这里主要关注 Python Matplotlib 绘图的技术性内容，不讨论非技术性内容，例如论文中的绘图要求或偏好。

Matplotlib 介绍

matplotlib 是模仿 MATLAB 风格的 Python 2D 绘图库（3D 的功能比较弱，还是基于 2D 引擎勉强实现的），同时提供了两套 api：

  • 一个是面向过程的，主要调用 matplotlib.pyplot 的函数；
  • 一个是面向对象的，主要使用 matplotlib.figure.Figure 和 matplotlib.axes.Axes 两类对象的方法进行细节操作。

面向过程的 api 适合简易使用的场景，但是不容易弄清原理；为了更复杂的绘图要求，这里主要采用面向对象的 api。 （MATLAB 绘图也是一样的问题，而且主要都在使用面向过程的接口）

关于绘图的呈现方式，在 Jupyter 中很可能会自动绘图而不需要 plt.show()，这与魔法指令 %matplotlib inline 有关。

在笔记中，需要使用如下模块：

1
2
3
import numpy as np
import matplotlib
import matplotlib.pyplot as plt

由于 matplotlib 的内容太多太杂，这里只会介绍最容易理解的，最本质的面向对象的接口，然后作为辅助会介绍其它等价的，或者更方便的调用方式。但是 matplotlib 的面向对象其实有很多层，在每一层都可能为同一个功能提供了等价的接口，这里为了简化笔记，主要考虑 Figure 和 Axes 层面提供的接口。

由于个人目前不需要使用各种统计图，因此这里不作讨论。

简单例子

面向过程风格的绘图例子如下，主要是 plt 的函数调用：

1
2
3
4
5
plt.plot(
    np.linspace(0, 5, 100),
    (lambda x: np.cos(2 * np.pi * x) * np.exp(-x))(np.linspace(0, 5, 100)),
)
plt.title("eg-1-1")

面向对象风格的绘图例子如下，主要是画布和子图的方法调用：

1
2
3
4
5
6
fig, ax = plt.subplots()
ax.plot(
    np.linspace(0, 5, 100),
    (lambda x: -np.cos(2 * np.pi * x) * np.exp(-x))(np.linspace(0, 5, 100)),
)
ax.set_title("eg-1-2")

基本概念

对于一个图像，matplotlib 将其分成了两层主要的概念：

  • Figure 层，可以理解为整个画布，控制整体的尺寸，标题等；
  • Axes 层，可以理解为一个子图或者子图的数组，这里的子图通常有两个坐标轴，以及具体数据图像和细节组成，因此名称为 Axes。一个 Figure 对象可以包括多个子图，达到多个子图并列放置的效果。

这两个概念非常难以翻译，因此下面主要使用英文。

一个 Figure 上主要有如下的元素：

  • Title 标题，这里存在 Figure 标题和 Axes 标题的区分
  • Legend 图例
  • x Axis, y Axis 坐标轴
  • xlabel, ylabel 坐标轴标签
  • Grid 网格
  • Line 线条
  • Markers 标记
  • Major tick, Minor tick 主刻度，副刻度
  • Major tick label 主刻度标签
  • Spine 边框线

各个元素如下图所示 https://matplotlib.org/stable/_images/anatomy.png

也可以参考下面这张图 https://github.com/guanyingc/latex_paper_writing_tips

创建 Figure 和 Axes

创建 Figure

创建 Figure 对象的常见写法如下

1
2
fig = plt.figure()
fig = plt.figure(figsize=(4, 3))

常用参数的含义：

  • figsize 尺寸，依次为横向宽度和纵向高度，单位为英寸，例如 figsize=(5,2.7)
  • dpi 分辨率
  • facecolor 背景颜色
  • edgecolor 边框颜色
  • frameon 是否显示边框

关于 dpi 选项，需要一些额外的说明：

  • 默认 dpi 通常为 100（具体取值由配置决定）。对于 PNG 等位图，在 figsize 不变时，dpi 越大，像素尺寸越大，文件通常也越大；对于 PDF、SVG 等矢量格式，曲线和文字并不依赖 dpi 提高清晰度。
  • 在交互式显示时通常不必设置过大的 dpi；导出位图时再按用途指定，例如 dpi=300。

添加 Axes

Figure 可以暂时不含 Axes；但通常的数据绘图要在 Axes 的坐标轴体系中完成。

在Figure上添加一个 Axes 对象可以使用下面的语句

1
2
fig = plt.figure()
ax = fig.add_subplot(111)

多个 Axes 在同一个 Figure 上是按照矩阵格式排列布局的，例如 3 行 2 列一共 6 个位置，当然并不要求填满所有位置。 可以使用如下方式，依次添加 Axes 对象，需要给出整体的行列数以及自身的序号（从 1 开始）

1
2
3
4
5
6
7
8
fig = plt.figure()

ax1 = fig.add_subplot(3,2,1)
ax2 = fig.add_subplot(3,2,2)
ax3 = fig.add_subplot(3,2,3)
ax4 = fig.add_subplot(3,2,4)
ax5 = fig.add_subplot(3,2,5)
ax6 = fig.add_subplot(3,2,6)

