Matplotlib 사용법

Posted by Jeong-Rae CHO on January 20, 2018

Chapter 4. Matplotlib

4.1 들어가기

인터랙티브하게 사용하기

>>> matplotlib.pyplot.ion()
>>> matplotlib.pyplot.ioff()

4.1.1 간단한 2차원 플롯

matplotlib은 2차원 그래픽 패키지이다. Matlab과 같이 커맨드 방식으로 그래프를 그릴 수 있으며, 커맨드 함수의 이름도 유사도록 설계되어 있다. 다음은 간단한 예이다.

# example 1
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,50)

y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)

plt.plot(x,y1)
plt.plot(x,y2)

plt.show()

  • plt.plot(x,y)로 이차원 선그래프를 그릴 수 있다.

  • plt.show()는 화면에 표시하는 기능을 하는데 Jupyter나 IPython을 사용할 때는 자동으로 표시되기 때문에 호출할 필요가 없다.

4.1.2 꾸미기

다음은 같은 그래프에 대해 보다 보기좋게 나타낸 것이다.

# example 2
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,50)

y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)

plt.plot(x,y1,'r-*', 
         label=r'$sin(4 \pi x)$',lw=1)
plt.plot(x,y2,'b--o',
   label=r'$ e^{-2x} sin(4\pi x) $',lw=1)
plt.title(r'$sin(4 \pi x)$ vs. $ e^{-2x} sin(4\pi x)$')
plt.xlabel('x')
plt.ylabel('y')
plt.axis([0,1,-1.5,1.5])
plt.grid(True)
plt.legend(loc='upper left')
plt.tight_layout()
plt.show()

  • plt.plot(x,y,'r-*',label='sin',lw=1)에서 'r-*'은 문자열은 색상, 선타입, 마커 등의 속성을 나타낸다. 'r-*'는 red, solid line, * 마커를 의미한다. label은 레전드에 표시될 내용이고, lw는 line width이다.

  • plt.title(title), plt.xlabel(xlabel), plt.ylabel(ylabel)은 제목, X와 Y축 제목을 나타낸다.

  • plt.axis([xmin,xmax,ymin,ymax])는 축의 범위를 지정한다.

  • plt.xlim([xmin, xmax]), plt.ylim([ymin, ymax])을 사용할 수도 있다.

  • plt.grid(True)는 격자를 그리고, plt.legend()는 레전드를 표시한다.

  • plt.tight_layout()은 여백을 조정하는 역할을 한다.

  • latex 수식을 title(), xlabel(), ylabel(), text() 등에 지정할 수 있다. 다만 r’text’ 등과 같은 r을 앞에 기입하여 raw 문자열이어야 한다.

Example 1 Example 2
Ex 4.1 Ex 4.2

4.1.3 주로 사용하는 선과 마커

다음은 선의 색상 및 스타일, 마커 등의 옵션이다.

Plot options

4.1.4 Subplot

Subplot은 Matlab처럼 plt.subplot(nrow,ncol,inum)을 호출하는 것으로 그릴 수 있다.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,50)

y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)

plt.subplot(2,1,1)
plt.plot(x,y1,'r-*',lw=1)
plt.grid(True)
plt.ylabel(r'$sin(4 \pi x)$')
plt.axis([0,1,-1.5,1.5])


plt.subplot(2,1,2)
plt.plot(x,y2,'b--o',lw=1)
plt.grid(True)
plt.xlabel('x')
plt.ylabel(r'$ e^{-2x} sin(4\pi x) $')
plt.axis([0,1,-1.5,1.5]) 

plt.tight_layout() 
plt.show()

Ex 4.4

4.4.5 주요 함수 요약

  • plot()
  • subplot()
  • title()
  • xlabel()
  • ylabel()
  • axis()
  • xlim()
  • ylim()
  • tight_layout()
  • grid()
  • legend()
  • show()
  • figure()
  • text()
  • subplots()

4.2 Matplotlib의 이해

4.2.1 Matplotlib의 구동 방식

이전 절에 설명한 것은 Matlab과 같이 커맨드 방식으로 그래픽을 나타낸 것으로 matplotlib.pyplot 모듈에 함수로 정의되어 있다. 실제로 matplotlib은 객체지향라이브러리리로, 보다 보기 좋은 그래프를 만들기 위해서는 그 내부 구조를 이해할 필요가 있다.

matplotlib API에는 FigureCanvas, Renderer, Artist라는 세가지 객체로 구성되어 있다.

  • FigureCanvas: 그림을 그릴 영역을 나타내는 객체

  • Renderer: 캔버스(FigureCanvas)에 그리는 도구 객체

  • Artist : Renderer가 FigureCanvas에 어떻게 그릴 것인가를 나타내는 객체

FigureCanvas와 Renderer는 wxPython, PostScript 등과 같은 사용자이터페이스 툴킷과 연계되는 낮은 수준의 제어를 담당하며, Artist는 figure, text, line, patch 등을 표시하는 높은 수준을 담당하게 된다(patch는 rectange, spline, path 등을 모두 이르는 용어). 따라서 matplotlib 사용자 입장에서는 Artist 객체를 다루는데 집중하면 된다. Artist는 primitives와 containers라는 두가지 유형으로 구분할 수 있다.

