MatplotLib: Guia de inicio rapido para Dummies

 

Guía de inicio rápido

Este tutorial cubre algunos patrones de uso básicos y las mejores prácticas para ayudarlo a comenzar con matplotlib.

>>import matplotlib.pyplot as plt
>>import numpy as np

Un ejemplo simple

Matplotlib grafica sus datos sobre FigureS (por ejemplo, Windows, Jupyter widgets, etc.), cada uno de los cuales puede contener uno o más Axes, un área donde se pueden especificar los puntos en términos de coordenadas XY (o theta-r en una trama polar, xyz en una trama 3D, etc.). La forma más simple de Crear una figura con un hachas está usando pyplot.subplots. Entonces podemos usar Axes.plot para dibujar algunos datos sobre los ejes y show para mostrar la figura:

>>fig, ax = plt.subplots()             # Create a figure containing a single Axes.
>>ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the Axes.
>>plt.show()                           # Show the figure.

Dependiendo del entorno en el que esté trabajando, plt.show() se puede dejar afuera. Este es, por ejemplo, el caso con Jupyter Notebooks, que Muestre automáticamente todas las figuras creadas en una celda de código. 

Partes de una figura

Aquí están los componentes de una figura matplotlib. 

 

 

Figure

Toda la figura . La figura mantiene pista de todo el niño Axes, un grupo de Artistas 'especiales' (títulos, leyendas de figuras, barras de colores, etc.), y Incluso subfiguras anidadas.

Por lo general, creará una nueva figura a través de una de las siguientes Funciones:

>>fig = plt.figure()             # an empty figure with no Axes
>>fig, ax = plt.subplots()       # a figure with a single Axes
>>fig, axs = plt.subplots(2, 2)  # a figure with a 2x2 grid of Axes
>># a figure with one Axes on the left, and two on the right:
>>fig, axs = plt.subplot_mosaic([['left', 'right_top'],
                               ['left', 'right_bottom']])

subplots()y subplot_mosaic son las funciones de conveniencia que también crean objetos de ejes dentro de la figura, pero también puede Agregue manualmente los ejes más adelante.

Para obtener más información sobre las cifras, incluida la panorámica y el zoom, consulte Introducción a las figuras .

Axes

Un hacha es un artista adjunto a una figura que contiene una región para trazar datos, y generalmente incluye dos (o tres en el caso de 3D) Axis Objetos (tenga en cuenta la diferencia entre ejes y eje ) que proporcionan garrapatas y etiquetas de tick a Proporcionar escalas para los datos en los ejes. Cada Axes también tiene un título (Establecer vía set_title()), un X-Label (establecido a través de set_xlabel()), y un conjunto de etiquetas y a través de set_ylabel()).

El Axes Los métodos son la interfaz principal para configurar La mayoría de las partes de su gráfica (agregando datos, controlando las escalas del eje y límites, agregar etiquetas, etc.). 

 

Axis

Estos objetos establecen la escala y los límites y generan garrapatas (las marcas en el eje) y ticklabels (cadenas etiquetando las garrapatas). La ubicación de las garrapatas está determinado por un Locator objeto y el Las cadenas de ticklabel están formateadas por un Formatter. El combinación de lo correcto Locatory Formatter Da muy bien Control sobre las ubicaciones y las etiquetas de las garrapatas.

 

Artist

Básicamente, todo lo visible en la figura es un artista (incluso Figure, Axes, y Axis objetos). Esto incluye Text objetos, Line2D objetos, collections objetos, Patch objetos, etc. Cuando se representa la figura, todo el Los artistas se sienten atraídos por el lienzo . La mayoría de los artistas están atados a un ejes; semejante Un artista no puede ser compartido por múltiples ejes, ni moverse de uno a otro.

 
Tipos de entradas para trazar funciones

Las funciones de trazado esperan numpy.array o numpy.ma.masked_array como entrada u objetos que se pueden pasar a numpy.asarray. Clases que son similares a las matrices ('como una matriz') como pandas objetos de datos y numpy.matrix Puede que no funcione según lo previsto. Convención común es convertirlos en numpy.array Objetos antes de trazar. Por ejemplo, para convertir un numpy.matrix

>>b = np.matrix([[1, 2], [3, 4]])

>>b_asarray = np.asarray(b)

 La mayoría de los métodos también analizarán un objeto indexable de cadenas como un dict , un matriz numpy estructurada , o un pandas.DataFrame. Matplotlib te permite para proporcionar el data argumento de palabras clave y generar tramas que pasan el cadenas correspondientes a las x e y variables 

>>np.random.seed(19680801)  # seed the random number generator.

>>data = {'a': np.arange(50),

        'c': np.random.randint(0, 50, 50),

        'd': np.random.randn(50)}

>>data['b'] = data['a'] + 10 * np.random.randn(50)

>>data['d'] = np.abs(data['d']) * 100

>>fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')

>>ax.scatter('a', 'b', c='c', s='d', data=data)

>>ax.set_xlabel('entry a')

>>ax.set_ylabel('entry b')