得到的空给框架如下（这里的刻度尺都是动态的，会随着填入数据的范围而调整）

对于上面函数中小的个位数索引（即总位置不超过 9 个），可以直接拼成一个三位数参数，例如

1
2
3
4
ax1 = fig.add_subplot(3,2,1)

# i.e.
ax1 = fig.add_subplot(321)

注意：如果反复添加 Axes，它们可能会相互重叠显示，显得非常混乱。

一次性创建 Figure 并添加 Axes

对于多行多列的矩阵布局，先创建 Figure，然后一个个添加 Axes 非常繁琐，可以使用pyplot 提供的 plt.subplots 接口一次性完成。

例如，创建一个Figure并添加一个Axes

1
2
3
fig, ax = plt.subplots()

type(ax) # matplotlib.axes._axes.Axes

例如，创建一个Figure并添加多个Axes

1
2
3
4
fig, axes = plt.subplots(3,2)

type(axes) # numpy.ndarray
print(axes.shape) # (3,2)

通过访问这个数组的分量来实现对每一个 Axes 的修改。

需要注意的是，还有一个名称非常相似的接口 plt.subplot，它是面向过程绘图的接口，含义是为当前的 Figure 添加一个 Axes。

绘制曲线

使用 Axes 的 plot 方法绘制曲线图，假设 x,y,x2,y2 都是一维的数组，那么可以使用下面几种方式绘制曲线：

  • ax.plot(y)：一条散点连成的曲线，横坐标取从0开始的整数，纵坐标取自y
  • ax.plot(x,y)：一条散点连成的曲线，横坐标取自x，纵坐标取自y
  • ax.plot(x,y,x2,y2)：两条曲线，第一条横坐标取自x，纵坐标取自y，第二条横坐标取自x2，纵坐标取自y2

还可以附加一些细节参数，例如颜色，曲线样式，图例等，下面依次介绍。

颜色 color

几个常用的颜色及其缩写如下：

  • 蓝色 blue-b
  • 绿色 green-g
  • 红色 red-r
  • 白色 white-w
  • 黑色 black-k（因为b已经被blue占用）
  • 金黄色 yellow-y
  • 蓝绿色（青色）cyan-c
  • 品红色 magenta-m

可以使用关键字参数设置固定的颜色 color='red' 或者使用十六进制的颜色编码如 color='#32CD32'。支持如下的简写：

  • 将常用颜色使用简写，例如 color='r'
  • 将关键字 color 简写为 c，例如 c='r'

例如：（这里白色的线和背景重了看不出来）

1
2
3
4
5
6
7
8
9
fig, ax = plt.subplots(figsize=(7, 5))

data = 10 + 0.4 * np.random.randn(9, 100)
colors = ["blue", "green", "red", "white", "black", "yellow", "cyan", "m",'#32CD32']

for i, item in enumerate(colors):
    ax.plot(data[i] - i, color=item, label=item)

ax.legend()

曲线样式 linestyle

支持的曲线样式如下：

  • 实线（默认）：solid，简写 -
  • 短虚线（点虚线）：dotted，简写 :
  • 长虚线（破折线）：dashed，简写 --
  • 长短交错虚线（点划线）：dashdot，简写 -.
  • 不画线（什么也没有）：None，简写 "" 或者 ''

可以使用关键字参数 linestyle='dotted' 设置曲线样式。支持如下的简写：

  • 将曲线样式使用简写，例如 linestyle=':'
  • 将关键字 linestyle 简写为 ls，例如 ls='-.'

例如

1
2
3
4
5
6
7
8
9
10
11
fig, ax = plt.subplots(figsize=(7, 5))


style = ["solid", "dotted", "dashed", "dashdot", "None" ]

data = 10 + 0.4 * np.random.randn(len(style), 100)

for i, item in enumerate(style):
    ax.plot(data[i] - i,linestyle=item,label=item)

ax.legend()

还支持调整线的宽度（linewidth，简称 lw），线宽的默认值是 1.5（MATLAB 的线宽默认是 0.5），例如

1
2
3
4
5
6
fig, ax = plt.subplots(figsize=(4, 3))

data = np.sin(np.linspace(0, 2 * np.pi, 100))

ax.plot(data,lw=5)
ax.plot(data+0.5)

设置线宽是高频使用的选项，无论是 matplotlib 还是 MATLAB 绘图，因为前者的默认线宽 1.5 略粗，后者的默认线宽 0.5 略细。

绘图标记 marker

常用的点的标记如下：

  • 点 '.'
  • 像素点 ','
  • 实心圆 'o' （小写字母 o）
  • 星号 '*'
  • 乘号 'x'
  • 加号 '+'
  • 菱形 'D'，瘦菱形 'd'
  • 正方形 's'
  • 三角形 '^','<','v','>'（不同的四个朝向）

可以使用关键字参数 marker='*' 设置绘图标记。

例如：（这里像素点根本看不清）

1
2
3
4
5
6
7
8
9
10
11
fig, ax = plt.subplots(figsize=(7, 5))

markers = [".", ",", "o", "*", "x", "D", "d", "s", "^"]
data = np.sin(np.linspace(0, 2 * np.pi, 10 * len(markers)))

ax.plot(data)

for i, item in enumerate(markers):
    ax.plot(i * 10, data[i * 10], label=item, marker=item)

ax.legend()

