Matplotlib 用户指南 User Guide

matplotlib-user-guide

User Manual:

Open the PDF directly: View PDF .
Page Count: 228 [warning: Documents this large are best viewed by clicking the View PDF Link!]

1.1
1.2
1.3
1.4
1.4.1
1.4.2
1.4.3
1.4.4
1.4.5
1.4.6
1.4.7
1.4.8
1.4.9
1.5
1.5.1
1.5.2
1.5.3
1.5.4
1.5.5
1.5.6
1.5.7
1.5.8
1.6
1.6.1
1.6.2
1.6.3
1.7
1.8
1.8.1
1.8.2
1.8.3
1.9
1.9.1
1.9.2
1.10
目錄
Matplotlib用户指南
简介
安装
教程
Pyplot教程
图像教程
使用GridSpec自定义子图位置
密致布局教程
艺术家教程
图例指南
变换教程
路径教程
路径效果指南
处理文本
引言
基本的文本命令
文本属性及布局
默认字体
标注
编写数学表达式
使用LaTeX渲染文本
XeLaTeX/LuaLaTeX设置
颜色
指定颜色
选择颜色表
颜色表标准化
自定义matplotlib
交互式绘图
交互式导航
在PythonShell中使用matplotlib
事件处理及拾取
所选示例
屏幕截图
我们最喜欢的秘籍
术语表
1

Matplotlib用户指南

来源：User'sGuide

译者：飞龙

协议：CCBY-NC-SA4.0

在线阅读

PDF格式

EPUB格式

MOBI格式

代码仓库

赞助我

Matplotlib用户指南

简介

原文：Introduction

译者：飞龙

协议：CCBY-NC-SA4.0

Matplotlib是一个用于在Python中绘制数组的2D图形库。虽然它起源于模仿

MATLAB®[1]图形命令，但它独立于MATLAB，可以以Pythonic和面向对象的方

式使用。虽然Matplotlib主要是在纯Python中编写的，但它大量使用NumPy和其

他扩展代码，即使对于大型数组也能提供良好的性能。

Matplotlib的设计理念是，你应该能够使用几个，或者只有一个命令创建简单的图

形。如果你想看到你的数据的直方图，你不需要实例化对象，调用方法，设置属性

等等；它应该能够工作。

多年来，我常常使用MATLAB进行数据分析和可视化。MATLAB擅长绘制漂亮的

图形。当我开始处理EEG数据时，我发现我需要编写应用程序来与我的数据交

互，并在MATLAB中开发了一个EEG分析应用程序。随着应用程序越来越复杂，

需要与数据库，http服务器交互，并操作复杂的数据结构，我开始与MATLAB作

为一种编程语言的限制而抗争，并决定迁移到Python。Python作为一种编程语

言，弥补了MATLAB的所有缺陷，但我很难找到一个2D绘图包（3DVTK则超过

了我的所有需求）。

当我去寻找一个Python绘图包时，我有几个要求：

绘图应该看起来不错-发布质量。对我来说一个重要的要求是文本看起来不错

（抗锯齿等）

用于包含TeX文档的Postscript输出

可嵌入图形用户界面用于应用程序开发

代码应该足够容易，我可以理解它，并扩展它

绘图应该很容易

没有找到适合我的包，我做了任何自称Python程序员会做的事情：撸起我的袖子

开始自己造。我没有任何真正的计算机图形经验，决定模仿MATLAB的绘图功

能，因为MATLAB做得很好。这有额外的优势，许多人有很多MATLAB的经验，

因此，他们可以很快开始在python中绘图。从开发人员的角度来看，拥有固定的

用户接口（pylab接口）非常有用，因为代码库的内容可以重新设计，而不会影响

用户代码。

Matplotlib代码在概念上分为三个部分：pylab接口是由 matplotlib.pylab提供

的函数集，允许用户使用非常类似于MATLAB图生成代码（Pyplot教程）的代码

创建绘图。Matplotlib前端或MatplotlibAPI是一组重要的类，创建和管理图形，

文本，线条，图表等（艺术家教程）。这是一个对输出无所了解的抽象接口。后端

是设备相关的绘图设备，也称为渲染器，将前端表示转换为打印件或显示设备（什

么是后端？）。后端示例：PS创建PostScript®打印件，SVG创建可缩放矢量图

简介

形打印件，Agg使用Matplotlib附带的高质量反颗粒几何库创建PNG输出，GTK

在Gtk+应用程序中嵌入Matplotlib，GTKAgg使用反颗粒渲染器创建图形并将其嵌

入到Gtk+应用程序中，以及用于PDF，WxWidgets，Tkinter等。

Matplotlib被很多人在许多不同的上下文中使用。有些人希望自动生成PostScript

文件以发送给打印机或发布商。其他人在Web应用程序服务器上部署Matplotlib

来生成PNG输出，并包含在动态生成的网页中。一些人在Windows™上的

Tkinter的Pythonshell中以交互方式使用Matplotlib。我的主要用途是将

Matplotlib嵌入Windows，Linux和MacintoshOSX上运行的Gtk+EEG应用程

序中。

[1]MATLAB是MathWorks公司的注册商标。

简介

安装

原文：Installing

译者：飞龙

协议：CCBY-NC-SA4.0

有许多安装matplotlib的不同方法，最好的方法取决于你使用的操作系统，已经安

装的内容以及如何使用它。为了避免涉及本页上的所有细节（和潜在的复杂性），

有几个方便的选项。

安装预构建包

多数平台：Python科学分发包

第一个选项是使用已经内置matplotlib的预打包的Python分发包。

Continuum.ioPython分发包（Anaconda或miniconda）和Enthought分发包

（Canopy）都是『在Windows，OSX和主流Linux平台开箱即用并正常工作』的

出色选择。这两个分发包包括matplotlib和许多其他有用的工具。

Linux：使用你的包管理器

如果你是用Linux，你可能更倾向于使用包管理器。matplotlib是用于多数主流

Linux发行版的包。

Debian/Ubuntu：sudoapt-getinstallpython-matplotlib

Fedora/Redhat：sudoyuminstallpython-matplotlib

MacOSX：使用 pip

如果你使用MacOS，你可以使用Python标准安装程序 pip来安装matplotlib二

进制。参见安装MacOS二进制轮子。

Windows

如果你还没有安装Python，我们建议使用兼容SciPy技术栈的Python分发版本，

如WinPython，Python(x,y)，EnthoughtCanopy或ContinuumAnaconda，它们

含有matplotlib和它的许多依赖，并预装了其他有用的软件包。

对于Python的标准安装，可以使用 pip安装matplotlib：

python-mpipinstall-Upipsetuptools

python-mpipinstallmatplotlib

安装

如果没有为所有用户安装Python2.7或3.4，则需要安装MicrosoftVisualC++

2008（对于Python2.7为64位或32位）或MicrosoftVisualC++2010（对于

Python3.4为64位或32位）再分发包。

Matplotlib依赖于Pillow来读取和保存JPEG，BMP和TIFF图像文件。Matplotlib

需要MiKTeX和GhostScript来使用LaTeX渲染文本。动画模块需要FFmpeg，

avconv，mencoder或ImageMagick。

以下后端应该开箱即用：agg，tkagg，ps，pdf和svg。对于其他后端，你可能需

要安装pycairo，PyQt4，PyQt5，PySide，wxPython，PyGTK，Tornado或

GhostScript。

TkAgg可能是来自标准Pythonshell或IPython的，用于交互式的最佳后端。它被

启用为官方二进制文件的默认后端。Windows不支持GTK3。

PyPI下载页面上的Windows轮子（ *.whl）不包含测试数据或示例代码。如果

你想尝试matplotlib源代码中的许多演示，请下载 *.tar.gz文件并查

看examples子目录。要运行测试套件，请将源代码发行版中

的lib\matplotlib\tests和lib\mpl_toolkits\tests目录分别复制

到sys.prefix\Lib\site-packages\matplotlib和sys.prefix\Lib\site-packages\mpl_toolkits

，并安装nose，mock，Pillow，MiKTeX，GhostScript，ffmpeg，avconv，

mencoder，ImageMagick和Inkscape。

从源码安装

如果你有兴趣为matplotlib开发做贡献，运行最新的源代码，或者只是想自己构建

一切，从源代码构建matplotlib并不困难。从PyPI文件页面抓取最新

的tar.gz发布文件，或者如果你想开发matplotlib或只需要最新的bug修复版

本，获取最新的git版本，请见从git安装。

源代码遵守标准环境变量CC，CXX，PKG_CONFIG。这意味着如果你的工具链

有前缀，你可以设置它们。这可以用于交叉编译。

exportCC=x86_64-pc-linux-gnu-gccexportCXX=x86_64-pc-linux-gnu

-g++exportPKG_CONFIG=x86_64-pc-linux-gnu-pkg-config

一旦你满足的了面的具体需求（主要是Python、NumPy、libpng和freetype），

你就可以构建matplotlib了：

cdmatplotlib

pythonsetup.pybuild

pythonsetup.pyinstall

我们提供与 setup.py一起使用的 setup.cfg文件，你可以使用它来自定义构建

过程。例如，要使用的默认后端，是否安装matplotlib附带的某些可选库，等等。

这个文件会对那些包装matplotlib的东西特别有用。

安装

如果已经为非标准设施安装了必备组件，并需要通知matplotlib它们在哪里，请编

辑setupext.py并将基本路径添加为 sys.platform的basedir字典条目。

例如，如果某些所需库的头文件位于 /some/path/include/someheader.h中，

请在你的平台的 basedir列表中输入 /some/path。

构建需求

这些是外部软件包，你需要在安装matplotlib之前安装它们。如果你在OSX上构

建，请参阅在OSX上构建。如果你在Windows上构建，请参阅在Windows上构

建。如果在Linux上使用软件包管理器安装依赖项，则除了库本身之外，还可能需

要安装开发包（查找 -dev后缀）。

所需依赖

Python2.7，3.4，3.5或3.6

下载Python

NumPy1.7.1（或更新）

Python的数组支持（下载NumPy）

setuptools

setuptools为Python包安装提供扩展

dateutil1.1或更新

为Python时间日期的处理提供扩展。如果使用了 pip，easy_install或者从

源码安装，安装器会尝试从PyPI下载并安装 python_dateutil。

pyparsing

需要为matplotlib的mathtext数学渲染提供支持。如果使用

了pip，easy_install或者从源码安装，安装器会尝试从PyPI下载并安

装pyparsing。

libpng1.2（或更新）

用于加载和保存PNG文件（下载）。libong需要zlib。

pytz

用于操作时区感知的日期时间。https://pypi.python.org/pypi/pytz

FreeType2.3或更新

用于读取TrueType字体文件。如果使用了 pip，easy_install或者从源码安

装，安装器会尝试从预期位置定位FreeType。如果找病毒奥，尝试安装pkg-

config，用于寻找所需非Python库的工具。

cycler0.10.1或更新

安装

可组合的循环类，用于构造style-cycle。

six

需要用于Python2和3之间的兼容性。

Python2的依赖

functools32

需要用于Python2.7上的兼容性。

subprocess32

可选，仅用于Unix。subprocess标准库从3.2+到2.7的Backport。它提供了更

好的错误信息和超时支持。

可选的GUI框架

这些是可选软件包，你可能希望安装这些软件包来使用matplotlib和用户界面工具

包。有关matplotlib可选后端和所提供功能的更多详细信息，请参阅什么是后端。

tk8.3或更新，不包括8.6.0和8.6.1

TkAgg后端使用的TCL/Tk窗口控件库。

版本8.6.0和8.6.1已知有问题，当以错误的顺序关闭多个窗口时可能导致段错

误。

pyqt4.4或更新

Qt4控件库的Python包装，用于Qt4Agg后端。

pygtk2.4或更新

GTK控件库的Python包装，用于GTK或者GTKAgg后端。

wxpython2.8或更新

wx控件库的Python包装，用于WX或WXAgg后端。

可选的外部程序

ffmpeg/avconv或mencoder

需要用于动画模块，将输出保存为电影格式。

ImageMagick

需要用于动画模块，能够保存GIF动画。

安装

可选依赖

Pillow

如果安装了Pillow，matplotlib可以读取或写入大部分图像文件格式。

pkg-config

用于寻找所需非Python库的工具。并不是严格需要它，但是如果库和头文件不在

预期位置，可以使安装更加便捷。

matplotlib自带的所需库

agg2.4

C++渲染引擎。matplotlib静态链接到agg模板源码，所以它除了matplotlib之

外，不会影响你的系统的任何东西。

qhull2012.1

用于计算Delaunay三角测量的库。

ttconv

TureType字体工具。

在Linux上构建

使用你的系统包管理器来安装依赖最为简单。

如果你使用Debian/Ubuntu，可以使用以下命令在获取需要用于构建matplotlib的

所有依赖：

sudoapt-getbuild-deppython-matplotlib

如果你使用Fedora/RedHat，你可以使用以下命令：

su-c"yum-builddeppython-matplotlib"

这不会构建matplotlib，但这会安装所需依赖。这会使从源码构建变得容易。

在OSX上构建

由于可以获取 libpng和freetype需求（darwinports，fink，/usr/X11R6）的不

同位置，不同的架构（例如x86，ppc，universal）和不同的OSX版本10.4和

10.5），OSX的构建情况很复杂。我们建议你使用我们对OSX版本所做的方式来

安装

构建：从 tarball或git仓库获取源代码，并按照 README.osx中的说明进行

操作。

在Windows上构建

https://www.python.org上发布的Python，使用VS2008编译3.3之前的版本，使

用VS2010编译3.3，并且使用VS2015编译3.5和3.6。建议使用相同的编译器

编译Python扩展。

由于没有规范的Windows包管理器，从源代码构

建freetype，zlib和libpng的方法被记录为 matplotlib-winbuild中的

构建脚本。

安装

教程

pyplot教程

原文：Pyplottutorial

译者：飞龙

协议：CCBY-NC-SA4.0

matplotlib.pyplot是一个命令风格函数的集合，使 matplotlib的机制更像

MATLAB。每个绘图函数对图形进行一些更改：例如，创建图形，在图形中创建绘

图区域，在绘图区域绘制一些线条，使用标签装饰绘图等。

在matplotlib.pyplot中，各种状态跨函数调用保存，以便跟踪诸如当前图形和

绘图区域之类的东西，并且绘图函数始终指向当前轴域（请注意，这里和文档中的

大多数位置中的『轴域』（axes）是指图形的一部分（两条坐标轴围成的区域），

而不是指代多于一个轴的严格数学术语）。

importmatplotlib.pyplotasplt

plt.plot([1,2,3,4])

plt.ylabel('somenumbers')

plt.show()

Pyplot教程

你可能想知道为什么 x轴的范围为 0-3，y轴的范围为 1-4。如果你

向plot()命令提供单个列表或数组，则 matplotlib假定它是一个 y值序列，

并自动为你生成 x值。由于python范围从0开始，默认 x向量具有与 y相同

的长度，但从0开始。因此 x数据是 [0,1,2,3]。

plot()是一个通用命令，并且可接受任意数量的参数。例如，要绘

制x和y，你可以执行命令：

plt.plot([1,2,3,4],[1,4,9,16])

对于每个 x,y参数对，有一个可选的第三个参数，它是指示图形颜色和线条类型

的格式字符串。格式字符串的字母和符号来自MATLAB，并且将颜色字符串与线

型字符串连接在一起。默认格式字符串为 "b-"，它是一条蓝色实线。例如，要

绘制上面的红色圆圈，你需要执行：

importmatplotlib.pyplotasplt

plt.plot([1,2,3,4],[1,4,9,16],'ro')

plt.axis([0,6,0,20])

plt.show()

有关线型和格式字符串的完整列表，请参见 plot()文档。上例中的 axis()命

令接收 [xmin，xmax，ymin，ymax]的列表，并指定轴域的可视区域。

Pyplot教程

如果 matplotlib仅限于使用列表，它对于数字处理是相当无用的。一般来说，

你可以使用 numpy数组。事实上，所有序列都在内部转换为 numpy数组。下面

的示例展示了使用数组和不同格式字符串，在一条命令中绘制多个线条。

importnumpyasnp

importmatplotlib.pyplotasplt

#evenlysampledtimeat200msintervals

t=np.arange(0.,5.,0.2)

#reddashes,bluesquaresandgreentriangles

plt.plot(t,t,'r--',t,t**2,'bs',t,t**3,'g^')

plt.show()

控制线条属性

线条有许多你可以设置的属

性： linewidth，dashstyle，antialiased等，请参

见matplotlib.lines.Line2D。有几种方法可以设置线属性：

使用关键字参数：

plt.plot(x,y,linewidth=2.0)

Pyplot教程

使用 Line2D实例的 setter方法。plot返回 Line2D对象的列表，例

如line1,line2=plot(x1，y1，x2，y2)。在下面的代码中，我们假设只

有一行，返回的列表长度为1。我们对 line使用元组解构，得到该列表的第

一个元素：

line,=plt.plot(x,y,'-')

line.set_antialiased(False)#turnoffantialising

使用 setp()命令。下面的示例使用MATLAB风格的命令来设置线条列表上

的多个属性。setp使用对象列表或单个对象透明地工作。你可以使用

python关键字参数或MATLAB风格的字符串/值对：

lines=plt.plot(x1,y1,x2,y2)

#使用关键字参数

plt.setp(lines,color='r',linewidth=2.0)

#或者MATLAB风格的字符串值对

plt.setp(lines,'color','r','linewidth',2.0)

下面是可用的 Line2D属性。

属性值类型

alpha 浮点值

animated [True/False]

antialiasedoraa [True/False]

clip_box matplotlib.transform.Bbox实例

clip_on [True/False]

clip_path Path实例，Transform，以及 Patch实例

colororc 任何matplotlib颜色

contains 命中测试函数

dash_capstyle ['butt'/'round'/'projecting']

dash_joinstyle ['miter'/'round'/'bevel']

dashes 以点为单位的连接/断开墨水序列

data (np.arrayxdata,np.arrayydata)

figure matplotlib.figure.Figure实例

label 任何字符串

linestyleor ls ['-'/'--'/'-.'/':'/'steps'/...]

Pyplot教程

linewidthor lw 以点为单位的浮点值

lod [True/False]

marker ['+'/','/'.'/'1'/'2'/'3'/'4']

markeredgecolorormec 任何matplotlib颜色

markeredgewidthormew 以点为单位的浮点值

markerfacecolorormfc 任何matplotlib颜色

markersizeorms 浮点值

markevery [None/整数值/(startind,stride)]

picker 用于交互式线条选择

pickradius 线条的拾取选择半径

solid_capstyle ['butt'/'round'/'projecting']

solid_joinstyle ['miter'/'round'/'bevel']

transform matplotlib.transforms.Transform实例

visible [True/False]

xdata np.array

ydata np.array

zorder 任何数值

要获取可设置的线条属性的列表，请以一个或多个线条作为参数调用 step()函数

In[69]:lines=plt.plot([1,2,3])

In[70]:plt.setp(lines)

alpha:float

animated:[True|False]

antialiasedoraa:[True|False]

...snip

处理多个图形和轴域

MATLAB和pyplot具有当前图形和当前轴域的概念。所有绘图命令适用于当前轴

域。函数 gca()返回当前轴域（一个 matplotlib.axes.Axes实

例）， gcf()返回当前图形（ matplotlib.figure.Figure实例）。通常，你

不必担心这一点，因为它都是在幕后处理。下面是一个创建两个子图的脚本。

Pyplot教程

importnumpyasnp

importmatplotlib.pyplotasplt

deff(t):

returnnp.exp(-t)*np.cos(2*np.pi*t)

t1=np.arange(0.0,5.0,0.1)

t2=np.arange(0.0,5.0,0.02)

plt.figure(1)

plt.subplot(211)

plt.plot(t1,f(t1),'bo',t2,f(t2),'k')

plt.subplot(212)

plt.plot(t2,np.cos(2*np.pi*t2),'r--')

plt.show()

这里的 figure()命令是可选的，因为默认情况下将创建 figure(1)，如果不手

动指定任何轴域，则默认创建 subplot(111)。subplot()命令指

定numrows，numcols，fignum，其中 fignum的范围是

从1到numrows*numcols。如果 numrows*numcols<10，

则subplot命令中的逗号是可选的。因此，子

图subplot(211)与subplot(2,1,1)相同。你可以创建任意数量的子图和轴

域。如果要手动放置轴域，即不在矩形网格上，请使用 axes()命令，该命令允

许你将 axes([left,bottom,width,height])指定为位置，其中所有值都使

Pyplot教程

用小数（0到1）坐标。手动放置轴域的示例请参见 pylab_examples示例代

码： axes_demo.py，具有大量子图的示例请参见 pylab_examples示例代

码： subplots_demo.py。

你可以通过使用递增图形编号多次调用 figure()来创建多个图形。当然，每个

数字可以包含所需的轴和子图数量：

importmatplotlib.pyplotasplt

plt.figure(1)#第一个图形

plt.subplot(211)#第一个图形的第一个子图

plt.plot([1,2,3])

plt.subplot(212)#第一个图形的第二个子图

plt.plot([4,5,6])

plt.figure(2)#第二个图形

plt.plot([4,5,6])#默认创建subplot(111)

plt.figure(1)#当前是图形1，subplot(212)

plt.subplot(211)#将第一个图形的subplot(211)设为当前

子图

plt.title('Easyas1,2,3')#子图211的标题

你可以使用 clf()清除当前图形，使用 cla()清除当前轴域。如果你搞不清在

幕后维护的状态（特别是当前的图形和轴域），不要绝望：这只是一个面向对象的

API的简单的状态包装器，你可以使用面向对象API（见艺术家教程）。

如果你正在制作大量的图形，你需要注意一件事：在一个图形用 close()显式关

闭之前，该图所需的内存不会完全释放。删除对图形的所有引用，和/或使用窗口

管理器杀死屏幕上出现的图形的窗口是不够的，因为在调用 close()之

前， pyplot会维护内部引用。

处理文本

text()命令可用于在任意位置添加文

本， xlabel()，ylabel()和title()用于在指定的位置添加文本（详细示

例请参阅文本介绍）。

Pyplot教程

importnumpyasnp

importmatplotlib.pyplotasplt

mu,sigma=100,15

x=mu+sigma*np.random.randn(10000)

#数据的直方图

n,bins,patches=plt.hist(x,50,normed=1,facecolor='g',alph

a=0.75)

plt.xlabel('Smarts')

plt.ylabel('Probability')

plt.title('HistogramofIQ')

plt.text(60,.025,r'$\mu=100,\\sigma=15$')

plt.axis([40,160,0,0.03])

plt.grid(True)

plt.show()

所有的 text()命令返回一个 matplotlib.text.Text实例。与上面一样，你可

以通过将关键字参数传递到 text函数或使用 setp()来自定义属性：

t=plt.xlabel('mydata',fontsize=14,color='red')

这些属性的更详细介绍请见文本属性和布局。

Pyplot教程

在文本中使用数学表达式

matplotlib在任何文本表达式中接受TeX方程表达式。例如，要在标题中写入

表达式，可以编写一个由美元符号包围的TeX表达式：

plt.title(r'$\sigma_i=15$')

