概念

Matplotlib将数据绘制为Figure，包含：

• Figure：图形。可含多个axes、特殊Artists（title, legend等）以及canvas（实际绘图的对象，对用户不可见）。
• Axes：坐标系。一个将点表示为坐标的区域。只能属于一个figure。含2~3个axis，每个axis对应的Label，以及一个title。Axes类及其方法是OO（面向对象）风格的主要接口。
• Axis：坐标轴。设定数据的范围，生成ticks（坐标轴上的marks）和ticklabels（ticks对应的标识）。
• Artist：所有可见的组件都属于Artist，包括Figure、Axes、Axis、title、legend等。当渲染figure时，所有artists会在canvas上绘制出来。

子图和子坐标系：

• SubFigure：Figure子类，一个figure可含多个subfigure，有figure相同的方法，但不能单独打印。
• add_subfigure：创建1个SubFigure实例。Figure.add_subfigure、SubFigure.add_subfigure。
• subfigures：创建r行c列个subfigures。Figure.subfigures、SubFigure.subfigures。
• SubplotBase：Axes子类，附加生成和操作Axes的方法。
• subplots(r,c)：创建r行c列个SubplotBase实例。pyplot.subplots、Figure.subplots。
• subplot(r,c,n)：创建r行c列个SubplotBase实例中第n个SubplotBase实例（展开成1维后第n个）。pyplot.subplot、Figure.add_subplot。

画图

显式隐式

方式1，显式的创建Figure和Axes，使用Axes的接口绘图。

fig, ax = plt.subplots()  # Create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.
fig.show()

fig = plt.figure()  # Create a figure without axes.
ax = Axes(fig, (0,0,0,0))  # Create an axes in the figure.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
fig.show()

fig = Figure()  # Create a figure without axes.
ax = fig.add_subplot()  # Ass an axes into the figure.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
fig.show()

fig = Figure()  # Create a figure without axes.
# 等价于fig.add_axes(rect)
ax = Axes(fig, (0,0,0,0))  # Create an axes in the figure.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
# 这种方式show()无效

ax = plt.axes()
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.show()

方式2，隐式的创建figure和axes（若当前存在一个axes，则使用该axes，否则创建axes以及所需的figure），使用pyplot的接口绘图（Axes的每个绘图接口都有对应的pyplot接口）。

plt.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Similar to MATLAB plot.
plt.show()

风格

OO风格，建议用于大型项目，逻辑清晰：

x = np.linspace(0, 2, 100)  # Sample data.

# Note that even in the OO-style, we use `.pyplot.figure` to create the figure.
fig, ax = plt.subplots()  # Create a figure and an axes.
ax.plot(x, x, label='linear')  # Plot some data on the axes.
ax.plot(x, x**2, label='quadratic')  # Plot more data on the axes...
ax.plot(x, x**3, label='cubic')  # ... and some more.
ax.set_xlabel('x label')  # Add an x-label to the axes.
ax.set_ylabel('y label')  # Add a y-label to the axes.
ax.set_title("Simple Plot")  # Add a title to the axes.
ax.legend()  # Add a legend.

pyplot风格，建议用于交互式编程（如Notebook）：

x = np.linspace(0, 2, 100)  # Sample data.

plt.plot(x, x, label='linear')  # Plot some data on the (implicit) axes.
plt.plot(x, x**2, label='quadratic')  # etc.
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()

不推荐混用两种风格，如有需要：

• 获取当前figure：plt.gcf()
• 获取当前axes：plt.gca()。

设置Figure

创建figure的几种方式：

plt.figure(figsize=(6.4,4.8), dpi=100.0)：

• figsize，(width, height) inches（分辨率单位），一般默认为(6.4,4.8)，notebook上默认为(6,4)。
• dpi，dots per inch（每个inch的点数），一般默认为100.0，notebook上默认为72。

示例

plt.figure(figsize=[4*2,4*2],dpi=72.0)#default: [6.4, 4.8] 100.0
plt.subplot(2,2,1),plt.imshow(img0),plt.title("original")
plt.subplot(2,2,2),plt.imshow(crop1),plt.title("train1")
plt.subplot(2,2,3),plt.imshow(crop2),plt.title("train2")
plt.subplot(2,2,4),plt.imshow(crop3),plt.title("test1")
plt.tight_layout()
plt.savefig(os.path.join(OUTPUT_PATH, 'random_crop.pdf'))
plt.show()

Scipy.stats绘制方差，当aa.shape[0]=1时，方差不存在，也不会体现在图上：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
aa = np.array([[0,1,2,3,4],[0.1,1,2.1,3.2,4.1]])
e = stats.sem(aa, axis=0)
m = np.mean(aa, axis=0)
plt.plot(m)
plt.fill_between(range(5), m-e,m+e, alpha=0.3)
plt.show()