关于绘图标记，我们还可以指定标记的大小（markersize 简写 ms），内部填充颜色（markerfacecolor 简写 mfc），边框填充颜色（markeredgecolor 简写 mec），例如

1
2
3
4
5
fig, ax = plt.subplots(figsize=(4, 3))

data = np.random.randn(7)

ax.plot(data, marker = 'o', ms = 10, mec = 'r')

MATLAB 默认是不会填充标记的内部，呈现的是空心的标记，但是 matplotlib 的默认行为是填充，可以通过 markerfacecolor="none" 选项阻止填充。

如果数据很多，不需要在每一个数据点绘制标记，否则标记会堆叠在一起，掩盖数据，可以通过 markevery 选项控制，例如

1
2
3
4
5
6
7
fig, ax = plt.subplots()
ax.plot(
    np.linspace(0, 5, 100),
    (lambda x: -np.cos(2 * np.pi * x) * np.exp(-x))(np.linspace(0, 5, 100)),
    marker="o",
    markevery=5,
)

markevery 选项如果提供的是一个值，代表间隔，如果提供两个数组成的元组，则第一个元素为起始的偏移量，第二个元素为间隔，可以用来错开多条曲线的标记。

使用 linestyle='',marker='o' 可以达到散点图的效果，例如

1
2
3
4
5
fig, ax = plt.subplots(figsize=(4, 3))

data = np.random.randn(7)

ax.plot(data, ls='',marker = 'o', ms = 5)

当然也可以使用专门的散点图接口 ax.scatter。

fmt 参数

对于曲线常用的标记、样式、颜色三种设置，可以把相应的简写合并为一个字符串参数，这里每一个部分都是可选的，顺序也是任意的。

1
'[marker][line][color]'

例如：

  • o:r 圆点，点虚线，红色
  • go-- 绿色圆点，破折线

示例如下

1
2
3
4
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 2 * np.pi, 20)
ax.plot(x,np.sin(x),'o:r')

图像细节

标题和轴标签

支持两层标题：Figure 可以使用 suptitle 设置标题，Axes 可以使用 set_title 设置标题。

例如

1
2
3
4
5
6
7
8
9
10
fig, axes = plt.subplots(1,2,figsize=(7, 3))

x = np.linspace(0, 2 * np.pi, 100)

axes[0].plot(x,np.sin(x))
axes[1].plot(x,np.cos(x))

axes[0].set_title("sin(x)")
axes[1].set_title("cos(x)")
fig.suptitle("fig-title")

可以给每一个坐标轴都可以加上轴标签：

1
2
ax.set_xlabel("x")
ax.set_ylabel("y")

例如

1
2
3
4
5
6
7
8
9
10
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 2 * np.pi, 100)

ax.plot(x,np.sin(x))

ax.set_xlabel("x")
ax.set_ylabel("y")

ax.set_title("sin(x)")

对于标题和轴标签这类的文本选项，有很多额外的选项：

  • 位置：例如 loc="left"，对于标题和 x 轴包括 "left","center","right" 选项，对于 y 轴包括 "top","center","bottom" 选项，默认都是居中
  • 颜色：例如 color='r'
  • 字体：例如 fontfamily = 'sans-serif'，注意默认不支持中文显示。
  • 字体大小：例如 fontsize=18
  • 字体样式：例如 fontstyle='oblique'

图例

对每一条曲线加上 label，然后使用 Axes.legend() 显示图例，注意 legend() 调用必须在所有 label 之后。

例如

1
2
3
4
5
6
7
8
9
10
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 2 * np.pi, 100)

ax.plot(x,np.sin(x),label='sin(x)')
ax.plot(x,np.cos(x),label='cos(x)')

ax.legend()
ax.set_xlabel("xlabel",loc='right')
ax.set_ylabel("ylabel",loc='top')

可以对图例进行细节调整，包括加上单独的标题，移除边框，指定位置等。（当然这些细节也可以通过 GUI 界面进行调整）

例如

1
2
3
4
5
6
7
8
9
10
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 2 * np.pi, 100)

ax.plot(x, np.sin(x), label="sin(x)")
ax.plot(x, np.cos(x), label="cos(x)")

ax.legend(title="Legends", loc="best", frameon=False, fontsize=10)
ax.set_xlabel("xlabel", loc="right")
ax.set_ylabel("ylabel", loc="top")

matplotlib 图例的默认样式与 MATLAB 有很多差异，例如图例边框的形状和颜色，图例背景透明度等。

网格线

函数原型为

1
Axes.grid(visible=None, which='major', axis='both', **kwargs)

其中主要参数：

  • visible 可见性
  • which 绘制主刻度还是辅助刻度的网格线，支持选项 'major','minor','both'，默认 'major' 只绘制主刻度的网格线
  • axis 绘制从 x 轴或 y 轴发出的网格线，支持选项 'both','x','y'，默认 'both'