标题字符串之前的 r很重要-它表示该字符串是一个原始字符串，而不是将反斜

杠作为python转义处理。matplotlib有一个内置的TeX表达式解析器和布局

引擎，并且自带了自己的数学字体-详细信息请参阅编写数学表达式。因此，你可

以跨平台使用数学文本，而无需安装TeX。对于安装了LaTeX和dvipng的用

户，还可以使用LaTeX格式化文本，并将输出直接合并到显示图形或保存的

postscript中-请参阅使用LaTeX进行文本渲染。

标注文本

上面的 text()基本命令将文本放置在轴域的任意位置。文本的一个常见用法是

对图的某些特征执行标注，而 annotate()方法提供一些辅助功能，使标注变得

容易。在标注中，有两个要考虑的点：由参数 xy表示的标注位置和 xytext表

示的文本位置。这两个参数都是 (x,y)元组。

Pyplot教程

在此基本示例中， xy（箭头提示）和 xytext（文本）都位于数据坐标中。有

多种其他坐标系可供选择-详细信息请参阅标注文本和标注轴域。更多示例可以

在pylab_examples示例代码： annotation_demo.py中找到。

对数和其它非线性轴

matplotlib.pyplot不仅支持线性轴刻度，还支持对数和对数刻度。如果数据

跨越许多数量级，通常会使用它。更改轴的刻度很容易：

plt.xscale('log')

下面示例显示了四个图，具有相同数据和不同刻度的 y轴。

Pyplot教程

importnumpyasnp

importmatplotlib.pyplotasplt

#生成一些区间[0,1]内的数据

y=np.random.normal(loc=0.5,scale=0.4,size=1000)

y=y[(y>0)&(y<1)]

y.sort()

x=np.arange(len(y))

#带有多个轴域刻度的plot

plt.figure(1)

#线性

plt.subplot(221)

plt.plot(x,y)

plt.yscale('linear')

plt.title('linear')

plt.grid(True)

#对数

plt.subplot(222)

plt.plot(x,y)

plt.yscale('log')

plt.title('log')

plt.grid(True)

#对称的对数

plt.subplot(223)

plt.plot(x,y-y.mean())

plt.yscale('symlog',linthreshy=0.05)

plt.title('symlog')

plt.grid(True)

#logit

plt.subplot(224)

plt.plot(x,y)

plt.yscale('logit')

plt.title('logit')

plt.grid(True)

plt.show()

Pyplot教程

还可以添加自己的刻度，详细信息请参阅向matplotlib添加新的刻度和投影。

Pyplot教程

图像教程

原文：Imagetutorial

译者：飞龙

协议：CCBY-NC-SA4.0

启动命令

首先，让我们启动IPython。它是Python标准提示符的最好的改进，它与

Matplotlib配合得相当不错。在shell或IPythonNotebook上都可以启动

IPython。

随着IPython启动，我们现在需要连接到GUI事件循环。它告诉IPython在哪里

（以及如何显示）绘图。要连接到GUI循环，请在IPython提示符处执

行%matplotlib魔法。在IPython的GUI事件循环文档中有更多的细节。

如果使用IPythonNotebook，可以使用相同的命令，但人们通常以特定参数使

用%matplotlib：

In[1]:%matplotlibinline

这将打开内联绘图，绘图图形将显示在笔记本中。这对交互性有很重要的影响。

对于内联绘图，在单元格下方的单元格中输出绘图的命令不会影响绘图。例如，从

创建绘图的单元格下面的单元格更改颜色表是不可能的。但是，对于其他后端，例

如qt4，它们会打开一个单独的窗口，那些创建绘图的单元格下方的单元格将改变

绘图-它是一个内存中的活对象。

本教程将使用 matplotlib的命令式绘图接口 pyplot。该接口维护全局状态，

并且可用于简单快速地尝试各种绘图设置。另一种是面向对象的接口，这也非常强

大，一般更适合大型应用程序的开发。如果你想了解面向对象接口，使用上的常见

问题是一个用于起步的不错的页面。现在，让我们继续使用命令式方式：

In[2]:importmatplotlib.pyplotasplt

In[3]:importmatplotlib.imageasmpimg

In[4]:importnumpyasnp

将图像数据导入到NumPy数组

加载图像数据由Pillow库提供支持。本来， matplotlib只支持PNG图像。如

果本机读取失败，下面显示的命令会回退到Pillow。

图像教程

此示例中使用的图像是PNG文件，但是请记住你自己的数据的Pillow要求。

下面是我们要摆弄的图片：

它是一个24位RGBPNG图像（每个R，G，B为8位）。根据你获取数据的位

置，你最有可能遇到的其他类型的图像是RGBA图像，拥有透明度或单通道灰度

（亮度）的图像。你可以右键单击它，选择 Saveimageas（另存为）为本教程

的剩余部分下载到你的计算机。

现在我们开始...

In[5]:img=mpimg.imread('stinkbug.png')

Out[5]:

array([[[0.40784314,0.40784314,0.40784314],

[0.40784314,0.40784314,0.40784314],

...,

[0.42745098,0.42745098,0.42745098],

[0.42745098,0.42745098,0.42745098]],

...,

[[0.44313726,0.44313726,0.44313726],

[0.4509804,0.4509804,0.4509804],

...,

[0.44705883,0.44705883,0.44705883],

[0.44313726,0.44313726,0.44313726]]],dtype=float32

)

图像教程

注意这里的 dtype- float32。Matplotlib已将每个通道的8位数据重新定标为

0.0和1.0之间的浮点数。作为旁注，Pillow可以使用的唯一数据类型

是uint8。Matplotlib绘图可以处理 float32和uint8，但是对于除PNG之

外的任何格式的图像，读取/写入仅限于 uint8数据。为什么是8位呢？大多数

显示器只能渲染每通道8位的颜色渐变。为什么他们只能渲染每通道8位呢？因

为这会使所有人的眼睛可以看到。更多信息请见（从摄影的角度）：Luminous

Landscape位深度教程。

每个内部列表表示一个像素。这里，对于RGB图像，有3个值。由于它是一个黑

白图像，R，G和B都是类似的。RGBA（其中A是阿尔法或透明度）对于每个内

部列表具有4个值，而且简单亮度图像仅具有一个值（因此仅是二维数组，而不是

三维数组）。对于RGB和RGBA图像， matplotlib支

持float32和uint8数据类型。对于灰度， matplotlib只支持 float32。

如果你的数组数据不符合这些描述之一，则需要重新缩放它。

将NumPy数组绘制为图像

所以，你将数据保存在一个 numpy数组（通过导入它，或生成它）。让我们渲染

它吧。在Matplotlib中，这是使用 imshow()函数执行的。这里我们将抓

取plot对象。这个对象提供了一个简单的方法来从提示符处理绘图。

In[6]:imgplot=plt.imshow(img)

你也可以绘制任何NumPy数组。

图像教程

对图像绘图应用伪彩色方案

伪彩色可以是一个有用的工具，用于增强对比度和更易于可视化你的数据。这在使

用投影仪对你的数据进行演示时尤其有用-它们的对比度通常很差。

伪彩色仅与单通道，灰度，亮度图像相关。我们目前有一个RGB图像。由于R，G

和B都是相似的（见上面或你的数据），我们可以只选择一个通道的数据：

In[7]:lum_img=img[:,:,0]

这是数组切片，更多信息请见NumPy教程。

In[8]:plt.imshow(lum_img)

现在，亮度（2D，无颜色）图像应用了默认颜色表（也称为查找表，LUT）。默

认值称为 jet。有很多其他方案可以选择。

In[9]:plt.imshow(lum_img,cmap="hot")

图像教程

请注意，你还可以使用 set_cmap()方法更改现有绘图对象上的颜色：

In[10]:imgplot=plt.imshow(lum_img)

In[11]:imgplot.set_cmap('spectral')

图像教程

注

但是，请记住，在带有内联后端的IPythonnotebook中，你不能对已经渲染的

绘图进行更改。如果你在一个单元格中创建了 imgplot，你不能在以后的单

元格中调用 set_cmap()，并且改变前面的绘图。请确保你在相同单元格中

一起输入这些命令。 plt命令不会更改先前单元格的绘图。

有许多可选的其它颜色表，请见颜色表的列表和图像。

颜色刻度参考

了解颜色代表什么值对我们很有帮助。我们可以通过添加颜色条来做到这一点。

In[12]:imgplot=plt.imshow(lum_img)

In[13]:plt.colorbar()

图像教程

这会为你现有的图形添加一个颜色条。如果你更改并切换到不同的颜色映射，则不

会自动更改-你必须重新创建绘图，并再次添加颜色条。

检查特定数据范围

有时，你想要增强图像的对比度，或者扩大特定区域的对比度，同时牺牲变化不

大，或者无所谓的颜色细节。找到有趣区域的最好工具是直方图。要创建我们的

图像数据的直方图，我们使用 hist()函数。

In[14]:plt.hist(lum_img.ravel(),bins=256,range=(0.0,1.0),f

c='k',ec='k')

图像教程

通常，图像的『有趣』部分在峰值附近，你可以通过剪切峰值上方和/或下方的区域

获得额外的对比度。在我们的直方图中，看起来最大值处没有太多有用的信息（图

像中有很多不是白色的东西）。让我们调整上限，以便我们有效地『放大』直方图

的一部分。我们通过将 clim参数传递给 imshow来实现。你也可以通过对图像

绘图对象调用 set_clim()方法来做到这一点，但要确保你在使用IPython

Notebook的时候，和 plot命令在相同的单元格中执行-它不会改变之前单元格

的图。

In[15]:imgplot=plt.imshow(lum_img,clim=(0.0,0.7))

图像教程

数组插值方案

插值根据不同的数学方案计算像素『应有』的颜色或值。发生这种情况的一个常见

的场景是调整图像的大小。像素的数量会发生变化，但你想要相同的信息。由于

像素是离散的，因此存在缺失的空间。插值就是填补这个空间的方式。这就是当

你放大图像时，你的图像有时会出来看起来像素化的原因。当原始图像和扩展图像

之间的差异较大时，效果更加明显。让我们加载我们的图像并缩小它。我们实际

上正在丢弃像素，只保留少数几个像素。现在，当我们绘制它时，数据被放大为你

屏幕的大小。由于旧的像素不再存在，计算机必须绘制像素来填充那个空间。

我们将使用用来加载图像的Pillow库来调整图像大小。

In[16]:fromPILimportImage

In[17]:img=Image.open('../_static/stinkbug.png')

In[18]:img.thumbnail((64,64),Image.ANTIALIAS)#resizesimag

ein-place

In[19]:imgplot=plt.imshow(img)

图像教程

这里我们使用默认插值，双线性，因为我们没有向 imshow()提供任何插值参数。

让我们试试一些其它的东西：

最邻近

In[20]:imgplot=plt.imshow(img,interpolation="nearest")

图像教程

双立方

In[21]:imgplot=plt.imshow(img,interpolation="bicubic")

图像教程

双立方插值通常用于放大照片-人们倾向于模糊而不是过度像素化。

图像教程

使用GridSpec自定义子图位置

原文：CustomizingLocationofSubplotUsingGridSpec

译者：飞龙

协议：CCBY-NC-SA4.0

GridSpec

指定子图将放置的网格的几何位置。需要设置网格的行数和列数。子图布局参数

（例如，左，右等）可以选择性调整。

SubplotSpec

指定在给定 GridSpec中的子图位置。

subplot2grid

一个辅助函数，类似于 pyplot.subplot，但是使用基于0的索引，并可使子图

跨越多个格子。

subplot2grid基本示例

要使用subplot2grid，你需要提供网格的几何形状和网格中子图的位置。对于简单

的单网格子图：

ax=plt.subplot2grid((2,2),(0,0))

等价于：

ax=plt.subplot(2,2,1)

nRow=2,nCol=2

(0,0)+-------+-------+

|1||

+-------+-------+

|||

+-------+-------+

要注意不想 subplot，gridspec中的下标从0开始。

为了创建跨越多个格子的子图，

使用GridSpec自定义子图位置

ax2=plt.subplot2grid((3,3),(1,0),colspan=2)

ax3=plt.subplot2grid((3,3),(1,2),rowspan=2)

例如，下列命令：

ax1=plt.subplot2grid((3,3),(0,0),colspan=3)

ax2=plt.subplot2grid((3,3),(1,0),colspan=2)

ax3=plt.subplot2grid((3,3),(1,2),rowspan=2)

ax4=plt.subplot2grid((3,3),(2,0))

ax5=plt.subplot2grid((3,3),(2,1))

会创建：

GridSpec和SubplotSpec

你可以显式创建 GridSpec并用它们创建子图。

例如，

ax=plt.subplot2grid((2,2),(0,0))

等价于：

使用GridSpec自定义子图位置

importmatplotlib.gridspecasgridspec

gs=gridspec.GridSpec(2,2)

ax=plt.subplot(gs[0,0])

gridspec示例提供类似数组（一维或二维）的索引，并返回 SubplotSpec实

例。例如，使用切片来返回跨越多个格子的 SubplotSpec实例。

上面的例子会变成：

gs=gridspec.GridSpec(3,3)

ax1=plt.subplot(gs[0,:])

ax2=plt.subplot(gs[1,:-1])

ax3=plt.subplot(gs[1:,-1])

ax4=plt.subplot(gs[-1,0])

ax5=plt.subplot(gs[-1,-2])

调整GridSpec布局

在显式使用 GridSpec的时候，你可以调整子图的布局参数，子图

由gridspec创建。

使用GridSpec自定义子图位置

gs1=gridspec.GridSpec(3,3)

gs1.update(left=0.05,right=0.48,wspace=0.05)

这类似于 subplots_adjust，但是他只影响从给定 GridSpec创建的子图。

下面的代码

gs1=gridspec.GridSpec(3,3)

gs1.update(left=0.05,right=0.48,wspace=0.05)

ax1=plt.subplot(gs1[:-1,:])

ax2=plt.subplot(gs1[-1,:-1])

ax3=plt.subplot(gs1[-1,-1])

gs2=gridspec.GridSpec(3,3)

gs2.update(left=0.55,right=0.98,hspace=0.05)

ax4=plt.subplot(gs2[:,:-1])

ax5=plt.subplot(gs2[:-1,-1])

ax6=plt.subplot(gs2[-1,-1])

会产生

使用SubplotSpec创建GridSpec

使用GridSpec自定义子图位置

你可以从 SubplotSpec创建 GridSpec，其中它的布局参数设置为给

定SubplotSpec的位置的布局参数。

gs0=gridspec.GridSpec(1,2)

gs00=gridspec.GridSpecFromSubplotSpec(3,3,subplot_spec=gs0[0

])

gs01=gridspec.GridSpecFromSubplotSpec(3,3,subplot_spec=gs0[1

])

使用 SubplotSpec创建复杂嵌套的 GridSpec

这里有一个更复杂的嵌套 gridspec的示例，我们通过在每个3x3内部网格中隐

藏适当的脊线，在4x4外部网格的每个单元格周围放置一个框。

使用GridSpec自定义子图位置

网格尺寸可变的 GridSpec

通常， GridSpec创建大小相等的网格。你可以调整行和列的相对高度和宽度，要

注意绝对高度值是无意义的，有意义的只是它们的相对比值。

gs=gridspec.GridSpec(2,2,

width_ratios=[1,2],

height_ratios=[4,1]

)

ax1=plt.subplot(gs[0])

ax2=plt.subplot(gs[1])

ax3=plt.subplot(gs[2])

ax4=plt.subplot(gs[3])

使用GridSpec自定义子图位置

密致布局指南

原文：TightLayoutguide

译者：飞龙

协议：CCBY-NC-SA4.0

tight_layout会自动调整子图参数，使之填充整个图像区域。这是个实验特

性，可能在一些情况下不工作。它仅仅检查坐标轴标签、刻度标签以及标题的部

分。

简单的示例

在matplotlib中，轴域（包括子图）的位置以标准化图形坐标指定。可能发生的

是，你的轴标签或标题（有时甚至是刻度标签）会超出图形区域，因此被截断。

plt.rcParams['savefig.facecolor']="0.8"

defexample_plot(ax,fontsize=12):

ax.plot([1,2])

ax.locator_params(nbins=3)

ax.set_xlabel('x-label',fontsize=fontsize)

ax.set_ylabel('y-label',fontsize=fontsize)

ax.set_title('Title',fontsize=fontsize)

plt.close('all')

fig,ax=plt.subplots()

example_plot(ax,fontsize=24)

密致布局教程

为了避免它，轴域的位置需要调整。对于子图，这可以通过调整子图参数（移动轴

域的一条边来给刻度标签腾地方）。Matplotlibv1.1引入了一个新的命

令tight_layout()，自动为你解决这个问题。

plt.tight_layout()

密致布局教程

当你拥有多个子图时，你会经常看到不同轴域的标签叠在一起。

plt.close('all')

fig,((ax1,ax2),(ax3,ax4))=plt.subplots(nrows=2,ncols=2)

example_plot(ax1)

example_plot(ax2)

example_plot(ax3)

example_plot(ax4)

密致布局教程

tight_layout()也会调整子图之间的间隔来减少堆叠。

tight_layout()可以接受关键字参数 pad、w_pad或者 h_pad，这些参数

图像边界和子图之间的额外边距。边距以字体大小单位规定。

密致布局教程

plt.tight_layout(pad=0.4,w_pad=0.5,h_pad=1.0)

即使子图大小不同， tight_layout()也能够工作，只要网格的规定的兼容的。

在下面的例子中， ax1和ax2是2x2网格的子图，但是 ax3是1x2网格。

plt.close('all')

fig=plt.figure()

ax1=plt.subplot(221)

ax2=plt.subplot(223)

ax3=plt.subplot(122)

example_plot(ax1)

example_plot(ax2)

example_plot(ax3)

plt.tight_layout()

密致布局教程

它适用于使用 subplot2grid()创建的子图。一般来说，从 gridspec（使

用GridSpec自定义子布局的位置）创建的子图也能正常工作。

plt.close('all')

fig=plt.figure()

ax1=plt.subplot2grid((3,3),(0,0))

ax2=plt.subplot2grid((3,3),(0,1),colspan=2)

ax3=plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=2)

ax4=plt.subplot2grid((3,3),(1,2),rowspan=2)

example_plot(ax1)

example_plot(ax2)

example_plot(ax3)

example_plot(ax4)

plt.tight_layout()

密致布局教程

虽然没有彻底测试，它看起来也适用于 aspect不为 auto的子图（例如带有图

像的轴域）。

arr=np.arange(100).reshape((10,10))

plt.close('all')

fig=plt.figure(figsize=(5,4))

ax=plt.subplot(111)

im=ax.imshow(arr,interpolation="none")

plt.tight_layout()

密致布局教程

警告

tight_layout()只考虑刻度标签，轴标签和标题。因此，其他艺术家可能

被截断并且也可能重叠。

它假定刻度标签，轴标签和标题所需的额外空间与轴域的原始位置无关。这通

常是真的，但在罕见的情况下不是。

pad=0将某些文本剪切几个像素。这可能是当前算法的错误或限制，并且

不清楚为什么会发生。同时，推荐使用至少大于0.3的间隔。

和GridSpec一起使用

GridSpec拥有自己的 tight_layout()方法（pyplotAPI

的tight_layout()也能生效）。

密致布局教程

plt.close('all')

fig=plt.figure()

importmatplotlib.gridspecasgridspec

gs1=gridspec.GridSpec(2,1)

ax1=fig.add_subplot(gs1[0])

ax2=fig.add_subplot(gs1[1])

example_plot(ax1)

example_plot(ax2)

gs1.tight_layout(fig)

你可以提供一个可选的 rect参数，指定子图所填充的边框。坐标必须为标准化

图形坐标，默认值为 (0,0,1,1)。

gs1.tight_layout(fig,rect=[0,0,0.5,1])

密致布局教程

例如，这可用于带有多个 gridspecs的图形。

gs2=gridspec.GridSpec(3,1)

forssings2:

ax=fig.add_subplot(ss)

example_plot(ax)

ax.set_title("")

ax.set_xlabel("")

ax.set_xlabel("x-label",fontsize=12)

gs2.tight_layout(fig,rect=[0.5,0,1,1],h_pad=0.5)

密致布局教程

我们可以尝试匹配两个网格的顶部和底部。

top=min(gs1.top,gs2.top)

bottom=max(gs1.bottom,gs2.bottom)

gs1.update(top=top,bottom=bottom)

gs2.update(top=top,bottom=bottom)

虽然这应该足够好了，调整顶部和底部可能也需要调整 hspace。为了更

新hspace和vspace，我们再次使用更新后的 rect参数调

用tight_layout()。注意， rect参数指定的区域包括刻度标签。因此，我们

将底部（正常情况下为0）增加每个 gridspec的底部之差。顶部也一样。

top=min(gs1.top,gs2.top)

bottom=max(gs1.bottom,gs2.bottom)

gs1.tight_layout(fig,rect=[None,0+(bottom-gs1.bottom),

0.5,1-(gs1.top-top)])

gs2.tight_layout(fig,rect=[0.5,0+(bottom-gs2.bottom),

None,1-(gs2.top-top)],

h_pad=0.5)

密致布局教程

和AxesGrid1一起使用

虽然受限但也支持 axes_grid1工具包

plt.close('all')

fig=plt.figure()

frommpl_toolkits.axes_grid1importGrid

grid=Grid(fig,rect=111,nrows_ncols=(2,2),

axes_pad=0.25,label_mode='L',

)

foraxingrid:

example_plot(ax)

ax.title.set_visible(False)

plt.tight_layout()

密致布局教程

颜色条

如果你使用 colorbar命令创建了颜色条，创建的颜色条是 Axes而不

是Subplot的实例，所以 tight_layout没有效果。在Matplotlibv1.1中，你可

以使用 gridspec将颜色条创建为子图。

plt.close('all')

arr=np.arange(100).reshape((10,10))

fig=plt.figure(figsize=(4,4))

im=plt.imshow(arr,interpolation="none")

plt.colorbar(im,use_gridspec=True)

plt.tight_layout()

![])http://matplotlib.org/_images/tight_layout_guide-14.png

另一个选项是使用 AxesGrid1工具包，显式为颜色条创建一个轴域：

密致布局教程

plt.close('all')

arr=np.arange(100).reshape((10,10))

fig=plt.figure(figsize=(4,4))

im=plt.imshow(arr,interpolation="none")

frommpl_toolkits.axes_grid1importmake_axes_locatable

divider=make_axes_locatable(plt.gca())

cax=divider.append_axes("right","5%",pad="3%")

plt.colorbar(im,cax=cax)

plt.tight_layout()

密致布局教程

艺术家教程

原文：Artisttutorial

译者：飞龙

协议：CCBY-NC-SA4.0

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：

艺术家教程

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：

艺术家教程

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。

艺术家教程

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：

艺术家教程

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：

艺术家教程

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.ax

es.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()

艺术家教程

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：

艺术家教程

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：

艺术家教程

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,h

eight=12)

#bydefaulttheaxesinstanceisNone

In[264]:printrect.get_axes()

None

#andthetransformationinstanceissettothe"identitytransf

orm"

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rectang

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()

艺术家教程

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

艺术家教程

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：

艺术家教程

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t

ick

#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）。

艺术家教程

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。

艺术家教程

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()

艺术家教程

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()

