python 画图 rgb Python 画图工具xal

转载

互联网小思悟 2023-11-19 12:55:00

文章标签 python 画图 rgb python matplotlib 开发语言数据 文章分类 Python 后端开发

`设置坐标轴标签的透明度和大小`

axes标签描述了图表中展现的数据内容。

当调用 plot() 方法时，就会向 axes.lines 列表添加一个线条的实例（ matplotlib.lines.Line2D ）。
通过调用hist()绘制直方图，会向axes.patches列表添加许多矩形（“patchesR”是从MATLAB继承来的一个术语，表示“颜色补片”的概念）
xaxis和yaxis管理坐标轴、标签、刻度、刻度标签、定位器和格式器的绘制。

matplotlib 提供了一个 helper 方法（实际上是一个捷径）来迭代这些标签，它们是 matplotlib.pyplot.xlabel() 和 matplotlib.pyplot.ylabel()。

示例：

创建一个新的图表，然后在其上进行如下操作：

创建一个基于一些随机生成的数据的plot
创建title和axes标签
添加alpha设置
向title和axes标签添加阴影效果

import matplotlib.pyplot as plt
from matplotlib import patheffects
import numpy as np

data = np.random.randn(70)

fontsize = 18
plt.plot(data)

title = "This is figure title"
x_label = "This is x axis label"
y_label = "This is y axis label"

title_text_obj = plt.title(title, fontsize=fontsize, verticalalignment='bottom')

title_text_obj.set_path_effects([patheffects.withSimplePatchShadow()])

# offset_xy：设置阴影的角度
# shadow_rgbFace：设置阴影的颜色
# patch_alpha：设置阴影的透明度

offset_xy = (1, -1)
rgbRed = (1.0,0.0,0.0)
alpha = 0.8

# 自定义阴影的属性
pe = patheffects.withSimplePatchShadow(offset = offset_xy,
									   shadow_rgbFace = rgbRed,
									   alpha = alpha)
# 将他们应用到 xlabel 和 ylabel 上
xlabel_obj = plt.xlabel(x_label, fontsize=fontsize, alpha=0.5)
xlabel_obj.set_path_effects([pe])

ylabel_obj = plt.ylabel(y_label, fontsize=fontsize, alpha=0.5)
ylabel_obj.set_path_effects([pe])

plt.show()

python 画图 rgb Python 画图工具xal_开发语言

示例详解：

添加一个标题。然后设置标题字体的大小，并设置标题文本的垂直对齐方式为 bottom。
添加阴影，如果不带参数地调用matplotlib.patheffects.withSimplePatchShadow()，会为标题添加默认的阴影效果。
参数的默认值为 offset = (2,-2)，shadow_rgbFace = None 和 alpha = None。
标题文本的垂直对齐方式还有 center、top 和 baseline，这里因为要为文本添加阴影，所以选择 bottom。
路径效果（path effects）是 matplotlib 的 matplotlib.patheffects 模块的部分功能，支持 matplotlib.text.Text 和 matplotlib.patches.Patch。
接着为 x 轴和 y 轴添加不同的阴影设置。首先，我们自定义相对于父对象 R 的阴影的位置（ offset，偏移 )，然后设置阴影的颜色。
颜色在这里表示为一个 0.0 ~ 1.0 之间浮点数的三元组，每一个浮点数代表一个 RGB 通道。因此，红色表示为 (1.0，0.0，0.0) (全红，无绿色，无蓝色)。
透明度（或者 alpha ）被设置为一个归一化的值，我们也想为其设置一个不同于默认值的值。
设置完毕后，实例化 matplotlib.patheffects.withsimplePatchshadow 对象，并将其引用保存在 pe 变量中以供后面的代码重用它。
为了能应用阴影效果，我们需要得到 label 对象。这再简单不过了，
因为 matplotlib.pyplot.xlabel() 返回了该对象（matplotlib.text.Text）的引用。然后用它来调用 **set_path_effects（[pe]）**方法。