可以简单地使用 ax.grid() 开启网格线，还可以指定网格线更复杂的细节（样式，宽度，颜色，透明度 alpha 等）。

例如

1
2
3
4
5
6
7
8
9
10
11
12
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 2 * np.pi, 100)

ax.plot(x,np.sin(x),label='sin(x)')
ax.plot(x,np.cos(x),label='cos(x)')

ax.grid(ls=':', lw=1, color='r',alpha=0.3)

ax.legend()
ax.set_xlabel("xlabel",loc='right')
ax.set_ylabel("ylabel",loc='top')

轴的单位长度比

可以手动设置 x 轴和 y 轴的单位长度的比例，默认是 auto，也就是会根据作图需要自动调整，可以改成相等或者某个固定的值。

1
2
3
4
5
ax.set_aspect('auto')

ax.set_aspect('equal')

ax.set_aspect(2)

例如

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
fig, ax = plt.subplots(figsize=(4, 4))

x = np.linspace(-1,1,100)

ax.plot(x,x,label='$x$')
ax.plot(x,x**2,label='$x^2$')
ax.plot(x,x**3,label='$x^3$')

ax.grid(ls=':', lw=1, color='r',alpha=0.3)

ax.legend()
ax.set_xlabel("xlabel",loc='right')
ax.set_ylabel("ylabel",loc='top')

ax.set_aspect('equal')

边框隐藏

默认情况下作图会绘制四个边框，有时我们需要去掉某些边框，有两种方案：

  • 设置边框透明度为 0
  • 设置边框颜色为空

例如：

1
2
3
4
5
6
7
8
9
10
11
12
13
fig, ax = plt.subplots(figsize=(4, 4))

x = np.linspace(0,1,100)
ax.plot(x,x**2,label='$x^2$')

ax.legend()
ax.set_xlabel("xlabel",loc='right')
ax.set_ylabel("ylabel",loc='top')

ax.spines['right'].set_alpha(0)
ax.spines['top'].set_color('none')

ax.set_aspect('equal')

坐标轴范围

通常 Axes 的坐标轴范围会根据数据范围自动生成，并且相对数据本身范围有一定的冗余，可以使用下面的代码使得数据轴范围更紧。

1
2
3
ax.autoscale(tight=True)

plt.autoscale(tight=True)

某些数据图需要紧贴的效果，某些数据图则需要冗余，需要根据情况自行选择。

我们也可以手动指定坐标轴的范围（数据如果不在范围内就不会显示）

1
2
ax.set_xlim(-1,2)
ax.set_ylim(0,3)

例如

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
fig, ax = plt.subplots(figsize=(4, 4))

x = np.linspace(-1,1,100)
ax.plot(x,x**2,label='$x^2$')
ax.plot(x,x+1,label='$x+1$')

ax.legend()
ax.set_xlabel("xlabel",loc='right')
ax.set_ylabel("ylabel",loc='top')

ax.spines['right'].set_alpha(0)
ax.spines['top'].set_color('none')

ax.set_aspect('equal')

ax.set_xlim(-1,2)
ax.set_ylim(0,3)

坐标轴刻度

默认线性坐标轴通常只显示主刻度；某些样式或对数坐标轴会启用次刻度。如果需要，可以显式关闭。

最直接的面向对象写法如下

1
ax.minorticks_off()

如需分别控制两条轴，也可以把对应轴的次刻度定位器设为 matplotlib.ticker.NullLocator()。

可以指定一条轴上使用哪些刻度，使用 ax.set_xticks 方法传入一个数组。

例如

1
2
3
4
5
6
7
8
9
10
11
12
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 2 * np.pi, 100)

ax.plot(x,np.sin(x),label='sin(x)')
ax.plot(x,np.cos(x),label='cos(x)')

ax.legend()
ax.set_xlabel("xlabel",loc='right')
ax.set_ylabel("ylabel",loc='top')

ax.set_xticks([0,np.pi,2*np.pi])

我们可以同时指定刻度位置和标签。单独使用 set_xticklabels 容易使标签与刻度位置失配，不推荐这样做；应将标签作为 set_xticks 的第二个参数传入。例如

1
2
3
4
5
6
7
8
9
10
11
12
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 2 * np.pi, 100)

ax.plot(x,np.sin(x),label='sin(x)')
ax.plot(x,np.cos(x),label='cos(x)')

ax.legend()
ax.set_xlabel("xlabel",loc='right')
ax.set_ylabel("ylabel",loc='top')

ax.set_xticks([0, np.pi, 2 * np.pi], [r"$0$", r"$\pi$", r"$2\pi$"])

坐标轴刻度朝向

关于坐标轴的刻度朝向，matplotlib 默认刻度朝外（但是 MATLAB 默认刻度朝内），可以用下面的命令调整当前绘图窗口的刻度朝向

1
2
3
4
5
6
7
8
ax.tick_params(axis='x', direction='in')
ax.tick_params(axis='y', direction='in')

ax.tick_params(axis='x', direction='out')
ax.tick_params(axis='y', direction='out')

ax.tick_params(axis='x', direction='inout')
ax.tick_params(axis='y', direction='inout')