旋转坐标轴的标签：

plt.xticks(range(3), ["Zi 1", "Zi 2" ,"Zi 3"], rotation=-45)
# 或
plt.setp(plt.xticks(), rotation=-45, rotation_mode="anchor")

colorbar，支持多个子图共享colorbar：

import matplotlib
import matplotlib.pyplot as plt

cmap = matplotlib.colormaps['jet']
fig, axes = plt.subplots(6, 1)
im = None
for i in range(6):
    im = axes[i].imshow(y[i].T, cmap=cmap, interpolation='nearest', aspect='auto')
    axes[i].set_ylabel('t')
for i in range(5):
    axes[i].set_xticks([])
axes[-1].set_xlabel('x')
fig.tight_layout()  # tight_layout放在colorbar之前，否则colorbar会与其他axes重叠
cbar = fig.colorbar(im, ax=axes)  # 通过axes列表指定覆盖的axes
cbar.set_label('u(t,x)')
fig.savefig(f'images/result.jpg')
fig.show()

绘制直方图

绘制grad、weight、activation的分布图，横坐标为2的幂次，纵坐标启用了log（10的幂次）

import numpy as np
import matplotlib.pyplot as plt

g = np.random.normal(loc=2**-8, scale=2**-8, size=(8192*8))
w = np.random.normal(loc=0, scale=2**-6, size=(8192*8))
a = np.random.normal(loc=0, scale=2**-0, size=(8192*8))
g = np.log2(g)
w = np.log2(w)
a = np.log2(a)

x = [g, w, a]
colors = ['r', 'y', 'b']
plt.hist(x, bins=50, histtype='bar', color=colors, label=colors, log=True)
# plt.xlim((-45, 5))
plt.xlabel('Exp')
plt.ylabel('Frequency')
plt.legend(['Gradient', 'Weight', 'Activation'])
plt.show()

绘制动画

ArtistAnimation方式：

cmap = matplotlib.colormaps['jet']
fig, ax = plt.subplots(1,3)
ims = []
for i in range(10):
    ax[0].set_title(f'Label')
    # 若要固定每帧colorbar的坐标轴数值范围，可设定vmin、vmax：
    # imshow(yy[i], cmap=cmap, vmin=0, vmax=1, animated=True)
    im0 = ax[0].imshow(yy[i], cmap=cmap, animated=True)
    ax[1].set_title(f'Prediction')
    im1 = ax[1].imshow(yp[i], cmap=cmap, animated=True)
    ax[2].set_title(f'Error')
    im2 = ax[2].imshow(ye[i], cmap=cmap, animated=True)
    fig.suptitle(f't={i}')
    fig.tight_layout()
    fig.colorbar(im1, ax=ax[2])
    ims.append([im0, im1, im2])

# blit必须为True，否则画出的图为空
ani = animation.ArtistAnimation(fig, ims, interval=200, blit=True, repeat_delay=1000)
ani.save('animation.gif')
plt.show()

FuncAnimation方式：

cmap = matplotlib.colormaps['jet']
fig, ax = plt.subplots(1,3, figsize=[7, 3])

ax[0].set_title(f'Label')
# 若要固定每帧colorbar的坐标轴数值范围，可设定vmin、vmax：
# imshow(yy[0], cmap=cmap, vmin=0, vmax=1)
im0 = ax[0].imshow(yy[0], cmap=cmap)
ax[1].set_title(f'Prediction')
im1 = ax[1].imshow(yp[0], cmap=cmap)
ax[2].set_title(f'Error')
im2 = ax[2].imshow(ye[0], cmap=cmap)
title = fig.suptitle(f't=0')
fig.tight_layout()
fig.colorbar(im1, ax=ax)

def animate(i):
    y, p, e = yy[..., i, :], yp[..., i, :], ye[..., i, :]
    im0.set_data(y)
    im1.set_data(p)
    im2.set_data(e)
    # 若要固定每帧colorbar的坐标轴数值范围，结合上方，
    # 设定set_clim(0, 1)，或不设置。
    im0.set_clim(np.min(y), np.max(y))
    im1.set_clim(np.min(p), np.max(p))
    im2.set_clim(np.min(e), np.max(e))
    title.set_text(f't={i}')

ani = animation.FuncAnimation(fig, animate, interval=200, blit=False, frames=10,
                              repeat_delay=1000)
ani.save('animation.gif')
plt.show()

其他

若训练进程（包括nohup &启动的进程），总是因matplotlib异常中断，则：

import matplotlib.pyplot as plt
matplotlib.use('Agg')