艺术家教程

图例指南

原文：Legendguide

译者：飞龙

协议：CCBY-NC-SA4.0

此图例指南是 legend()中可用文档的扩展-请在继续阅读本指南之前确保你熟悉

该文档（见篇尾）的内容。

本指南使用一些常见术语，为了清楚起见，这些术语在此处进行说明：

图例条目

图例由一个或多个图例条目组成。一个条目由一个键和一个标签组成。

图例键

每个图例标签左侧的彩色/图案标记。

图例标签

描述由键表示的句柄的文本。

图例句柄

用于在图例中生成适当条目的原始对象。

控制图例条目

不带参数调用 legend()会自动获取图例句柄及其相关标签。此函数等同于：

handles,labels=ax.get_legend_handles_labels()

ax.legend(handles,labels)

get_legend_handles_labels()函数返回轴域上存在的句柄/艺术家的列表，这

些句柄/艺术家可以用于为结果图例生成条目-但值得注意的是，并非所有艺术家都

可以添加到图例中，这种情况下会创建『代理』（请参阅特地为添加到图例创建艺

术家（也称为代理艺术家），来了解更多详细信息）。

为了完全控制要添加到图例的内容，通常将适当的句柄直接传递给 legend()：

line_up,=plt.plot([1,2,3],label='Line2')

line_down,=plt.plot([3,2,1],label='Line1')

plt.legend(handles=[line_up,line_down])

图例指南

在某些情况下，不可能设置句柄的标签，因此可以将标签列表传递给 legend()：

line_up,=plt.plot([1,2,3],label='Line2')

line_down,=plt.plot([3,2,1],label='Line1')

plt.legend([line_up,line_down],['LineUp','LineDown'])

特地为添加到图例创建艺术家（也称为代理艺术家）

并非所有的句柄都可以自动转换为图例条目，因此通常需要创建一个可转换的艺术

家。图例句柄不必存在于被用到的图像或轴域上。

假设我们想创建一个图例，其中有一些数据表示为红色：

importmatplotlib.patchesasmpatches

importmatplotlib.pyplotasplt

red_patch=mpatches.Patch(color='red',label='Thereddata')

plt.legend(handles=[red_patch])

plt.show()

除了创建一个色块之外，有许多受支持的图例句柄，我们可以创建一个带有标记的

线条：

图例指南

importmatplotlib.linesasmlines

importmatplotlib.pyplotasplt

blue_line=mlines.Line2D([],[],color='blue',marker='*',

markersize=15,label='Bluestars')

plt.legend(handles=[blue_line])

plt.show()

图例位置

图例的位置可以通过关键字参数 loc指定。详细信息请参阅 legend()的文档。

bbox_to_anchor关键字可让用户手动控制图例布局。例如，如果你希望轴域图

例位于图像的右上角而不是轴域的边角，则只需指定角的位置以及该位置的坐标

系：

plt.legend(bbox_to_anchor=(1,1),

bbox_transform=plt.gcf().transFigure)

自定义图例位置的更多示例：

importmatplotlib.pyplotasplt

plt.subplot(211)

plt.plot([1,2,3],label="test1")

plt.plot([3,2,1],label="test2")

#将图例放到这个子图上方，

#扩展自身来完全利用提供的边界框。

plt.legend(bbox_to_anchor=(0.,1.02,1.,.102),loc=3,

ncol=2,mode="expand",borderaxespad=0.)

plt.subplot(223)

plt.plot([1,2,3],label="test1")

plt.plot([3,2,1],label="test2")

#将图例放到这个小型子图的右侧

plt.legend(bbox_to_anchor=(1.05,1),loc=2,borderaxespad=0.)

plt.show()

图例指南

相同轴域内的多个图例

有时，在多个图例之间分割图例条目会更加清晰。虽然直觉上的做法可能是多次调

用legend()函数，但你会发现轴域上只存在一个图例。这样做是为了可以重复

调用 legend()，将图例更新为轴域上的最新句柄，因此要保留旧的图例实例，我

们必须将它们手动添加到轴域中：

importmatplotlib.pyplotasplt

line1,=plt.plot([1,2,3],label="Line1",linestyle='--')

line2,=plt.plot([3,2,1],label="Line2",linewidth=4)

#为第一个线条创建图例

first_legend=plt.legend(handles=[line1],loc=1)

#手动将图例添加到当前轴域

ax=plt.gca().add_artist(first_legend)

#为第二个线条创建另一个图例

plt.legend(handles=[line2],loc=4)

plt.show()

图例指南

图例处理器

为了创建图例条目，将句柄作为参数提供给适当的 HandlerBase子类。处理器子

类的选择由以下规则确定：

使用 handler_map关键字中的值更新 get_legend_handler_map()。

检查句柄是否在新创建的 handler_map中。

检查句柄的类型是否在新创建的 handler_map中。

检查句柄的 mro中的任何类型是否在新创建的 handler_map中。

处于完整性，这个逻辑大多在 get_legend_handler()中实现。

所有这些灵活性意味着我们可以使用一些必要的钩子，为我们自己的图例键类型实

现自定义处理器。

使用自定义处理器的最简单的例子是，实例化一个现有的 HandlerBase子类。为

了简单起见，让我们选择 matplotlib.legend_handler.HandlerLine2D，它接

受numpoints参数（出于便利，注意 numpoints是legend()函数上的一个关

键字）。然后我们可以将实例的字典作为关键字 handler_map传给 legend。

图例指南

importmatplotlib.pyplotasplt

frommatplotlib.legend_handlerimportHandlerLine2D

line1,=plt.plot([3,2,1],marker='o',label='Line1')

line2,=plt.plot([1,2,3],marker='o',label='Line2')

plt.legend(handler_map={line1:HandlerLine2D(numpoints=4)})

如你所见， Line1现在有4个标记点， Line2有两个（默认值）。尝试上面

的代码，只需将字典的键从 line1更改为type(line) 。注意现在两个Line2D`实例

都拥有了4个标记。

除了用于复杂的绘图类型的处理器，如误差条，茎叶图和直方图，默认

的handler_map有一个特殊的元组处理器（ HandlerTuple），它简单地在顶部

一一绘制给定元组中每个项目的句柄。以下示例演示如何将两个图例的键相互叠

加：

图例指南

importmatplotlib.pyplotasplt

fromnumpy.randomimportrandn

z=randn(10)

red_dot,=plt.plot(z,"ro",markersize=15)

#将白色十字放置在一些数据上

white_cross,=plt.plot(z[:5],"w+",markeredgewidth=3,markersi

ze=15)

plt.legend([red_dot,(red_dot,white_cross)],["AttrA","AttrA

+B"])

实现自定义图例处理器

可以实现自定义处理器，将任何句柄转换为图例的键（句柄不必要

是matplotlibartist）。处理器必须实现 legend_artist方法，该方法为要使

用的图例返回单个艺术家。有关 legend_artist的详细信息，请参

阅legend_artist()。

图例指南

importmatplotlib.pyplotasplt

importmatplotlib.patchesasmpatches

classAnyObject(object):

pass

classAnyObjectHandler(object):

deflegend_artist(self,legend,orig_handle,fontsize,handl

ebox):

x0,y0=handlebox.xdescent,handlebox.ydescent

width,height=handlebox.width,handlebox.height

patch=mpatches.Rectangle([x0,y0],width,height,face

color='red',

edgecolor='black',hatch='xx'

,lw=3,

transform=handlebox.get_trans

form())

handlebox.add_artist(patch)

returnpatch

plt.legend([AnyObject()],['Myfirsthandler'],

handler_map={AnyObject:AnyObjectHandler()})

或者，如果我们想要接受全局的 AnyObject实例，而不想一直手动设

置handler_map关键字，我们可以注册新的处理器：

图例指南

frommatplotlib.legendimportLegend

Legend.update_default_handler_map({AnyObject:AnyObjectHandler()

})

虽然这里的功能十分清楚，请记住，有很多已实现的处理器，你想实现的目标可能

易于使用现有的类实现。例如，要生成椭圆的图例键，而不是矩形键：

frommatplotlib.legend_handlerimportHandlerPatch

importmatplotlib.pyplotasplt

importmatplotlib.patchesasmpatches

classHandlerEllipse(HandlerPatch):

defcreate_artists(self,legend,orig_handle,

xdescent,ydescent,width,height,fontsi

ze,trans):

center=0.5*width-0.5*xdescent,0.5*height-0.5

*ydescent

p=mpatches.Ellipse(xy=center,width=width+xdescent,

height=height+ydescent)

self.update_prop(p,orig_handle,legend)

p.set_transform(trans)

return[p]

c=mpatches.Circle((0.5,0.5),0.25,facecolor="green",

edgecolor="red",linewidth=3)

plt.gca().add_patch(c)

plt.legend([c],["Anellipse,notarectangle"],

handler_map={mpatches.Circle:HandlerEllipse()})

图例指南

使用图例的现有示例

这里是一个不太详尽的示例列表，涉及以各种方式使用的图例：

lines_bars_and_markers示例代码: scatter_with_legend.py

API示例代码: legend_demo.py

pylab_examples示例代码: contourf_hatching.py

pylab_examples示例代码: figlegend_demo.py

pylab_examples示例代码: finance_work2.py

pylab_examples示例代码: scatter_symbol.py

matplotlib.pyplot.legend(*args,**kwargs)文档

在轴域上放置一个图例。

为了为轴域上已经存在的线条（例如通过绘图）制作图例，只需使用字符串的可迭

代对象（每个图例条目对应一个字符串）调用此函数。例如：

ax.plot([1,2,3])

ax.legend(['Asimpleline'])

图例指南

但是，为了使『标签』和图例元素实例保持一致，最好在艺术家创建时指定标签，

或者通过调用艺术家的 set_label()方法：

line,=ax.plot([1,2,3],label='Inlinelabel')

#通过调用该方法覆写标签

line.set_label('Labelviamethod')

ax.legend()

通过定义以下划线开头的标签，可以从图例元素自动选择中排除特定线条。这对于

所有艺术家都是默认的，因此不带任何参数调用 legend()，并且没有手动设置标

签会导致没有绘制图例。

为了完全控制哪些艺术家拥有图例条目，可以传递拥有图例的艺术家的可迭代对

象，然后是相应图例标签的可迭代对象：

legend((line1,line2,line3),('label1','label2','label3'))

参数

loc：整数、字符串或者浮点偶对，默认为 'upperright'。

图例的位置。可能的代码是：

位置字符串位置代码

'best' 0

'upperright' 1

'upperleft' 2

'lowerleft' 3

'lowerright' 4

'right' 5

'centerleft' 6

'centerright' 7

'lowercenter' 8

'uppercenter' 9

'center' 10

或者，可以是一个二元组，提供图例的距离左下角的 x,y坐标（在这种情况

下， bbox_to_anchor将被忽略）。

bbox_to_anchor：matplotlib.transforms.BboxBase示例或者浮点元组。

图例指南

在bbox_transform坐标（默认轴域坐标）中为图例指定任意位置。

例如，要将图例的右上角放在轴域中心，可以使用以下关键字：

loc='upperright',bbox_to_anchor=(0.5,0.5)

ncol：整数。

图例的列数，默认为1。

prop：None、matplotlib.font_manager.FontProperties或者字典。

图例的字体属性，如果为 None（默认），会使用当前

的matplotlib.rcParams。

fontsize：整数、浮点或

者{‘xx-small’,‘x-small’,‘small’,‘medium’,‘large’,‘x-large’,‘xx-large’}

。

控制图例的字体大小。如果值为数字，则大小将为绝对字体大小（以磅为单位）。

字符串值相对于当前默认字体大小。此参数仅在未指定 prop的情况下使用。

numpoints：None或者整数。

为线条/matplotlib.lines.Line2D创建图例条目时，图例中的标记点数。默认

值为 None，它将从 legend.numpointsrcParam中获取值。

scatterpoints：None或者整数。

为散点图/matplotlib.collections.PathCollection创建图例条目时，图例中

的标记点数。默认值为 None，它将从 legend.scatterpointsrcParam中获

取值。

scatteryoffsets：浮点的可迭代对象。

为散点图图例条目创建的标记的垂直偏移量（相对于字体大小）。0.0是在图例文

本的底部，1.0是在顶部。为了将所有标记绘制在相同的高度，请设置

为[0.5]。默认值为 [0.375,0.5,0.3125]。

markerscale：None、整数或者浮点。

图例标记对于原始绘制的标记的相对大小。默认值为 None，它将

从legend.markerscalercParam中获取值。

markerfirst: [True|False]

如果为 True，则图例标记位于图例标签的左侧，如果为 False，图例标记位于

图例标签的右侧。

frameon：None或布尔值

图例指南

控制是否应在图例周围绘制框架。默认值为 None，它将从 legend.frameon

rcParam中获取值。

fancybox：None或布尔值

控制是否应在构成图例背景的 FancyBboxPatch周围启用圆边。默认值

为None，它将从 legend.fancyboxrcParam中获取值。

shadow：None或布尔值

控制是否在图例后面画一个阴影。默认值为 None，它将从 legend.shadow

rcParam中获取值。

framealpha：None或浮点

控制图例框架的Alpha透明度。默认值为 None，它将从 legend.framealpha

rcParam中获取值。

mode：{"expand",None}

如果 mode设置为 "expand"，图例将水平扩展来填充轴域区域（如果定义图例

的大小，则为 bbox_to_anchor）。

bbox_transform：None或者 matplotlib.transforms.Transform

边界框的变换（ bbox_to_anchor）。对于 None值（默认），将使

用Axes的transAxes变换。

title：字符串或者 None

图例的标题，默认没有标题（ None）。

borderpad：浮点或 None

图例边框的内边距。以字体大小为单位度量。默认值为 None，它将

从legend.borderpadrcParam中获取值。

labelspacing：浮点或 None

图例条目之间的垂直间距。以字体大小为单位度量。默认值为 None，它将

从legend.labelspacingrcParam中获取值。

handlelength：浮点或 None

图例句柄的长度。以字体大小为单位度量。默认值为 None，它将

从legend.handlelengthrcParam取值。

handletextpad：浮点或 None

图例句柄和文本之间的间距。以字体大小为单位度量。默认值为 None，它将

从legend.handletextpadrcParam中获取值。

borderaxespad：浮点或 None

图例指南

轴和图例边框之间的间距。以字体大小为单位度量。默认值为 None，它将

从legend.borderaxespadrcParam中获取值。

columnspacing：浮点或 None

列间距。以字体大小为单位度量。默认值为 None，它将

从legend.columnspacingrcParam中获取值。

handler_map：字典或 None

自定义字典，用于将实例或类型映射到图例处理器。这个 handler_map会更新

在matplotlib.legend.Legend.get_legend_handler_map()中获得的默认处理

器字典。

图例指南

变换教程

原文：TransformationsTutorial

译者：飞龙

协议：CCBY-NC-SA4.0

像任何图形包一样，matplotlib建立在变换框架之上，以便在坐标系，用户数据坐

标系，轴域坐标系，图形坐标系和显示坐标系之间轻易变换。在95％的绘图中，

你不需要考虑这一点，因为它发生在背后，但随着你接近自定义图形生成的极限，

它有助于理解这些对象，以便可以重用matplotlib提供给你的现有变换，或者创建

自己的变换（见 matplotlib.transforms）。下表总结了现有的坐标系，你应

该在该坐标系中使用的变换对象，以及该系统的描述。在『变换对象』一列

中， ax是Axes实例， fig是一个图形实例。

坐

标

系

变换对象描述

数

据ax.transData 用户数据坐标系，由 xlim和ylim控制

轴

域ax.transAxes 轴域坐标系； (0,0)是轴域左下角， (1,1)是轴域右

上角

图

形fig.transFigure 图形坐标系； (0,0)是图形左下角， (1,1)是图形右

上角

显

示None

这是显示器的像素坐标系; (0,0)是显示器的左下

角， (width,height)是显示器的右上角，以像素为

单位。或者，可以使用恒等变换

（matplotlib.transforms.IdentityTransform()

来代替 None。

上表中的所有变换对象都接受以其坐标系为单位的输入，并将输入变换到显示坐标

系。这就是为什么显示坐标系没有『变换对象』的原因-它已经以显示坐标为单位

了。变换也知道如何反转自身，从显示返回自身的坐标系。这在处理来自用户界

面的事件（通常发生在显示空间中），并且你想知道数据坐标系中鼠标点击或按键

按下的位置时特别有用。

数据坐标

让我们从最常用的坐标，数据坐标系开始。每当向轴域添加数据时，matplotlib会

更新数据对象， set_xlim()和set_ylim()方法最常用于更新。例如，在下图

中，数据的范围在 x轴上为从0到10，在 y轴上为从-1到1。

变换教程

importnumpyasnp

importmatplotlib.pyplotasplt

x=np.arange(0,10,0.005)

y=np.exp(-x/2.)*np.sin(2*np.pi*x)

fig=plt.figure()

ax=fig.add_subplot(111)

ax.plot(x,y)

ax.set_xlim(0,10)

ax.set_ylim(-1,1)

plt.show()

你可以使用 ax.transData实例将数据变换为显示坐标系，无论是单个点或是一

系列点，如下所示：

变换教程

In[14]:type(ax.transData)

Out[14]:<class'matplotlib.transforms.CompositeGenericTransform

In[15]:ax.transData.transform((5,0))

Out[15]:array([335.175,247.])

In[16]:ax.transData.transform([(5,0),(1,2)])

Out[16]:

array([[335.175,247.],

[132.435,642.2]])

你可以使用 inverted()方法创建一个变换，从显示坐标变换为数据坐标：

In[41]:inv=ax.transData.inverted()

In[42]:type(inv)

Out[42]:<class'matplotlib.transforms.CompositeGenericTransform

In[43]:inv.transform((335.175,247.))

Out[43]:array([5.,0.])

如果你一直关注本教程，如果你的窗口大小或dpi设置不同，显示坐标的确切值可

能会有所不同。同样，在下面的图形中，在ipython会话中，由显示标记的点可能

并不相同，因为文档图形大小默认值是不同的。

变换教程

注意

如果在GUI后端中运行上述示例中的源代码，你还可能发现数据和显示标注的

两个箭头不会指向完全相同的点。这是因为显示点是在显示图形之前计算的，

并且GUI后端可以在创建图形时稍微调整图形大小。如果你自己调整图的大

小，效果更明显。这是你很少想要处理显示空间的一个很好的原因，但是你可

以连接到 'on_draw'事件来更新图上的图坐标；请参阅事件处理和选择。

当你更改轴的 x或y的范围时，将更新数据范围，以便变换生成新的显示点。

注意，当我们只是改变 ylim，只有 y显示坐标改变，当我们改变 xlim也同

理。我们在谈论Bbox时会深入。

In[54]:ax.transData.transform((5,0))

Out[54]:array([335.175,247.])

In[55]:ax.set_ylim(-1,2)

Out[55]:(-1,2)

In[56]:ax.transData.transform((5,0))

Out[56]:array([335.175,181.13333333])

In[57]:ax.set_xlim(10,20)

Out[57]:(10,20)

In[58]:ax.transData.transform((5,0))

Out[58]:array([-171.675,181.13333333])

变换教程

轴域坐标

在数据坐标系之后，轴域可能是第二有用的坐标系。这里，点 (0,0)是轴域或子

图的左下角， (0.5,0.5)是中心， (1.0,1.0)是右上角。你还可以引用范围之

外的点，因此 (-0.1,1.1)位于轴的左上方。此坐标系在将文本放置在轴中时非

常有用，因为你通常需要在固定的位置（例如，轴域窗格的左上角）放置文本气

泡，并且在平移或缩放时保持该位置固定。这里是一个简单的例子，创建四个面

板，并将他们标记为 'A'，'B'，'C'，'D'，你经常在期刊上看到它们。

你也可以在轴坐标系中创建线条或者补丁，但是以我的经验，这比使

用ax.transAxes放置文本更不实用。尽管如此，这里是一个愚蠢的例子，它在

数据空间中绘制了一些随机点，并且覆盖在一个半透明的圆上面，这个圆以轴域的

中心为圆心，半径为轴域的四分之一。-如果你的轴域不保留高宽比

（见 set_aspect()），它将看起来像一个椭圆。使用平移/缩放工具移动，或

手动更改数据的 xlim和ylim，你将看到数据移动，但圆将保持固定，因为它

不在数据坐标中，并且将始终保持在轴域的中心。

变换教程

混合变换

在数据与轴域坐标混合的混合坐标空间中绘制是非常实用的，例如创建一个水平跨

度，突出 y数据的一些区域但横跨 x轴，而无论数据限制，平移或缩放级别等。

实际上这些混合线条和跨度非常有用，我们已经内置了一些函数来使它们容易绘制

（参见 axhline()，axvline()，axhspan()，axvspan()），但是为了

教学目的，我们使用混合变换实现这里的水平跨度。这个技巧只适用于可分离的变

换，就像你在正常的笛卡尔坐标系中看到的，但不能为不可分离的变换，

如PolarTransform（极坐标变换）。

变换教程

importnumpyasnp

importmatplotlib.pyplotasplt

importmatplotlib.patchesaspatches

importmatplotlib.transformsastransforms

fig=plt.figure()

ax=fig.add_subplot(111)

x=np.random.randn(1000)

ax.hist(x,30)

ax.set_title(r'$\sigma=1\/\dots\/\sigma=2$',fontsize=16)

#thexcoordsofthistransformationaredata,andthe

#ycoordareaxes

trans=transforms.blended_transform_factory(

ax.transData,ax.transAxes)

#highlightthe1..2stddevregionwithaspan.

