Matplotlib 簡介與常用技巧
Contents
5. Matplotlib 簡介與常用技巧¶
5.1. 通用技巧¶
5.1.1. Importing Matplotlib¶
標準的簡寫是
mpl和plt
import matplotlib as mpl
import matplotlib.pyplot as plt
5.1.2. Setting Styles¶
繪圖的風格，可以用
plt.style來設定，我們先用經典款 (classic) 的風格，就會很 matplotlib:
plt.style.use('classic')
5.1.3. show() or No show()?¶
有三個環境可以讓你用 matplotlib.
.py的 script 中.IPython的 terminal 中.Jupyter Notebook中。
5.1.3.1. 在 .py 文件中，要用 plt.show().¶
如果是在 script 中使用 matplotlib，就可以善用
plt.show()。執行 code 後，他會彈出視窗來顯示。舉例來說，我有一個
myplot.py這個 script 如下
# ------- file: myplot.py ------
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))
plt.show()
那我在 terminal 去 run 這個 script時，就會彈出視窗
$ python myplot.py
plt.show()在做的是，開啟一個事件迴圈，檢查目前活躍中的圖表物件，然後開啟一個交互式的視窗來顯示圖表要注意的是，
plt.show()在每個 python session 中，只會使用一次，通常都放在 script 的最末端。避免寫多個plt.show()
5.1.3.2. 在 IPython shell中，用 %matplotlib 就好，不用 plt.show()¶
在 Ipython shell 中，可以用
%matplotlib這個 magic command，例如以下：
In [1]: %matplotlib
Using matplotlib backend: TkAgg
In [2]: import matplotlib.pyplot as plt
之後就不需要再下
plt.show()了。你每次的繪圖，他都會開啟圖表視窗。
5.1.3.3. 在 Jupyter notbooke 中，用 %matplotlib inline 將靜態圖型嵌入¶
用
%matplotlib inline，可把靜態圖型嵌入，就不需要plt.show()了.用
%matplotlib notebook，可把互動式圖型嵌入，也不需要plt.show().直接來看例子：
%matplotlib inline
import numpy as np
x = np.linspace(0, 10, 100)
fig = plt.figure()
plt.plot(x, np.sin(x), '-')
plt.plot(x, np.cos(x), '--');
5.1.4. Saving Figures to File¶
當我們用
fig = plt.figure()去 initialize 一個 instance後，就可以用fig.savefig()，把圖片存成各種格式 (e.g.jpeg,jpg,png,pdf, …;)要注意的是，不需要再寫
plt.show()了
fig.savefig('figures/my_figure.png')
我們可以用
IPython.display裡面的Imagefunction，來讀取圖片檔，驗證看看我剛剛寫出來的圖片：
from IPython.display import Image
Image('figures/my_figure.png')
在 savefig() 中，靠副檔名來得知要存成啥格式。有許多不同檔案格式可以用，我們可透過 cavas 物件的 get_supported_filetypes() 這個 method，來看看支援哪些格式：
fig.canvas.get_supported_filetypes()
{'eps': 'Encapsulated Postscript',
'jpg': 'Joint Photographic Experts Group',
'jpeg': 'Joint Photographic Experts Group',
'pdf': 'Portable Document Format',
'pgf': 'PGF code for LaTeX',
'png': 'Portable Network Graphics',
'ps': 'Postscript',
'raw': 'Raw RGBA bitmap',
'rgba': 'Raw RGBA bitmap',
'svg': 'Scalable Vector Graphics',
'svgz': 'Scalable Vector Graphics',
'tif': 'Tagged Image File Format',
'tiff': 'Tagged Image File Format'}
5.2. Matplotlib 的雙介面¶
matplotlib的雙介面蠻容易讓人搞混的：
MATLAB-style state-based interface (就是我們最常看到的那種)
物件導向的 interface.
我們很快的來比較一下：
5.2.1. MATLAB-style Interface¶
Matplotlib原本是寫給 Python user 的一個 MATLAB 介面，所以語法都很像。
例如下面的例子，就超 MATLAB
plt.figure() # create a plot figure
# create the first of two panels and set current axis
plt.subplot(2, 1, 1) # (rows, columns, panel number)
plt.plot(x, np.sin(x))
# create the second panel and set current axis
plt.subplot(2, 1, 2)
plt.plot(x, np.cos(x));
print(plt.gcf())
print(plt.gca())
Figure(432x288)
AxesSubplot(0.125,0.125;0.775x0.352273)
這邊要注意的是，這個 interface 是
stateful： 他會 keeps track of the “current” figure and axes。例如，你可以用
plt.gcf()去 get current figure; 用plt.gca()去 get current axes儘管這種 stateful interface 拿來畫簡單的圖形時，又快又方便，但也很容易遇到問題。
例如，當你畫好 second panel 後，你要怎麼去改 first panel？
事實上是可以改，只是很難改。所以，就有另一種 interface 的出現 -> OOP 的介面
5.2.2. Object-oriented interface¶
物件導向的介面，可以讓你畫出更複雜的圖，也讓你對圖表又更多的控制
舉例如下：
# First create a grid of plots
# ax 是一個 array，裡面放 2 個 axis objects
fig, ax = plt.subplots(2)
# 在適當的物件上，呼叫 plot() method
ax[0].plot(x, np.sin(x))
ax[1].plot(x, np.cos(x));
從 syntax 來看，可以發現，用
plt.subplots()後，就得到 fig 和 ax 兩個物件。後續就是用這些物件的 method 來畫至於要用哪一種介面，就看問題的情況。之後會有很多例子來練習。從 code 的角度來看，也僅僅是
plt.plot()或是ax.plot()的差別而已。