艺术家教程
译者:飞龙
matplotlib API 有三个层级。 matplotlib.backend_bases.FigureCanvas
是绘制图形的区域,matplotlib.backend_bases.Renderer
是知道如何在ChartCanvas
上绘制的对象,而matplotlib.artist.Artist
是知道如何使用渲染器在画布上画图的对象。 FigureCanvas
和Renderer
处理与用户界面工具包(如 wxPython)或 PostScript® 等绘图语言交互的所有细节,Artist
处理所有高级结构,如表示和布局图形,文本和线条。用户通常要花费95%的时间来处理艺术家。
有两种类型的艺术家:基本类型和容器类型。基本类型表示我们想要绘制到画布上的标准图形对象:Line2D
,Rectangle
,Text
,AxesImage
等,容器是放置它们的位置(Axis
,Axes
和Figure
)。标准用法是创建一个Figure
实例,使用Figure
创建一个或多个Axes
或Subplot
实例,并使用Axes
实例的辅助方法来创建基本类型。在下面的示例中,我们使用matplotlib.pyplot.figure()
创建一个Figure
实例,这是一个便捷的方法,用于实例化Figure
实例并将它们与你的用户界面或绘图工具包FigureCanvas
连接。正如我们将在下面讨论的,这不是必须的 - 你可以直接使用 PostScript,PDF,Gtk+ 或 wxPython FigureCanvas
实例,直接实例化你的图形并连接它们 - 但是因为我们在这里关注艺术家 API,我们让pyplot
为我们处理一些细节:
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(2,1,1) # two rows, one column, first plot
Axes
可能是 matplotlib API 中最重要的类,你将在大多数时间使用它。 这是因为Axes
是大多数对象所进入的绘图区域,Axes
有许多特殊的辅助方法(plot()
,text()
,hist()
,imshow()
)来创建最常见的图形基本类型 Line2D
,Text
,Rectangle
,Image
)。 这些辅助方法将获取你的数据(例如 numpy 数组和字符串),并根据需要创建基本Artist
实例(例如,Line2D
),将它们添加到相关容器中,并在请求时绘制它们。 大多数人可能熟悉子图,这只是Axes
的一个特例,它存在于Subplot
实例的列网格的固定行上。 如果要在任意位置创建Axes
,只需使用add_axes()
方法,该方法接受[left, bottom, width, height]
值的列表,以 0~1 的图形相对坐标为单位:
fig2 = plt.figure()
ax2 = fig2.add_axes([0.15, 0.1, 0.7, 0.3])
以我们的例子继续:
import numpy as np
t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax.plot(t, s, color='blue', lw=2)
在这个例子中,ax
是上面的fig.add_subplot
调用创建的Axes
实例(记住Subplot
只是Axes
的一个子类),当你调用ax.plot
时,它创建一个Line2D
实例并将其添加到Axes.lines
列表中。 在下面的 ipython 交互式会话中,你可以看到Axes.lines
列表的长度为 1,并且包含由line, = ax.plot...
调用返回的相同线条:
In [101]: ax.lines[0]
Out[101]: <matplotlib.lines.Line2D instance at 0x19a95710>
In [102]: line
Out[102]: <matplotlib.lines.Line2D instance at 0x19a95710>
如果你对ax.plot
进行连续调用(并且保持状态为『on』,这是默认值),则将在列表中添加其他线条。 你可以稍后通过调用列表方法删除线条;任何一个方法都可以:
del ax.lines[0]
ax.lines.remove(line) # one or the other, not both!