#Wewantxtobeindatacoordinatesandyto

#spanfrom0..1inaxescoords

rect=patches.Rectangle((1,0),width=1,height=1,

transform=trans,color='yellow',

alpha=0.5)

ax.add_patch(rect)

plt.show()

变换教程

注

混合变换非常有用，其中 x为数据坐标而 y为轴域坐标，我们拥有辅助方法

来返回内部使用的版本mpl，用于绘制 ticks，ticklabels以及其他。方

法

是matplotlib.axes.Axes.get_xaxis_transform()和matplotlib.axes.Axes.get_yaxis_transform()

。因此，在上面的示例中， blended_transform_factory()的调用可以替

换为 get_xaxis_transform：

trans=ax.get_xaxis_transform()

使用偏移变换来创建阴影效果

变换的一个用法，是创建偏离另一变换的新变换，例如，放置一个对象，相对于另

一对象有一些偏移。通常，你希望物理尺寸上有一些移位，例如以点或英寸，而不

是数据坐标为单位，以便移位效果在不同的缩放级别和dpi设置下保持不变。

偏移的一个用途是创建一个阴影效果，其中你绘制一个与第一个相同的对象，刚好

在它的右边和下面，调整 zorder来确保首先绘制阴影，然后绘制对象，阴影在它

之上。变换模块具有辅助变换 ScaledTranslation。它可以这样来实例化：

trans=ScaledTranslation(xt,yt,scale_trans)

变换教程

其中 xt和yt是变换的偏移， scale_trans是变换，在应用偏移之前的变换期

间缩放 xt和yt。一个典型的用例是，将图形的 fig.dpi_scale_trans变换

用于 scale_trans参数，来在实现最终的偏移之前，首先将以点为单位

的xt和yt缩放到显示空间。DPI和英寸偏移是常见的用例，我们拥有一个特

殊的辅助函数，来在 matplotlib.transforms.offset_copy()中创建它，它返

回一个带有附加偏移的新变换。但在下面的示例中，我们将自己创建偏移变换。

注意使用加法运算符：

offset=transforms.ScaledTranslation(dx,dy,

fig.dpi_scale_trans)

shadow_transform=ax.transData+offset

这里显示了，可以使用加法运算符将变换链起来。该代码表示：首先应用数据变

换ax.transData，然后由 dx和dy点翻译数据。在排版中，一个点是1/72

英寸，通过以点为单位指定偏移，你的图形看起来是一样的，无论所保存的dpi分

辨率。

importnumpyasnp

importmatplotlib.pyplotasplt

importmatplotlib.patchesaspatches

importmatplotlib.transformsastransforms

fig=plt.figure()

ax=fig.add_subplot(111)

#makeasimplesinewave

x=np.arange(0.,2.,0.01)

y=np.sin(2*np.pi*x)

line,=ax.plot(x,y,lw=3,color='blue')

#shifttheobjectover2points,anddown2points

dx,dy=2/72.,-2/72.

offset=transforms.ScaledTranslation(dx,dy,

fig.dpi_scale_trans)

shadow_transform=ax.transData+offset

#nowplotthesamedatawithouroffsettransform;

#usethezordertomakesurewearebelowtheline

ax.plot(x,y,lw=3,color='gray',

transform=shadow_transform,

zorder=0.5*line.get_zorder())

ax.set_title('creatingashadoweffectwithanoffsettransform'

)

plt.show()

变换教程

变换流水线

我们在本教程中一直使用的 ax.transData变换是三种不同变换的组合，它们构

成从数据到显示坐标的变换流水线。MichaelDroettboom实现了变换框架，提供

了一个干净的API，它隔离了在极坐标和对数坐标图中发生的非线性投影和尺度，

以及在平移和缩放时发生的线性仿射变换。这里有一个效率问题，因为你可以平移

和放大你的轴域，它会影响仿射变换，但你可能不需要计算潜在的昂贵的非线性比

例或简单的导航事件的投影。也可以将仿射变换矩阵相乘在一起，然后在一步之中

将它们应用于坐标。这对所有可能的变换不都是有效的。

这里是在 ax.transData实例在基本可分离的 Axes类中的定义方式。

self.transData=self.transScale+(self.transLimits+self.tran

sAxes)

我们已经在 Axes坐标中引入了上面的 transAxes实例，它将轴或子图边界框

的(0,0)，(1,1)角映射到显示空间，所以让我们看看这两个部分。

self.transLimits是从数据到轴域坐标的变换;也就是说，它将你的视

图xlim和ylim映射到轴域单位空间（然后 transAxes将该单位空间用于显示

空间）。我们可以在这里看到这一点：

变换教程

In[80]:ax=subplot(111)

In[81]:ax.set_xlim(0,10)

Out[81]:(0,10)

In[82]:ax.set_ylim(-1,1)

Out[82]:(-1,1)

In[84]:ax.transLimits.transform((0,-1))

Out[84]:array([0.,0.])

In[85]:ax.transLimits.transform((10,-1))

Out[85]:array([1.,0.])

In[86]:ax.transLimits.transform((10,1))

Out[86]:array([1.,1.])

In[87]:ax.transLimits.transform((5,0))

Out[87]:array([0.5,0.5])

而且我们可以使用相同的反转变换，从轴域单位坐标变换回数据坐标。

In[90]:inv.transform((0.25,0.25))

Out[90]:array([2.5,-0.5])

最后一个是 self.transScale属性，它负责数据的可选非线性缩放，例如对数轴

域。当Axes初始化时，这只是设置为恒等变换，因为基本的matplotlib轴域具有

线性缩放，但是当你调用对数缩放函数如 semilogx()或使用 set_xscale显式

设置为对数时， ax.transScale属性为处理非线性投影而设置。缩放变换是相

应xaxis和yaxis的Axis实例的属性。例如，当调

用ax.set_xscale('log')时， xaxis会将其缩放更新

为matplotlib.scale.LogScale实例。

对于不可分离的轴域， PolarAxes，还有一个要考虑的部分，投影变换。

matplotlib.projections.polar.PolarAxes的transData类似于典型的可分

离matplotlib轴域，带有一个额外的部分， transProjection：

self.transData=self.transScale+self.transProjection+\

(self.transProjectionAffine+self.transAxes)

transProjection将来自空间的投影，例如，地图数据的纬度和经度，或极坐标

数据的半径和极角，处理为可分离的笛卡尔坐标系。

在matplotlib.projections包中有几个投影示例，深入了解的最好方法是打开

这些包的源代码，看看如何自己制作它，因为matplotlib支持可扩展的轴域和投

影。MichaelDroettboom提供了一个创建一个锤投影轴域的很好的教程示例；请

参阅api示例代码： custom_projection_example.py。

变换教程

路径教程

原文：PathTutorial

译者：飞龙

协议：CCBY-NC-SA4.0

位于所有 matplotlib.patch对象底层的对象是 Path，它支

持moveto，lineto，curveto命令的标准几个，来绘制由线段和样条组成的

简单和复合轮廓。路径由 (x,y)顶点的 (N,2)数组，以及路径代码的长度为N

的数组实例化。例如，为了绘制 (0,0)到(1,1)的单位矩形，我们可以使用这

个代码：

importmatplotlib.pyplotasplt

frommatplotlib.pathimportPath

importmatplotlib.patchesaspatches

verts=[

(0.,0.),#left,bottom

(0.,1.),#left,top

(1.,1.),#right,top

(1.,0.),#right,bottom

(0.,0.),#ignored

]

codes=[Path.MOVETO,

Path.LINETO,

Path.CLOSEPOLY,

]

path=Path(verts,codes)

fig=plt.figure()

ax=fig.add_subplot(111)

patch=patches.PathPatch(path,facecolor='orange',lw=2)

ax.add_patch(patch)

ax.set_xlim(-2,2)

ax.set_ylim(-2,2)

plt.show()

路径教程

100

下面的路径代码会被接受：

代码顶点描述

STOP 1（被忽略）标志整个路径终点的标记（当前不需要

或已忽略）

MOVETO 1提起笔并移动到指定顶点

LINETO 1从当前位置向指定顶点画线

CURVE3 2（一个控制点，

一个终点）

从当前位置，以给定控制点向给定端点

画贝塞尔曲线

CURVE4 3（两个控制点，

一个终点）

从当前位置，以给定控制点向给定端点

画三次贝塞尔曲线

CLOSEPOLY 1（点自身被忽

略）向当前折线的起点画线

贝塞尔示例

一些路径组件需要以多个顶点来指定：例如 CURVE3是具有一个控制点和一个端点

的贝塞尔曲线， CURVE4具有用做两个控制点和端点的三个顶点。下面的示例显

示了 CURVE4贝塞尔曲线-贝塞尔曲线将包含在起始点，两个控制点和终点的凸包

中：

路径教程

101

importmatplotlib.pyplotasplt

frommatplotlib.pathimportPath

importmatplotlib.patchesaspatches

verts=[

(0.,0.),#P0

(0.2,1.),#P1

(1.,0.8),#P2

(0.8,0.),#P3

]

codes=[Path.MOVETO,

Path.CURVE4,

]

path=Path(verts,codes)

fig=plt.figure()

ax=fig.add_subplot(111)

patch=patches.PathPatch(path,facecolor='none',lw=2)

ax.add_patch(patch)

xs,ys=zip(*verts)

ax.plot(xs,ys,'x--',lw=2,color='black',ms=10)

ax.text(-0.05,-0.05,'P0')

ax.text(0.15,1.05,'P1')

ax.text(1.05,0.85,'P2')

ax.text(0.85,-0.05,'P3')

ax.set_xlim(-0.1,1.1)

ax.set_ylim(-0.1,1.1)

plt.show()

路径教程

102

复合路径

所有在matplotlib，Rectangle，Circle，Polygon等中的简单补丁原语都是用简单

的路径实现的。通过使用复合路径，通常可以更有效地实现绘制函数，

如hist()和bar()，它们创建了许多原语，例如一堆 Rectangle，通常可使

用复合路径来实现。 bar创建一个矩形列表，而不是一个复合路径，很大程度上

出于历史原因：路径代码是比较新的， bar在它之前就存在。虽然我们现在可以

改变它，但它会破坏旧的代码，所以如果你需要为了效率，在你自己的代码中这样

做，例如，创建动画条形图，在这里我们将介绍如何创建复合路径，替换 bar中

的功能。

我们将通过为每个直方图的条形创建一系列矩形，来创建直方图图表：矩形宽度是

条形的宽度，矩形高度是该条形中的数据点数量。首先，我们将创建一些随机的正

态分布数据并计算直方图。因为numpy返回条形边缘而不是中心，所以下面的示

例中 bins的长度比 n的长度大1：

#histogramourdatawithnumpy

data=np.random.randn(1000)

n,bins=np.histogram(data,100)

我们现在将提取矩形的角。下面的每个 left，bottom等数组长度

为len(n)，其中 n是每个直方图条形的计数数组：

路径教程

103

#getthecornersoftherectanglesforthehistogram

left=np.array(bins[:-1])

right=np.array(bins[1:])

bottom=np.zeros(len(left))

top=bottom+n

现在我们必须构造复合路径，它由每个矩形的一系

列MOVETO，LINETO和CLOSEPOLY组成。对于每个矩形，我们需要5个顶

点：一个代表 MOVETO，三个代表 LINETO，一个代表 CLOSEPOLY。如上表所

示， closepoly的顶点被忽略，但我们仍然需要它来保持代码与顶点对齐：

nverts=nrects*(1+3+1)

verts=np.zeros((nverts,2))

codes=np.ones(nverts,int)*path.Path.LINETO

codes[0::5]=path.Path.MOVETO

codes[4::5]=path.Path.CLOSEPOLY

verts[0::5,0]=left

verts[0::5,1]=bottom

verts[1::5,0]=left

verts[1::5,1]=top

verts[2::5,0]=right

verts[2::5,1]=top

verts[3::5,0]=right

verts[3::5,1]=bottom

剩下的就是创建路径了，将其添加到 PathPatch，将其添加到我们的轴域：

barpath=path.Path(verts,codes)

patch=patches.PathPatch(barpath,facecolor='green',

edgecolor='yellow',alpha=0.5)

ax.add_patch(patch)

结果为：

路径教程

104

路径教程

105

路径效果指南

原文：Patheffectsguide

译者：飞龙

协议：CCBY-NC-SA4.0

Matplotlib的patheffects模块提供了一些功能，用于将多个绘制层次应用到任

何艺术家，并可以通过路径呈现。

可以对其应用路径效果的艺术家包括 Patch，Line2D，Collection，甚至文

本。每个艺术家的路径效果都可以通过 set_path_effects方法

（set_path_effects）控制，它需要一个 AbstractPathEffect的可迭代实

例。

最简单的路径效果是普通效果，它简单地绘制艺术家，并没有任何效果：

importmatplotlib.pyplotasplt

importmatplotlib.patheffectsaspath_effects

fig=plt.figure(figsize=(5,1.5))

text=fig.text(0.5,0.5,'Hellopatheffectsworld!\nThisisth

enormal'

'patheffect.\nPrettydull,huh?',

ha='center',va='center',size=20)

text.set_path_effects([path_effects.Normal()])

plt.show()

添加阴影

比正常效果更有趣的路径效果是阴影，我们可以应用于任何基于路径的艺术家。

SimplePatchShadow和SimpleLineShadow类通过在基本艺术家下面绘制填充

补丁或线条补丁来实现它：

路径效果指南

106

importmatplotlib.pyplotasplt

importmatplotlib.patheffectsaspath_effects

text=plt.text(0.5,0.5,'Hellopatheffectsworld!',

path_effects=[path_effects.withSimplePatchShadow

()])

plt.plot([0,3,2,5],linewidth=5,color='blue',

path_effects=[path_effects.SimpleLineShadow(),

path_effects.Normal()])

plt.show()

请注意本示例中设置路径效果的两种方法。第一个使用 with*类，来包含“正

常”效果之后的所需功能，而后者明确定义要绘制的两个路径效果。

让艺术家脱颖而出

使艺术家在视觉上脱颖而出的一个好方法是，在实际艺术家下面以粗体颜色绘制轮

廓。Stroke路径效果使其相对简单：

路径效果指南

107

importmatplotlib.pyplotasplt

importmatplotlib.patheffectsaspath_effects

fig=plt.figure(figsize=(7,1))

text=fig.text(0.5,0.5,'Thistextstandsoutbecauseof\n'

'itsblackborder.',color='white',

ha='center',va='center',size=30)

text.set_path_effects([path_effects.Stroke(linewidth=3,foregrou

nd='black'),

path_effects.Normal()])

plt.show()

重要的是注意，这种效果能够工作，因为我们已经绘制两次文本路径：一次使用粗

黑线，然后另一次使用原始文本路径在上面绘制。

您可能已经注意到， Stroke、SimplePatchShadow和SimpleLineShadow的

关键字不是通常的 Artist关键字（例如 facecolor和edgecolor等）。这是

因为使用这些路径效果，我们操作了matplotlib的较低层。实际上，接受的关键字

是用于 matplotlib.backend_bases.GraphicsContextBase实例的关键字，它

们为易于创建新的后端而设计，而不是用于其用户界面。

对路径效果艺术家的更大控制

如前所述，一些路径效果的操作级别低于大多数用户操作，这意味着设置关键字

（如 facecolor和edgecolor）会导致 AttributeError。幸运的是，有一个

通用的 PathPatchEffect路径效果，它创建一个具有原始路径

的PathPatch类。此效果的关键字与 PathPatch相同：

路径效果指南

108

importmatplotlib.pyplotasplt

importmatplotlib.patheffectsaspath_effects

fig=plt.figure(figsize=(8,1))

t=fig.text(0.02,0.5,'Hatchshadow',fontsize=75,weight=1000

,va='center')

t.set_path_effects([path_effects.PathPatchEffect(offset=(4,-4),

hatch='xxxx',

facecolor='gra

y'),

path_effects.PathPatchEffect(edgecolor='whit

e',linewidth=1.1,

facecolor='blac

k')])

plt.show()

路径效果指南

109

文本处理

处理文本

110

引言

原文：Textintroduction

译者：飞龙

协议：CCBY-NC-SA4.0

matplotlib具有优秀的文本支持，包括数学表达式，光栅和向量输出的truetype支

持，任意旋转的换行分隔文本和unicode支持。因为我们直接在输出文档中嵌入字

体，例如postscript或PDF，你在屏幕上看到的也是你在打印件中得到的。

freetype2可产生非常漂亮，抗锯齿的字体，即使在小光栅尺寸下看起来也不错。

matplotlib拥有自己的 matplotlib.font_manager，感谢PaulBarrett，他实现

了一个跨平台，符合W3C标准的字体查找算法。

你可以完全控制每个文本属性（字体大小，字体重量，文本位置和颜色等），并

在rc文件中设置合理的默认值。并且对于那些对数学或科学图像感兴趣的人，

matplotlib实现了大量的TeX数学符号和命令，来支持你图中任何地方放置数学表

达式。

引言

111

基本的文本命令

原文：Basictextcommands

译者：飞龙

协议：CCBY-NC-SA4.0

text

在Axes的任意位置添加文本。

命令式： matplotlib.pyplot.text，面向对

象： matplotlib.axes.Axes.text。

xlabel

向x轴添加轴标签。

命令式： matplotlib.pyplot.xlabel，面向对

象： matplotlib.axes.Axes.set_xlabel。

ylabel

向y轴添加轴标签。

命令式： matplotlib.pyplot.ylabel，面向对

象： matplotlib.axes.Axes.set_ylabel。

title

向Axes添加标题。

命令式： matplotlib.pyplot.title，面向对

象： matplotlib.axes.Axes.set_title。

figtext

向Figure的任意位置添加文本。

基本的文本命令

112

命令式： matplotlib.pyplot.figtext，面向对

象： matplotlib.figure.Figure.text。

suptitle

向Figure添加标题。

命令式： matplotlib.pyplot.suptitle，面向对

象： matplotlib.figure.Figure.suptitle。

annotate

向Axes添加标注，带有可选的箭头。

命令式： matplotlib.pyplot.annotate，面向对

象： matplotlib.axes.Axes.annotate。

所有这些函数创建并返回一个 matplotlib.text.Text()实例，它可以配置各种

字体和其他属性。下面的示例在实战中展示所有这些命令。

基本的文本命令

113

#-*-coding:utf-8-*-

importmatplotlib.pyplotasplt

fig=plt.figure()

fig.suptitle('boldfiguresuptitle',fontsize=14,fontweight='bo

ld')

ax=fig.add_subplot(111)

fig.subplots_adjust(top=0.85)

ax.set_title('axestitle')

ax.set_xlabel('xlabel')

ax.set_ylabel('ylabel')

ax.text(3,8,'boxeditalicstextindatacoords',style='italic'

bbox={'facecolor':'red','alpha':0.5,'pad':10})

ax.text(2,6,r'anequation:$E=mc^2$',fontsize=15)

ax.text(3,2,u'unicode:Institutf\374rFestk\366rperphysik')

ax.text(0.95,0.01,'coloredtextinaxescoords',

verticalalignment='bottom',horizontalalignment='right',

transform=ax.transAxes,

color='green',fontsize=15)

ax.plot([2],[1],'o')

ax.annotate('annotate',xy=(2,1),xytext=(3,4),

arrowprops=dict(facecolor='black',shrink=0.05))

ax.axis([0,10,0,10])

plt.show()

基本的文本命令

114

基本的文本命令

115

文本属性及布局

原文：Textpropertiesandlayout

译者：飞龙

协议：CCBY-NC-SA4.0

matplotlib.text.Text实例有各种属性，可以通过关键字参数配置文本命令

（例如， title()，xlabel()和text()）。

属性值类型

alpha 浮点

backgroundcolor 任何matplotlib颜色

bbox rectanglepropdictpluskey'pad'whichisapadinpoints

clip_box matplotlib.transform.Bbox实例

clip_on [True/False]

clip_path Path，Transform或Patch实例

color 任何matplotlib颜色

family ['serif'/'sans-serif'/'cursive'/'fantasy'/'monospace']

fontproperties matplotlib.font_manager.FontProperties实例

horizontalalignment

orha ['center'/'right'/'left']

label 任何字符串

linespacing 浮点

multialignment ['left'/'right'/'center']

nameorfontname 字符串，例如['Sans'/'Courier'/'Helvetica'...]

picker [ None/浮点/布尔值/可调用对象]`

position (x,y)

rotation [角度制的角度/'vertical'/'horizontal'

sizeorfontsize [点的尺寸

styleorfontstyle ['normal'/'italic'/'oblique']

文本属性及布局

116

text 字符串或任何可使用 '%s'打印的东西

transform matplotlib.transform实例

variant ['normal'/'small-caps']

verticalalignmentor

va ['center'/'top'/'bottom'/'baseline']

visible [True/False]

weightor

fontweight ['normal'/'bold'/'heavy'/'light'/'ultrabold'/'ultralight']

x浮点

y浮点

zorder 任意数值

你可以使用对齐参

数horizontalalignment，verticalalignment和multialignment来布置

文本。horizontalalignment控制文本的 x位置参数表示文本边界框的左边，

中间或右边。verticalalignment控制文本的 y位置参数表示文本边界框的底

部，中心或顶部。multialignment，仅对于换行符分隔的字符串，控制不同的

行是左，中还是右对齐。这里是一个使用 text()命令显示各种对齐方式的例

子。在整个代码中使用 transform=ax.transAxes，表示坐标相对于轴边界框

给出，其中 0,0是轴的左下角， 1,1是右上角。

importmatplotlib.pyplotasplt

importmatplotlib.patchesaspatches

#buildarectangleinaxescoords

left,width=.25,.5

bottom,height=.25,.5

right=left+width

top=bottom+height

fig=plt.figure()

ax=fig.add_axes([0,0,1,1])

#axescoordinatesare0,0isbottomleftand1,1isupperright

p=patches.Rectangle(

(left,bottom),width,height,

fill=False,transform=ax.transAxes,clip_on=False

)

ax.add_patch(p)

ax.text(left,bottom,'lefttop',

horizontalalignment='left',

verticalalignment='top',

文本属性及布局

117

transform=ax.transAxes)

ax.text(left,bottom,'leftbottom',

horizontalalignment='left',

verticalalignment='bottom',

transform=ax.transAxes)

ax.text(right,top,'rightbottom',

horizontalalignment='right',

verticalalignment='bottom',

transform=ax.transAxes)

ax.text(right,top,'righttop',

horizontalalignment='right',

verticalalignment='top',

transform=ax.transAxes)

ax.text(right,bottom,'centertop',

horizontalalignment='center',

verticalalignment='top',

transform=ax.transAxes)

ax.text(left,0.5*(bottom+top),'rightcenter',

horizontalalignment='right',

verticalalignment='center',

rotation='vertical',

transform=ax.transAxes)

ax.text(left,0.5*(bottom+top),'leftcenter',

horizontalalignment='left',

verticalalignment='center',

rotation='vertical',

transform=ax.transAxes)

ax.text(0.5*(left+right),0.5*(bottom+top),'middle',

horizontalalignment='center',

verticalalignment='center',

fontsize=20,color='red',

transform=ax.transAxes)

ax.text(right,0.5*(bottom+top),'centered',

horizontalalignment='center',

verticalalignment='center',

rotation='vertical',

transform=ax.transAxes)

ax.text(left,top,'rotated\nwithnewlines',

horizontalalignment='center',

verticalalignment='center',

rotation=45,

transform=ax.transAxes)

ax.set_axis_off()

文本属性及布局

118

plt.show()

文本属性及布局

119

默认字体

原文：Textpropertiesandlayout

译者：飞龙

协议：CCBY-NC-SA4.0

基本的默认字体由一系列 rcParams参数控制：

rcParam 用法

'font.family'

字体名称

或{'cursive','fantasy','monospace','sans','sansserif','sans-serif','serif'}

列表

'font.style' 默认字体，例如 'normal'，'italic'

'font.variant' 默认变体，例如 'normal'，'small-caps'（未测试）

'font.stretch' 默认拉伸 'normal'，'condensed'（未完成）

'font.weight' 字体粗细，可为整数或字符串

'font.size' 默认字体大小（以磅为单位）。相对字体大小（ 'large'

字体系列别名

（{'cursive'，'fantasy'，'monospace'，'sans'，'sansserif'，'sans-serif'，'serif'}

）和实际字体名称之间的映射由以下 rcParams控制：

系列别名映射的 rcParam

'serif' 'font.serif'

'monospace' 'font.monospace'

'fantasy' 'font.fantasy'

'cursive' 'font.cursive'

{'sans','sansserif','sans-serif'} 'font.sans-serif'

它是字体名称的列表。

非拉丁字形文本

从v2.0开始，默认字体包含许多西方字母的字形，但仍然没有覆盖mpl用户可能

需要的所有字形。例如，DejaVu没有覆盖中文，韩语或日语。

默认字体

120

要将默认字体设置为支持所需代码点的字体，请将字体名称添加

到font.family或所需的别名列表前面。

matplotlib.rcParams['font.sans-serif']=['SourceHanSansTW',

'sans-serif']

