figure, ax基础

plt.***和ax.***的区别

我认为所有不先讲清楚plt.和ax. 两种画图方式的区别的教程都是耍流氓。一上来就告诉你，plt.figure(), plt.plot(), plt.show()，这么画就对了的，都是不负责任的表现！

• 在matplotlib中，有两种画图方式：

1. plt.figure()： plt.***系列。通过http://plt.xxx来画图，其实是取了一个捷径。这是通过matplotlib提供的一个api，这个plt提供了很多基本的function可以让你很快的画出图来，但是如果你想要更细致的精调，就要使用另外一种方法。

plt.figure(1)  
plt.subplot(211)   
plt.plot(A,B)   
plt.show()

2. fig, ax = plt.subplots(): 这个就是正统的稍微复杂一点的画图方法了。指定figure和axes，然后对axes单独操作。等下就讲figure和axes都神马意思。

fig, ax = plt.subplots()   
ax.plot(A,B)

名词解释 in matplotlib

从官网截个图

• Figure fig = plt.figure(): 可以解释为画布。
  画图的第一件事，就是创建一个画布figure，然后在这个画布上加各种元素。

• Axes ax = fig.add_subplot(1,1,1): 就是坐标轴们，包括所有元素。
  如果你的figure只有一张图，那么你只有一个axes。如果你的figure有subplot，那么每一个subplot就是一个axes
  axes是matlibplot的宇宙中心！axes下可以修改编辑的变量非常多，基本上能包含你的所有需求。

• Axis ax.xaxis/ax.yaxis: 对，这才是你的xy坐标轴。
  每个坐标轴实际上也是由竖线和数字组成的，每一个竖线其实也是一个axis的subplot，因此ax.xaxis也存在axes这个对象。对这个axes进行编辑就会修改xaxis图像上的表现。

图像的各个部位名称

再从使用指南 User Guide 借个图。每个部分的名称指南，这样当你想修改一个部位的时候，起码知道关键字啊。

传统方法画个图

下面就是实战。用调取ax的方式来画个图。不要用plt！！

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
A = np.arange(1,5)
B = A**2
C = A**3

首先，搞个画布

我喜欢用这个命令来开始画图。哪怕你没有subplot，也可以用这个subplots来创建一个画布。

这个function创建了一个大小为（14，7）的画布，把这个画布赋值给变量fig，同时在这个画布上创建了一个axes，把这个axes赋值给ax。这样，所有未来的fig.xxx都是对这个画布的操作，所有ax.xxx都是对这个axes的操作。

如果你有两个图，那么ax是一个有两个元素ax[0],ax[1] 的list。ax[0]就对应第一个subplot的ax。

fig, ax = plt.subplots(figsize=(14,7))
# fig, ax = plt.subplots(2,1,figsize(14,7))
# ax[0].***
# ax[1].***

好了画布搞好了，画数据。

注意，我们这里依然不使用plt！因为我们要在这个axes上画数据，因此就用ax.plot()来画。画完第一个再call一次，再画第二个。

ax.plot(A,B)
ax.plot(B,A)

下面开始细节的处理

数据画好了就可以各种细调坐标轴啊，tick啊之类的。

首先把标题和xy坐标轴的标题搞定。Again, 不用plt。直接在axes上进行设定。

ax.set_title('Title',fontsize=18)
ax.set_xlabel('xlabel', fontsize=18,fontfamily = 'sans-serif',fontstyle='italic')
ax.set_ylabel('ylabel', fontsize='x-large',fontstyle='oblique')
ax.legend()

然后是xy坐标轴的一些属性设定, 也是在axes level上完成的

ax.set_aspect('equal') 
ax.minorticks_on() 
ax.set_xlim(0,16) 
ax.grid(which='minor', axis='both')

最后是坐标轴tick和细节，这个在axes.xaxis or axes.yaxis上完成。

ax.xaxis.set_tick_params(rotation=45,labelsize=18,colors='w') 
start, end = ax.get_xlim() 
ax.xaxis.set_ticks(np.arange(start, end,1)) 
ax.yaxis.tick_right()

参考

https://zhuanlan.zhihu.com/p/93423829

各种函数

在无GUI的 shell 上画图

直接画图会报错

qt.qpa.screen: QXcbConnection: Could not connect to display localhost:11.0
Could not connect to any X display.

