Matplotlib — rodzaje wykresów, układ i zapis

Wykres liniowy to jeden z wielu typów; w tym podrozdziale dochodzą wykres punktowy, słupkowy i histogram, układ wielu paneli na jednym rysunku, zapis do plików w różnych formatach oraz lista pułapek, na które często natrafiają początkujący użytkownicy biblioteki.

Wykres punktowy — scatter()

plot() łączy punkty w kolejności podania, więc nadaje się do danych uporządkowanych po x. Gdy punkty są niezależnymi obserwacjami, rysujemy je metodą scatter(), która pozwala zadać kolor i rozmiar każdego punktu osobno:

punktowy.py

import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(42)
x = rng.normal(0, 1, 100)
y = 2 * x + rng.normal(0, 0.5, 100)
rozmiary = rng.integers(20, 200, 100)

fig, ax = plt.subplots(figsize=(6, 4.5))
punkty = ax.scatter(x, y, c=y, s=rozmiary, cmap="viridis", alpha=0.7, edgecolors="white")
fig.colorbar(punkty, ax=ax, label="y")
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_title("Wykres punktowy")
fig.savefig("punktowy.png", dpi=120)
print(f"współczynnik korelacji: {np.corrcoef(x, y)[0, 1]:.3f}")

współczynnik korelacji: 0.957

Argument c= przyjmuje tablicę wartości, które mapa kolorów (ang. colormap) cmap= zamienia na kolory; s= zadaje rozmiary punktów, alpha= — przezroczystość, przydatną przy nakładających się punktach. fig.colorbar() dodaje skalę kolorów. np.corrcoef(x, y) zwraca macierz korelacji 2 × 2; element [0, 1] to współczynnik korelacji Pearsona między x i y, bliski 1 dla punktów ułożonych wzdłuż prostej. Mapy "viridis", "plasma" i "cividis" są jednolite percepcyjnie (ang. perceptually uniform) i czytelne w skali szarości; "coolwarm" służy do danych symetrycznych wokół zera.

Słupkowy i histogram — bar() i hist()

Wykres słupkowy porównuje wartości w kategoriach; histogram pokazuje rozkład wartości liczbowych, dzieląc ich zakres na przedziały (ang. bins) i zliczając obserwacje w każdym:

slupki-histogram.py

import matplotlib.pyplot as plt
import numpy as np

jezyki = ["Python", "Java", "C++", "JavaScript"]
udzialy = [31, 17, 12, 25]

rng = np.random.default_rng(42)
wzrost = rng.normal(170, 10, 1000)

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4), layout="constrained")
ax1.bar(jezyki, udzialy, color="tab:blue")
ax1.set_ylabel("udział [%]")
ax1.set_title("Wykres słupkowy")

licznosci, krawedzie, _ = ax2.hist(wzrost, bins=30, edgecolor="white")
ax2.set_xlabel("wzrost [cm]")
ax2.set_ylabel("liczba osób")
ax2.set_title("Histogram")
fig.savefig("slupki-histogram.png", dpi=120)
print(len(licznosci), int(licznosci.max()), krawedzie[0].round(1), krawedzie[-1].round(1))

30 119 133.5 201.8

Wywołanie subplots(1, 2) tworzy dwa panele obok siebie, które rozpakowujemy do ax1 i ax2; układ wielu paneli i argument layout= omawiamy w sekcji Wiele paneli. bar() przyjmuje etykiety kategorii i wartości; barh() rysuje słupki poziome. hist() zwraca trzy wartości: liczności w przedziałach, krawędzie przedziałów (o jeden więcej niż przedziałów) i narysowane prostokąty; argument density=True normalizuje histogram do gęstości prawdopodobieństwa, co pozwala nałożyć na niego krzywą rozkładu. Liczba przedziałów zmienia wygląd rozkładu — warto wypróbować kilka wartości bins=.