`为图标线条添加阴影`

为了区分图表中的某一线条，或者仅仅为了保持包含图表在内的所有表格的总体风格，有时需要为图表线条（或者直方图）添加阴影效果。
为了向图表中的线条或者矩形条添加阴影，需要使用 matplotlib 内置的 transformation 框架，其位于 matplotlib.transforms 模块中。

坐标系	Transformation对象	描述
Data	Axes.transData	表示用户的数据坐标系
Axes	Axes.transAxes	表示Axes坐标系，其中(0,0)表示轴的左下角，(1,1)表示轴的右上角
Figure	Figure.transFigure	表示Figure坐标系，其中(0,0)表示图表的左下角，(1,1)表示图表的右上角
Dispaly	None	表示用户视窗的像素坐标系，其中(0,0)表示视窗的左下角，(width,height)元组表示显示界面的右上角。这里的width和height都是以像素为单位的

注：
在Transformation对象列中，视窗坐标系是没有值的。
这是因为默认的坐标系就是 Display 坐标系，坐标总是在视窗坐标系下并以像素为单位。

示例：

向图表添加阴影效果的代码

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.transforms as transforms

def setup(layout=None):
    '''
    准备操作
    Args:
        layout(int or None)：布局的参数（如 121 表示将图分为 1 x 2 格，并选中第一格）
    Returns:
        fig(matplotlib.figure.Figure)：图
        ax(axes.Axes)：坐标轴
    '''
    assert layout is not None

    fig = plt.figure()
    ax = fig.add_subplot(layout)
    return fig, ax


def get_signal():
    '''
    获取信号
    Returns:
        t(ndarray)：时间数据
        s(ndarray)：信号数据
    '''
    t = np.arange(0., 2.5, 0.01)
    s = np.sin(5 * np.pi * t)
    return t, s


def plot_signal(t, s):
    '''
    绘制信号
    Args:
        t(ndarray)：时间数据
        s(ndarray)：信号数据
    Returns:
        line(matplotlib.lines.Line2D)：绘制好的线条
    '''
    line, = axes.plot(t, s, linewidth=5, color='magenta')
    return line,


def make_shadow(fig, axes, line, t, s):
    '''
    绘制阴影
    Args:
        fig(matplotlib.figure.Figure)：图
        ax(axes.Axes)：坐标轴
        line(matplotlib.lines.Line2D)：绘制好的线条
        t(ndarray)：时间数据
        s(ndarray)：信号数据
    '''
    delta = 2 / 72.  # 阴影移动多少个点
    offset = transforms.ScaledTranslation(delta, -delta, fig.dpi_scale_trans)
    offset_transform = axes.transData + offset

    # 我们绘制相同的数据，但现在使用偏移变换
    # zorder -- to render it below the line
    axes.plot(t, s, linewidth=5, color='gray',
              transform=offset_transform,
              zorder=0.5 * line.get_zorder())

fig, axes = setup(111)
t, s = get_signal()
line, = plot_signal(t, s)

make_shadow(fig, axes, line, t, s)

axes.set_title('使用偏移变换的阴影效果')
plt.show()

python 画图 rgb Python 画图工具xal_matplotlib_02

示例详解：

通过 setup() 创建 figure 和 axes。然后，得到一个信号（或者说生成一个正弦波数据）。
在 plot_signal() 方法中绘制出基本的信号图。
进行阴影坐标转换并在 make_shadow() 方法中绘制出阴影。
使用偏移效果创建一个偏移对象，把阴影放置在原始对象之下并偏移几个点的距离。
原始对象是一个简单的正弦波，用标准的 plot() 方法进行绘制。
matplotlib 包含一个 matplotlib.transforms.scaledTranslation 来添加偏移转换。
dx 和 dy 的值以点为单位。因为点是 1 / 72 英寸，向右移动偏移对象 2pt，向下移动偏移对象 2pt。
可以使用 matplotlib.transforms.scaledTransformation(xtr, ytr, scaletr) 方法。
这里，xtr 和 ytr 是转换的偏移量，scaletr 是一个转换可调用对象(callable)，在转换时和显示之前对 xtr 和 ytr 进行比例调整。
其最常用的情况是从点转换到显示区域，如 DPI，这样偏移始终保持在相同的位置而与实际的输出设备无关（可以是显示器或者打印的材料)。
我们使用的可调用对象已经内置在 matplotlib 中,可以从 Figure.dpi_scale_trans 得到。
最后，用这些转换把数据绘制出来。