或在 .matplotlibrc文件中设置：

font.sans-serif:SourceHanSansTW,Ariel,sans-serif

要控制每个艺术家使用的字体，使用上面记录

的'name'，'fontname'或'fontproperties'关键字参数。

在linux上， fc-list是用于发现字体名称的实用工具；例如

$fc-list:lang=zhfamily

NototoSansMonoCJKTC,NotoSansMonoCJKTCBold

NotoSansCJKTC,NotoSansCJKTCMedium

NotoSansCJKTC,NotoSansCJKTCDemiLight

NotoSansCJKKR,NotoSansCJKKRBlack

NotoSansCJKTC,NotoSansCJKTCBlack

NotoSansMonoCJKTC,NotoSansMonoCJKTCRegular

NotoSansCJKSC,NotoSansCJKSCLight

列出了所有支持中文的字体。

默认字体

121

标注

原文：Annotation

译者：飞龙

协议：CCBY-NC-SA4.0

基本标注

使用 text()会将文本放置在轴域的任意位置。文本的一个常见用例是标注绘图

的某些特征，而 annotate()方法提供辅助函数，使标注变得容易。在标注中，

有两个要考虑的点：由参数 xy表示的标注位置和 xytext的文本位置。这两个

参数都是 (x,y)元组。

importnumpyasnp

importmatplotlib.pyplotasplt

fig=plt.figure()

ax=fig.add_subplot(111)

t=np.arange(0.0,5.0,0.01)

s=np.cos(2*np.pi*t)

line,=ax.plot(t,s,lw=2)

ax.annotate('localmax',xy=(2,1),xytext=(3,1.5),

arrowprops=dict(facecolor='black',shrink=0.05),

)

ax.set_ylim(-2,2)

plt.show()

源代码

标注

122

在该示例中， xy（箭头尖端）和 xytext位置（文本位置）都以数据坐标为单

位。有多种可以选择的其他坐标系-你可以使用 xycoords和textcoords以及

下列字符串之一（默认为 data）指定 xy和xytext的坐标系。

|参数|坐标系|| 'figurepoints'|距离图形左下角的点数量||

'figurepixels'|距离图形左下角的像素数量|| 'figurefraction'|0,0

'axespixels'|距离轴域左下角的像素数量|| 'axesfraction'|0,0是轴

域左下角，1,1是右上角|| 'data'|使用轴域数据坐标系|

例如将文本以轴域小数坐标系来放置，我们可以：

ax.annotate('localmax',xy=(3,1),xycoords='data',

xytext=(0.8,0.95),textcoords='axesfraction',

arrowprops=dict(facecolor='black',shrink=0.05),

horizontalalignment='right',verticalalignment='top'

)

对于物理坐标系（点或像素），原点是图形或轴的左下角。

或者，你可以通过在可选关键字参数 arrowprops中提供箭头属性字典来绘制从

文本到注释点的箭头。

标注

123

arrowprops键描述

width 箭头宽度，以点为单位

frac 箭头头部所占据的比例

headwidth 箭头的底部的宽度，以点为单位

shrink 移动提示，并使其离注释点和文本一些距离

**kwargs matplotlib.patches.Polygon的任何键，例

如facecolor

在下面的示例中， xy点是原始坐标（ xycoords默认为 'data'）。对于极坐

标轴，它在 (theta,radius)空间中。此示例中的文本放置在图形小数坐标系

中。matplotlib.text.Text关键字 args，例

如horizontalalignment，verticalalignment和fontsize，

从annotate传给 Text实例。

源代码

注释（包括花式箭头）的所有高上大的内容的更多信息，请参阅高级标注

和pylab_examples示例代码： annotation_demo.py。

不要继续，除非你已经阅读了基本标注，text()和annotate()。

高级标注

标注

124

使用框和文本来标注

让我们以一个简单的例子来开始。

源代码

在pyplot模块（或 Axes类的 text方法）中的 text()函数接受 bbox关键

字参数，并且在提供时，在文本周围绘制一个框。

与文本相关联的补丁对象可以通过以下方式访问：

bb=t.get_bbox_patch()

返回值是 FancyBboxPatch的一个实例，并且补丁属性

（如 facecolor，edgewidth等）可以像平常一样访问和修改。为了更改框的

形状，请使用 set_boxstyle方法。

bb.set_boxstyle("rarrow",pad=0.6)

该参数是框样式的名称与其作为关键字参数的属性。目前，实现了以下框样式。

标注

125

类名称属性

Circle circle pad=0.3

DArrow darrow pad=0.3

LArrow larrow pad=0.3

RArrow rarrow pad=0.3

Round round pad=0.3,rounding_size=None

Round4 round4 pad=0.3,rounding_size=None

Roundtooth roundtooth pad=0.3,tooth_size=None

Sawtooth sawtooth pad=0.3,tooth_size=None

Square square pad=0.3

源代码

标注

126

注意，属性参数可以在样式名称中用逗号分隔（在初始化文本实例时，此形式可以

用作 bbox参数的 boxstyle的值）。

bb.set_boxstyle("rarrow,pad=0.6")

使用箭头来标注

pyplot模块（或 Axes类的 annotate方法）中的 annotate()函数用于绘制

连接图上两点的箭头。

标注

127

ax.annotate("Annotation",

xy=(x1,y1),xycoords='data',

xytext=(x2,y2),textcoords='offsetpoints',

)

这会使用 textcoords中提供的， xytext处的文本标注提供坐标

（xycoords）中的 xy处的点。通常，数据坐标中规定了标注点，偏移点中规

定了标注文本。请参阅 annotate()了解可用的坐标系。

连接两个点（ xy和xytext）的箭头可以通过指定 arrowprops参数可选地绘

制。为了仅绘制箭头，请使用空字符串作为第一个参数。

ax.annotate("",

xy=(0.2,0.2),xycoords='data',

xytext=(0.8,0.8),textcoords='data',

arrowprops=dict(arrowstyle="->",

connectionstyle="arc3"),

)

源代码

箭头的绘制需要几个步骤。

创建两个点之间的连接路径。这由 connectionstyle键值控制。

如果提供了补丁对象（ patchA和patchB），则会剪切路径以避开该补

丁。

路径进一步由提供的像素总量来缩小（ shirnkA&shrinkB）

路径转换为箭头补丁，由 arrowstyle键值控制。

源代码

标注

128

两个点之间的连接路径的创建由 connectionstyle键控制，并且可用以下样式。

名称属性

angle angleA=90,angleB=0,rad=0.0

angle3 angleA=90,angleB=0

arc angleA=0,angleB=0,armA=None,armB=None,rad=0.0

arc3 rad=0.0

bar armA=0.0,armB=0.0,fraction=0.3,angle=None

注意， angle3和arc3中的 3意味着所得到的路径是二次样条段（三个控制

点）。如下面将讨论的，当连接路径是二次样条时，可以使用一些箭头样式选项。

每个连接样式的行为在下面的示例中（有限地）演示。（警告：条形样式的行为当

前未定义好，将来可能会更改）。

源代码

标注

129

然后根据给定的箭头样式将连接路径（在剪切和收缩之后）变换为箭头补丁。

名称属性

-None

-> head_length=0.4,head_width=0.2

-[ widthB=1.0,lengthB=0.2,angleB=None

|-| widthA=1.0,widthB=1.0

-|> head_length=0.4,head_width=0.2

<- head_length=0.4,head_width=0.2

<-> head_length=0.4,head_width=0.2

<|- head_length=0.4,head_width=0.2

< -|> head_length=0.4,head_width=0.2

fancy head_length=0.4,head_width=0.4,tail_width=0.4

simple head_length=0.5,head_width=0.5,tail_width=0.2

wedge tail_width=0.3,shrink_factor=0.5

源代码

标注

130

一些箭头仅适用于生成二次样条线段的连接样式。他们

是fancy，simple，wedge。对于这些箭头样式，必须使

用angle3或arc3连接样式。

如果提供了标注字符串，则 patchA默认设置为文本的 bbox补丁。

源代码

与text命令一样，可以使用 bbox参数来绘制文本周围的框。

标注

131

源代码

默认情况下，起点设置为文本范围的中心。可以使用 relpos键值进行调整。这

些值根据文本的范围进行归一化。例如， (0,0)表示左下角， (1,1)表示右上

角。

源代码

将艺术家放置在轴域的锚定位置

有一类艺术家可以放置在轴域的锚定位置。一个常见的例子是图例。这种类型的

艺术家可以使用 OffsetBox类创建。

mpl_toolkits.axes_grid.anchored_artists中有几个预定义类。

标注

132

frommpl_toolkits.axes_grid.anchored_artistsimportAnchoredText

at=AnchoredText("Figure1a",

prop=dict(size=8),frameon=True,

loc=2,

)

at.patch.set_boxstyle("round,pad=0.,rounding_size=0.2")

ax.add_artist(at)

源代码

loc关键字与 legend命令中含义相同。

一个简单的应用是当艺术家（或艺术家的集合）的像素大小在创建时已知。例如，

如果要绘制一个固定大小为20像素×20像素（半径为10像素）的圆，则可以使

用AnchoredDrawingArea。实例使用绘图区域的大小创建（以像素为单位）。

用户可以在绘图区任意添加艺术家。注意，添加到绘图区域的艺术家的范围与绘制

区域本身的位置无关，只和初始大小有关。

frommpl_toolkits.axes_grid.anchored_artistsimportAnchoredDraw

ingArea

ada=AnchoredDrawingArea(20,20,0,0,

loc=1,pad=0.,frameon=False)

p1=Circle((10,10),10)

ada.drawing_area.add_artist(p1)

p2=Circle((30,10),5,fc="r")

ada.drawing_area.add_artist(p2)

添加到绘图区域的艺术家不应该具有变换集（它们将被重写），并且那些艺术家的

尺寸被解释为像素坐标，即，上述示例中的圆的半径分别是10像素和5像素。

源代码

标注

133

有时，你想让你的艺术家按数据坐标（或其他坐标，而不是画布像素）缩放。你可

以使用 AnchoredAuxTransformBox类。这类似于 AnchoredDrawingArea，除

了艺术家的范围在绘制时由指定的变换确定。

frommpl_toolkits.axes_grid.anchored_artistsimportAnchoredAuxT

ransformBox

box=AnchoredAuxTransformBox(ax.transData,loc=2)

el=Ellipse((0,0),width=0.1,height=0.4,angle=30)#indatac

oordinates!

box.drawing_area.add_artist(el)

上述示例中的椭圆具有在数据坐标中对应于0.1和0.4的宽度和高度，并且当轴域

的视图限制改变时将自动缩放。

源代码

标注

134

如图例所示，可以设置 bbox_to_anchor参数。使用 HPacker和VPacker，

你可以像图例中一样排列艺术家（事实上，这是图例的创建方式）。

源代码

请注意，与图例不同，默认情况下， bbox_transform设置

为IdentityTransform。

使用复杂坐标来标注

matplotlib中的标注支持标注文本中描述的几种类型的坐标。对于想要更多控制的

高级用户，它支持几个其他选项。

1. Transform实例，例如：

ax.annotate("Test",xy=(0.5,0.5),xycoords=ax.transAxes)

相当于：

ax.annotate("Test",xy=(0.5,0.5),xycoords="axesfraction")

使用它，你可以在其他轴域内标注一个点：

ax1,ax2=subplot(121),subplot(122)

ax2.annotate("Test",xy=(0.5,0.5),xycoords=ax1.transData,

xytext=(0.5,0.5),textcoords=ax2.transData,

arrowprops=dict(arrowstyle="->"))

2. Artist实例。 xy值（或 xytext）被解释为艺术家

的bbox（get_window_extent的返回值）的小数坐标。

标注

135

an1=ax.annotate("Test1",xy=(0.5,0.5),xycoords="data",

va="center",ha="center",

bbox=dict(boxstyle="round",fc="w"))

an2=ax.annotate("Test2",xy=(1,0.5),xycoords=an1,#(1,

0.5)ofthean1'sbbox

xytext=(30,0),textcoords="offsetpoints",

va="center",ha="left",

bbox=dict(boxstyle="round",fc="w"),

arrowprops=dict(arrowstyle="->"))

源代码

请注意，你的责任是在绘制 an2之前确定坐标艺术家（上例中的 an1）的范

围。在大多数情况下，这意味着 an2需要晚于 an1。

3. 一个返回 BboxBase或Transform的实例的可调用对象。如果返回一个变

换，它与1相同，如果返回 bbox，它与2相同。可调用对象应该接

受renderer实例的单个参数。例如，以下两个命令产生相同的结果：

an2=ax.annotate("Test2",xy=(1,0.5),xycoords=an1,

xytext=(30,0),textcoords="offsetpoints")

an2=ax.annotate("Test2",xy=(1,0.5),xycoords=an1.get_wi

ndow_extent,

xytext=(30,0),textcoords="offsetpoints")

4. 指定二元坐标的元组。第一项用于 x坐标，第二项用于 y坐标。例如，

annotate("Test",xy=(0.5,1),xycoords=("data","axesfracti

on"))

0.5的单位是数据坐标，1的单位是归一化轴域坐标。你可以像使用元组一样

使用艺术家或变换。例如，

标注

136

importmatplotlib.pyplotasplt

plt.figure(figsize=(3,2))

ax=plt.axes([0.1,0.1,0.8,0.7])

an1=ax.annotate("Test1",xy=(0.5,0.5),xycoords="data",

va="center",ha="center",

bbox=dict(boxstyle="round",fc="w"))

an2=ax.annotate("Test2",xy=(0.5,1.),xycoords=an1,

xytext=(0.5,1.1),textcoords=(an1,"axesf

raction"),

va="bottom",ha="center",

bbox=dict(boxstyle="round",fc="w"),

arrowprops=dict(arrowstyle="->"))

plt.show()

源代码

5. 有时，您希望您的注释带有一些“偏移点”，不是距离注释点，而是距离某些其

他点。OffsetFrom是这种情况下的辅助类。

标注

137

importmatplotlib.pyplotasplt

plt.figure(figsize=(3,2))

ax=plt.axes([0.1,0.1,0.8,0.7])

an1=ax.annotate("Test1",xy=(0.5,0.5),xycoords="data",

va="center",ha="center",

bbox=dict(boxstyle="round",fc="w"))

frommatplotlib.textimportOffsetFrom

offset_from=OffsetFrom(an1,(0.5,0))

an2=ax.annotate("Test2",xy=(0.1,0.1),xycoords="data",

xytext=(0,-10),textcoords=offset_from,

#xytextisoffsetpointsfrom"xy=(0.5,0

),xycoords=an1"

va="top",ha="center",

bbox=dict(boxstyle="round",fc="w"),

arrowprops=dict(arrowstyle="->"))

plt.show()

你可以参考这个链

接： pylab_examplesexamplecode:annotation_demo3.py.。

使用 ConnectorPatch

ConnectorPatch类似于没有文本的标注。虽然在大多数情况下建议使用标注函

数，但是当您想在不同的轴上连接点时， ConnectorPatch很有用。

frommatplotlib.patchesimportConnectionPatch

xy=(0.2,0.2)

con=ConnectionPatch(xyA=xy,xyB=xy,coordsA="data",coordsB="d

ata",

axesA=ax1,axesB=ax2)

ax2.add_artist(con)

上述代码连接了 ax1中数据坐标的 xy点，与 ax2中数据坐标的 xy点。这是

个简单的例子。

标注

138

源代码

虽然 ConnectorPatch实例可以添加到任何轴，但您可能需要将其添加到绘图顺

序中最新的轴，以防止与其他轴重叠。

高级话题

轴域之间的缩放效果

mpl_toolkits.axes_grid.inset_locator定义了一些补丁类，用于互连两个轴

域。理解代码需要一些mpl转换如何工作的知识。但是，利用它的方式很直接。

源代码

标注

139

定义自定义盒样式

你可以使用自定义盒样式， boxstyle的值可以为如下形式的可调用对象：

def__call__(self,x0,y0,width,height,mutation_size,

aspect_ratio=1.):

"""

Giventhelocationandsizeofthebox,returnthepathof

theboxaroundit.

-*x0*,*y0*,*width*,*height*:locationandsizeofthe

box

-*mutation_size*:areferencescaleforthemutation.

-*aspect_ratio*:aspect-ratioforthemutation.

"""

path=...

returnpath

这里是个复杂的例子：

源代码

标注

140

但是，推荐你从 matplotlib.patches.BoxStyle._Base派生，像这样：

frommatplotlib.pathimportPath

frommatplotlib.patchesimportBoxStyle

importmatplotlib.pyplotasplt

#wemayderivefrommatplotlib.patches.BoxStyle._Baseclass.

#Youneedtooverridetransmutemethodinthiscase.

classMyStyle(BoxStyle._Base):

"""

Asimplebox.

"""

def__init__(self,pad=0.3):

"""

Theargumentsneedtobefloatingnumbersandneedtoha

defaultvalues.

*pad*

amountofpadding

"""

self.pad=pad

super(MyStyle,self).__init__()

deftransmute(self,x0,y0,width,height,mutation_size):

"""

Giventhelocationandsizeofthebox,returnthepath

theboxaroundit.

-*x0*,*y0*,*width*,*height*:locationandsizeof

thebox

-*mutation_size*:areferencescaleforthemutation.

标注

141

Often,the*mutation_size*isthefontsizeofthetext.

Youdon'tneedtoworryabouttherotationasitis

automaticallytakencareof.

"""

#padding

pad=mutation_size*self.pad

#widthandheightwithpaddingadded.

width,height=width+2.*pad,\

height+2.*pad,

#boundaryofthepaddedbox

x0,y0=x0-pad,y0-pad,

x1,y1=x0+width,y0+height

cp=[(x0,y0),

(x1,y0),(x1,y1),(x0,y1),

(x0-pad,(y0+y1)/2.),(x0,y0),

(x0,y0)]

com=[Path.MOVETO,

Path.LINETO,Path.LINETO,Path.LINETO,

Path.LINETO,Path.LINETO,

Path.CLOSEPOLY]

path=Path(cp,com)

returnpath

#registerthecustomstyle

BoxStyle._style_list["angled"]=MyStyle

plt.figure(1,figsize=(3,3))

ax=plt.subplot(111)

ax.text(0.5,0.5,"Test",size=30,va="center",ha="center",rot

ation=30,

bbox=dict(boxstyle="angled,pad=0.5",alpha=0.2))

delBoxStyle._style_list["angled"]

plt.show()

源代码

标注

142

与之类似，您可以定义一个自定义的 ConnectionStyle和一个自定义

的ArrowStyle。请参阅 lib/matplotlib/patches.py的源代码，并查看每个

样式类是如何定义的。

标注

143

编写数学表达式

原文：Writingmathematicalexpressions

译者：飞龙

协议：CCBY-NC-SA4.0

你可以在任何matplotlib文本字符串中使用子TeX标记，将它放在一对美元符号

（$）内。

注意，你不需要安装TeX，因为matplotlib提供了自己的TeX表达式解析器，布局

引擎和字体。布局引擎是DonaldKnuth的TeX中的布局算法的一种相当直接的适

配版，所以质量是相当不错的（matplotlib还为那些想要调用TeX生成文本的人提

供一个 usetex选项（参见使用LaTeX渲染文本）。

任何文本元素都可以使用数学文本。你应该使用原始字符串（在引号前面加一

个'r'），并用美元符号（ $）包围数学文本，如TeX。常规文本和数学文本

可以在同一个字符串内交错。Mathtext可以使用ComputerModern字体（来自

(La)TeX），STIX字体（为与Times混合使用而设计）或你提供的Unicode字

体。可以使用自定义变量 mathtext.fontset选择mathtext字体（请参阅自定义

matplotlib）

注意

在Python的『narrow』构建中，如果使用STIX字体，你还应该

将ps.fonttype和pdf.fonttype设置为3（默认值），而不是42。否则

一些字符将不可见。

下面是个简单的例子：

#plaintext

plt.title('alpha>beta')

生成 alpha>beta。

但是这个：

#mathtext

plt.title(r'$\alpha>\beta$')

生成。

编写数学表达式

144

注意

Mathtext应该放在一对美元符号（ $）之间。为了易于显示货币值，例

如$100.00，如果整个字符串中存在单个美元符号，则它将被逐字显示为美

元符号。这是常规TeX的一个小改变，其中非数学文本中的美元符号必须被

转义（ '$'）。

注意

虽然一对美元符号（ $）内的语法是TeX风格的，但是外面的文本不是。特

别是，字符：

#$%&~_^\{}$$\[\]

在TeX中的数学模式之外有特殊的意义。因此，根

据rcParamtext.usetex标志这些字符的表现有所不同。更多信息请参

阅usetex教程。

下标和上标

为了制作下标和上标，使用 _或者 ^符号：

r'$\alpha_i>\beta_i$'

一些符号会自动将它们的下标或上标放在操作符的底部或顶部，例如，为了编写0

到无穷的 的和，你可以：

r'$\sum_{i=0}^\inftyx_i$'

分数、二项式和堆叠数

可以使用 \frac{}{}，\binomial{}{}和\stackrel{}{}命令分别创建分

数，二项式和堆叠数字：

r'$\frac{3}{4}\binom{3}{4}\stackrel{3}{4}$'

产生

编写数学表达式

145

分数可以任意嵌套：

r'$\frac{5-\frac{1}{x}}{4}$'

产生

请注意，在分数周围放置圆括号和花括号需要特别注意。这种明显的方式会产生太

小的括号：

r'$(\frac{5-\frac{1}{x}}{4})$'

解决方案是在括号前面加上 \left和\right以通知解析器这些括号包含整个对

象：

r'$\left(\frac{5-\frac{1}{x}}{4}\right)$'

根式

根式可以有 \sqrt[]{}产生，例如：

r'$\sqrt{2}$'

方括号内可以（可选地）设置任何底数。请注意，底数必须是一个简单的表达式，

并且不能包含布局命令，如分数或上下标：

r'$\sqrt[3]{x}$'

编写数学表达式

146

字体

用于数学符号的默认字体是斜体。

注意

此默认值可以使用 mathtext.defaultrcParam更改。这是非常有用的，

例如，通过将其设置为 regular，使用与常规非数学文本相同的字体作为数

学文本。

为了修改字体，例如，以罗马字体编写 sin，使用字体命令来闭合文本：

r'$s(t)=\mathcal{A}\mathrm{sin}(2\omegat)$'

这里 s和t是斜体（默认）的变量， sin是罗马字体，振幅 A是书法字体。

注意在上面的例子中， A和sin之间的间距被挤压。你可以使用间距命令在它

们之间添加一些空格：

s(t)=\mathcal{A}\/\sin(2\omegat)

所有字体的可用选项为：

命令结果

\mathrm{Roman}

\mathit{Italic}

\mathtt{Typewriter}

\mathcal{CALLIGRAPHY}

使用STIX字体时，你也可以选择：

编写数学表达式

147

命令结果

\mathbb{blackboard}

\mathrm{\mathbb{blackboard}}

\mathfrak{Fraktur}

\mathsf{sansserif}

\mathrm{\mathsf{sansserif}}

\mathcircled{circled}

还有三个全局『字体集』可供选择，它们使用 matplotlibrc中

的mathtext.fontset参数进行选择。

cm:ComputerModern(TeX)

stix:STIX（为和Times混合使用而设计）

stixsans:STIXsans-serif

此外，你可以使用 \mathdefault{...}或其别名 \mathregular{...}来使用用

于mathtext之外的常规文本的字体。这种方法有一些限制，最明显的是，可以使

用很少的符号，但可用于将数学表达式与图中的其他文本混合。

自定义字体

mathtext还提供了一种对数学公式使用自定义字体的方法。这种方法使用起来相当

棘手，应该看做为有耐心的用户准备的试验特性。通过

将rcParammathtext.fontset设置为 custom，你可以设置以下参数，这些参

数控制用于特定数学字符集的字体文件。

编写数学表达式

148

参数相当于

mathtext.it \mathit{}默认斜体

mathtext.rm \mathrm{}罗马字体（upright）

mathtext.tt \mathtt{}打字机（monospace）

mathtext.bf \mathbf{}粗体

mathtext.cal \mathcal{}书法

mathtext.sf \mathsf{}sans-serif

每个参数应该设置为 fontconfig字体描述符（在尚未编写的字体章节中定

义）。

所使用的字体应该具有Unicode映射，以便找到任何非拉丁字符，例如希腊语。

如果要使用未包含在自定义字体中的数学符号，可以

将rcParammathtext.fallback_to_cm设置为 True，这将导致自定义字体中

找不到特定字符时，数学文本系统使用默认的ComputerModern字体中的字符。

请注意，Unicode中规定的数学字形随时间而演进，许多字体的字形对于mathtext

可能不在正确位置。

重音符号

重音命令可以位于任何符号之前，在其上添加重音。他们中的一些些拥有较长和较

短的形式。

命令结果

\acutea或\'a

\bara

\brevea

\ddota或\"a

\dota或\.a

\gravea或\a`

\hata或\^a

\tildea或\~a

\veca

\overline{abc}

另外有两个特殊的重音符号，可以自动调整为符号的宽度：

编写数学表达式

149

命令结果

\widehat{xyz}

\widetilde{xyz}

当把重音放在小写的 i和j上时应该小心。注意下面的 \imath用来避免 i上

额外的点：

r"$\hati\\\hat\imath$"

