matplotlib を読み込んで、図を描く準備をする部分。
import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(1,1,1)
matplotlib.axes.Axes クラスのインスタンスである ax を用いて図を描いたら（下部参照）、図の設定は以下のように可能。
ax.set_title(r'title $\LaTeX$', size=25) ax.set_xlabel('xlabel', size=25) ax.set_ylabel('ylabel', size=25) ax.legend(loc="lower right", fontsize=20) ax.tick_params(labelsize=20)
最後に PDF に保存する。
plt.tight_layout() plt.savefig('hoge.pdf', bbox_inches='tight')
LaTeX表記はr'$...$'の形でもともと使用できるが、デフォルトのフォントが気に入らない。
このページを参考にフォントを変更するのがおすすめ。
from matplotlib import rc rc('mathtext', **{'rm': 'serif', 'it': 'serif:itelic', 'bf': 'serif:bold', 'fontset': 'cm'})
CSV のような構造のデータが与えられていることをイメージする。
これを numpy で読み込んで使用する場合、
data = np.loadtxt('hoge.dat', skiprows=1, usecols=range(2)) x = data[:,0] y = data[:,1]
などとする。skiprows オプションを使用することで、好きな数のヘッダー行を読み込み範囲から外せる。
また、pandas を用いる場合には、区切り文字が空白かタブかに応じて、
data = pd.read_csv('hoge.dat') data = pd.read_table('hoge.dat')
とする。このとき、各データ列のヘッダーに変数名を書いておいて、data['name'] で参照できる。
このデータを numpy リストにも変換できる。
nplist = data.values
x,y 両軸のデータのリストをそれぞれ用意して、plot 関数を用いる。
ax.plot(xlist, ylist, color='r', linestyle='-', linewidth=2, label='hoge')
label オプションの文字列がレジェンドとして使用される。軸の範囲の設定は
ax.set_xlim(xmin, xmax) ax.set_ylim(ymin, ymax)
対数目盛りの設定は
ax.set_xscale('log') ax.set_yscale('log')
のように可能。軸の目盛りの位置と対応する文字列も必要に応じて指定できる。
ax.set_xticks([0, 0.5, 1, 1.5]) ax.set_yticks([0, 0.5, 1, 1.5]) ax.set_yticklabels(['0.0', '0.5', '1.0', '1.5'])
また、補助線を引きたい時は numpy を使って
x = np.linspace(xmin, xmax, npts) y = np.linspace(ymin, ymax, npts)
として作ったリストが使える。
matplotlib で等高線をプロットするには、2次元リストに格納された x,y,z の値が必要。
もし用意されたデータが 1次元で、ただし秩序を保って並んでいるなら、
x,y,z = data[:,1].reshape(ny,nx), data[:,2].reshape(ny,nx), data[:,3].reshape(ny,nx)
などと、ndarray.reshape 関数が使える。
さて、これを用いて等高線プロットは
cs = ax.contour(x, y, z, levels=[z1, z2, z3], colors='b', linestyles='-') h,_ = cs.legend_elements() ax.legend([h[0]], ['legend'], fontsize=20)
などとして描ける。レジェンドの他に、等高線の途中に対応する z の値を描くことも出来る。
ax.clabel(cs, fmt='%d') ax.clabel(cs2, fmt='%.1E')
別の種類のプロットとして、等高線間の塗りつぶしも可能。そのためには
ax.contourf(x, y, z, levels=[zmin,zmax], alpha=0.3, colors='gray')
などとすると、zmin < z < zmax の領域を指定された色で塗りつぶす。
この時、場合によっては背景色を白以外の色にしておくと便利。
ax.set_axis_bgcolor('green')
ヒストグラムの描画のためには、1次元のデータリストを用意して、
ax.hist(data, bins=nbin, range=(xmin, xmax), color='m', ec='black', label='legend')
とする。
ec オプションは、python3 で描くとデフォルトの枠線が白色で幸薄い感じになるので必須。
各データを違うウェイトで足し合わせたい時は、データと同じ順序で同じ数のウェイトを格納したリスト weights を用意し、オプションを追加： weights=weights。
横軸が log scale のヒストグラムを描きたいときは少々変更が必要で、
ax.hist(prob, bins=np.logspace(-6, 0, 50), color='b', ec='black', log=True) ax.set_xscale('log')
のような感じ。
以下の修正で十分。
fig = plt.figure(figsize=[4,2.25])
以下のサンプルはどこぞからの拾い物。
# removing the default axis on all sides: for side in ['bottom','right','top','left']: ax.spines[side].set_visible(False) # removing the axis ticks plt.xticks([]) # labels plt.yticks([]) ax.xaxis.set_ticks_position('none') # tick markers ax.yaxis.set_ticks_position('none') # get width and height of axes object to compute # matching arrowhead length and width dps = fig.dpi_scale_trans.inverted() bbox = ax.get_window_extent().transformed(dps) width, height = bbox.width, bbox.height # manual arrowhead width and length hw = 1./20.*(ymax-ymin) hl = 1./20.*(xmax-xmin) lw = 1. # axis line width ohg = 0.3 # arrow overhang # compute matching arrowhead length and width yhw = hw/(ymax-ymin)*(xmax-xmin)* height/width yhl = hl/(xmax-xmin)*(ymax-ymin)* width/height # draw x and y axis ax.arrow(xmin, 0, xmax-xmin, 0., fc='k', ec='k', lw = lw, head_width=hw, head_length=hl, overhang = ohg, length_includes_head= True, clip_on = False) ax.arrow(0, ymin, 0., ymax-ymin, fc='k', ec='k', lw = lw, head_width=yhw, head_length=yhl, overhang = ohg, length_includes_head= True, clip_on = False)
上のコマンドで座標軸を作ったら、そこに ax.plot で関数を描画したり、
phi = patches.Circle(xy=(x, y), radius=r, fc='green') ax.add_patch(phi)
で円を描いたり出来る。
プレゼン用に図に星印などつけたい場合は、
ax.plot(x, y, '*', markersize=15, color='black', clip_on=False)
とする。clip_on=False を指定すると、点が図の領域からはみ出た場合も、はみ出た部分を含めて全て描画してくれる。
また、矢印付き、なしの文字の書き込みが
ax.annotate('Text', xy=[x, y], xytext=[xtext, ytext], arrowprops=dict(width=4, color='b'), fontsize=30, color='b') ax.annotate('Text', xy=(xtext, ytext), fontsize=20)
などで可能。
matplotlib.axes.Axes インスタンスを準備する部分を
ax1 = fig.add_subplot(N,x,y)
などと変更する。ここで N は図の総数で、x, y が ax1 の図の座標に対応する。
以下テンプレート。
ax.legend(loc='upper right', fontsize=15, borderaxespad=0).get_frame().set_alpha(1)
オプションborderaxespadでlegendと図の外周との余白を調整できる。
また、python3系ではデフォルトでlegendが半透明なので、不透明に戻したいときは.get_frame().set_alpha(1)コマンドが役立つ。
plt.xkcd()