使用 Python 科学绘图

2019-08-03|字数总计: 2.9k|阅读时长: 13 分钟

使用 matplotlib 绘图

读取数据

import pandas as pd
data = pd.read_csv("fileName", sep='\t', skiprows=2, names=['x','y','z','T'])

默认逗号为分隔符，也可以设为 \t 等。
默认自动将第一行作为 index，可以这样调用：data['x']。
也可以手动设置 index：names=['x','y','z','T']。
通过 skiprows 设置需要忽略的行：

数字指定：skiprows = 2 表示忽略前 2 行。
列表指定：skiprows = [0] 表示忽略第 0 行。
列表指定：skiprows = range(1, 10)) 表示忽略第 1 到 9 行，保留第 0 行，和第 10 行及以后的行。

图型

点线图 plot

plot(Z, Y, color='green', linestyle='dashed', linewidth=2, marker='o', markersize=12)

官方链接：
colors
markers
Linestyles
colormaps

Base Colors

常见 linestyle

unfilled markers
unfilled-markers
filled markers

空心 markers

plt.plot(X, Y, 'o', markerfacecolor='none')

可以将 plot 中的线宽设为 0，这样只剩下 symbol：

plot(X, Y, marker='.', linewidth=0)

竖直线和水平线

水平线

ax.axhline(y=0, xmin=0, xmax=1, color='black', linewidth=2)
ax.axhline(0, color='black', linewidth=2) # y=0

plt.axhline(0, color='black', linewidth=2)

竖直线

ax.axvline(x=0, ymin=0, ymax=1, color="r")
ax.axvline(0, color="r") # x=0

plt.axvline(0, color="r")

散点图 scatter

plt.scatter(X, Y, c=Z, s=1, marker='s', cmap=plt.cm.hot)

散点用 X Y 表示，用 Z 着色，色带是 plt.cm.hot，size 是 1。
更多设置参考网址

如果要对散点着色的话，建议先将所有点按照 Z 排序：

idx = Z.argsort()
X, Y, Z = X[idx], Y[idx], Z[idx]

绘制界限分明的 colorbar

官方链接

记得选用 diverging 色条，比如官方的 seismic。

divnorm = colors.TwoSlopeNorm(vcenter=0)
plt.scatter(X, Y, c=Z, norm=divnorm,cmap=matplotlib.cm.seismic)

云图 contourf

data = pd.read_csv("fileName", sep='\t')
X = data['X']
Y = data['Y']
Z = data['Z']

xi=np.linspace(min(X),max(X),1000)
yi=np.linspace(min(Y),max(Y),1000)
[XX,YY]=np.meshgrid(xi,yi)
ZZ=griddata((X,Y), Z, (XX,YY), method='cubic')


plt.contourf(XX, YY, ZZ, 20, cmap=plt.cm.hot) # 20 表示 20 个 levels
cbar = plt.colorbar()

还有一种更简便的方法：

plt.tricontourf(X, Y, Z, 20, cmap=plt.cm.hot, extend='both')

手动指定 levels

越界时指定颜色

extend : {'neither', 'both', 'min', 'max'}，默认值是 neither

levels=np.arange(-10,4200000,1000)
cp=plt.contourf(XX, YY, ZZ, levels=levels, cmap=plt.cm.hot, extend='both')
cp.cmap.set_under('yellow') # 注意顺序，此行须在 plt.colorbar 之前。如果不用这句话，那么越界区域的颜色应该就直接是 min 的颜色。
cp.cmap.set_over('cyan') # 注意顺序，此行须在 plt.colorbar 之前. 如果不用这句话，那么越界区域的颜色应该就直接是 max 的颜色。
cbar = plt.colorbar(cp)
cbar.ax.set_title('T')

越界时为空白

举例：小于某个数时颜色全部为空白（假设原始数据的大小是 0~0.75）
那么图片里边，小于 0.0015 的区域，都将是空白

levels=np.arange(0.0015,0.7515,0.0015)
plt.contourf(XX, YY, ZZ,levels=levels)

设置图中的数值上下限：

设置 colorbar 中的上下限：

log：
https://matplotlib.org/3.1.1/gallery/images_contours_and_fields/contourf_log.html

