Reader

【Python】科学绘图库Matplotlib

| dtysky|一个行者的轨迹 | Default

这是一个Python的科学绘图库的使用心得，涉及平面绘制、子图绘制、格点、三维(3D)绘制以及动态绘图。
http://matplotlib.org/

基本绘制

直接导入库后，提供数组进行绘制即可：

基础

import matplotlib.pyplot as plt
x = [1, 2, 3]
y = [1, 2, 3]
# 绘制线图
plt.plot(x, y, color, ...)
# 绘制散点图
plt.scatte()
plt.show()

"基本二维图"

还可以绘制别的图像，详见官网。

进阶

子图

可以添加多张子图进行绘制，并且修改图像的标题和坐标轴等： 

plt.subplot(2, 2, 1)
plt.title("子图像1")
plt.subplot(2, 2, 2)
plt.title("子图像2")
plt.subplot(2, 2, 3)
plt.title("子图像3")
plt.subplot(2, 2, 4)
plt.title("子图像4")

"基本二维图"

面向对象

除了这种类似于matlab的用法，还可以用面向对象的用法来进行绘制： 

import matplotlib.pyplot as plt
fig = plt.figure()
axi = fig.add_subplot(2, 2, 1)
axi.set_title("子图1")
axi.set_xlabel("x轴")
axi.set_ylabel("y轴")
ax.set_xlim(min(0, 10)
ax.set_ylim(0, 10)
......

细化分隔

也可以进一步细化控制每一个子图所占区域范围： 

import matplotlib.gridspec as gridspec
gs = gridspec.GridSpec(2, 2)
fig = plt.figure(1, figsize=(16, 9), dpi=72)
fig.suptitle("Distance offset from start")
ax1 = fig.add_subplot(gs[:, 0])
ax1.set_title("Total")
ax1.set_xlabel("X(m)")
ax1.set_ylabel("Y(m)")
ax2 = fig.add_subplot(gs[0, 1])
ax2.set_title("X")
ax2.set_xlabel("t(s)")
ax2.set_ylabel("0m")
ax3 = fig.add_subplot(gs[1, 1])
ax3.set_title("Y")
ax3.set_xlabel("t(s)")
ax3.set_ylabel("0m")

"基本二维图"

这种情况下，第一张子图将占据第一行，第二张子图占据第二行的第一列，第三张则是第二行的第二列。

三维

三维图的绘制也是被支持的，只需要导入一个模块便可以在绘制的时候加上z轴的参数： 

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure(1, figsize=(16, 9), dpi=72)
ax1 = fig.add_subplot(1, 1, 1, projection="3d")
ax1.set_title("三维图")
ax1.set_xlabel("X")
ax1.set_ylabel("Y")
ax1.set_zlabel("Z")
ax1.scatter([1, 2, 3], [1, 2, 3], [1, 2, 3])

"基本二维图"

动画

动画也是被支持的，其核心在于一个模块和一个方法，以下是我常用的方案更详细可以看这里：

导入核心库和使用核心方法： 

# 核心库
import matplotlib.animation as animation
# 生成动画对象
ani = animation.FuncAnimation(fig_p, draw_distances_run, draw_distances_data_gen, interval=200)

其中draw_distances_run方法是绘制每一帧更新时用于绘制的方法，draw_distances_data_gen方法用于在绘制中修改绘制数据，而interval参数则是一个毫秒的时间，是每两帧之间的间隔。 那么如何具体的来使用呢？

我此处选择的是一个并非那么合理但是快速的方法，当然，其实外面用个类包起来其实就好，满足需求就行。。。

初始化数据

def draw_distances_start():
    fig = plt.figure(1, figsize=(16, 9), dpi=120)
    fig.suptitle("Distance offset from start")
    ax1 = fig.add_subplot(1, 1, 1, projection="3d")
    ax1.set_title("图1")
    ax1.set_xlabel("X")
    ax1.set_ylabel("Y")
    ax1.set_zlabel("Z")
    data1 = ax1.scatter([], [], [])
    return fig, ax1, data1
# 全局变量
fig, ax1, data1 = draw_distances_start()
data_now = ["x": [], "y": [], "z": []]
data_new = ["x": [], "y": [], "z": []]

更新数据

def draw_distances_data_gen():
    for key in data_now:
        data_now[key].extend(data_new[key])
    yield data_now

更新绘制

def draw_distances_run(d):
    x, y, z = d["x"], d["y"], d["z"]
    data1.set_offsets([(x[-1], y[-1])])
    data1.set_3d_properties([z[-1]], "z")
    ax1.set_xlim(min(x), max(x))
    ax1.set_ylim(min(y), max(y))
    ax1.set_zlim(min(z), max(z))
    return data1

注意，这里更新x和y用的是set_offsets方法，而更新z用的是set_3d_properties方法。

提供新数据

以上代码中，一个全局的data_now变量用于存储当前要绘制的数据，而data_new则是该帧的新数据。在实际使用中，为了防止卡顿，一般选择用一个新的线程来更新data_new的数据： 

def refresh():
    while True:
        data_new = get_new_data()

thread.start_new(refresh, ())

一切准备就绪后，调用plt.show()即可开始绘制动画。