基于matploblib的面向对象风格的绘图方式

11月前浏览1987

传统的绘图方式，典型如matlab，是面向过程的。尽管思维上更加直接，但灵活性不足。面向对象风格（以下简称OO风格）的绘图方式拥有更多的定制自由度。万物皆对象，这也是我个人偏好OO风格的原因。

Python主要通过调用matplotlib宏包绘图。matplotlib宏包可以通过面向过程调用，类似matlab的方式，对应pylab模块；也可以采用面向对象的方式调用，对应pyplot模块。这里仅介绍如何通过OO风格的调用matplotlib宏包绘图。而且，这里也仅关注绘图的框架，其余大量的绘图细节控制，请参考matplotlib手册（见文末）。

本文使用python3，编辑器则推荐使用spyder 3和jupyter notebook。PyCharm适合大型Python软件工程，笨重且不易上手。

matplotlib适合绘制线图，也可以绘制二维云图。至于三维流场的显示，建议使用ParaView。以下代码都已在linux系统（ubuntu18.04 & manjaro 18）上通过编译测试。

如何绘图？

首先，创建一个画布对象。

就像作画之前，要先准备一张宣纸。

创建画布对象的命令：

fig = plt.figure()

创建画布对象后，就可以针对fig这个画布对象操作了。

括号中可以增加对画布的大小、分辨率以及颜色等的控制参数。

其次，画布对象剖分，建立axes子图对象。

比如，需要在画布上创建两个子图对象，排布方式是“两行一列”，可以使用如下的代码：

ax0 = fig.add_subplot(211) # 第一子图对象
ax1 = fig.add_subplot(212) # 第二子图对象

然后，直接操作两个子图对象ax0和ax1绘图即可。

下面是一个简单的示例代码：

import numpy as np # 调用数值计算包

import matplotlib.pyplot as plt # 调用绘图包

x = np.arange(0., 4.*np.pi, 0.1) # 准备数据

y = np.sin(x)

z = np.cos(x)

fig = plt.figure() # 定义一个画布对象fig

ax0 = fig.add_subplot(211) # 在画布对象上定义两个axes子对象

ax1 = fig.add_subplot(212) # 排列方式是2 rows & 1 col

ax0.plot(x,y) # 绘制线图

ax1.plot(x,z)

plt.tight_layout() # 使布局紧凑

plt.show() # 在屏幕上显示图片

<左右滑动>

如果提示没有安装numpy或者matplotlib宏包，ubuntu系统下可以使用apt安装

sudo apt installpython3-numpy
sudo apt install python3-matplotlib

如果是manjaro系统，可以使用pacman安装。

最后，编译输出图片。

如下所示：

图1 示例代码的图片效果

至此，我们已经展示了如何采用OO风格调用matplotlib宏包绘图：从全局到局部，再到细节，不断的定义对象，画布对象、axes子图对象……

为了改进各子图的细节，还需要进一步基于axes子图对象定义更多的子对象，比如axis坐标轴对象等。图1在细节上还非常粗糙，下面将展示如何控制图片整体布局以及更多细节。

绘制更多细节

1 保存图片

plt.show()只能在屏幕上显示效果图片。

若要保存图片，可使用命令：

plt.savefig('./figure01.png', dpi=200)

也可以保存为.jpeg、.eps、.pdf等其它的图片格式。dpi=200是输出图片的分辨率。

2 创建子图对象的方式

创建方式一

ax0 = fig.add_subplot(211)

ax1 = fig.add_subplot(212)

第一节的示例展示就是采用这种方法，这种创建子图对象的方法可以满足大部分的期刊绘图要求。上面的命令意思是将画布分为“两行一列”，第一子图对象位于第1行第1列的位置，第二个子图对象占据第2行第1列的位置。

可以用一行命令同时建立画布对象和子图对象：

fig, ax = subplots(2,1)

这时，ax是一个2×1的数组，可以分别使用ax[0]和ax[1]引用。

创建方式二：以网格的形式建立子对象

这种方式将整个画布分为若干网格单元，然后定义其中的每个子图对象占据的单元位置和数目。相比第一种方式，稍复杂，但更灵活，子图之间也不必须排列整齐。

ax0 = plt.subplot2grid((3,3), (0,0),rowspan=1, colspan=2)
ax1 = plt.subplot2grid((3,3), (0,2), rowspan=3, colspan=1)
ax2 = plt.subplot2grid((3,3), (1,0), rowspan=2, colspan=2)

<左右滑动>

以第一个子图对象为例，括号中参数表示：将画布分为3×3共9个网格单元。子图对象ax0的位置是(0,0)，占据一行两列共2个网格单元。其中位置坐标从画布的左上角算起。

创建方式三

以上两种方式，建立的子图对象之间是隔离的。还有些情况，我们需要子图之间有重叠，比如一张子图是另外一张子图的特写放大。下面的命令可以满足要求

ax0 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax1 = fig.add_axes([0.2, 0.5, 0.4, 0.3])

其中，方括号中，前两个表示子图的坐标，第三和第四个参数数值表示子图的长度和高度。坐标零点位于画布的左下角。

当然还有其它的创建子图对象的方式，比如gridspec，大家可以自行查阅。

3 全局控制

如果需要自定义画布内所有目标对象涉及的字体及字体大小、颜色等，命令如下:

matplotlib.rcParams.update({'font.size':15,
                            'font.family':'STIXGeneral',
                            'mathtext.fontset':'stix',
                            'text.usetex':True})

4 最后的输出图

import matplotlib

import numpy as np

import matplotlib.pyplot as plt

from matplotlib.ticker import FuncFormatter

matplotlib.rcParams.update({'font.size':22,

'font.family': 'STIXGeneral',

'mathtext.fontset': 'stix',

'text.usetex': True})

#fig, ax1 = plt.subplots(1, 1, figsize=(8, 5))

fig = plt.figure(figsize=(8,5))

ax1 = fig.add_axes([0.1, 0.15, 0.775, 0.75])