等值线

plt.contourf(XX, YY, ZZ, 20, cmap=plt.cm.hot) #这是云图，20 表示分为 20 道等值线
plt.contour(XX, YY, ZZ, 1, levels=[1000], linewidths=2, colors='y') #这是等值线，1 表示一条等值线，levels 里边是这个值

配件

图片颜色

自带调色

colorMap = plt.cm.get_cmap('winter')
colorMap=plt.get_cmap("YlOrRd")
colorMap=pyplot.cm.jet

palettable 调色

源码：https://github.com/jiffyclub/palettable

from palettable.mycarta import Cube1_20
from palettable.colorbrewer.sequential import Greys_9
colorMap=Cube1_20.mpl_colormap
colorMap=Greys_9.mpl_colormap

colorcet 调色

源码：https://github.com/pyviz/colorcet

import colorcet as cc
colorMap=cc.cm["blues"]
colorMap=cc.cm["fire"]

CMasher 调色

反转颜色

自带的反转就是在后边加一个 _r，比如：colorMap=plt.cm.hot_r。

反转非自带的颜色：

def reverse_colourmap(cmap, name = 'my_cmap_r'):
    """
    In:
    cmap, name
    Out:
    my_cmap_r

    Explanation:
    t[0] goes from 0 to 1
    row i:   x  y0  y1 -> t[0] t[1] t[2]
                   /
                  /
    row i+1: x  y0  y1 -> t[n] t[1] t[2]

    so the inverse should do the same:
    row i+1: x  y1  y0 -> 1-t[0] t[2] t[1]
                   /
                  /
    row i:   x  y1  y0 -> 1-t[n] t[2] t[1]
    """
    reverse = []
    k = []

    for key in cmap._segmentdata:
        k.append(key)
        channel = cmap._segmentdata[key]
        data = []

        for t in channel:
            data.append((1-t[0],t[2],t[1]))
        reverse.append(sorted(data))

    LinearL = dict(zip(k,reverse))
    my_cmap_r = mpl.colors.LinearSegmentedColormap(name, LinearL)
    return my_cmap_r


cmap=cc.cm["fire"]
cmap_r = reverse_colourmap(cmap)

colorbar

官方 API

API
API2

简单使用

sc = plt.scatter(X, Y, c=Z, s=1, cmap=pyplot.cm.jet)
plt.colorbar(sc)

位置

偏移使用 pad，尺寸缩小使用 shrink

plt.colorbar(sc, pad = 0.07, shrink=0.8)

坐标控制的位置

cbar_ax = fig.add_axes([0.19, 0.06, 0.7, 0.015]) #left,bottom,left_length,bottom_length
cbar=plt.colorbar(sc, cax=cbar_ax, orientation='horizontal')

set_ticks

手动设置坐标

cbar_ticks = np.linspace(0., 5e-3, num=3, endpoint=True)
cbar.set_ticks(cbar_ticks)

怎么才能在坐标上显示 max min？

科学计数法

cbar.formatter.set_powerlimits((-1, 1))
cbar.update_ticks()

这样小于 10^(-1)，或者大于 10^(1) 的值就会用科学计数法。

ticks 朝向

如果 colorbar 竖直，ticks 默认是朝右的，如果 colorbar 水平，ticks 默认朝下的。

可以这样更改：

cbar.ax.xaxis.set_ticks_position('top')#colorbar 水平，horizontal
cbar.ax.yaxis.set_ticks_position('left')#colorbar 竖直，vertical

也可以这样：

cbar.ax.yaxis.tick_left()

添加变量名 set_title

set_title
set_title 默认在最上方，不管 colorbar 是水平还是竖直。
有个参数 pad 表示向上偏移距离，但是 pad 等于负数时无效。

cbar.ax.set_title('$\Omega\ [-]$', pad=10)

添加变量名 set_label

推荐使用 set_label

cbar.set_label('$\Omega\ [-]$')
cbar.set_label(r"$\Delta$"+varName, va='bottom', ha='right', labelpad=10)