例如

1
2
3
4
5
6
7
8
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 3, 100)
y = np.exp(x)

ax.tick_params(axis='x', direction='in')
ax.tick_params(axis='y', direction='in')
ax.plot(x,y)

坐标轴比例

默认的坐标轴比例是线性的，但是我们可以指定对数，双对数等，使用 ax.set_yscale('log') 方法可以设置 y 轴为对数刻度，x 轴也同理。

例如

1
2
3
4
5
6
7
8
9
10
11
12
fig, axes = plt.subplots(1, 2, figsize=(7, 3))

x = np.linspace(0, 3, 100)
y = np.exp(x)

axes[0].plot(x,y)
axes[1].plot(x,y)

axes[0].set_title("linear")
axes[1].set_title("log")

axes[1].set_yscale("log")

批量设置 Axes 属性

前文中对 Axes 使用了各种 set_xxx 方法，实际可以打包为一个字典进行统一设置，例如

1
2
3
4
5
6
7
8
9
ax.set(
    title="Title",
    xlim=(0, 2),
    ylim=(-1, 1),
    xlabel="X",
    ylabel="Y",
    xticks=[0, 1, 2],
    yticks=[-1, 0, 1],
)

字体设置

设置字体为 Times New Roman

1
2
matplotlib.rcParams['font.family'] = 'serif'
matplotlib.rcParams['font.serif'] = ['Times New Roman']

让 text 支持 LaTeX（默认为 false）

1
matplotlib.rcParams['text.usetex'] = True

如果使用的 LaTeX 命令不被支持，需要加入额外的 LaTeX 宏包，例如

1
matplotlib.rcParams["text.latex.preamble"] = r"\usepackage{amsmath,amssymb,amsfonts}"

修改字体以支持中文

1
matplotlib.rcParams['font.sans-serif']=['SimHei']

如果负号被显示为方块，可以修改下面的配置

1
matplotlib.rcParams['axes.unicode_minus'] = False

显然这里要求系统中已经安装 LaTeX 或者对应字体，否则无法使用。

添加文字

可以使用 ax.text 向指定的 Axes 对象添加文字，位置是在 Axes 的 xy 轴坐标，文字可以有很多细节处理，这里略过。

1
2
def text(self, x, y, s, fontdict=None, **kwargs):
    ...

例如

1
2
3
4
5
6
7
8
9
fig, ax = plt.subplots(figsize=(4, 3))

x = np.linspace(0, 3, 100)
y = np.exp(x)

ax.plot(x,y)

ax.plot(1,np.e,'o:r')
ax.text(1+0.2,np.e-0.2,"(1,e)")

局部放大图

局部放大图需要额外添加一个 Axes，下面使用 Axes.inset_axes 提供一个示例。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
import numpy as np
import matplotlib.pyplot as plt

t = np.linspace(0, 2 * np.pi, 200)
a = np.sin(t)

fig, ax1 = plt.subplots()
ax1.plot(
    t,
    a,
    "-o",
    linewidth=1.0,
    markevery=3,
    markerfacecolor="none",
    markersize="5",
    markeredgewidth=1,
    label="sin(x)",
)
ax1.set_xlabel("$x$")
ax1.set_ylabel("$y$")
ax1.legend()

ax2 = ax1.inset_axes([0.05, 0.05, 0.2, 0.2])
ax2.plot(
    t,
    a,
    "-o",
    linewidth=1.0,
    markevery=3,
    markerfacecolor="none",
    markersize=5,
    markeredgewidth=1,
)
ax2.set_xlim(2.8, 3.2)
ax2.set_ylim(0, 0.2)
ax2.set_xticks([])
ax2.set_yticks([])

ax1.indicate_inset_zoom(ax2, edgecolor="black", linewidth=1)

plt.show()

图像保存

使用 fig.savefig 保存对应的 Figure。相较于依赖“当前 Figure”的 plt.savefig，这种写法更明确。

最基本的用法只需要提供文件名即可，会根据文件名后缀自动选择保存格式，例如 .png、.pdf、.svg 等。（如果不含后缀，会自动加上 .png 后缀）

1
fig.savefig("sine_curve.png")

当然也可以添加一些参数，例如

1
fig.savefig("sine_curve.png", dpi=300, bbox_inches='tight', transparent=False)

常见的可选参数及其含义如下：

  • dpi：分辨率，例如 dpi=300
  • transparent：是否透明，例如 transparent=True 设置透明背景，默认为 False
  • bbox_inches：边界框控制，可以设为 "tight" 或 None，可以使用 bbox_inches='tight' 裁剪外部的空白部分
  • pad_inches：边框内间距，通常与 bbox_inches 搭配使用，控制图像的边框留白细节
  • facecolor：背景色，影响绘图方框之外部分的颜色，例如 facecolor='grey'

在批量绘图或脚本长期运行时，绘图保存或使用完毕后应及时调用 plt.close(fig) 关闭，以免积累内存并触发 “More than 20 figures” 警告。

1
2
3
4
fig, ax = plt.subplots()
ax.plot([0, 1], [0, 1])
fig.savefig("line.png")
plt.close(fig)