只需要加入下面这行代码：

plt.switch_backend("agg")

然后画图之后使用

plt.savefig("result.png")

保存图片即可

https://www.cnblogs.com/wmr95/articles/7767258.html

保存图像

https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.imsave.html

# 直接保存array(图片)
# matplotlib.pyplot.imsave(fname, arr, **kwargs)
plt.imsave('./temp.png', inp)

中文字符显示

需要自己指定显示字体。

import matplotlib.pyplot as plt
from matplotlib.font_manager import *  # 如果想在图上显示中文，需导入这个包

myfont3 = FontProperties(fname=r'C:\Windows\Fonts\FZSTK.TTF', size=18)  # 标注字体
plt.annotate("这%s我们发了%d条消息！" % (str_list[time_flag], max_num),
                         xy=(max_indx,max_num), fontproperties=myfont3)

也可以这样

# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

plt.annotate

annotate用于在图形上给文字添加注解，支持带箭头的划线工具，方便我们在合适的地方添加描述信息。

参数说明：

*Axes.``annotate(s, xy, *args, *kwargs)

• **s：**注释文本的内容
• **xy：**被注释的坐标点，二维元组形如(x,y)
• **xytext：**注释文本的坐标点，也是二维元组，默认与xy相同
• **xycoords：**被注释点的坐标系属性，允许输入的值如下

属性值	含义
‘figure points’	以绘图区左下角为参考，单位是点数
‘figure pixels’	以绘图区左下角为参考，单位是像素数
‘figure fraction’	以绘图区左下角为参考，单位是百分比
‘axes points’	以子绘图区左下角为参考，单位是点数（一个figure可以有多个axex，默认为1个）
‘axes pixels’	以子绘图区左下角为参考，单位是像素数
‘axes fraction’	以子绘图区左下角为参考，单位是百分比
‘data’	以被注释的坐标点xy为参考 (默认值)
‘polar’	不使用本地数据坐标系，使用极坐标系

返回值：Annotation对象

https://blog.csdn.net/leaf_zizi/article/details/82886755

实例

简单画折线图

https://www.cnblogs.com/chenhuabin/p/12418411.html

设置字体大小

# -*- encoding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

x1 = ['BoW', '+W2V', '+GRU', '+clip', '+BERT']
x2 = ['rx101', '+re152', '+wsl', '+clip', '+ircsn', '+c3d', '+tf', '+x3d']

y1 = [[0.189, 0.202, 0.207, 0.255, 0.243], [0.190, 0.211, 0.216, 0.254, 0.255], [0.196, 0.203, 0.210, 0.266, 0.266],]
y2 = [[0.194, 0.207, 0.234, 0.245, 0.255, 0.254, 0.260, 0.229], [0.211, 0.216, 0.244, 0.257, 0.268, 0.263, 0.262, 0.265],
      [0.203, 0.21, 0.241, 0.281, 0.284, 0.285, 0.283, 0.283]]

fontsize_ = 14
# 设置刻度字体大小
plt.xticks(fontsize=fontsize_)
plt.yticks(fontsize=fontsize_)

l1 = plt.plot(x1, y1[0], 'ro-', label='W2VV++')
l2 = plt.plot(x1, y1[1], 'g+-', label='SEA')
l3 = plt.plot(x1, y1[2], 'b^-', label='LAFF')
plt.plot(x1, y1[0], 'ro-', x1, y1[1], 'g+-', x1, y1[2], 'b^-')
# plt.title('The Lasers in Three Conditions')
plt.xlabel('Text features', fontsize=fontsize_)
plt.ylabel('mAP', fontsize=fontsize_)
plt.legend(fontsize=fontsize_)
plt.savefig("D:\\研究生\\组会\\AAAI\\model_adjust_txt_encoder.pdf")
plt.show()

颜色

颜色通过color参数来设置，color参数的值可以使颜色的英文全称，例如’green’、‘red’，也可以是简写，例如’g’表示’green’、‘r表示’red’，一些常见颜色全称和简写如下所示。

• 'b' , blue
• 'g' , green
• 'r' , red
• 'c' , cyan
• 'm' , magenta
• 'y' , yellow
• 'k' , black
• 'w' , white

如果觉得这些常见的颜色不够用，设置可以用16进制字符来表示颜色。

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

# 折线图
axes[0].set_title('图1 折 线 图')
axes[0].plot(x1, y1, color='red')  # 红色
axes[0].plot(x1, y1+0.5, color='g')  # 绿色
axes[0].plot(x1, y1+1, color='#008000')  # 也是绿色

# 散点图
axes[1].set_title('图2 散 点 图')
axes[1].scatter(x1, y1, color='red')  # 红色
axes[1].scatter(x1, y1+0.5, color='g')  # 绿色
axes[1].scatter(x1, y1+1, color='#008000')  # 也是绿色
plt.show()

标记(形状）

参数marker可以在图形中添加标记，标记参数值和对应的标记类型如下所示：

    =============    ===============================
    character        description
    =============    ===============================
    ``'.'``          点
    ``','``          像素点
    ``'o'``          圆
    ``'v'``          向下三角形
    ``'^'``          向上三角形
    ``'<'``          向左三角形
    ``'>'``          向右三角形
    ``'1'``          向下T形
    ``'2'``          向上T形
    ``'3'``          向左T形
    ``'4'``          向右T形
    ``'s'``          正方形
    ``'p'``          五边形
    ``'*'``          星型
    ``'h'``          六边形1
    ``'H'``          六边形2
    ``'+'``          十字形
    ``'x'``          x 形
    ``'D'``          大菱形
    ``'d'``          小菱形
    ``'|'``          竖线
    ``'_'``          横线