符号

你也可以使用更大量的TeX符号，比

如\infty，\leftarrow，\sum，\int。

小写希腊字

母

\alpha \beta \chi \delta \digamma

\epsilon \eta \gamma \iota \kappa

\lambda \mu \nu \omega \phi

\pi \psi \rho \sigma \tau

\theta \upsilon \varepsilon \varkappa \varphi

\varpi \varrho \varsigma \vartheta \xi

\zeta

编写数学表达式

150

大写希腊字

母

\Delta \Gamma \Lambda \Omega \Phi \Pi

\Psi \Sigma \Theta \Upsilon \Xi \mho

\nabla

希伯来文

\aleph \beth \daleth \gimel

分隔符

/ [ \Downarrow \Uparrow \Vert

\downarrow \langle \lceil \lfloor \llcorner

\rangle \rceil \rfloor \ulcorner \uparrow

\vert \{ `\ `\}

大型符号

\bigcap \bigcup \bigodot \bigoplus \bigotimes

\biguplus \bigvee \bigwedge \coprod \int

\oint \prod \sum

编写数学表达式

151

标准函数名称

\Pr \arccos \arcsin \arctan

\arg \cos \cosh \cot

\coth \csc \deg \det

\dim \exp \gcd \hom

\inf \ker \lg \lim

\liminf \limsup \ln \log

\max \min \sec \sin

\sinh \sup \tan \tanh

二元运算符和关系符

号

\Bumpeq \Cap \Cup

\Doteq \Join \Subset

\Supset \Vdash \Vvdash

\approx \approxeq \ast

\asymp \backepsilon \backsim

\backsimeq \barwedge \because

\between \bigcirc \bigtriangledown

\bigtriangleup \blacktriangleleft \blacktriangleright

\bot \bowtie \boxdot

\boxminus \boxplus \boxtimes

\bullet \bumpeq \cap

\cdot \circ \circeq

\coloneq \cong \cup

\curlyeqprec \curlyeqsucc \curlyvee

\curlywedge \dag \dashv

编写数学表达式

152

\ddag \diamond \div

\divideontimes \doteq \doteqdot

\dotplus \doublebarwedge \eqcirc

\eqcolon \eqsim \eqslantgtr

\eqslantless \equiv \fallingdotseq

\frown \geq \geqq

\geqslant \gg \ggg

\gnapprox \gneqq \gnsim

\gtrapprox \gtrdot \gtreqless

\gtreqqless \gtrless \gtrsim

\in \intercal \leftthreetimes

\leq \leqq \leqslant

\lessapprox \lessdot \lesseqgtr

\lesseqqgtr \lessgtr \lesssim

\ll \lll \lnapprox

\lneqq \lnsim \ltimes

\mid \models \mp

\nVDash \nVdash \napprox

\ncong \ne \neq

\neq \nequiv \ngeq

\ngtr \ni \nleq

\nless \nmid \notin

\nparallel \nprec \nsim

\nsubset \nsubseteq \nsucc

\nsupset \nsupseteq \ntriangleleft

编写数学表达式

153

\ntrianglelefteq \ntriangleright \ntrianglerighteq

\nvDash \nvdash \odot

\ominus \oplus \oslash

\otimes \parallel \perp

\pitchfork \pm \prec

\precapprox \preccurlyeq \preceq

\precnapprox \precnsim \precsim

\propto \rightthreetimes \risingdotseq

\rtimes \sim \simeq

\slash \smile \sqcap

\sqcup \sqsubset \sqsubset

\sqsubseteq \sqsupset \sqsupset

\sqsupseteq \star \subset

\subseteq \subseteqq \subsetneq

\subsetneqq \succ \succapprox

\succcurlyeq \succeq \succnapprox

\succnsim \succsim \supset

\supseteq \supseteqq \supsetneq

\supsetneqq \therefore \times

\top \triangleleft \trianglelefteq

\triangleq \triangleright \trianglerighteq

\uplus \vDash \varpropto

\vartriangleleft \vartriangleright \vdash

\vee \veebar \wedge

\wr

箭头符号

编写数学表达式

154

\Downarrow \Leftarrow

\Leftrightarrow \Lleftarrow

\Longleftarrow \Longleftrightarrow

\Longrightarrow \Lsh

\Nearrow \Nwarrow

\Rightarrow \Rrightarrow

\Rsh \Searrow

\Swarrow \Uparrow

\Updownarrow \circlearrowleft

\circlearrowright \curvearrowleft

\curvearrowright \dashleftarrow

\dashrightarrow \downarrow

\downdownarrows \downharpoonleft

\downharpoonright \hookleftarrow

\hookrightarrow \leadsto

\leftarrow \leftarrowtail

\leftharpoondown \leftharpoonup

\leftleftarrows \leftrightarrow

\leftrightarrows \leftrightharpoons

\leftrightsquigarrow \leftsquigarrow

\longleftarrow \longleftrightarrow

\longmapsto \longrightarrow

\looparrowleft \looparrowright

\mapsto \multimap

\nLeftarrow \nLeftrightarrow

\nRightarrow \nearrow

\nleftarrow \nleftrightarrow

编写数学表达式

155

\nrightarrow \nwarrow

\rightarrow \rightarrowtail

\rightharpoondown \rightharpoonup

\rightleftarrows \rightleftarrows

\rightleftharpoons \rightleftharpoons

\rightrightarrows \rightrightarrows

\rightsquigarrow \searrow

\swarrow \to

\twoheadleftarrow \twoheadrightarrow

\uparrow \updownarrow

\updownarrow \upharpoonleft

\upharpoonright \upuparrows

编写数学表达式

156

杂项符号

\$ \AA \Finv

\Game \Im \P

\Re \S \angle

\backprime \bigstar \blacksquare

\blacktriangle \blacktriangledown \cdots

\checkmark \circledR \circledS

\clubsuit \complement \copyright

\ddots \diamondsuit \ell

\emptyset \eth \exists

\flat \forall \hbar

\heartsuit \hslash \iiint

\iint \iint \imath

\infty \jmath \ldots

\measuredangle \natural \neg

\nexists \oiiint \partial

\prime \sharp \spadesuit

\sphericalangle \ss \triangledown

\varnothing \vartriangle \vdots

\wp \yen

如果特定符号没有名称（对于STIX字体中的许多较为模糊的符号也是如此），也

可以使用Unicode字符：

ur'$\u23ce$'

示例

下面是个示例，在上下文中展示了许多这些特性。

编写数学表达式

157

importnumpyasnp

importmatplotlib.pyplotasplt

t=np.arange(0.0,2.0,0.01)

s=np.sin(2*np.pi*t)

plt.plot(t,s)

plt.title(r'$\alpha_i>\beta_i$',fontsize=20)

plt.text(1,-0.6,r'$\sum_{i=0}^\inftyx_i$',fontsize=20)

plt.text(0.6,0.6,r'$\mathcal{A}\mathrm{sin}(2\omegat)$',

fontsize=20)

plt.xlabel('time(s)')

plt.ylabel('volts(mV)')

plt.show()

编写数学表达式

158

使用LaTeX渲染文本

原文：TextrenderingWithLaTeX

译者：飞龙

协议：CCBY-NC-SA4.0

Matplotlib可以选择使用LaTeX来管理所有文本布局。此选项可用于以下后端：

Agg

PDF

LaTeX选项通过在 rc设置中设置 text.usetex:True来激活。使用matplotlib

的LaTeX支持的文本处理会慢于matplotlib的非常强大的mathtext，但是更灵活，

因为可以使用不同的LaTeX包（字体包，数学包等）。结果会十分惊人，特别是

当你在图形中使用和主文档相同的字体。

Matplotlib的LaTeX支持需要可用的LaTeX安装版本，dvipng（可能包括在你的

LaTeX安装中）和Ghostscript（建议使用GPLGhostscript8.60或更高版本）。

这些外部依赖的可执行文件必须都位于你的 PATH中。

有几个选项需要提及，可以使用 rc设置更改它们。这里是一

个matplotlibrc示例文件：

font.family:serif

font.serif:Times,Palatino,NewCenturySchoolbook,Bo

okman,ComputerModernRoman

font.sans-serif:Helvetica,AvantGarde,ComputerModernSan

sserif

font.cursive:ZapfChancery

font.monospace:Courier,ComputerModernTypewriter

text.usetex:true

每个系列中的第一个有效字体是要加载的字体。如果未指定字体，则默认使用

ComputerModern字体。所有其他字体是Adobe字体。Times和Palatino每个

都有自己附带的数学字体，而其他Adobe衬线字体使用ComputerModern数学字

体。有关更多详细信息，请参阅PSNFSS文档。

要使用LaTeX并选择Helvetica作为默认字体，但不编辑 matplotlibrc，使

用：

使用LaTeX渲染文本

159

frommatplotlibimportrc

rc('font',**{'family':'sans-serif','sans-serif':['Helvetica']})

##forPalatinoandotherseriffontsuse:

#rc('font',**{'family':'serif','serif':['Palatino']})

rc('text',usetex=True)

这里是标准的示例， tex_demo.py：

"""

DemoofTeXrendering.

YoucanuseTeXtorenderallofyourmatplotlibtextiftherc

parametertext.usetexisset.Thisworkscurrentlyontheagga

ndps

backends,andrequiresthatyouhavetexandtheotherdependenc

ies

describedathttp://matplotlib.org/users/usetex.html

properlyinstalledonyoursystem.Thefirsttimeyourunascr

ipt

youwillseealotofoutputfromtexandassociatedtools.The

next

time,therunmaybesilent,asalotoftheinformationiscach

edin

~/.tex.cache

"""

importnumpyasnp

importmatplotlib.pyplotasplt

#Exampledata

t=np.arange(0.0,1.0+0.01,0.01)

s=np.cos(4*np.pi*t)+2

plt.rc('text',usetex=True)

plt.rc('font',family='serif')

plt.plot(t,s)

plt.xlabel(r'\textbf{time}(s)')

plt.ylabel(r'\textit{voltage}(mV)',fontsize=16)

plt.title(r"\TeX\isNumber"

r"$\displaystyle\sum_{n=1}^\infty\frac{-e^{i\pi}}{2^n}

$!",

fontsize=16,color='gray')

#Makeroomfortheridiculouslylargetitle.

plt.subplots_adjust(top=0.8)

plt.savefig('tex_demo')

plt.show()

使用LaTeX渲染文本

160

要注意数学显示模式（ $$e=mc^2$$）是不支持的，但是添加命

令\displaystyle之后会产生相同结果，就像 tex_demo.py中那样。

注意

一些字符在TeX中需要特别转义，例如：

#$%&~_^\{}$$\[\]

所以，这些字符会根据 rcParamtext.usetex标志位而表现不同。

在TeX中使用Unicode

也可以在LaTeX文本管理器中使用unicode字符串，这里是

从tex_unicode_demo.py中获取的示例：

使用LaTeX渲染文本

161

#-*-coding:utf-8-*-

"""

Thisdemoistex_demo.pymodifiedtohaveunicode.Seethatfile

for

moreinformation.

"""

from__future__importunicode_literals

importnumpyasnp

importmatplotlib

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

matplotlib.rcParams['text.latex.unicode']=True

importmatplotlib.pyplotasplt

plt.figure(1,figsize=(6,4))

ax=plt.axes([0.1,0.1,0.8,0.7])

t=np.arange(0.0,1.0+0.01,0.01)

s=np.cos(2*2*np.pi*t)+2

plt.plot(t,s)

plt.xlabel(r'\textbf{time(s)}')

plt.ylabel('\\textit{Velocity(\u00B0/sec)}',fontsize=16)

plt.title(r'\TeX\isNumber$\displaystyle\sum_{n=1}^\infty'

r'\frac{-e^{i\pi}}{2^n}$!',fontsize=16,color='r')

plt.grid(True)

plt.show()

Postscript选项

使用LaTeX渲染文本

162

为了生成可以嵌入到新LaTeX文档中的postscript封装文件，matplotlib的默认行

为是提取输出，这会删除LaTeX使用的一些postscript操作符，这些操作符在eps

文件中是非法的。此步骤产生的结果对于一些用户可能是不可接受的，因为文本被

粗略地光栅化并且被转换为位图，而不像标准Postscript那样是可缩放的，并且文

本是不可搜索的。一种解决方法是在你的 rc设置中将 ps.distiller.res设置

为较高的值（可能为6000），这将产生较大的文件，但可能看起来更好并能够合

理缩放。更好的解决方法需要Poppler或Xpdf，可以通过

将ps.usedistillerrc设置更改为 xpdf来激活。此替代方案产生postscript

而不光栅化文本，因此它能够正确缩放，可以在AdobeIllustrator中编辑，并搜

索pdf文档中的文本。

可能的问题

在Windows上，可能需要修改 PATH环境变量来包含latex，dvipng和

ghostscript可执行文件的目录。详细信息请参阅环境变量和在Windows中设

置环境变量。

使用MiKTeX与ComputerModern字体，如果你得到奇怪的*Agg和PNG结

果，访问 MiKTeX/Options并更新你的格式文件。

字体在屏幕上看起来糟糕。你可能正在运行MacOS，在mac上的老版本

dvipng运行着一些有趣的事情。在你的 matplotlibrc文件中设

置text.dvipnghack:True。

在Ubuntu和Gentoo上，texlive基本安装不附带type1cm包。你可能需要安

装一些额外的包，来获得所有与其它LaTeX分发版捆绑的特性。

matplotlib已经取得了一些进展，所以可以直接使用 dvi文件进行文本布局。

这允许LaTeX用于具有 pdf和svg后端的文本布局，以及*Agg和PS后

端。在将来，LaTeX安装可能是唯一的外部依赖。

故障排除

尝试删除 .matplotlib/tex.cache目录。如果你不知道 .matplotlib在

哪里，请参见matplotlib配置和缓存目录位置。

确保LaTeX，dvipng和ghostscript都正常工作，并存在于你的 PATH中。

确保你想要做的事情在LaTeX文档中可实现，你的LaTeX语法是有效的，并

且你正在使用原始字符串，如果必要，以避免意外的转义序列。

邮件列表上报告的大多数问题已通过升级Ghostscript来清除。如果可能的

话，请尝试升级到最新版本，然后向列表报告问题。

text.latex.preamblerc设置不受官方支持。此选项提供了大量的灵活性

和导致问题的许多方法。请在向邮件列表报告问题之前禁用此选项。

如果仍需要帮助，请参阅获取帮助。

使用LaTeX渲染文本

163

XeLaTeX/LuaLaTeX设置

原文：TypesettingWithXeLaTeX/LuaLaTeX

译者：飞龙

协议：CCBY-NC-SA4.0

使用pgf后端，matplotlib可以将图形导出为可以使用pdflatex，xelatex或

lualatex处理的pgf绘图命令。XeLaTeX和LuaLaTeX具有完整的unicode支持，

可以使用安装在操作系统中的任何字体，利用OpenType，AAT和Graphite的高

级排版功能。由plt.savefig('figure.pgf')创建的Pgf图片可以作为原始命

令嵌入到LaTeX文档中。图形也可以通过切换到该后端，直接编译并使

用plt.savefig('figure.pdf')保存到PDF。

matplotlib.use('pgf')

或者为处理PDF输出而注册它：

frommatplotlib.backends.backend_pgfimportFigureCanvasPgf

matplotlib.backend_bases.register_backend('pdf',FigureCanvasPgf

)

第二种方法允许你继续使用常规的交互式后端，并从图形用户界面保存xelatex，

lualatex或pdflatex编译的PDF文件。

Matplotlib的pgf支持需要最新的LaTeX安装，包括TikZ/PGF软件包（如

TeXLive），最好安装XeLaTeX或LuaLaTeX。如果你的系统上存在pdftocairo或

ghostscript，也可以选择将图形保存为PNG图像。所有应用程序的可执行文件必

须位于 PATH中。

控制pgf后端行为的Rc参数：

参数文档

pgf.preamble 包含在LaTeX序言中的行

pgf.rcfonts 使用fontspec软件包从rc参数设置字体

pgf.texsystem xelatex（默认）， lualatex或者 pdflatex

XeLaTeX/LuaLaTeX设置

164

注意

TeX定义了一系列特殊字符，例如：

#$%&~_^\{}

通常，这些字符必须正确转义。一些字符（ _，^，%）会自动在数学环

境之外转义。

字体规定

用于获取文本元素大小，或将图形编译为PDF的字体通常在matplotlibrc参数中

定义。你还可以通过清

除font.serif，font.sans-serif或font.monospace的列表来使用LaTeX

默认的ComputerModern字体。请注意，这些字体的字形覆盖范围非常有限。如

果要保留ComputerModern字体，但需要扩展Unicode编码支持，请考虑安装

ComputerModernUnicode字体CMUSerif，CMUSansSerif等。

保存到 .pgf时，matplotlib用于图形布局的字体配置包含在文本文件的标题中。

#-*-coding:utf-8-*-

importmatplotlibasmpl

mpl.use("pgf")

pgf_with_rc_fonts={

"font.family":"serif",

"font.serif":[],#uselatexdefaultseri

ffont

"font.sans-serif":["DejaVuSans"],#useaspecificsans-se

riffont

}

mpl.rcParams.update(pgf_with_rc_fonts)

importmatplotlib.pyplotasplt

plt.figure(figsize=(4.5,2.5))

plt.plot(range(5))

plt.text(0.5,3.,"serif")

plt.text(0.5,2.,"monospace",family="monospace")

plt.text(2.5,2.,"sans-serif",family="sans-serif")

plt.text(2.5,1.,"comicsans",family="ComicSansMS")

plt.xlabel(u"μisnot$\\mu$")

plt.tight_layout(.5)

XeLaTeX/LuaLaTeX设置

165

自定义序言

通过将你的命令添加到序言中，你可以完全自定义它。如果要配置数学字体（例如

使用unicode-math）或加载其他软件包，请使用 pgf.preamble参数。此外，如

果你想自己做字体配置，而不是使用rc参数中指定的字体，请确保禁

用pgf.rcfonts。

XeLaTeX/LuaLaTeX设置

166

#-*-coding:utf-8-*-

from__future__import(absolute_import,division,print_functio

unicode_literals)

importsix

importmatplotlibasmpl

mpl.use("pgf")

pgf_with_custom_preamble={

"font.family":"serif",#useserif/mainfontfortexteleme

nts

"text.usetex":True,#useinlinemathforticks

"pgf.rcfonts":False,#don'tsetupfontsfromrcparamete

"pgf.preamble":[

"\\usepackage{units}",#loadadditionalpackag

"\\usepackage{metalogo}",

"\\usepackage{unicode-math}",#unicodemathsetup

r"\setmathfont{xits-math.otf}",

r"\setmainfont{DejaVuSerif}",#seriffontviapreamble

]

}

mpl.rcParams.update(pgf_with_custom_preamble)

importmatplotlib.pyplotasplt

plt.figure(figsize=(4.5,2.5))

plt.plot(range(5))

plt.xlabel("unicodetext:я,ψ,€,ü,\\unitfrac[10]{°}{μm}")

plt.ylabel("\\XeLaTeX")

plt.legend(["unicodemath:$λ=∑_i^∞μ_i^2$"])

plt.tight_layout(.5)

XeLaTeX/LuaLaTeX设置

167

选择TeX系统

matplotlib使用的TeX系统由 pgf.texsystem参数选择。可能的值

为xelatex（默认值）， lualatex和pdflatex。请注意，当选

择pdflatex时，必须在序言中配置字体和unicode处理。

#-*-coding:utf-8-*-

importmatplotlibasmpl

mpl.use("pgf")

pgf_with_pdflatex={

"pgf.texsystem":"pdflatex",

"pgf.preamble":[

r"\usepackage[utf8x]{inputenc}",

r"\usepackage[T1]{fontenc}",

r"\usepackage{cmbright}",

]

}

mpl.rcParams.update(pgf_with_pdflatex)

importmatplotlib.pyplotasplt

plt.figure(figsize=(4.5,2.5))

plt.plot(range(5))

plt.text(0.5,3.,"serif",family="serif")

plt.text(0.5,2.,"monospace",family="monospace")

plt.text(2.5,2.,"sans-serif",family="sans-serif")

plt.xlabel(u"μisnot$\\mu$")

plt.tight_layout(.5)

故障排除

请注意，在一些Linux发行版和MiKTeX安装中发现的TeX包已经过时了。确保更

新你的软件包目录并升级或安装最新的TeX发行版。在Windows上，可能需要修

改PATH环境变量来包含latex，dvipng和ghostscript可执行文件的目录。详细信

XeLaTeX/LuaLaTeX设置

168

息请参阅环境变量和在窗口中设置环境变量。Windows上的限制会导致后端保留

由应用程序打开的文件句柄。因此，可能无法删除相应的文件，直到应用程序关闭

（参见 #1324）。有时保存到png图像的图形中的字体非常糟糕。这在

pdftocairo工具不可用，并且ghostscript用于pdf到png的转换时发生。确保你

想要做的事情在LaTeX文档中可实现，你的LaTeX语法是有效的，并且你正在使

用原始字符串，如果必要的话，避免意外的转义序列。pgf.preamblerc设置提

供了大量的灵活性，以及导致问题的许多方法。遇到问题时，尝试最小化或禁用自

定义序言。配置unicode-math环境可能有点棘手。例如TeXLive分发版提供了一

组通常不在系统范围内安装的数学字体。与LuaLatex不同的是，XeTeX不能根据

名字找到这些字体，这就是你可能必须指定 \setmathfont{xits-math.otf}，

而不是 \setmathfont{XITSMath}的原因，或者使字体可用于你的操作系统。更

多详细信息请参阅这个 tex.stackexchange.com的问题。如果matplotlib使用的

字体配置不同于你的LaTeX文档中的字体设置，则导入图形中的文本元素对齐可能

会关闭。如果你不确定matplotlib用于布局的字体，请检查 .pgf文件的标题。如

果图中有很多对象，矢量图像和 .pgf文件可能变得臃肿。这可能是图像处理或非

常大的散点图的情况。在极端情况下，这可能导致TeX内存不

足： TeXcapacityexceeded,sorry（TeX容量过大，对不起）。你可以配置

LaTeX来增加可用于生成 .pdf图像的内存量，请

见tex.stackexchange.com上讨论的问题。另一种方法是使

用rasterized=True关键字，或者根据本示例

的.set_rasterized(True)『栅格化』图形的某些导致问题部分。如果你仍需

要帮助，请参阅获取帮助。

XeLaTeX/LuaLaTeX设置

169

颜色

170

指定颜色

原文：SpecifyingColors

译者：飞龙

协议：CCBY-NC-SA4.0

在matplotlib的几乎所有地方，用户都可以指定颜色，它可以以如下形式提供：

RGB或者RGBA浮点值元组， [0,1]之间，例如 (0.1,0.2,0.5)或

者(0.1,0.2,0.5,0.3)。

RGB或者RGBA十六进制字符串，例如 #0F0F0F或者 #0F0F0F0F。

[0,1]之间的浮点值的字符串表示，用于表示灰度，例如 0.5。

{'b','g','r','c','m','y','k','w'}之一。

X11/CSS4颜色名称。

XKCD颜色之一，以 'xkcd:'为前缀，例如 'xkcd:skyblue'。

{'C0','C1','C2','C3','C4','C5','C6','C7','C8','C9'}之

一。

{'tab:blue','tab:orange','tab:green','tab:red','tab:purple','tab:brown','tab:pink','tab:gray','tab:olive','tab:cyan'}