如果使用面向过程的写法，不带参数的 plt.close() 会关闭当前 Figure：

1
2
3
plt.plot([0, 1], [0, 1])
plt.savefig("line.png")
plt.close()

关闭所有由 pyplot 管理的 Figure 可以使用 plt.close("all")。

在交互式环境中，如果还需要查看或操作 Figure，不要提前关闭；确认使用完毕后，既可以手动关闭窗口，也可以调用 plt.close(fig)。在 Jupyter 中批量生成图片时仍建议主动关闭。

动画

这里记录一下 Python 的 matplotlib 的动画效果，注意我们需要分别考虑如下两种运行环境，它们对于动画的支持是不一样的：

  • Jupyter Notebook、JupyterLab 或 VS Code 的 Notebook
  • 直接运行 Python 脚本

在 Jupyter 前端中，可以安装 ipympl 并启用交互式 widget 后端

1
%matplotlib widget

也可以使用 ani.to_jshtml() 或 ani.to_html5_video() 生成可嵌入 Notebook 的 HTML，而不依赖交互式后端。

在直接运行 Python 脚本时，Jupyter 的魔法指令是语法错误，对于动画而言，直接运行 Python 脚本反而比 Jupyter 更方便。

matplotlib 绘制动画主要包括两种方法：FuncAnimation 和 ArtistAnimation，下面的代码都需要导入如下的库

1
2
3
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation

FuncAnimation

FuncAnimation 的原理是首先绘制第一帧图像，然后逐帧调用更新函数进行修改，达到动画效果。

官方文档的示例如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
%matplotlib widget
fig, ax = plt.subplots()
t = np.linspace(0, 3, 40)
g = -9.81
v0 = 12
z = g * t**2 / 2 + v0 * t
v02 = 5
z2 = g * t**2 / 2 + v02 * t

scat = ax.scatter(t[0], z[0], c="b", s=5, label=f'v0 = {v0} m/s')
line2 = ax.plot(t[0], z2[0], label=f'v0 = {v02} m/s')[0]
ax.set(xlim=[0, 3], ylim=[-4, 10], xlabel='Time [s]', ylabel='Z [m]')
ax.legend()

def update(frame):
    # for each frame, update the data stored on each artist.
    x = t[:frame]
    y = z[:frame]
    # update the scatter plot:
    data = np.stack([x, y]).T
    scat.set_offsets(data)
    # update the line plot:
    line2.set_xdata(t[:frame])
    line2.set_ydata(z2[:frame])
    return (scat, line2)


ani = animation.FuncAnimation(fig=fig, func=update, frames=40, interval=30)
ani.save('demo.gif')
plt.show()

这里的参数含义依次为：

  • fig=fig：指定第一帧图像
  • func=update：指定更新函数，调用更新函数时会传递当前帧数 frame，额外的参数传递可以通过偏函数实现，启用 blit=True 时，更新函数必须返回所有被修改 Artist 的可迭代对象，例如
1
2
3
4
def update(frame, art, *, y=None):
    ...

ani = animation.FuncAnimation(fig=fig, func=partial(update, art=ln, y="foo"))
  • frames=40：一共绘制 40 帧，这里还可以传递迭代器，事实上直接使用数字类似于frames=range(40)
  • interval=30：两帧之间的间隔时间，单位毫秒，默认值为 200

还有一些可能需要的参数：参考官方文档

  • repeat: 是否重复，默认为 True
  • repeat_delay: 重复时的延时
  • init_func: 初始化函数，可以用于在第一帧之前清空图像
  • fargs: 传递给更新函数的额外参数，但是更建议用偏函数封装
  • blit：优化绘图效率，进行块状更新，默认为 False

例如

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
%matplotlib widget
w = 0.1
Lambda = 4
k = 2 * np.pi / Lambda

def update(t, w, k):
    x = np.linspace(0, 10, 100)
    y = np.cos(w * t - k * x)
    line.set_data((x, y))
    ax.set_xlim(0, 10)
    ax.set_ylim(-1, 1)
    return (line,)

fig, ax = plt.subplots()
(line,) = ax.plot([], [], lw=2)
ani = animation.FuncAnimation(fig=fig, func=update, frames=100, fargs=(w, k))
ani.save('demo2.gif')
plt.show()

ArtistAnimation

和前面的基于第一帧不断进行更新不同，ArtistAnimation 的原理是预先产生每一帧图像组成的列表，然后逐帧播放。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
%matplotlib widget
fig, ax = plt.subplots()

def f(x, y):
    return np.sin(x) + np.cos(y)

x = np.linspace(0, 2 * np.pi, 400)
y = np.linspace(0, 2 * np.pi, 300).reshape(-1, 1)

img_list = []
for i in range(100):
    x += np.pi / 15.
    y += np.pi / 20.
    im = ax.imshow(f(x, y), animated=True)
    img_list.append([im])

ani = animation.ArtistAnimation(fig, img_list, interval=200, blit=True)
plt.show()