轴域也拥有辅助方法,用于设置和装饰 x 和 y 轴的刻度、刻度标签和轴标签:
xtext = ax.set_xlabel('my xdata') # returns a Text instance
ytext = ax.set_ylabel('my ydata')
当你调用ax.set_xlabel
时,它将信息传递给XAxis
的Text
实例,每个Axes
实例都包含XAxis
和YAxis
,它们处理刻度、刻度标签和轴标签的布局和绘制。
尝试创建下面的图形:
自定义你的对象
图中的每个元素都由一个 matplotlib 艺术家表示,每个元素都有一个扩展属性列表用于配置它的外观。 图形本身包含一个Rectangle
,正好是图形的大小,你可以使用它来设置图形的背景颜色和透明度。 同样,每个Axes
边框(在通常的 matplotlib 绘图中是标准的白底黑边)拥有一个Rectangle
实例,用于确定轴域的颜色,透明度和其他属性,这些实例存储为成员变量Figure.patch
和Axes.patch
(『Patch』是一个继承自 MATLAB 的名称,它是图形上的一个颜色的 2D『补丁』,例如矩形,圆和多边形)。每个 matplotlib 艺术家都有以下属性。
属性 | 描述 |
---|---|
alpha | 透明度 - 0 ~ 1 的标量 |
animated | 用于帮助动画绘制的布尔值 |
axes | 艺术家所在的轴域,可能为空 |
clip_box | 用于剪切艺术家的边框 |
clip_on | 剪切是否开启 |
clip_path | 艺术家被剪切的路径 |
contains | 一个拾取函数,用于判断艺术家是否位于拾取点 |
figure | 艺术家所在的图形实例,可能为空 |
label | 文本标签(用于自动标记) |
picker | 控制对象拾取的 Python 对象 |
transform | 变换 |
visible | 布尔值,表示艺术家是否应该绘制 |
zorder | 确定绘制顺序的数值 |
rasterized | 布尔值,是否将向量转换为光栅图形(出于压缩或 eps 透明度) |
每个属性都使用一个老式的setter
或getter
(是的,我们知道这会刺激 Python 爱好者,我们计划支持通过属性或 traits 直接访问,但它还没有完成)。 例如,要将当前alpha
值变为一半:
a = o.get_alpha()
o.set_alpha(0.5*a)
如果你打算可以一次性设置一些属性,你也可以以关键字参数使用set
方法,例如:
o.set(alpha=0.5, zorder=2)
如果你在 Python 交互式 Shell 中工作,检查Artist
属性的一种方便的方法是使用matplotlib.artist.getp()
函数(在 pylab 中只需要getp()
),它列出了属性及其值。 这适用于从Artist
派生的类,例如Figure
和Rectangle
。 这里是上面提到的Figure
的矩形属性:
In [149]: matplotlib.artist.getp(fig.patch)
alpha = 1.0
animated = False
antialiased or aa = True
axes = None
clip_box = None
clip_on = False
clip_path = None
contains = None
edgecolor or ec = w
facecolor or fc = 0.75
figure = Figure(8.125x6.125)
fill = 1
hatch = None
height = 1
label =
linewidth or lw = 1.0
picker = None
transform = <Affine object at 0x134cca84>
verts = ((0, 0), (0, 1), (1, 1), (1, 0))
visible = True
width = 1
window_extent = <Bbox object at 0x134acbcc>
x = 0
y = 0
zorder = 1
所有类的文档字符串也包含Artist
属性,因此你可以查阅交互式『帮助』或 Artist
模块,来获取给定对象的属性列表。
对象容器
现在我们知道如何检查和设置我们想要配置的给定对象的属性,现在我们需要如何获取该对象。 前面提到了两种对象:基本类型和容器类型。 基本类型通常是你想要配置的东西(Text
实例的字体,Line2D
的宽度),虽然容器也有一些属性 - 例如 Axes
是一个容器艺术家,包含你的绘图中的许多基本类型,但它也有属性,比如xscale
来控制xaxis
是『线性』还是『对数』。 在本节中,我们将回顾各种容器对象存储你想要访问的艺术家的位置。
图形容器
顶层容器艺术家是matplotlib.figure.Figure
,它包含图形中的所有内容。 图形的背景是一个Rectangle
,存储在Figure.patch
中。 当你向图形中添加子图(add_subplot()
)和轴域(add_axes()
)时,这些会附加到Figure.axes
。 它们也由创建它们的方法返回:
In [156]: fig = plt.figure()
In [157]: ax1 = fig.add_subplot(211)
In [158]: ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3])
In [159]: ax1
Out[159]: <matplotlib.axes.Subplot instance at 0xd54b26c>
In [160]: print fig.axes
[<matplotlib.axes.Subplot instance at 0xd54b26c>, <matplotlib.axes.Axes instance at 0xd3f0b2c>]
因为图形维护了『当前轴域』(见figure.gca
和图figure.sca