之一。这是T10调色板的Tableau颜色（默认的色相环）。

所有颜色字符串都是大小写敏感的。

CN颜色选择

颜色可以通由匹配正则表达式 C[0-9]的字符串来指定。这可以在任何当前接受

颜色的地方传递，并且可以在 matplotlib.Axes.plot的format-string中用

作“单个字符颜色”。

单个数字是默认属性环的索引

（matplotlib.rcParams['axes.prop_cycle']）。如果属性环不包

括'color'，则返回黑色。在创建艺术家时会对颜色求值。例如：

指定颜色

171

importnumpyasnp

importmatplotlib.pyplotasplt

importmatplotlibasmpl

th=np.linspace(0,2*np.pi,128)

defdemo(sty):

mpl.style.use(sty)

fig,ax=plt.subplots(figsize=(3,3))

ax.set_title('style:{!r}'.format(sty),color='C0')

ax.plot(th,np.cos(th),'C1',label='C1')

ax.plot(th,np.sin(th),'C2',label='C2')

ax.legend()

demo('default')

指定颜色

172

指定颜色

173

选择颜色表

174

颜色表标准化

175

自定义matplotlib

原文：Customizingmatplotlib

译者：飞龙

协议：CCBY-NC-SA4.0

使用样式表自定义绘图

style包为易于切换的绘图『样式』增加了支持，它们与 matplotlibrc文件参

数相同。

有一些预定义样式由 matplotlib提供。例如，有一个名为『ggplot』的预定义

样式，它模拟 ggplot（R的一种流行的绘图软件包）的美学。为了使用此样

式，只需添加：

>>>importmatplotlib.pyplotasplt

>>>plt.style.use('ggplot')

为了列出所有可用样式，使用：

>>>print(plt.style.available)

定义你自己的样式

你可以创建自定义样式，并通过以样式表的路径或URL调用 style.use来使用它

们。或者，如果将 <style-name>mplstyle文件添加

到mpl_configdir/stylelib中，你可以通过调

用style.use(<style-name>)重复使用自定义样式表。默认情况

下mpl_configdir应该是 ~/.config/matplotlib，但你可以使

用matplotlib.get_configdir()检查你的位置，你可能需要创建这个目录。请

注意，如果样式具有相同的名称， mpl_configdir/stylelib中的自定义样式表

将覆盖由 matplotlib定义的样式表。

例如，你可能想要使用以下命令创

建mpl_configdir/stylelib/presentation.mplstyle：

自定义matplotlib

176

axes.titlesize:24

axes.labelsize:20

lines.linewidth:3

lines.markersize:10

xtick.labelsize:16

ytick.labelsize:16

然后，当你想要将一个为纸张设计的地图迁移到演示文档中时，你可以添加：

>>>importmatplotlib.pyplotasplt

>>>plt.style.use('presentation')

组合样式

样式表为组合在一起而设计。因此，你可以拥有一个自定义颜色的样式表和一个单

独的样式表，用于更改演示文档的元素大小。这些样式可以通过传递样式列表轻松

组合：

>>>importmatplotlib.pyplotasplt

>>>plt.style.use(['dark_background','presentation'])

请注意，右侧的样式将覆盖已经由左侧样式定义的值。

临时样式

如果只想对特定的代码块使用样式，但不想更改全局样式，那么样式包提供了一个

上下文管理器，用于将更改限制于特定范围。要隔离你的样式更改，你可以编写以

下内容：

>>>importnumpyasnp

>>>importmatplotlib.pyplotasplt

>>>

>>>withplt.style.context(('dark_background')):

>>>plt.plot(np.sin(np.linspace(0,2*np.pi)),'r-o')

>>>

>>>#Someplottingcodewiththedefaultstyle

>>>

>>>plt.show()

自定义matplotlib

177

交互式绘图

178

交互式导航

原文：Interactivenavigation

译者：飞龙

协议：CCBY-NC-SA4.0

所有图形窗口都带有导航工具栏，可用于浏览数据集。以下是工具栏底部的每个按

钮的说明：

Home（首页）、 Forward（前进）和 Back（后退）按钮：

这些类似于Web浏览器的前进和后退按钮。它们用于在之前定义的视图之间来回

浏览。它们没有意义，除非你已经使用平移和缩放按钮访问了其他地方。这类似

于尝试在访问新页面之前单击Web浏览器上的返回-什么都不会发生。首页总是

你第一个浏览的页面，以及你的数据的默认视图。对

于Home，Forward和Back，应该将其看做Web浏览器，其中的数据视图是

网页。使用 Pan和Zoom来定义新视图。

Pan/Zoom（平移/缩放）按钮

此按钮有两种模式：平移和缩放。单击工具栏按钮激活平移和缩放，然后将鼠标放

在轴域的某个地方。按住鼠标左键并将其拖动到新位置来平移图形。当你释放它

时，你按下的点处的数据将移动到你释放的点。如果在平移时按 'x'或'y'，

移动会分别限制在 x或y轴。按鼠标右键并将其拖动到新位置来进行缩放。向

右移动使 x轴成比例放大，或者向左移动成比例缩小。y轴和上/下移动同上。

开始缩放时鼠标下的点会保持静止，你可以缩放图形中的其它任意点。你可以使用

快捷键 'x'，'y'或CONTROL分别将缩放约束为 x轴， y轴或保留宽高比。

使用极坐标绘图时，平移和缩放功能的行为不同。可以使用鼠标左键拖动半径轴标

签。可以使用鼠标右键放大和缩小半径刻度。

Zoom-to-rectangle（缩放到矩形）按钮

单击此工具栏按钮以激活此模式。将鼠标放在轴域的某处，然后按鼠标左键。在

按住按钮的同时拖动鼠标到新位置并释放。轴域会放大并限制于你定义的矩形。

在此模式中还有一个实验性的 zoomouttorectangle（缩小到矩形），使用右

键，将整个轴域缩小并放置在矩形定义的区域中。

交互式导航

179

Subplot-configuration（子图配置）按钮

使用此工具配置子图的参数：左边距，右边距，上边距，下边距，行间隔和列间

隔。

Save（保存）按钮

单击此按钮可启动文件保存对话框。你可以使用以下扩展名保存文

件： png，ps，eps，svg和pdf。

浏览快捷键

下表包含所有默认的快捷键，可以使用 matplotlibrc（#keymap.*）覆盖。

命令快捷键

主页/重置 h、r或home

后退 c、左箭头或 backspace

前进 v或右箭头

平移/缩放 p

缩放到矩形 o

保存 ctrl+s

切换全屏 ctrl+f

关闭绘图 ctrl+w

将平移/缩放限制于 x轴使用鼠标平移/缩放时按住 x

将平移/缩放限制于 y轴使用鼠标平移/缩放时按住 y

保留宽高比使用鼠标平移/缩放时按住 CONTROL

切换网格鼠标在轴域上时按下 g

切换 x轴刻度（对数/线性）鼠标在轴域上时按下 L或k

切换 y轴刻度（对数/线性）鼠标在轴域上时按下 l

如果你使用 matplotlib.pyplot，则会为每个图形自动创建工具栏。如果你正

在编写自己的用户界面代码，则可以将工具栏添加为窗口小部件。确切的语法取决

于你的UI，但在`matplotlib/examples/user_interfaces目录中有每个受支持的UI的

示例。这里是一些GTK的示例代码：

交互式导航

180

importgtk

frommatplotlib.figureimportFigure

frommatplotlib.backends.backend_gtkaggimportFigureCanvasGTKAg

gasFigureCanvas

frommatplotlib.backends.backend_gtkaggimportNavigationToolbar

2GTKAggasNavigationToolbar

win=gtk.Window()

win.connect("destroy",lambdax:gtk.main_quit())

win.set_default_size(400,300)

win.set_title("EmbeddinginGTK")

vbox=gtk.VBox()

win.add(vbox)

fig=Figure(figsize=(5,4),dpi=100)

ax=fig.add_subplot(111)

ax.plot([1,2,3])

canvas=FigureCanvas(fig)#agtk.DrawingArea

vbox.pack_start(canvas)

toolbar=NavigationToolbar(canvas,win)

vbox.pack_start(toolbar,False,False)

win.show_all()

gtk.main()

交互式导航

181

在Pythonshell中使用Matplotlib

原文：Usingmatplotlibinapythonshell

译者：飞龙

协议：CCBY-NC-SA4.0

警告

该页面的内容已严重过时。

默认情况下，matplotlib将绘图延迟到脚本结束，因为绘图可能是开销大的操作，

并且你可能不想在每次更改单个属性时更新绘图，而是只在所有属性更改后更新一

次。

但是在pythonshell中工作时，通常需要用每个命令更新绘图，例如，在更

改xlabel()或一行的标记样式之后。虽然这在概念上很简单，但在实践中它可

能很棘手，因为matplotlib在底层是一个图形用户界面应用程序，并拥有一些技

巧，使应用程序在一个pythonshell正常工作。

使用IPython解决

注意

这里描述的模式出于历史原因仍然存在，但强烈建议不要使用。它污染函数的

命名空间，会影响python内建设施，并可能导致错误难以跟踪。要获得

IPython集成而无需导入，使用 %matplotlib魔术命令是首个选择。参见

ipython文档。

幸运的是，一个增强的交互式pythonshell，ipython已经找出了所有这些技巧，并

且可被matplotlib感知，所以当你在pylab模式下启动ipython。

johnh@flag:~>ipython

Python2.4.5(#4,Apr122008,09:09:16)

IPython0.9.0--AnenhancedInteractivePython.

In[1]:%pylab

Welcometopylab,amatplotlib-basedPythonenvironment.

Formoreinformation,type'help(pylab)'.

In[2]:x=randn(10000)

In[3]:hist(x,100)

在PythonShell中使用matplotlib

182

它为你设置一切使交互式绘图工作，就像你期望的那样。调用 figure()并弹出

图形窗口，调用 plot()使你的数据出现在图形窗口中。

注意在上面的例子中，我们没有导入任何matplotlib名称，因为在pylab模式下，

ipython将自动导入它们。ipython还为你启用交互模式，这会导致每个pyplot命

令触发图形更新，并且还提供了一个matplotlib感知的运行命令，来高效运行

matplotlib脚本。ipython在运行命令期间关闭交互模式，然后在运行结束时恢复交

互状态，以便你可以手动继续调整图形。

ipython已经嵌入了很多最近的作品，从pylab支持，到各种GUI应用程序，所以

请检查ipython邮件列表的最新状态。

其它Python解释器

如果你不能使用ipython，并且仍然想在交互式pythonshell使用

matplotlib/pylab，例如，plain-ole标准的python交互式解释器，你将需要了解什

么是matplotlib后端。

有了TkAgg后端，它使用Tkinter用户界面工具包，你可以从任意的非guipython

shell使用matplotlib。只需在你的 matplotlibrc文件中设

置backend:TkAgg和interactive:True（请参阅自定义matplotlib）并启

动python。然后：

>>>frompylabimport*

>>>plot([1,2,3])

>>>xlabel('himom')

应该能够开箱即用。这也可能适用于最新版本的qt4agg和gtkagg后端，以及

Macintosh上的macosx后端。注意，在批处理模式下，即从脚本制作图形时，交

互模式可能很慢，因为它用每个命令重绘图形。因此，你可能需要仔细考虑，然后

通过 matplotlibrc文件而不是使用下一节中列出的函数，使其作为默认行为。

Guishell问题最多，因为它们必须运行主循环，但是交互式绘图也涉及主循环。

Ipython已经为matplotlib主后端解决了这一切问题。可能有其他shell和IDE也

可以在交互模式下使用matplotlib，但一个明显的候选项不会：pythonIDLEIDE是

一个不支持pylab交互模式的Tkintergui应用程序，无论后端是什么。

控制交互式更新

pyplot接口的 interactive属性控制是否在每个 pyplot命令上绘制图画

布。如果 interactive是False，那么每个 plot命令都会更新图形状态，但

只会在显式调用 draw()时绘制。当interactive为True时，每

个pyplot命令都会触发绘制。

pyplot接口提供了4个有助于交互式控制的命令。

在PythonShell中使用matplotlib

183

isinteractive()

返回交互式设置。 True|False。

ion()

将交互式模式打开。

ioff()

将交互式模式关闭。

draw()

强制图形重新绘制。

当处理绘图开销很大的大型图形时，你可能希望临时关闭matplotlib的交互式设置

来避免性能损失：

>>>#createbig-expensive-figure

>>>ioff()#turnupdatesoff

>>>title('nowhowmuchwouldyoupay?')

>>>xticklabels(fontsize=20,color='green')

>>>draw()#forceadraw

>>>savefig('alldone',dpi=300)

>>>close()

>>>ion()#turnupdatingbackon

>>>plot(rand(20),mfc='g',mec='r',ms=40,mew=4,ls='--',lw=3

)

在PythonShell中使用matplotlib

184

事件处理及拾取

原文：Eventhandlingandpicking

译者：飞龙

协议：CCBY-NC-SA4.0

matplotlib使用了许多用户界面工具包（wxpython，tkinter，qt4，gtk和

macosx），为了支持交互式平移和缩放图形等功能，拥有一套API通过按键和鼠

标移动与图形交互，并且『GUI中立』，对开发人员十分有帮助，所以我们不必重

复大量的代码来跨不同的用户界面。虽然事件处理API是GUI中立的，但它是基

于GTK模型，这是matplotlib支持的第一个用户界面。与标准GUI事件相比，被

触发的事件也比matplotlib丰富一些，例如包括发生事件

的matplotlib.axes.Axes的信息。事件还能够理解matplotlib坐标系，并且在

事件中以像素和数据坐标为单位报告事件位置。

事件连接

要接收事件，你需要编写一个回调函数，然后将你的函数连接到事件管理器，它

是FigureCanvasBase的一部分。这是一个简单的例子，打印鼠标点击的位置和

按下哪个按钮：

fig=plt.figure()

ax=fig.add_subplot(111)

ax.plot(np.random.rand(10))

defonclick(event):

print('button=%d,x=%d,y=%d,xdata=%f,ydata=%f'%

(event.button,event.x,event.y,event.xdata,event.yd

ata))

cid=fig.canvas.mpl_connect('button_press_event',onclick)

FigureCanvas的方法 mpl_connect()返回一个连接 id，它只是一个整数。

当你要断开回调时，只需调用：

fig.canvas.mpl_disconnect(cid)

注意

画布仅保留回调的弱引用。因此，如果回调是类实例的方法，你需要保留对该

实例的引用。否则实例将被垃圾回收，回调将消失。

事件处理及拾取

185

以下是可以连接到的事件，在事件发生时发回给你的类实例以及事件描述：

事件名称类和描述

'button_press_event' MouseEvent-鼠标按钮被按下

'button_release_event' MouseEvent-鼠标按钮被释放

'draw_event' DrawEvent-画布绘图

'key_press_event' KeyEvent-按键被按下

'key_release_event' KeyEvent-按键被释放

'motion_notify_event' MouseEvent-鼠标移动

'pick_event' PickEvent-画布中的对象被选中

'resize_event' ResizeEvent-图形画布大小改变

'scroll_event' MouseEvent-鼠标滚轮被滚动

'figure_enter_event' LocationEvent-鼠标进入新的图形

'figure_leave_event' LocationEvent-鼠标离开图形

'axes_enter_event' LocationEvent-鼠标进入新的轴域

'axes_leave_event' LocationEvent-鼠标离开轴域

事件属性

所有matplotlib事件继承自基类 matplotlib.backend_bases.Event，储存以下

属性：

name

事件名称

canvas

生成事件的 FigureCanvas实例

guiEvent

触发matplotlib事件的GUI事件

最常见的事件是按键按下/释放事件、鼠标按下/释放和移动事件。处理这些事件

的KeyEvent和MouseEvent类都派生自 LocationEvent，它具有以下属性：

x

x位置，距离画布左端的像素

事件处理及拾取

186

y

y位置，距离画布底端的像素

inaxes

如果鼠标经过轴域，则为 Axes实例

xdata

鼠标的 x坐标，以数据坐标为单位

ydata

鼠标的 y坐标，以数据坐标为单位

但我们看一看画布的简单示例，其中每次按下鼠标时都会创建一条线段。

frommatplotlibimportpyplotasplt

classLineBuilder:

def__init__(self,line):

self.line=line

self.xs=list(line.get_xdata())

self.ys=list(line.get_ydata())

self.cid=line.figure.canvas.mpl_connect('button_press_

event',self)

def__call__(self,event):

print('click',event)

ifevent.inaxes!=self.line.axes:return

self.xs.append(event.xdata)

self.ys.append(event.ydata)

self.line.set_data(self.xs,self.ys)

self.line.figure.canvas.draw()

fig=plt.figure()

ax=fig.add_subplot(111)

ax.set_title('clicktobuildlinesegments')

line,=ax.plot([0],[0])#emptyline

linebuilder=LineBuilder(line)

plt.show()

我们刚刚使用的 MouseEvent是一个 LocationEvent，因此我们可以访

问event.x和event.xdata中的数据和像素坐标。除了 LocationEvent属

性，它拥有：

button

按下的按钮， None、1、2、3、'up'、'down'（'up'、'down'用于滚

动事件）

事件处理及拾取

187

key

按下的键， None，任何字符， 'shift'、'win'或者 'control'

可拖拽的矩形练习

编写使用 Rectangle实例初始化的可拖动矩形类，但在拖动时会移动

其x，y位置。提示：你需要存储矩形的原始 xy位置，存储为 rect.xy并

连接到按下，移动和释放鼠标事件。当鼠标按下时，检查点击是否发生在你的矩形

上（见 matplotlib.patches.Rectangle.contains()），如果是，存储矩

形xy和数据坐标为单位的鼠标点击位置。在移动事件回调中，计算鼠标移动

的deltax和deltay，并将这些增量添加到存储的原始矩形，并重新绘图。在

按钮释放事件中，只需将所有你存储的按钮按下数据重置为 None。

这里是解决方案：

importnumpyasnp

importmatplotlib.pyplotasplt

classDraggableRectangle:

def__init__(self,rect):

self.rect=rect

self.press=None

defconnect(self):

'connecttoalltheeventsweneed'

self.cidpress=self.rect.figure.canvas.mpl_connect(

'button_press_event',self.on_press)

self.cidrelease=self.rect.figure.canvas.mpl_connect(

'button_release_event',self.on_release)

self.cidmotion=self.rect.figure.canvas.mpl_connect(

'motion_notify_event',self.on_motion)

defon_press(self,event):

'onbuttonpresswewillseeifthemouseisoverusand

storesomedata'

ifevent.inaxes!=self.rect.axes:return

contains,attrd=self.rect.contains(event)

ifnotcontains:return

print('eventcontains',self.rect.xy)

x0,y0=self.rect.xy

self.press=x0,y0,event.xdata,event.ydata

defon_motion(self,event):

'onmotionwewillmovetherectifthemouseisoverus'

ifself.pressisNone:return

ifevent.inaxes!=self.rect.axes:return

x0,y0,xpress,ypress=self.press

dx=event.xdata-xpress

事件处理及拾取

188

dy=event.ydata-ypress

#print('x0=%f,xpress=%f,event.xdata=%f,dx=%f,x0+dx=%

f'%

#(x0,xpress,event.xdata,dx,x0+dx))

self.rect.set_x(x0+dx)

self.rect.set_y(y0+dy)

self.rect.figure.canvas.draw()

defon_release(self,event):

'onreleaseweresetthepressdata'

self.press=None

self.rect.figure.canvas.draw()

defdisconnect(self):

'disconnectallthestoredconnectionids'

self.rect.figure.canvas.mpl_disconnect(self.cidpress)

self.rect.figure.canvas.mpl_disconnect(self.cidrelease)

self.rect.figure.canvas.mpl_disconnect(self.cidmotion)

fig=plt.figure()

ax=fig.add_subplot(111)

rects=ax.bar(range(10),20*np.random.rand(10))

drs=[]

forrectinrects:

dr=DraggableRectangle(rect)

dr.connect()

drs.append(dr)

plt.show()

附加题：使用动画秘籍中讨论的动画blit技术，使动画绘制更快更流畅。

附加题解决方案：

#draggablerectanglewiththeanimationblittechniques;see

#http://www.scipy.org/Cookbook/Matplotlib/Animations

importnumpyasnp

importmatplotlib.pyplotasplt

classDraggableRectangle:

lock=None#onlyonecanbeanimatedatatime

def__init__(self,rect):

self.rect=rect

self.press=None

self.background=None

defconnect(self):

'connecttoalltheeventsweneed'

self.cidpress=self.rect.figure.canvas.mpl_connect(

事件处理及拾取

189

'button_press_event',self.on_press)

self.cidrelease=self.rect.figure.canvas.mpl_connect(

'button_release_event',self.on_release)

self.cidmotion=self.rect.figure.canvas.mpl_connect(

'motion_notify_event',self.on_motion)

defon_press(self,event):

'onbuttonpresswewillseeifthemouseisoverusand

storesomedata'

ifevent.inaxes!=self.rect.axes:return

ifDraggableRectangle.lockisnotNone:return

contains,attrd=self.rect.contains(event)

ifnotcontains:return

print('eventcontains',self.rect.xy)

x0,y0=self.rect.xy

self.press=x0,y0,event.xdata,event.ydata

DraggableRectangle.lock=self

#draweverythingbuttheselectedrectangleandstoret

hepixelbuffer

canvas=self.rect.figure.canvas

axes=self.rect.axes

self.rect.set_animated(True)

canvas.draw()

self.background=canvas.copy_from_bbox(self.rect.axes.b

box)

#nowredrawjusttherectangle

axes.draw_artist(self.rect)

#andblitjusttheredrawnarea

canvas.blit(axes.bbox)

defon_motion(self,event):

'onmotionwewillmovetherectifthemouseisoverus'

ifDraggableRectangle.lockisnotself:

return

ifevent.inaxes!=self.rect.axes:return

x0,y0,xpress,ypress=self.press

dx=event.xdata-xpress

dy=event.ydata-ypress

self.rect.set_x(x0+dx)

self.rect.set_y(y0+dy)

canvas=self.rect.figure.canvas

axes=self.rect.axes

#restorethebackgroundregion

canvas.restore_region(self.background)