注意这里不接受frames参数，也可以换成 FuncAnimation 等价实现

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
%matplotlib widget
fig, ax = plt.subplots()

def f(x, y):
    return np.sin(x) + np.cos(y)

x = np.linspace(0, 2 * np.pi, 400)
y = np.linspace(0, 2 * np.pi, 300).reshape(-1, 1)

im = ax.imshow(f(x, y), animated=True)

def update(*args):
    global x, y
    x += np.pi / 15.
    y += np.pi / 20.
    im.set_array(f(x, y))
    return im,

ani = animation.FuncAnimation(fig=fig, func=update, interval=200, frames=100, blit=True)
ani.save("demo3.gif",dpi=300)
plt.show()

注意：

  • 如果要提高输出动画的质量，首先需要完善绘图的细节，例如增加点数，然后在保存时可以指定 dpi，默认的 dpi 为 100，通常范围为 100-300。dpi 值越大，则图像越清晰，文件越大。
  • 在保存动画文件时，可能会报警告MovieWriter ffmpeg unavailable; using Pillow instead.，这是因为没有找到ffmpeg，手动下载即可：conda install ffmpeg

自定义绘图样式

Matplotlib 允许从下面两个层次进行绘图样式的定制：

  • matplotlib.style 模块
  • matplotlib.rcParams 字典

前者适合整套方案的切换，后者则适合精细控制单个参数，后者的优先级更高。

相比于在每一次绘图时进行的参数微调，这里讨论的两种方式都会产生全局性的影响。

matplotlib.style

1
import matplotlib.style

除了导入子模块，其实也可以通过 plt.style 直接访问。

下面介绍几个常用的功能。

列出可用的所有样式名称：（这是一个列表）

1
matplotlib.style.available

输出示例：

1
['classic', 'bmh', 'ggplot', 'dark_background', 'Solarize_Light2', ...]

加载一个或多个样式表（theme），会覆盖当前全局参数，例如

1
2
matplotlib.style.use('ggplot')
matplotlib.style.use(['dark_background', 'seaborn-v0_8'])

上面的样式修改是全局的，并且是持续性的。通常更建议使用 with 语句创建一个单独的上下文，在其中修改样式，退出后自动恢复原状。例如

1
2
with matplotlib.style.context('dark_background'):
    plt.plot([1, 2, 3])

这里的样式实际是一个 name.mplstyle 文件，内置样式通常存放在如下目录中

1
site-packages\matplotlib\mpl-data\stylelib

.mplstyle 文件实质就是一个 INI 格式的键值对文件，例如 dark_background.mplstyle 的完整内容如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
# Set black background default line colors to white.

lines.color: white
patch.edgecolor: white

text.color: white

axes.facecolor: black
axes.edgecolor: white
axes.labelcolor: white
axes.prop_cycle: cycler('color', ['8dd3c7', 'feffb3', 'bfbbd9', 'fa8174', '81b1d2', 'fdb462', 'b3de69', 'bc82bd', 'ccebc4', 'ffed6f'])

xtick.color: white
ytick.color: white

grid.color: white

figure.facecolor: black
figure.edgecolor: black

### Boxplots
boxplot.boxprops.color: white
boxplot.capprops.color: white
boxplot.flierprops.color: white
boxplot.flierprops.markeredgecolor: white
boxplot.whiskerprops.color: white

我们可以自行提供一个样式文件，然后手动导入，例如

1
2
with matplotlib.style.context("./my_style.mplstyle"):
    plt.plot([1, 2, 3])

也可以通过传入一个字典进行样式修改，例如

1
2
3
custom_style = {'lines.linewidth': 3, 'axes.titlesize': 14}
with matplotlib.style.context(custom_style):
    plt.plot([1, 2, 3])

可以考虑使用第三方库 SciencePlots，它提供了科研绘图风格的一些样式文件。

matplotlib.rcParams

matplotlib.rcParams 是一个全局生效的键值对字典实例，用于保存和配置绘图参数，优先级高于之前加载的样式。

下面的代码中的 matplotlib.rcParams 都可以替换为 plt.rcParams，后者的使用更加方便。

可以直接对字典进行修改，例如

1
2
matplotlib.rcParams['font.size'] = 14
matplotlib.rcParams['lines.linewidth'] = 1

也可以用下面的接口设置某一类参数

1
matplotlib.rc('lines', linewidth=1, linestyle='--')

效果等价于

1
2
matplotlib.rcParams['lines.linewidth'] = 1
matplotlib.rcParams['lines.linestyle'] = '--'

这里的修改都是持续生效的，可以用下面的函数将其恢复为默认值。

1
matplotlib.rcdefaults()

与 matplotlib.style.context 类似，更建议使用 matplotlib.rc_context 创建一个临时的上下文，此时可以传入改动的参数字典

1
2
with matplotlib.rc_context({'font.size': 18, 'axes.titlesize': 20}):
    plt.plot([1, 2, 3])

常见配置选项

下面是一些经常进行全局修改的绘图选项。

设置衬线字体和支持 LaTeX

1
2
3
text.usetex: True
font.family: serif
font.serif: Times New Roman

调整字号（这里统一设置为 14 是为了省事，实际绘图时根据需要，可以把特定文字调大或调小）

1
2
3
4
5
6
font.size: 14
axes.labelsize: 14
axes.titlesize: 14
xtick.labelsize: 14
ytick.labelsize: 14
legend.fontsize: 14