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

axes[0].plot(x1, y1, color='black', label='.', marker='.') 
axes[0].plot(x1, y1+0.5, color='green', label=',', marker=',')
axes[0].plot(x1, y1+1, color='blue',  label='o', marker='|')
axes[0].plot(x1, y1+1.5, color='red', label='v', marker='_')
axes[0].legend()

axes[1].scatter(x1, y1, color='black', label='.', marker='.') 
axes[1].scatter(x1, y1+0.5, color='green', label=',', marker=',')
axes[1].scatter(x1, y1+1, color='blue',  label='o', marker='|')
axes[1].scatter(x1, y1+1.5, color='red', label='v', marker='_')
axes[1].legend()
plt.show()

1. 找到数组中频率最大的数，在直方图中标注出来

import seaborn as sns
import numpy as np
import matplot.pyplot as plt

data_list = [self.to_struct_time(t)[time_flag] for t in self.chat_time]  # 得到数据列表
max_indx = np.argmax(np.bincount(data_list))  # 出现次数最多的数据
max_num = np.bincount(data_list)[max_indx]  # 出现次数

sns.distplot(data_list, 365, kde=False, color='lightcoral')

plt.xticks(np.arange(1, 366, 30), fontsize=15)
plt.ylabel('消息条数', fontproperties=myfont2)
plt.annotate("这%s我们发了%d条消息！" % (str_list[time_flag], max_num),
xy=(max_indx,max_num), fontproperties=myfont3)

https://blog.csdn.net/ssswill/article/details/86617912

2. matplotlib绘制动图

谨以此文纪念我两天来的悲剧。

function 1.
第一种方法就是采用matplotlib中的一种交互方式，这样我们就能保证在plt.show()的时候进程不会挂起，所以达到绘制图画的时候能够连续起来，这种在你做实验的时候画着比较简单，不需要新的知识，只要用过plt画图，几乎一看就明白，下面给出例子：

if __name__ == "__main__":
    fig = plt.figure()
    plt.ion()
    plt.show()
    ims = []
    for i in range(1,10):
        im = plt.plot(np.linspace(0, i,10), np.linspace(0, np.random.randint(i),10))
        ims.append(im)
        plt.draw()
        plt.pause(0.5)

这段代码没什么实际意义，只是为了显示plt绘制动图，主要代码有plt.ion()代表着开启交互模式，所以plt.show()就不会影响后面的代码，后面就是普通的画图，画线段plt.plot()，然后plt.draw()就充当了绘制的作用，然后plt.pause()代表暂停0.5秒，这个由于比较简单，可以在网上找到大量例子，并且都是可以运行和实现的。

或者像下面一样画到一个figure里面。

import matplotlib.pyplot as plt
fig,ax=plt.subplots()
y1=[]
for i in range(50):
    y1.append(i)
    ax.cla()
    ax.bar(y1,label='test',height=y1,width=0.3)
    ax.legend()
    plt.pause(0.3)

但是上面的都只能实现显示，但是保存不了，只能使用window录频软件保存。后来发现使用animation可以进行保存，所以就开始了animation求学之路。其实现在animation也不是很懂。。。

function 2.
其实使用animation画图也不是很麻烦，网上的大多数代码都能运行，并且也能看明白是在干什么。因为我觉得在这个过程中主要是在探索保存的过程中花了时间，所以就着重讲一下如何保存，先看下面这个例子。

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
if __name__ == "__main__":
    fig = plt.figure()
    ims = []
    for i in range(1,10):
        im = plt.plot(np.linspace(0, i,10), np.linspace(0, np.random.randint(i),10))
        ims.append(im)
    ani = animation.ArtistAnimation(fig, ims, interval=200, repeat_delay=1000)
    ani.save("test.gif",writer='pillow')

深入了解可以看看这篇博客，我按照他的方法总是给我报错，就是很奇怪，下面是错误的地方。
https://www.cnblogs.com/endlesscoding/p/10308111.html

def draw_gjf(fig, pa, va, r):
    """
    有错误
    :param fig: figure
    :param pa: position_array n*2
    :param va: vector_array n*2
    :param r: radius
    :return:
    """
    def update_points(num):
        '''
        更新数据点
        '''
        point_ani.set_data(x[num, 0], x[num, 1], 'ro')
        point_ani1.set_data(x1[num, 0], x1[num, 1], 'bo')
        return point_ani, point_ani1,
    x = pa
    x1 = pa - va*r*3
    x2 = pa + va*r*3
    point_ani, point_ani1, = plt.plot(0, 0, 'ro', 0, 0, 'ro')
    plt.grid(ls="--")
    # 开始制作动画
    ani = animation.FuncAnimation(fig, update_points, np.arange(0, len(pa)), interval=100, blit=True)

    ani.save('sin_test2.gif', writer='imagemagick', fps=10)

参考

https://blog.csdn.net/qq_28888837/article/details/85778395
https://www.cnblogs.com/endlesscoding/p/10308111.html