Wiele paneli — subplots()

Argumenty subplots(wiersze, kolumny) tworzą siatkę paneli; zamiast jednego obiektu Axes otrzymujemy tablicę NumPy obiektów Axes:

panele.py

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 200)
funkcje = [(np.sin, "sin(x)"), (np.cos, "cos(x)"), (np.tan, "tan(x)"), (lambda t: np.exp(-t), "exp(-x)")]

fig, osie = plt.subplots(2, 2, figsize=(8, 6), sharex=True, layout="constrained")
for ax, (funkcja, nazwa) in zip(osie.flat, funkcje):
    ax.plot(x, funkcja(x))
    ax.set_title(nazwa)
    ax.grid(True, alpha=0.3)
osie[1, 0].set_ylim(-5, 5)
fig.suptitle("Przegląd funkcji")
fig.savefig("panele.png", dpi=120)
print(type(osie).__name__, osie.shape)

ndarray (2, 2)

Tablicę paneli indeksujemy jak każdą tablicę dwuwymiarową — osie[1, 0] to lewy dolny panel — a atrybut flat — iterator po wszystkich elementach tablicy niezależnie od liczby wymiarów, odpowiednik ravel() z poprzedniego podrozdziału — pozwala przejść po wszystkich panelach jedną pętlą. Zakres osi y panelu z tangensem ograniczamy, bo przy asymptotach wartości przekraczają sto; pionowe kreski w tym panelu nie należą do wykresu funkcji — plot() łączy odcinkiem sąsiednie punkty po obu stronach nieciągłości. sharex=True (i analogicznie sharey=) wiąże zakresy osi, więc powiększenie jednego panelu w oknie powiększa pozostałe. layout="constrained" dobiera odstępy tak, aby tytuły i etykiety nie nachodziły na siebie — w starszym kodzie tę rolę pełni wywołanie fig.tight_layout(). fig.suptitle() dodaje tytuł całego rysunku. Nieregularne układy — panel na dwie kolumny — buduje fig.add_gridspec(), którego opis zostawiamy dokumentacji.

Zapis do pliku — savefig()

zapis.py

from pathlib import Path

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-2, 2, 100)
fig, ax = plt.subplots(figsize=(5, 3.5))
ax.plot(x, x**2)
ax.set_title("Parabola")

fig.savefig("parabola.png", dpi=200, bbox_inches="tight")
fig.savefig("parabola.svg")
fig.savefig("parabola.pdf", transparent=True)
plt.close(fig)

for plik in sorted(Path().glob("parabola.*")):
    print(plik.name, plik.stat().st_size > 0)

parabola.pdf True
parabola.png True
parabola.svg True

Format wynika z rozszerzenia nazwy pliku. PNG to format rastrowy — do ekranu i dokumentów; dpi= decyduje o liczbie pikseli. SVG i PDF są wektorowe: skalują się bez utraty jakości — SVG nadaje się do stron WWW, PDF do publikacji drukowanych. bbox_inches="tight" przycina puste marginesy, transparent=True daje przezroczyste tło. plt.close(fig) zwalnia pamięć rysunku — w skrypcie tworzącym wykresy w pętli jest konieczne, bo Matplotlib przechowuje wszystkie otwarte rysunki i ostrzega po dwudziestym. Zapis wykonujemy przed plt.show(). W stylu obiektowym fig.savefig() działa także po zamknięciu okna, ale stanowe plt.savefig() wywołane po plt.show() i zamknięciu okna zapisuje pusty obraz: po zamknięciu okien moduł nie ma bieżącego rysunku i tworzy nowy — częsty błąd w cudzym kodzie. Dotyczy to silnika okienkowego; z silnikiem Agg (pułapka „Skrypt bez okna” niżej) plt.show() nie otwiera okna, tylko wypisuje ostrzeżenie UserWarning: FigureCanvasAgg is non-interactive, and thus cannot be shown, rysunek pozostaje bieżący, a plt.savefig() zapisuje go w całości.

Typowe pułapki

• plt.show() blokuje program do zamknięcia okna. Wywołujemy je raz, na końcu skryptu — pokaże wszystkie utworzone rysunki naraz — a nie po każdym wykresie.
• Nachodzące napisy — tytuł na etykiety osi, etykiety paneli na siebie: layout="constrained" w subplots() rozwiązuje większość przypadków.
• Zniekształcone proporcje — okrąg wygląda jak elipsa, bo skale osi różnią się: ax.set_aspect("equal") wyrównuje je.
• Domyślny zakres osi obejmuje dane z marginesem; set_xlim() i set_ylim() ustalają go wprost, także po to, aby porównywane wykresy miały tę samą skalę.
• Brak polskich znaków w etykietach pojawia się dopiero po zmianie czcionki (rcParams["font.family"]) na taką, która nie zawiera znaków diakrytycznych; domyślna DejaVu Sans je zawiera.
• Skrypt bez okna — na serwerze albo w harmonogramie zadań plt.show() nie ma gdzie pokazać wykresu; zapisujemy pliki, a przed importem pyplot ustawiamy zmienną środowiskową MPLBACKEND=Agg, która wybiera silnik rysujący wyłącznie do plików.