变量名改变位置

colorbar 是水平的，这里的 bottom 表示变量名放在水平 colorbar 的下边，labelpad 是向下的偏移距离。

cbar.set_label('T',verticalalignment='bottom', labelpad=-10)

Vertical alignment must be one of (‘top’, ‘bottom’, ‘center’, ‘baseline’)
Horizontal alignment must be one of (‘center’, ‘right’, ‘left’)

对于水平 colorbar，horizontalalignment 不管用？

图例 legend

plt.plot(X, Y, label="sim") # 这里的 label 即图例
plt.legend(loc='upper left') # 图例位置
plt.legend(loc='best') # 自动选择最合适的位置
plt.plot(legend=None)

上下左右中：upper lower left right
还有一个中，可以是上下的中，也可以是左右的中：center
有这些组合：

best
upper right
upper left
lower left
lower right
right
center left
center right
lower center
upper center
center

在循环里边画很多条线时，只想保留一个 legend，循环结束后：

from collections import OrderedDict
handles, labels = plt.gca().get_legend_handles_labels()
by_label = OrderedDict(zip(labels, handles))
plt.legend(by_label.values(), by_label.keys())

缩放图例中的 marker 大小: markerscale
Default is None, which will take the value from rcParams[“legend.markerscale”] = 1.0.

plt.legend(loc='upper right',markerscale=3,fancybox=True, framealpha=0.1)

缩放图例中的线宽

leg = ax.legend()

for line in leg.get_lines():
    line.set_linewidth(4.0)

关于位置的高级用法：

ax1.legend(loc='upper right', bbox_to_anchor=(1.05, 4.3), ncol=3, fontsize=10)

bbox_to_anchor 表示 right 和 upper 的位置。
upper right 和 loc 里的一致，不过顺序颠倒了，这里表示图例的 right 位于主图的 1.05，图例的 upper 位于主图的 4.3。
这个位置是 0-1，超过 1 表示坐标轴以外。
ncol=3 表示三栏

保存为图片后，如果图例超出了整个图片的范围，则可以这样操作：

lgd =plt.legend(loc='center left', bbox_to_anchor=(1, 0.5))
plt.savefig("fig.png", bbox_extra_artists=(lgd,), bbox_inches='tight')

如果图例分了多列，columnspacing=2.0 控制列之间的间隔。
handletextpad=0.8 可以控制 marker 和 label 之间的间隔。
参考资料
参考图片

坐标轴

设置坐标轴 label

plt.xlabel('r [mm]',fontsize=12)
ax.set_xlabel('r [mm]',fontsize=12)

调整坐标轴范围

plt.axis([0, 4, 0, 4])   # 改变取值范围，[xmin, xmax, ymin, ymax]
plt.axis(xmin =0, xmax = 0.5, ymin = 0, ymax = 0.55)
plt.xlim(0,0.35)
plt.ylim(0,0.2)

自定义刻度

x_new=np.array([5,10,15,20])
plt.xticks(x_new)

刻度朝内

plt.tick_params(direction='in')

刻度小数点位数

import matplotlib.ticker as ticker
plt.gca().xaxis.set_major_formatter(ticker.FormatStrFormatter('%.6f'))

隐藏坐标

在包含几个子图的图标中，可能需要隐藏一些重复的坐标

ax1 = plt.subplot(420+i)
plt.setp(ax1.get_xticklabels(), visible=False)
plt.setp(ax1.get_yticklabels(), visible=False)

隐藏 ticks 和 label

ax1.set_xticks([])

隐藏子刻度

plt.minorticks_off()

科学计数

plt.ticklabel_format(axis="x", style="sci", scilimits=(0,0))

ax.ticklabel_format(axis="x", style="sci", scilimits=(0,0))

对数坐标

plt.xscale('log')

ax.set_xscale('log')

可选项 : {“linear”, “log”, “symlog”, “logit”, …}

x y 坐标等比例

这个用于 CFD 模拟场的云图，保证 x y 长度是等比例的。

ax=plt.gca()
ax.set_aspect(1.0) # set uniform length of axis

使用 LaTeX 公式

用 $ 包围起来并在前边加上 r 即可，最好 $ 和公式之间留一个空格。

plt.xlabel(r'Scalar dissipation rate $ [s^{-1}] $')