`向图表添加数据表`

为数据绘制可视化图形的主要目的是解释那些不能理解（或者很难理解）的数据值。

示例：

import matplotlib.pylab as plt
import numpy as np

plt.figure()
axes=plt.gca()
y= np.random.randn(9)

col_labels=['col1','col2','col3']
row_labels=['row1','row2','row3']
table_vals=[[11,12,13],[21,22,23],[28,29,30]]
row_colors=['red','gold','green']

the_table = plt.table(cellText=table_vals,
                  colWidths = [0.1]*3,
                  rowLabels=row_labels,
                  colLabels=col_labels,
                  rowColours=row_colors,
                  loc='upper right')

plt.plot(y)
plt.show()

python 画图 rgb Python 画图工具xal_数据_03

示例详解：

使用 plt.table() 方式创建了一个带单元格的表格，并把它添加到当前坐标轴中。表格可以有（可选的）行标题和列标题。
每个单元格包含文本。表格的列宽和行高是可以指定的。返回值是一个组成表格的对象（文本、线条和补片实例）的序列。
函数实例化并返回一个 matplotlib.table.Table 实例。只有一种方式把表格添加到图表中，这也是 matplotlib 通常的情况。
可以直接访问这个面向对象的接口。在用 add_table() 方法把图表添加到坐标轴实例之前，可以用 matplotlib.table.Table 类直接对表格进行微调。

`使用subplot（子区）`

基础了解

subplot 派生自 axes，位于 subplot 实例的规则网格中。
子区的基类是 matplotlib.axes.SubplotBase。
子区是 matplotlib.axes.Axes 的实例，但提供了 helper 方法来生成和操作图表中的一系列 Axes。
有一个 matplotlib.figure.SubplotParams 类，包括 subplot 的所有参数。尺寸是被归一化的图表的宽度或者高度。
如果不指定任何定制化的值，subplot 将会从 rc 参数中读取参数值。
脚本层（ matplotlib.pyplot ）有操作子区的一些 helper 方法。matplotlib.pyplot.subplots 用来方便地创建普通布局的子区。
使用sharex或者sharey关键字参数可以创建共享x或者y轴的子区。sharex 参数可以设置为 True，这样 x 轴就被所有的子区共享。这样一来，刻度标签只在最后一行的子区上可见。
也可以被设置为字符串，枚举值如row、col、all或者none。值 all 和 True 相同，值 none 和 False 相同。如果设置为 row，则每一个子区行共享 x 轴坐标；如果设置为 col，则每一个子区列共享 y 轴坐标。
matplotlib.pyplot.subplots 方法返回一个 (fig，ax) 元组，其中 ax 可以是一个坐标轴实例；当创建多个子区时，ax 是一个坐标轴实例的数组。
用 matplotlib.pyplot.subplots_adjust 来调整子区的布局。关键字参数指定了图表中子区的坐标（left、right、bottom 和 top），其值是归一化的图表大小的值。可以用 wspace 和 hspace 参数指定子区间空白区域的大小，参数值为相应宽度和高度的归一化值。

示例

演示matplotlib工具包中的另一个helper函数subplot2grid。
创建一个图表，通过 subplot2grid 添加不同的子区布局，并重新配置刻度标签大小。

import matplotlib.pyplot as plt

plt.figure(0)
axes1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
axes2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
axes3 = plt.subplot2grid((3, 3), (1, 2))
axes4 = plt.subplot2grid((3, 3), (2, 0))
axes5 = plt.subplot2grid((3, 3), (2, 1), colspan=2)

# 调整刻度标签大小
all_axes = plt.gcf().axes
for ax in all_axes:
    for ticklabel in ax.get_xticklabels() + ax.get_yticklabels():
        ticklabel.set_fontsize(10)

plt.suptitle("Demo of subplot2grid")
plt.show()

python 画图 rgb Python 画图工具xal_matplotlib_04