)的概念以支持 pylab/pyplot 状态机,所以不应直接从轴域列表中插入或删除轴域,而应使用add_subplot()
和add_axes()
方法进行插入,并使用delaxes()
方法进行删除。 然而,你可以自由地遍历轴域列表或索引,来访问要自定义的Axes
实例。 下面是一个打开所有轴域网格的示例:
for ax in fig.axes:
ax.grid(True)
图形还拥有自己的文本,线条,补丁和图像,你可以使用它们直接添加基本类型。 图形的默认坐标系统简单地以像素(这通常不是你想要的)为单位,但你可以通过设置你添加到图中的艺术家的transform
属性来控制它。
更有用的是『图形坐标系』,其中(0,0)
是图的左下角,(1,1)
是图的右上角,你可以通过将Artist
的变换设置为fig.transFigure
来获得:
In [191]: fig = plt.figure()
In [192]: l1 = matplotlib.lines.Line2D([0, 1], [0, 1],
transform=fig.transFigure, figure=fig)
In [193]: l2 = matplotlib.lines.Line2D([0, 1], [1, 0],
transform=fig.transFigure, figure=fig)
In [194]: fig.lines.extend([l1, l2])
In [195]: fig.canvas.draw()
这里是图形可以包含的艺术家总结:
图形属性 | 描述 |
---|---|
axes |
Axes 实例的列表(包括Subplot ) |
patch |
Rectangle 背景 |
images |
FigureImages 补丁的列表 - 用于原始像素显示 |
legends |
图形Legend 实例的列表(不同于Axes.legends ) |
lines |
图形Line2D 实例的列表(很少使用,见Axes.lines ) |
patches |
图形补丁列表(很少使用,见Axes.patches ) |
texts |
图形Text 实例的列表 |
轴域容器
matplotlib.axes.Axes
是 matplotlib 宇宙的中心 - 它包含绝大多数在一个图形中使用的艺术家,并带有许多辅助方法来创建和添加这些艺术家本身,以及访问和自定义所包含的艺术家的辅助方法。 就像Figure
那样,它包含一个Patch patch
,它是一个用于笛卡尔坐标的Rectangle
和一个用于极坐标的Cirecle
; 这个补丁决定了绘图区域的形状,背景和边框:
ax = fig.add_subplot(111)
rect = ax.patch # a Rectangle instance
rect.set_facecolor('green')
当调用绘图方法(例如通常是plot()
)并传递数组或值列表时,该方法将创建一个matplotlib.lines.Line2D()
实例,将所有Line2D
属性作为关键字参数传递, 将该线条添加到Axes.lines
容器,并将其返回给你:
In [213]: x, y = np.random.rand(2, 100)
In [214]: line, = ax.plot(x, y, '-', color='blue', linewidth=2)
plot
返回一个线条列表,因为你可以传入多个x,y
偶对来绘制,我们将长度为一的列表的第一个元素解构到line
变量中。 该线条已添加到Axes.lines
列表中:
In [229]: print ax.lines
[<matplotlib.lines.Line2D instance at 0xd378b0c>]
与之类似,创建补丁的方法(如bar()
)会创建一个矩形列表,将补丁添加到Axes.patches
列表中:
In [233]: n, bins, rectangles = ax.hist(np.random.randn(1000), 50, facecolor='yellow')
In [234]: rectangles
Out[234]: <a list of 50 Patch objects>
In [235]: print len(ax.patches)
你不应该直接将对象添加到Axes.lines
或Axes.patches
列表,除非你确切知道你在做什么,因为Axes
需要在它创建和添加对象做一些事情。 它设置Artist
的figure
和axes
属性,以及默认Axes
变换(除非设置了变换)。 它还检查Artist
中包含的数据,来更新控制自动缩放的数据结构,以便可以调整视图限制来包含绘制的数据。 但是,你可以自己创建对象,并使用辅助方法(如add_line()
和add_patch()
)将它们直接添加到Axes
。 这里是一个注释的交互式会话,说明正在发生什么:
In [261]: fig = plt.figure()
In [262]: ax = fig.add_subplot(111)
# create a rectangle instance
In [263]: rect = matplotlib.patches.Rectangle( (1,1), width=5, height=12)
# by default the axes instance is None
In [264]: print rect.get_axes()
None
# and the transformation instance is set to the "identity transform"
In [265]: print rect.get_transform()
<Affine object at 0x13695544>
# now we add the Rectangle to the Axes
In [266]: ax.add_patch(rect)
# and notice that the ax.add_patch method has set the axes
# instance
In [267]: print rect.get_axes()
