "--", "dotted" |
linewidth | Ширина линии | 6.5 |
marker | Форма маркера | "", "+", "o", "4" |
markerfacecolor | Цвет маркера | "black", "#f000f0" |
markeredgecolor | Цвет обводки маркера | "black", "#f000f0" |
markeredgewidth | Ширина обводки маркера | 0.5 |
markersize | Размер маркера | 2.5 |
Теплокарты и контуры
| Метод | Назначение | Пример |
|---|---|---|
plt.pcolor | Рисование теплокарты | plt.pcolor(data, vmin=0, vmax=3) |
plt.imshow | Рисование изображения | plt.imshow(data, extent=[-3, 3, -3, 3], vmin=-1, vmax=1) |
plt.contour | Рисование контуров | cnt_data = plt.contour(data, levels = [1,2,3], colors = 'white') |
plt.contourf | Рисование контуров | cnt_data = plt.contour(data, levels = [1,2,3], colors = 'white') |
Дополнительные методы для теплокарт
| Метод | Назначение | Пример |
|---|---|---|
plt.colorbar | Рисование шкалы цвета | plt.colorbar() |
plt.clabel | Рисование меток на контурах | plt.clabel(cnt_data, inline=True, fontsize=10, fmt = '%2.0f', colors = 'white') |
Гистограммы и барплоты
| Метод | Назначение | Пример |
|---|---|---|
plt.hist | Гистограмма | plt.hist(x, np.arange(0,3,1/5)) |
plt.bar | Барплот | plt.bar(ind, values, width) |
Вспомогательные функции - надписи и подписи
| Функция | Назначение | Пример использования |
|---|---|---|
ax.set_xlabel | Подпись оси X | plt.xlabel("Подпись Х") |
ax.set_ylabel | Подпись оси Y | plt.ylabel("Подпись Y") |
ax.set_title | Заголовок графика | plt.title("Заголовок") |
ax.legend | Показать легенду | plt.legend(loc='upper left') |
ax.annotate | Добавить аннотацию к точке xy | ax.annotate('Максимум', xy=(2, 1)) |
В тексте можно использовать команды на TeXе окружая их знаками долларов: $4\pi^2$.
Вспомогательные функции - оси
| Функция | Назначение | Пример использования |
|---|---|---|
ax.set_xlim | Границы по оси X | plt.xlim(-4.0, 4.0) |
ax.set_ylim | Границы по оси Y | plt.ylim(-3.0, 10.0) |
ax.set_xticks | Отсчеты по оси X | plt.xticks([1, 2, 3, 4, 5]) |
ax.set_yticks | Отсчеты по оси Y | plt.yticks([1,2,3,], ['1a','2a','3a']) |
ax.grid | Включить сетку | plt.grid(True) |
ax.hlines | Горизонтальные линии | ax.hlines(3, -10, 10) |
ax.vlines | Вертикальные линии | ax.vlines(3, -10, 10) |
Функции объекта pyplot - Масштабы осей
| Функция | Назначение | Пример использования |
|---|---|---|
ax.set_xscale | Масштаб по оси X | ax.set_xscale("log") |
ax.set_yscale | Масштаб по оси Y | ax.set_yscale("linear") |
fig.add_subplot(polar=True) | Создать систему полярных координат |
Специальные построения: несколько систем координат
Использование модуля matplotlib.gridspec.
# Задаем сетку для деления 2 строки 3 столбца
grsp = matplotlib.gridspec.GridSpec(2, 3)
# Получаем указатели на отельные оси с помощью слайсов
axis1 = fig.add_subplot(grsp[0, :]) # Вся верхняя строка
axis2 = fig.add_subplot(grsp[1, 0:2]) # Нижняя строка две левых клетки
axis3 = fig.add_subplot(grsp[1, 2]) # Нижняя строка правый угол
Пример
Специальные построения: Теплокарты
Для построения теплокарты необходимо иметь двумерный массив с данными.
plt.imshow(data, extent=[-3, 3, -3, 3], origin='lower', cmap='YlGnBu')
plt.colorbar()
Выбираем нужный тип палитры на сайте matplotlib.
Пример
Управление расположением цветовой шкалы
from mpl_toolkits.axes_grid1 import make_axes_locatable
# находим нашу систему коордит в рамках Figure
divider = make_axes_locatable(ax)
# определяем новую область для рисования цветовой шкалы
color_ax = divider.new_horizontal(size="3%", pad=0.1, axes_class=plt.Axes)
# добавляем к фигуре новую область для цветовой шкалы
fig.add_axes(color_ax)
#рисуем шкалу
fig.colorbar(im, cax=color_ax)
Специальные построения: Контуры
Для построения контуров необходимо иметь: два одномерных массива с равномерными интервалами между точками и двумерный массив с данными. Ключевые методы plt.contour и plt.contourf.
Подготовка
# Источник данных — функция двух переменных
def f(x, y):
return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 -y ** 2)
# Создаем массивы для осей:
n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
# Делаем мешгрид
gridX, gridY = np.meshgrid(x, y)
data = f(gridX, gridY)
Рисование
#Раскрашивание контуров цветами (палитра 'jet')
cntrf = plt.contourf(gridX, gridY, data, 8, alpha=.75, cmap='jet')
#Разграничение контуров линиями
cntr = plt.contour(X, Y, f(X, Y), 8, colors='black')
#Добавляем подписи на контуры
plt.clabel(cntr, inline=1, fontsize=10)
#Добавляем цветовую легенду
plt.colorbar(cntrf)
Пример
