[已收纳]python可视化库matplotlib与IDL对比

15195775117

IDL的静态可视化我已经比较熟练了，gif、视频和交互还没深入研究。
python的可视化库matplotlib，我专门买了本书，虽然电子资料也容易找，我也存了一些，但是我很重视书的系统性，一本实体书拿在手里，是一种天然的督促。看着matplotlib书里的图，感觉B格比IDL逊色不少，就是些很常见的、很基础的图，毕竟论专业性，还是IDL强。


虽然IDL的绘图功能已经完全可以替代matplotlib，但是学学matplotlib对于掌握python的风格也是有帮助的。
好处有以下：
1、有IDL和matlab的制图基础，学习matplotlib会是非常快的；
2、python有不少冷门算法，如EMD分解，在python开发平台直接绘图比转到IDL绘图要快捷；
3、学习和操作的过程中，可以发现不同语言制图上的共通规则；
4、matplotlib制图可能有些方便比IDL便捷，比如IDL没有饼图，这经常让我感觉尴尬。
综上所述，我决定在这个主题中，一边学习和操作matplotlib制图，一边与IDL对比。
开始...........

15195775117

三维图之Surface

import numpy as np
import matplotlib.pyplot as plt
#导入3D绘图模块：
from mpl_toolkits.mplot3d import Axes3D
#新建图表对象：
fig=plt.figure()
#设置为三维模式：
#ax=fig.add_subplot(111,projection='3d')与ax=Axes3D(fig)一样
ax=Axes3D(fig)
#以上为绘制三维图定式开头
#绘图数据
x=np.arange(-5,5,0.25)
y=np.arange(-5,5,0.25)
#数据网格化：
X,Y=np.meshgrid(x,y)
R=np.sqrt(X**2+Y**2)
Z=np.sin(R)
#画曲面：
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,
                cmap=plt.get_cmap('rainbow'))
#图不能交互，那视角怎么设置？
#画投影，投影方向是z
ax.contour(X,Y,Z,zdim='z',offset=-2,cmap='rainbow')
#cmap相当于IDL的RGB_table？
#IDL也有offset，得研究下这是个啥？
#z轴范围：
ax.set_xlim(-5,5)
ax.set_ylim(-5,5)
ax.set_zlim(-1,1)
#轴名
ax.set_xlabel('xxx')
ax.set_ylabel('yyy')
ax.set_zlabel('zzz')

15195775117

python与IDL颜色缩写一样：
红r,绿g,蓝b,黑k,黄y,白w,品红m,青色c
不是看到python的c，我还不知道IDL的'c'表示青色！这就是对比学习的好处

15195775117

调用内嵌数学公式画图，就是不用数组就可以画曲线那种，IDL和MATLAB都有
import numpy as np
#matplotlib的子库pyplot库可快捷画二维图:
import matplotlib.pyplot as plt
#在label中使用$；color是颜色；linewidth是粗细；label就是legend

plt.plot(x,y,label="$sin(x)$",color="m",linewidth=2)


如果要设置图的尺寸，多加一句：
plt.figure(figsize=(8,4),dpi=100)
plt.plot(x,y,label="$sin(x)$",color="m",linewidth=2)
图宽8英寸，高4英寸，dpi是分辨率，100(像素/英寸)，
所以图宽800像素，高400像素
------------------------------------
线型：
默认是实线，短线是:
plt.plot(x,y,"m--",label="$sin(x)$")

点与短线交替是"m-."，虚线是"m:"，m表示品红

--------------------------------------------------
对比：
IDL的图是独立窗口，spyder的图是在控制台输出的，没有交互，灵活性差，查看不便；
IDL和matplotlib对图句柄的操作都是面对对象，比如IDL设置图色是fig.color='b'等

15195775117

import numpy as np
import matplotlib.pyplot as plt
from numpy import pi  #引入π

x=np.arange(360)/180*pi
y=np.sin(x)
plt.figure(figsize=[8,4],dpi=100)