Axes(0.125,0.1;0.775x0.8)
# and the transformation has been set too
In [268]: print rect.get_transform()
<Affine object at 0x15009ca4>
# the default axes transformation is ax.transData
In [269]: print ax.transData
<Affine object at 0x15009ca4>
# notice that the xlimits of the Axes have not been changed
In [270]: print ax.get_xlim()
(0.0, 1.0)
# but the data limits have been updated to encompass the rectangle
In [271]: print ax.dataLim.bounds
(1.0, 1.0, 5.0, 12.0)
# we can manually invoke the auto-scaling machinery
In [272]: ax.autoscale_view()
# and now the xlim are updated to encompass the rectangle
In [273]: print ax.get_xlim()
(1.0, 6.0)
# we have to manually force a figure draw
In [274]: ax.figure.canvas.draw()
有非常多的Axes
辅助方法用于创建基本艺术家并将它们添加到他们各自的容器中。 下表总结了他们的一部分,他们创造的Artist
的种类,以及他们在哪里存储它们。
辅助方法 | 艺术家 | 容器 |
---|---|---|
ax.annotate - 文本标注 |
Annotate |
ax.texts |
ax.bar - 条形图 |
Rectangle |
ax.patches |
ax.errorbar - 误差条形图 |
Line2D 和 Rectangle |
ax.lines 和 ax.patches |
ax.fill - 共享区域 |
Polygon |
ax.patches |
ax.hist - 直方图 |
Rectangle |
ax.patches |
ax.imshow - 图像数据 |
AxesImage |
ax.images |
ax.legend - 轴域图例 |
Legend |
ax.legends |
ax.plot - xy 绘图 |
Line2D |
ax.lines |
ax.scatter - 散点图 |
PolygonCollection |
ax.collections |
ax.text - 文本 |
Text |
ax.texts |
除了所有这些艺术家,Axes
包含两个重要的艺术家容器:XAxis
和YAxis
,它们处理刻度和标签的绘制。 它们被存储为实例变量xaxis
和yaxis
。 XAxis
和YAxis
容器将在下面详细介绍,但请注意,Axes
包含许多辅助方法,它们会将调用转发给Axis
实例,因此你通常不需要直接使用它们,除非你愿意。 例如,你可以使用Axes
辅助程序方法设置XAxis
刻度标签的字体大小:
for label in ax.get_xticklabels():
label.set_color('orange')
下面是轴域所包含的艺术家的总结
轴域属性 | 描述 |
---|---|
artists |
Artist 实例的列表 |
patch |
用于轴域背景的Rectangle 实例 |
collections |
Collection 实例的列表 |
images |
AxesImage 的列表 |
legends |
Legend 实例的列表 |
lines |
Line2D 实例的列表 |
patches |
Patch 实例的列表 |
texts |
Text 实例的列表 |
xaxis |
matplotlib.axis.XAxis 实例 |
yaxis |
matplotlib.axis.YAxis 实例 |
轴容器
matplotlib.axis.Axis
实例处理刻度线,网格线,刻度标签和轴标签的绘制。你可以分别为y轴配置左和右刻度,为x轴分别配置上和下刻度。 Axis
还存储在自动缩放,平移和缩放中使用的数据和视图间隔,以及Locator
和Formatter
实例,它们控制刻度位置以及它们表示为字符串的方式。
每个Axis
对象都包含一个label
属性(这是 pylab 在调用xlabel()
和ylabel()
时修改的东西)以及主和次刻度的列表。刻度是XTick
和YTick
实例,它包含渲染刻度和刻度标签的实际线条和文本基本类型。因为刻度是按需动态创建的(例如,当平移和缩放时),你应该通过访问器方法get_major_ticks()
和get_minor_ticks()
访问主和次刻度的列表。虽然刻度包含所有下面要提及的基本类型,Axis
方法包含访问器方法来返回刻度线,刻度标签,刻度位置等:
In [285]: axis = ax.xaxis
In [286]: axis.get_ticklocs()
Out[286]: array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
In [287]: axis.get_ticklabels()
Out[287]: <a list of 10 Text major ticklabel objects>
# note there are twice as many ticklines as labels because by
# default there are tick lines at the top and bottom but only tick
# labels below the xaxis; this can be customized
In [288]: axis.get_ticklines()