任意位置添加文字

text

plt.text(x, y, "text")

标注

可以附带箭头
annotate
示例：

子图 subplot

plt.subplots_adjust(left=0.11,bottom=0.1,top=0.97,right=0.9,hspace=0.000001,wspace=0.000001)

i=0
for Z in ['2','10','30','50']:
    i=i+1
    ax = plt.subplot(410+i)
    ax.plot(R_Mean,U_Mean,linestyle='--',marker='o', color='r',label="sim")

subplot(410+i) 表示子图 4x1 排列，即 4 行 1 列。此处的循环，令 i 分分别等于 1 2 3 4。

也可以用 subplot(4,1,i) 表示。

绘制着色的多个子图（云图或者上色 = 的散点图）需要注意他们的数据 min max 可能不同。
可以设置 vmin vmax 是他们保持一致：

plt.scatter(x1, y1, c=z1, s=2, marker='o', vmin=minZ, vmax=maxZ)
plt.scatter(x2, y2, c=z2, s=2, marker='s', vmin=minZ, vmax=maxZ)

图片标题

plt.title('source_Yc',fontsize=12)

alpha 表示不透明度，1 表示完全不透明

可以用于 plot scatter contour contourf 中。

输出图片

紧凑布局

plt.savefig("abc.png", dpi=500, bbox_inches='tight', pad_inches=0.01)
plt.savefig("abc.pdf", bbox_inches='tight', pad_inches=0.01)
plt.close()

fig = plt.figure()
fig.savefig("abc.png", dpi=500, bbox_inches='tight', pad_inches=0.01)
fig.savefig("abc.pdf", bbox_inches='tight', pad_inches=0.01)
fig.close()

python 相关

利用正则表达式获取当前目录下的某些文件

import glob
files = glob.iglob(r'0.*')
for file in files:
    print file

普通版本：


files = ['0.1', '0.2']
for file in files:
    print file

换行

ylabel('this is vertical\ntest', multialignment='center')#\n 表示换行

灰色系列填充彩图

在图中使用其它字体

https://stackoverflow.com/a/53645383
我成功操作的经历：

把字体拷贝到：
/public/home/yao1/packages_ZY/anaconda_ZY/anaconda3/lib/python3.6/site-packages/matplotlib/mpl-data/fonts/ttf
然后：
rm -rf ~/.cache/matplotlib/

使用字体：

from matplotlib import rcParams
rcParams.update({'font.size': 12, 'font.family': 'Times New Roman'})

from matplotlib import rcParams
rcParams.update({'font.size': 12, 'font.family': 'simsun'})

ax.legend(loc='upper right', bbox_to_anchor=(0.92, 3.7), ncol=3,fontsize=10,prop={'family':'simsun'})

plt.text(1.03,5.4,'平均值',fontname='simsun')

疑难解答

服务器绘图

报错 QXcbConnection: Could not connect to display

solution：
在脚本的 ** 最前边 ** 加上

import matplotlib
matplotlib.use('Agg')

范例

散点图，另外用颜色表示散点密度

def density_scatter(x, y, ax=None, sort=True, bins=20, **kwargs):
    """
    Scatter plot colored by 2d histogram
    """
    from scipy.interpolate import interpn
    if ax is None:
        fig, ax = plt.subplots()
    data, x_e, y_e = np.histogram2d(x, y, bins=bins)
    z = interpn((0.5*(x_e[1:] + x_e[:-1]), 0.5*(y_e[1:]+y_e[:-1])), data, np.vstack([x,y]).T, method="splinef2d", bounds_error=False )

    # Sort the points by density, so that the densest points are plotted last
    if sort :
        idx = z.argsort()
        x, y, z = x[idx], y[idx], z[idx]

    ax.scatter(x, y, c=z)
    return ax



cax=density_scatter(x, y, bins = [50,50])
#plt.colorbar(cax) # sorry, you cannot have a colorbar


# method 2: scatter with density, but gaussian_kde is quite slow
from scipy.stats import gaussian_kde
xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)
plt.scatter(x, y,c=z, s=100, edgecolor='')
plt.colorbar()