#这个$sin(x)$出现了不能用的情况：
plt.plot(x,y,"r:",label="$sin(x)$")


#用汉字也会出现跟IDL一样的方框乱码，不知如何设置字体，IDL改个字体就行了


#x轴名，python的xlabel=IDL的xtitle
plt.xlabel("lon")
plt.ylabel("lat")


#和IDL的图题一样都叫title
plt.title('fig title')


#x和y轴范围，对应IDL的xrange和yrange
plt.xlim(0,pi*2)
plt.ylim(-1,1)


#显示图例：
plt.legend()


#plt.show()方法用来显示图，但是上面都是自动显示图的


#存图：
figfile=r'C:\Users\朽木\Desktop\pyfig\py.jpg'
plt.savefig(figfile,dpi=800)
print('程序结束！')

15195775117

窗口绘制多图
IDL是通过current和layout来实现的，python则使用subplot来做
import numpy as np
import matplotlib.pyplot as plt
from numpy import pi
#这个linspace好熟眼(IDL也有类似的)：
x=np.linspace(0,360,120)/180*pi
y=np.sin(x)
for idx,color in enumerate("bgrcmk"):
    print(idx,color)
    #3行2列序号(从1开始而不是0跟IDL规则一样)
    plt.subplot(3,2,1+idx)
    plt.plot(x,y,color=color,linewidth=3)
plt.show()
输出：
0 b
1 g
2 r
3 c
4 m

5 k

-----------------------------------------------------
-----------------------------------------------------
也可以做这种不均匀的排列：

import numpy as np
import matplotlib.pyplot as plt
from numpy import pi
#这个linspace好熟眼，IDL也有类似的：
x=np.linspace(0,360,120)/180*pi
y=np.sin(x)
#先排4个
for idx,color in enumerate("bgrc"):
    #3行2列序号(从1开始而不是0跟IDL规则一样)
    plt.subplot(3,2,1+idx)
    plt.plot(x,y,color=color,linewidth=3)
plt.show()
#最后一行排一个：
plt.subplot(3,1,3)

plt.plot(x,y,color='m',linewidth=3)

15195775117

灵活选择子图
sca方法可以灵活转换绘图的子图
--------------------------------
import matplotlib.pyplot as plt
from numpy import pi
#准备绘图数据
x=np.linspace(1,10,1000)
y=np.sin(i*x/3)
z=np.cos(i*x/3)
#子图名与位置
ax1=plt.subplot(2,2,1)
ax2=plt.subplot(2,2,2)
ax3=plt.subplot(2,2,3)
ax4=plt.subplot(2,2,4)
#选择子图并绘图
plt.sca(ax4)
plt.plot(x,y,color='r')
plt.sca(ax3)
plt.plot(x,y,color='g')
plt.sca(ax2)
plt.plot(x,y,color='b')
plt.sca(ax1)
plt.plot(x,y,color='c')
plt.sca(ax3)
plt.plot(x,z,color='m')

15195775117

python默认在之前的坐标轴上绘图，
跟IDL的overplot绘图关键字的功能一样
----------------------------------------
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(1,10,1000)
plt.plot(x,np.sin(i*x/3),color='r')
plt.plot(x,np.cos(i*x/3),color='g')
plt.plot(x,np.sin(i*x/2),color='b')

15195775117

三维图之三角曲面tri-Surf

import numpy as np
import matplotlib.pyplot as plt
#导入3D绘图模块：
from mpl_toolkits.mplot3d import Axes3D
#新建图表对象：
fig=plt.figure()
#设置为三维模式：
#ax=fig.add_subplot(111,projection='3d')与ax=Axes3D(fig)一样
ax=Axes3D(fig)
x=[0,1,3,2]
y=[0,4,4,2]
z=[0,2,1,0]
#以三角形构成的surface：
ax.plot_trisurf(x,y,z)

--------------------------
与IDL对比：
IDL的快速可视化、智能化工具都支持图的交互，
python的三维图不支持

王如双Frost

持续关注后续更新