#redrawjustthecurrentrectangle

axes.draw_artist(self.rect)

事件处理及拾取

190

#blitjusttheredrawnarea

canvas.blit(axes.bbox)

defon_release(self,event):

'onreleaseweresetthepressdata'

ifDraggableRectangle.lockisnotself:

return

self.press=None

DraggableRectangle.lock=None

#turnofftherectanimationpropertyandresetthebac

kground

self.rect.set_animated(False)

self.background=None

#redrawthefullfigure

self.rect.figure.canvas.draw()

defdisconnect(self):

'disconnectallthestoredconnectionids'

self.rect.figure.canvas.mpl_disconnect(self.cidpress)

self.rect.figure.canvas.mpl_disconnect(self.cidrelease)

self.rect.figure.canvas.mpl_disconnect(self.cidmotion)

fig=plt.figure()

ax=fig.add_subplot(111)

rects=ax.bar(range(10),20*np.random.rand(10))

drs=[]

forrectinrects:

dr=DraggableRectangle(rect)

dr.connect()

drs.append(dr)

plt.show()

鼠标进入和离开

如果希望在鼠标进入或离开图形时通知你，你可以连接到图形/轴域进入/离开事

件。下面是一个简单的例子，它改变了鼠标所在的轴域和图形的背景颜色：

事件处理及拾取

191

"""

Illustratethefigureandaxesenterandleaveeventsbychangin

gthe

framecolorsonenterandleave

"""

importmatplotlib.pyplotasplt

defenter_axes(event):

print('enter_axes',event.inaxes)

event.inaxes.patch.set_facecolor('yellow')

event.canvas.draw()

defleave_axes(event):

print('leave_axes',event.inaxes)

event.inaxes.patch.set_facecolor('white')

event.canvas.draw()

defenter_figure(event):

print('enter_figure',event.canvas.figure)

event.canvas.figure.patch.set_facecolor('red')

event.canvas.draw()

defleave_figure(event):

print('leave_figure',event.canvas.figure)

event.canvas.figure.patch.set_facecolor('grey')

event.canvas.draw()

fig1=plt.figure()

fig1.suptitle('mousehoveroverfigureoraxestotriggerevents'

)

ax1=fig1.add_subplot(211)

ax2=fig1.add_subplot(212)

fig1.canvas.mpl_connect('figure_enter_event',enter_figure)

fig1.canvas.mpl_connect('figure_leave_event',leave_figure)

fig1.canvas.mpl_connect('axes_enter_event',enter_axes)

fig1.canvas.mpl_connect('axes_leave_event',leave_axes)

fig2=plt.figure()

fig2.suptitle('mousehoveroverfigureoraxestotriggerevents'

)

ax1=fig2.add_subplot(211)

ax2=fig2.add_subplot(212)

fig2.canvas.mpl_connect('figure_enter_event',enter_figure)

fig2.canvas.mpl_connect('figure_leave_event',leave_figure)

fig2.canvas.mpl_connect('axes_enter_event',enter_axes)

fig2.canvas.mpl_connect('axes_leave_event',leave_axes)

plt.show()

事件处理及拾取

192

对象拾取

你可以通过设置艺术家的 picker属性（例如，matplotlib

Line2D，Text，Patch，Polygon，AxesImage等）来启用选择，

picker属性有多种含义：

None

选择对于该艺术家已禁用（默认）

boolean

如果为 True，则启用选择，当鼠标移动到该艺术家上方时，会触发事件

float

如果选择器是数字，则将其解释为点的ε公差，并且如果其数据在鼠标事件的ε

内，则艺术家将触发事件。对于像线条和补丁集合的一些艺术家，艺术家可以向生

成的选择事件提供附加数据，例如，在选择事件的ε内的数据的索引。

函数

如果拾取器是可调用的，则它是用户提供的函数，用于确定艺术家是否被鼠标事件

击中。签名为 hit,props=picker(artist,mouseevent)，用于测试是否命

中。如果鼠标事件在艺术家上，返回 hit=True，props是一个属性字典，

它们会添加到 PickEvent属性。

通过设置 picker属性启用对艺术家进行拾取后，你需要连接到图画布

的pick_event，以便在鼠标按下事件中获取拾取回调。例如：

defpick_handler(event):

mouseevent=event.mouseevent

artist=event.artist

#nowdosomethingwiththis...

传给你的回调的 PickEvent事件永远有两个属性：

mouseevent

是生成拾取事件的鼠标事件。鼠标事件具有像 x和y（显示空间中的坐标，例

如，距离左，下的像素）和 xdata，ydata（数据空间中的坐标）的属性。此

外，你可以获取有关按下哪些按钮，按下哪些键，鼠标在哪个轴域上面等信息。详

细信息请参阅 matplotlib.backend_bases.MouseEvent。

artist

生成拾取事件的 Artist。

另外，像 Line2D和PatchCollection的某些艺术家可以将附加的元数据（如索

引）附加到满足选择器标准的数据中（例如，行中在指定ε容差内的所有点）

事件处理及拾取

193

简单拾取示例

在下面的示例中，我们将行选择器属性设置为标量，因此它表示以点为单位的容差

（72点/英寸）。当拾取事件位于距离线条的容差范围时，将调用 onpick回调函

数，并且带有在拾取距离容差内的数据顶点索引。我们的 onpick回调函数只打

印在拾取位置上的数据。不同的matplotlib艺术家可以将不同的数据附加

到PickEvent。例如， Line2D将ind属性作为索引附加到拾取点下面的行数

据中。有关 Line的PickEvent属性的详细信息，请参阅 pick()。这里是代

码：

importnumpyasnp

importmatplotlib.pyplotasplt

fig=plt.figure()

ax=fig.add_subplot(111)

ax.set_title('clickonpoints')

line,=ax.plot(np.random.rand(100),'o',picker=5)#5points

tolerance

defonpick(event):

thisline=event.artist

xdata=thisline.get_xdata()

ydata=thisline.get_ydata()

ind=event.ind

points=tuple(zip(xdata[ind],ydata[ind]))

print('onpickpoints:',points)

fig.canvas.mpl_connect('pick_event',onpick)

plt.show()

拾取练习

创建含有100个数组的数据集，包含1000个高斯随机数，并计算每个数组的样本

平均值和标准差（提示： numpy数组具有 mean和std方法），并制作100个

均值与100个标准的 xy标记图。将绘图命令创建的线条连接到拾取事件，并绘

制数据的原始时间序列，这些数据生成了被点击的点。如果在被点击的点的容差范

围内存在多于一个点，则可以使用多个子图来绘制多个时间序列。

练习的解决方案：

事件处理及拾取

194

"""

computethemeanandstddevof100datasetsandplotmeanvsst

ddev.

Whenyouclickononeofthemu,sigmapoints,plottherawdata

from

thedatasetthatgeneratedthemeanandstddev

"""

importnumpyasnp

importmatplotlib.pyplotasplt

X=np.random.rand(100,1000)

xs=np.mean(X,axis=1)

ys=np.std(X,axis=1)

fig=plt.figure()

ax=fig.add_subplot(111)

ax.set_title('clickonpointtoplottimeseries')

line,=ax.plot(xs,ys,'o',picker=5)#5pointstolerance

defonpick(event):

ifevent.artist!=line:returnTrue

N=len(event.ind)

ifnotN:returnTrue

figi=plt.figure()

forsubplotnum,dataindinenumerate(event.ind):

ax=figi.add_subplot(N,1,subplotnum+1)

ax.plot(X[dataind])

ax.text(0.05,0.9,'mu=%1.3f\nsigma=%1.3f'%(xs[dataind],

ys[dataind]),

transform=ax.transAxes,va='top')

ax.set_ylim(-0.5,1.5)

figi.show()

returnTrue

fig.canvas.mpl_connect('pick_event',onpick)

plt.show()

事件处理及拾取

195

所选示例

196

屏幕截图

原文：Screenshots

译者：飞龙

协议：CCBY-NC-SA4.0

这里你会找到一些示例图和生成它们的代码。

简单绘图

这里是一个带有文本标签的基本的绘图：

源代码

子图示例

多个轴域（例如子图）可使用 subplot()命令创建：

源代码

屏幕截图

197

直方图

hist()命令自动生成直方图，并返回项数或者概率：

源代码

屏幕截图

198

路径示例

你可以使用 matplotlib.path模块，在 maplotlib中添加任意路径：

源代码

屏幕截图

199

mplot3d

mplot3d工具包（见mplot3d教程和mplot3d示例）支持简单的三维图形，包括平

台、线框图、散点图和条形图。

源代码

屏幕截图

200

感谢JohnPorter，JonathanTaylor，ReinierHeeres和BenRoot开发了mplot3d

工具包。此工具包包含于所有标准matplotlib安装中。

Streamplot

streamplot()函数绘制向量场的流线图。除了简单地绘制流线之外，它还允许

将流线的颜色和/或线宽映射到单独的参数，例如向量场的速度或局部密度。

源代码

屏幕截图

201

这个特性完善了绘制向量场的 quiver()函数。感谢TomFlanagan和TonyYou

添加 streamplot函数。

屏幕截图

202

椭圆

为了支持PhoenixMarsMission（使用matplotlib展示地面跟踪的航天器），

MichaelDroettboom在CharlieMoad的工作基础上提供了非常精确的椭圆弧的8-

样条近似（见 Arc），它对缩放级别并不敏感。

源代码

条形图

使用 bar()命令创建条形图十分容易，其中包括一些定制（如误差条）：

源代码

屏幕截图

203

创建堆叠条（ bar_stacked.py），蜡烛条（ finance_demo.py）和水平条形

图（ barh_demo.py）也很简单。

饼图

pie()命令允许您轻松创建饼图。可选功能包括自动标记区域的百分比，从饼图

中心向外生成一个或多个楔形以及阴影效果。仔细查看附加的代码，它用几行代码

来生成这个图像。

源代码

屏幕截图

204

表格示例

table()命令向轴域添加文本表格。

源代码

屏幕截图

205

散点图示例

scatter()命令使用（可选的）大小和颜色参数创建散点图。此示例描绘了

Google股票价格的变化，标记的尺寸反映了交易量，并且颜色随时间变化。这

里，ALPHA属性用于制作半透明圆形标记。

源代码

屏幕截图

206

滑块示例

Matplotlib拥有基本的GUI小部件，它们独立于您正在使用的图形用户界面，允许

您编写GUI交叉图形和小部件。请参阅 matplotlib.widgets和小部件示例。

源代码

屏幕截图

207

填充示例

fill()命令可以绘制填充曲线和多边形：

源代码

屏幕截图

208

感谢AndrewStraw添加了这个函数。

日期示例

您可以绘制日期数据与主要和次要刻度，以及用于二者的自定义刻度格式化器。

源代码

屏幕截图

209

详细信息和用法请参阅 matplotlib.ticker和matplotlib.dates。

金融图表

您可以通过结合matplotlib提供的各种绘图函数，布局命令和标签工具来创建复杂

的金融图表。以下示例模拟ChartDirector中的一个财务图：

源代码

地图示例

JeffWhitaker的Basemap附加工具包可以在许多不同的地图投影上绘制数据。此

示例展示了如何在直角投影上绘制轮廓，标记和文本，以NASA的“蓝色大理石”卫

星图像作为背景。

源代码

对数绘图

semilogx()，semilogy()和loglog()函数简化了对数绘图的创建。

源代码

屏幕截图

210

极轴绘图

polar()命令生成极轴绘图。

源代码

屏幕截图

211

图例

legend()命令使用MATLAB兼容的图例布局命令自动生成图形图例。

源代码

屏幕截图

212

感谢CharlesTwardy编写了图例命令的输入。

数学公式示例

下面是matplotlib内部数学公式引擎现在支持的许多TeX表达式的示例。

mathtext模块使用freetype2和BaKoMa或STIX现代字体提供TeX风格的数

学表达式。其他详细信息请参阅 matplotlib.mathtext模块。

源代码

屏幕截图

213

Matplotlib的mathtext基础结构是一个独立的实现，不需要TeX或计算机上安装

的任何外部软件包。请参阅编写数学表达式教程。

TeX原生渲染

虽然matplotlib的内部数学渲染引擎相当强大，但有时你还是需要TeX。Matplotlib

支持带有usetex选项的TeX外部字符串渲染。

源代码

屏幕截图

214

EEG示例

您可以将matplotlib嵌入到pygtk，wx，Tk，FLTK或Qt应用程序中。这是一个名

为pbrain的EEG查看器的屏幕截图。

屏幕截图

215

下轴使用 specgram()绘制其中一个EEG通道的频谱图。

有关将matplotlib嵌入不同工具包的示例，请参阅：

user_interfaces示例代码： embedding_in_gtk2.py

user_interfaces示例代码： embedding_in_wx2.py

user_interfaces示例代码： mpl_with_glade.py

user_interfaces示例代码： embedding_in_qt4.py

user_interfaces示例代码： embedding_in_tk.py

XKCD风格的手绘图

matplotlib支持 xkcd风格的绘图。

源代码

屏幕截图

216

屏幕截图

217

我们最喜欢的秘籍

原文：OurFavoriteRecipes

译者：飞龙

协议：CCBY-NC-SA4.0

这里是一个简短的教程，示例和代码片段的集合，展示了一些有用的经验和技巧，

来制作更精美的图像，并克服一些matplotlib的缺陷。

共享轴限制和视图

通常用于使两个或更多绘图共享一个轴，例如，两个子绘图具有时间作为公共轴。

当你平移和缩放一个绘图，你想让另一个绘图一起移动。为了方便这一点，

matplotlib轴支持 sharex和sharey属性。创建 subplot()或axes()实例

时，你可以传入一个关键字，表明要共享的轴。

In[96]:t=np.arange(0,10,0.01)

In[97]:ax1=plt.subplot(211)

In[98]:ax1.plot(t,np.sin(2*np.pi*t))

Out[98]:[<matplotlib.lines.Line2Dobjectat0x98719ec>]

In[99]:ax2=plt.subplot(212,sharex=ax1)

In[100]:ax2.plot(t,np.sin(4*np.pi*t))

Out[100]:[<matplotlib.lines.Line2Dobjectat0xb7d8fec>]

轻松创建子图

在matplotlib的早期版本中，如果你想使用pythonicAPI并创建一个 figure实

例，并从中创建一个 subplots网格，而且可能带有共享轴，它涉及大量的样板代

码。例如：

#oldstyle

fig=plt.figure()

ax1=fig.add_subplot(221)

ax2=fig.add_subplot(222,sharex=ax1,sharey=ax1)

ax3=fig.add_subplot(223,sharex=ax1,sharey=ax1)

ax3=fig.add_subplot(224,sharex=ax1,sharey=ax1)

我们最喜欢的秘籍

218

FernandoPerez提供了一个很好的顶级方法，来一次性创建 subplots()（注意

末尾的 s），并为所有子图开启 x和y共享。你可以单独解构来获取轴域：

#newstylemethod1;unpacktheaxes

fig,((ax1,ax2),(ax3,ax4))=plt.subplots(2,2,sharex=True,

sharey=True)

ax1.plot(x)

或将它们作为行数乘列数的对象数组返回，支持numpy索引：

#newstylemethod2;useanaxesarray

fig,axs=plt.subplots(2,2,sharex=True,sharey=True)

axs[0,0].plot(x)

修复常见的日期问题

matplotlib允许你本地绘制pythondatetime实例，并且在大多数情况下，可以很好

地挑选刻度位置和字符串格式。但有几件事情它不能妥善处理，这里有一些技巧，

用于帮助你解决他们。我们将在 numpy记录数组中加载一些包

含datetime.date对象的示例日期数据：

In[63]:datafile=cbook.get_sample_data('goog.npy')

In[64]:r=np.load(datafile).view(np.recarray)

In[65]:r.dtype

Out[65]:dtype([('date','|O4'),('','|V4'),('open','<f8'),

('high','<f8'),('low','<f8'),('close','<f8'

('volume','<i8'),('adj_close','<f8')])

In[66]:r.date

Out[66]:

array([2004-08-19,2004-08-20,2004-08-23,...,2008-10-10,2008

-10-13,

2008-10-14],dtype=object)

字段日期的 numpy记录数组的 dtype是|O4，这意味着它是一个4字节的

python对象指针;在这种情况下，对象是 datetime.date实例，当我们在ipython

终端窗口中打印一些样本时，我们可以看到。

如果你绘制数据，

我们最喜欢的秘籍

219

In[67]:plot(r.date,r.close)

Out[67]:[<matplotlib.lines.Line2Dobjectat0x92a6b6c>]

你会看到x轴标签重合到一起。

另一个麻烦是，如果你将鼠标悬停在窗口上，并在x和y坐标处查看matplotlib工

具栏（交互式导航）的右下角，你会看到x位置的格式与刻度标签的格式相同，例

如，『Dec2004』。我们想要的是工具栏中的位置具有更高的精确度，例如，鼠

标悬停在上面时给我们确切的日期。为了解决第一个问题，我们可以使

用matplotlib.figure.Figure.autofmt_xdate()。修复第二个问题，我们可以

使用 ax.fmt_xdata属性，该属性可以设置为任何接受标量并返回字符串的函

数。matplotlib有一些内置的日期格式化器，所以我们将使用其中的一个。

plt.close('all')

fig,ax=plt.subplots(1)

ax.plot(r.date,r.close)

#rotateandaligntheticklabelssotheylookbetter

fig.autofmt_xdate()

#useamoreprecisedatestringforthexaxislocationsinthe

#toolbar

importmatplotlib.datesasmdates

ax.fmt_xdata=mdates.DateFormatter('%Y-%m-%d')

plt.title('fig.autofmt_xdatefixesthelabels')

我们最喜欢的秘籍

220

现在，当你将鼠标悬停在绘制的数据上，你将在工具栏中看到如 2004-12-01的

日期格式字符串。

透明度填充

fill_between()函数在最小和最大边界之间生成阴影区域，用于展示范围。它

有一个非常方便的参数，将填充范围与逻辑范围组合，例如，以便仅填充超过某个

阈值的曲线。=

基本上， fill_between可以用来增强图形的视觉外观。让我们比较两个财务-时

间图表，左边是一个简单的线框图，右边是一个填充图。

我们最喜欢的秘籍

221

Alpha通道在这里不是必需的，但它可以用来软化颜色，创建更具视觉吸引力的绘

图。在其他示例中，我们将在下面看到，Alpha通道在功能上有用，因为阴影区域

可以重叠，Alpha允许你同时看到两者。注意，postscript格式不支持alpha（这是

一个postscript限制，而不是一个matplotlib限制），因此，当使用alpha时，将

你的数字保存在PNG，PDF或SVG中。

我们的下一个例子是计算随机漫步的两个群体，它们具有不同的正态分布平均值和

标准差，足迹会从中绘制。我们使用共享区域来绘制群体的平均位置的加/减一个标

准差。这里的Alpha通道是有用的，不只是为了审美。

我们最喜欢的秘籍

222

importmatplotlib.pyplotasplt

importnumpyasnp

Nsteps,Nwalkers=100,250

t=np.arange(Nsteps)

#an(NstepsxNwalkers)arrayofrandomwalksteps

S1=0.002+0.01*np.random.randn(Nsteps,Nwalkers)

S2=0.004+0.02*np.random.randn(Nsteps,Nwalkers)

#an(NstepsxNwalkers)arrayofrandomwalkerpositions

X1=S1.cumsum(axis=0)

X2=S2.cumsum(axis=0)

#Nstepslengtharraysempiricalmeansandstandarddeviationso

fboth

#populationsovertime

mu1=X1.mean(axis=1)

sigma1=X1.std(axis=1)

mu2=X2.mean(axis=1)

sigma2=X2.std(axis=1)

#plotit!

fig,ax=plt.subplots(1)

ax.plot(t,mu1,lw=2,label='meanpopulation1',color='blue')

ax.plot(t,mu2,lw=2,label='meanpopulation2',color='yellow')

ax.fill_between(t,mu1+sigma1,mu1-sigma1,facecolor='blue',alp

ha=0.5)

ax.fill_between(t,mu2+sigma2,mu2-sigma2,facecolor='yellow',a

lpha=0.5)

ax.set_title('randomwalkersempirical$\mu$and$\pm\sigma$in

terval')

ax.legend(loc='upperleft')

ax.set_xlabel('numsteps')

ax.set_ylabel('position')

ax.grid()

我们最喜欢的秘籍

223

where关键字参数非常方便地用于突出显示图形的某些区域。其中使用

与x，ymin和ymax参数相同长度的布尔掩码，并且只填充布尔掩码

为True的区域。在下面的例子中，我们模拟一个随机漫步者，并计算人口位置

的分析平均值和标准差。群体平均值显示为黑色虚线，并且平均值的加/减一个标

准差显示为黄色填充区域。我们使用 where=X>upper_bound找到漫步者在一个

标准差边界之上的区域，并将该区域变成蓝色。

我们最喜欢的秘籍

224

透明、花式图例

有时你在绘制数据之前就知道你的数据是什么样的，并且可能知道例如右上角没有

太多数据。然后，你可以安全地创建不覆盖你的数据的图例：

ax.legend(loc='upperright')

其他时候你不知道你的数据在哪里，而 loc='best'将尝试和放置图例：

ax.legend(loc='best')

但仍然，你的图例可能会覆盖你的数据，在这些情况下，使图例框架透明非常不

错。

np.random.seed(1234)

fig,ax=plt.subplots(1)

ax.plot(np.random.randn(300),'o-',label='normaldistribution')

ax.plot(np.random.rand(300),'s-',label='uniformdistribution')

ax.set_ylim(-3,3)

ax.legend(loc='best',fancybox=True,framealpha=0.5)

ax.set_title('fancy,transparentlegends')

我们最喜欢的秘籍

225

放置文本框

当使用文本框装饰轴时，两个有用的技巧是将文本放置在轴域坐标中（请参见变换

教程），因此文本不会随着x或y轴的变化而移动。你还可以使用文本

的bbox属性，用 Patch实例包围文本- bbox关键字参数接受字典，字典的键

是补丁的属性。

np.random.seed(1234)

fig,ax=plt.subplots(1)

x=30*np.random.randn(10000)

mu=x.mean()

median=np.median(x)

sigma=x.std()

textstr='$\mu=%.2f$\n$\mathrm{median}=%.2f$\n$\sigma=%.2f$'%(m

u,median,sigma)

ax.hist(x,50)

#thesearematplotlib.patch.Patchproperties

props=dict(boxstyle='round',facecolor='wheat',alpha=0.5)

#placeatextboxinupperleftinaxescoords

ax.text(0.05,0.95,textstr,transform=ax.transAxes,fontsize=14

verticalalignment='top',bbox=props)

我们最喜欢的秘籍

226

我们最喜欢的秘籍

227

术语表

英文中文

Annotation 标注

Artist 艺术家

Axes 轴域

Axis 轴/坐标轴

Bézier 贝塞尔

Coordinate 坐标

CoordinateSystem 坐标系

Figure 图形

Handle 句柄

Handler 处理器

Image 图像

Legend 图例

Line 线条

Patch 补丁

Path 路径

Pick 拾取

Subplot 子图

Text 文本

Tick 刻度

TickLabel 刻度标签

Transformation 变换

术语表

228

Matplotlib 用户指南 User Guide

matplotlib-user-guide

matplotlib-user-guide

Navigation menu

Versions of this User Manual:

Views

Navigation