调整线宽，轴线宽和 marker 大小

1
2
lines.linewidth: 1.0
axes.linewidth: 1.0

调整 marker 大小和样式（默认实心，这里将其设置为空心）

1
2
3
lines.markersize: 5
lines.markerfacecolor: none
lines.markeredgecolor: auto

设置坐标轴刻度朝内（默认朝外）

1
2
xtick.direction: in
ytick.direction: in

调整图例样式（默认 edgecolor 是灰色，framealpha 是 0.8）

1
2
3
legend.facecolor: white
legend.edgecolor: black
legend.framealpha: 1.0

将其汇总整理如下（保存为单独的文件 myplot.mplstyle）

这里使用 constrained layout。它比 figure.autolayout 所启用的 tight layout 更灵活，尤其适合多子图、colorbar 和嵌套布局。单张图也可以在创建时显式写成 plt.subplots(layout="constrained")；不要再对同一张图调用 tight_layout()。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
savefig.dpi: 300
figure.constrained_layout.use: True
text.usetex: True
font.family: serif
font.serif: Times New Roman
pdf.fonttype: 42
ps.fonttype: 42
font.size: 14
axes.labelsize: 14
axes.titlesize: 14
xtick.labelsize: 14
ytick.labelsize: 14
legend.fontsize: 14
lines.linewidth: 1.0
lines.markersize: 5
axes.linewidth: 1.0
lines.markerfacecolor: none
lines.markeredgecolor: auto
xtick.direction: in
ytick.direction: in
legend.facecolor: white
legend.edgecolor: black
legend.framealpha: 1.0

或者直接复制如下代码片段并运行

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import matplotlib.pyplot as plt


plt.rcParams.update({
    "savefig.dpi": 300,
    "figure.constrained_layout.use": True,
    "text.usetex": True,
    "font.family": "serif",
    "font.serif": ["Times New Roman"],
    "pdf.fonttype": 42,
    "ps.fonttype": 42,
    "font.size": 14,
    "axes.labelsize": 14,
    "axes.titlesize": 14,
    "xtick.labelsize": 14,
    "ytick.labelsize": 14,
    "legend.fontsize": 14,
    "lines.linewidth": 1.0,
    "lines.markersize": 5,
    "axes.linewidth": 1.0,
    "lines.markerfacecolor": "none",
    "lines.markeredgecolor": "auto",
    "xtick.direction": "in",
    "ytick.direction": "in",
    "legend.facecolor": "white",
    "legend.edgecolor": "black",
    "legend.framealpha": 1.0,
})

测试代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
import numpy as np
import matplotlib.pyplot as plt
# %% Example 1
h = np.array([1 / 4, 1 / 8, 1 / 16, 1 / 32, 1 / 64, 1 / 128])

fig, ax = plt.subplots()
ax.loglog(h, h, "o-", label="1st order")
ax.loglog(h, h**2, "s-", label="2nd order")
ax.loglog(h, h**4, "^-", label="4th order")
ax.set_xlabel("h")
ax.set_ylabel("Error")
ax.set_title("Default Matplotlib Style")
ax.grid(True)
ax.minorticks_off()
ax.legend()
fig.savefig("python-plot-1-default.png")
plt.close(fig)

with plt.style.context("./myplot.mplstyle"):
    fig, ax = plt.subplots()
    ax.loglog(h, h, "o-", label="1st order")
    ax.loglog(h, h**2, "s-", label="2nd order")
    ax.loglog(h, h**4, "^-", label="4th order")
    ax.set_xlabel("h")
    ax.set_ylabel("Error")
    ax.set_title("Scientific Style")
    ax.grid(True)
    ax.minorticks_off()
    ax.legend()
    fig.savefig("python-plot-1-science.png")
    plt.close(fig)


# %% Example 2
def func(x, p):
    return x ** (2 * p + 1) / (1 + x ** (2 * p))


x = np.linspace(0.75, 1.25, 201)
plist = [10, 15, 20, 30, 50, 100]

fig, ax = plt.subplots()
for p in plist:
    ax.plot(x, func(x, p), label=f"p={p}")
ax.autoscale(tight=True)
ax.set_xlabel("$x$")
ax.set_ylabel("$y$")
ax.set_title("Default Matplotlib Style")
ax.legend()
fig.savefig("python-plot-2-default.png")
plt.close(fig)

with plt.style.context("./myplot.mplstyle"):
    fig, ax = plt.subplots()
    for p in plist:
        ax.plot(x, func(x, p), label=f"$p={p}$")
    ax.autoscale(tight=True)
    ax.set_xlabel("$x$")
    ax.set_ylabel("$y$")
    ax.set_title("Scientific Style")
    ax.legend()
    fig.savefig("python-plot-2-science.png")
    plt.close(fig)

Example 1

python-plot-1-default python-plot-1-science

Example 2

python-plot-2-default python-plot-2-science