Matplotlib | Python 可视化库 | 交互式教程

简介

Matplotlib 是一个 Python 库，可用于在 Python 中创建静态、动画和交互式可视化。它广泛应用于科学计算、数据分析、机器学习等领域。在本实验中，你将学习如何使用 Matplotlib 绘制图像，以及如何操作坐标轴和颜色条的位置。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，请随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。

导入库

在这一步中，我们将导入本实验中会用到的必要库。我们将使用 matplotlib 中的 matplotlib.pyplot 和 cbook 来获取一个示例图像。

import matplotlib.pyplot as plt
from matplotlib import cbook

获取示例图像

在这一步中，我们将定义一个函数来获取一张示例图像及其范围。我们将使用 cbook 中的 get_sample_data() 函数来获取一张示例图像。

def get_demo_image():
    z = cbook.get_sample_data("axes_grid/bivariate_normal.npy")  ## 15x15 array
    return z, (-3, 4, -4, 3)

简单图像与颜色条

在这一步中，我们将创建一个简单的图像及其颜色条。我们将使用 pyplot 中的 imshow() 函数来创建图像，并使用 colorbar() 函数来创建颜色条。

def demo_simple_image(ax):
    Z, extent = get_demo_image()

    im = ax.imshow(Z, extent=extent)
    cb = plt.colorbar(im)
    cb.ax.yaxis.set_tick_params(labelright=False)

绘制时定位的图像与颜色条 - 一种复杂的方法

在这一步中，我们将以一种复杂的方式创建一个图像及其颜色条，并在绘制时进行定位。我们将使用 mpl_toolkits.axes_grid1 中的 SubplotDivider 为坐标轴和颜色条创建一个分隔器。

def demo_locatable_axes_hard(fig):
    from mpl_toolkits.axes_grid1 import Size, SubplotDivider

    divider = SubplotDivider(fig, 2, 2, 2, aspect=True)

    ## 用于图像的坐标轴
    ax = fig.add_subplot(axes_locator=divider.new_locator(nx=0, ny=0))
    ## 用于颜色条的坐标轴
    ax_cb = fig.add_subplot(axes_locator=divider.new_locator(nx=2, ny=0))

    divider.set_horizontal([
        Size.AxesX(ax),  ## 主坐标轴
        Size.Fixed(0.05),  ## 填充，0.1 英寸
        Size.Fixed(0.2),  ## 颜色条，0.3 英寸
    ])
    divider.set_vertical([Size.AxesY(ax)])

    Z, extent = get_demo_image()

    im = ax.imshow(Z, extent=extent)
    plt.colorbar(im, cax=ax_cb)
    ax_cb.yaxis.set_tick_params(labelright=False)

绘制时定位的图像与颜色条 - 一种简单的方法

在这一步中，我们将以一种简单的方式创建一个图像及其颜色条，并在绘制时进行定位。我们将使用 mpl_toolkits.axes_grid1 中的 make_axes_locatable 为坐标轴和颜色条创建一个分隔器。

def demo_locatable_axes_easy(ax):
    from mpl_toolkits.axes_grid1 import make_axes_locatable

    divider = make_axes_locatable(ax)

    ax_cb = divider.append_axes("right", size="5%", pad=0.05)
    fig = ax.get_figure()
    fig.add_axes(ax_cb)

    Z, extent = get_demo_image()
    im = ax.imshow(Z, extent=extent)

    plt.colorbar(im, cax=ax_cb)
    ax_cb.yaxis.tick_right()
    ax_cb.yaxis.set_tick_params(labelright=False)

带有固定间距的并排双图像

在这一步中，我们将创建两个并排的图像，并带有固定的间距。我们将使用 mpl_toolkits.axes_grid1 中的 make_axes_locatable 为坐标轴和颜色条创建一个分隔器。

def demo_images_side_by_side(ax):
    from mpl_toolkits.axes_grid1 import make_axes_locatable

    divider = make_axes_locatable(ax)

    Z, extent = get_demo_image()
    ax2 = divider.append_axes("right", size="100%", pad=0.05)
    fig1 = ax.get_figure()
    fig1.add_axes(ax2)

    ax.imshow(Z, extent=extent)
    ax2.imshow(Z, extent=extent)
    ax2.yaxis.set_tick_params(labelleft=False)

绘图

在这一步中，我们将创建一个图形，并为我们要创建的每个图像添加子图。

def demo():
    fig = plt.figure(figsize=(6, 6))

    ## 图 1
    ## 简单图像和颜色条
    ax = fig.add_subplot(2, 2, 1)
    demo_simple_image(ax)

    ## 图 2
    ## 绘制时定位的图像和颜色条 - 一种复杂的方法
    demo_locatable_axes_hard(fig)

    ## 图 3
    ## 绘制时定位的图像和颜色条 - 一种简单的方法
    ax = fig.add_subplot(2, 2, 3)
    demo_locatable_axes_easy(ax)

    ## 图 4
    ## 带有固定间距的并排双图像。
    ax = fig.add_subplot(2, 2, 4)
    demo_images_side_by_side(ax)

    plt.show()

总结

在这个实验中，我们学习了如何使用 Matplotlib 绘制图像，以及如何操作坐标轴和颜色条的位置。我们涵盖了创建图像和颜色条的不同方法，以及如何在图形中定位它们。通过从这个实验中获得的知识，你将能够创建更复杂的可视化效果，并根据自己的需求对其进行操作。

自定义 Matplotlib 坐标轴和颜色条

简介