Out[288]: <a list of 20 Line2D ticklines objects>
# by default you get the major ticks back
In [291]: axis.get_ticklines()
Out[291]: <a list of 20 Line2D ticklines objects>
# but you can also ask for the minor ticks
In [292]: axis.get_ticklines(minor=True)
Out[292]: <a list of 0 Line2D ticklines objects>
下面是Axis
的一些有用的访问器方法的总结(它们拥有相应的setter
,如set_major_formatter
)。
访问器方法 | 描述 | |
---|---|---|
get_scale | 轴的比例,例如'log' 或'linear' |
|
get_view_interval | 轴视图范围的内部实例 | |
get_data_interval | 轴数据范围的内部实例 | |
get_gridlines | 轴的网格线列表 | |
get_label | 轴标签 - Text 实例 |
|
get_ticklabels | Text 实例的列表 - 关键字`minor=True |
False` |
get_ticklines | Line2D 实例的列表 - 关键字`minor=True |
False` |
get_ticklocs | Tick 位置的列表 - 关键字`minor=True |
False` |
get_major_locator | 用于主刻度的matplotlib.ticker.Locator 实例 |
|
get_major_formatter | 用于主刻度的matplotlib.ticker.Formatter 实例 |
|
get_minor_locator | 用于次刻度的matplotlib.ticker.Locator 实例 |
|
get_minor_formatter | 用于次刻度的matplotlib.ticker.Formatter 实例 |
|
get_major_ticks | 用于主刻度的Tick 实例列表 |
|
get_minor_ticks | 用于次刻度的Tick 实例列表 |
|
grid | 为主或次刻度打开或关闭网格 |
这里是个例子,出于美观不太推荐,它自定义了轴域和刻度属性。
import numpy as np
import matplotlib.pyplot as plt
# plt.figure creates a matplotlib.figure.Figure instance
fig = plt.figure()
rect = fig.patch # a rectangle instance
rect.set_facecolor('lightgoldenrodyellow')
ax1 = fig.add_axes([0.1, 0.3, 0.4, 0.4])
rect = ax1.patch
rect.set_facecolor('lightslategray')
for label in ax1.xaxis.get_ticklabels():
# label is a Text instance
label.set_color('red')
label.set_rotation(45)
label.set_fontsize(16)
for line in ax1.yaxis.get_ticklines():
# line is a Line2D instance
line.set_color('green')
line.set_markersize(25)
line.set_markeredgewidth(3)
plt.show()
刻度容器
matplotlib.axis.Tick
是我们从Figure
到Axes
再到Axis
再到Tick
的最终的容器对象。Tick
包含刻度和网格线的实例,以及上侧和下侧刻度的标签实例。 每个都可以直接作为Tick
的属性访问。此外,也有用于确定上标签和刻度是否对应x
轴,以及右标签和刻度是否对应y
轴的布尔变量。
刻度属性 | 描述 |
---|---|
tick1line |
Line2D 实例 |
tick2line |
Line2D 实例 |
gridline |
Line2D 实例 |
label1 |
Text 实例 |
label2 |
Text 实例 |
gridOn |
确定是否绘制刻度线的布尔值 |
tick1On |
确定是否绘制主刻度线的布尔值 |
tick2On |
确定是否绘制次刻度线的布尔值 |
label1On |
确定是否绘制主刻度标签的布尔值 |
label2On |
确定是否绘制次刻度标签的布尔值 |
这里是个例子,使用美元符号设置右侧刻度,并在y
轴右侧将它们设成绿色。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
# Fixing random state for reproducibility
np.random.seed(19680801)
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(100*np.random.rand(20))
formatter = ticker.FormatStrFormatter('$%1.2f')
ax.yaxis.set_major_formatter(formatter)
for tick in ax.yaxis.get_major_ticks():
tick.label1On = False
tick.label2On = True
tick.label2.set_color('green')
plt.show()