  • Primitives: Line2D, Rectangle, Text, AxesImage, Patch 등과 같이 캔버스에 그려지는 표준 그래픽 객체

  • Containers: Axis, Axes, Figure 등과 같이 이들 primitives가 위치하게 될 대상

커맨드 방식이 아닌 객체지향 방식으로 그림을 그리는 표준적인 방법은 Figure 객체를 생성하고, 이를 이용해 하나 이상의 Axes 객체를 만들고, Axes 객체의 헬퍼함수로 primitives를 만들어 내는 것이다.

다음 코드는 동일한 기능을 수행하는 것을 비교한 것이다.

  • Method 1 : 커맨드 방식의 함수를 호출한 형태
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,50)
y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)

plt.plot(x,y1,'r-*',lw=1)
plt.plot(x,y2,'b--',lw=1)
  • Method 2 :객체지향 방식으로 그래프를 그린 것이다.
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,50)
y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)

fig = plt.figure()
ax = fig.add_axes([0.15,0.1,0.8,0.8)
ax.plot(x,y1,'r-*',lw=1)
ax.plot(x,y2,'b--',lw=1)
  • Method 3 :이 둘을 조합하여 Figure와 Axes를 plt.subpolots()라는 편의 함수를 사용한 것이다.
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,50)
y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)

fig,ax = plt.subplots()
ax.plot(x,y1,'r-*',lw=1)
ax.plot(x,y2,'b--',lw=1)

사실 plt.plot(x,y,…) 커맨드 함수는 Line2D라는 Axes 에 포함되는 primitive를 현재의 Axes를 대상으로 만들어 주는 함수이다. 만약 Figure, Axes 객체가 없다면 이를 만들어 준다. 따라서 (2)와 같은 방식이 matplotlib의 내부의 구동 상황을 잘 표현한다고 할 수 있다. 마지막 예인 (3)에서 plt.subplots()는 Figure 객체와 Axes 객체를 동시에 리턴한다. 또한 plt.subplots(2,1) 등과 같이 호출한면 2*1 subplot에 대응하는 Figure 객체와 Axes 객체의 리스트를 리턴하여 주기 때문에 편리하다. 많은 쓰는 함수로 gca()가 있는 현재의 Axes 객체를 구해준다.

4.2.2 Axes와 Axis

Artist 객체에서 Figure, Axes, Axis의 개념이 중심한데 다음은 이를 나타낸 것이다. Axes와 Axis를 구분하는 것이 중요하다.

Ex 4.2

4.2.3 Subplot을 그리는 방식

다음 코드는 subplot을 그린 예이다. 왼쪽의 기존 방식과 비교할 때 subplots()로 Figure 객체와 Axes 객체 리스트를 만들고, Axes 객체를 대상으로 plot(), grid(), set_xlabel() 등의 메쏘드를 호출하였다. 메쏘드 이름에서 일부 차이나는 것을 제외하면 두 방식이 매우 유사함을 알 수 있다.

  • Method 1 : subplot()을 이용하는 방법
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,50)

y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)

plt.subplot(2,1,1)
plt.plot(x,y1,'r-*',lw=1)
plt.grid(True)  
plt.ylabel(r'$sin(4 \pi x)$')
plt.axis([0,1,-1.5,1.5])

plt.subplot(2,1,2)
plt.plot(x,y2,'b--o',lw=1)
plt.grid(True)
plt.xlabel('x')
plt.ylabel(r'$ e^{-2x} sin(4\pi x) $')
plt.axis([0,1,-1.5,1.5])

plt.tight_layout()
plt.show()
  • Method 2 : ‘subplots()`를 이용하는 방법
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,1,50)

y1 = np.cos(4*np.pi*x)
y2 = np.cos(4*np.pi*x)*np.exp(-2*x)

fig,ax = plt.subplots(2,1)

ax[0].plot(x,y1,'r-*',lw=1)
ax[0].grid(True)
ax[0].set_ylabel(r'$sin(4 \pi x)$')
ax[0].axis([0,1,-1.5,1.5])

ax[1].plot(x,y2,'b--o',lw=1)
ax[1].grid(True)
ax[1].set_xlabel('x')
ax[1].set_ylabel(r'$ e^{-2x} sin(4\pi x) $')
ax[1].axis([0,1,-1.5,1.5])

plt.tight_layout()
plt.show()

4.2.4 getp()를 이용한 정보 알아내기

matplotlib 객체에 대한 정보는 plt.getp() 함수로 구할 수 있다.

>>> plt.getp(fig)
    agg_filter = None
    alpha = None
    animated = False
    axes = [<matplotlib.axes._subplots.AxesSubplot object at ...
    children = [<matplotlib.patches.Rectangle object at 0x0000013...
    clip_box = None
    clip_on = True
    ...

4.3 How-To

4.3.1 IPython 콘솔

IPython 콘솔에서 그래프가 출력되게 하도록 할 수도 있는데 다음과 같이 입력하면 된다.

>>> %matplotlib inline

다시 별도의 창으로 그래픽이 출력되게 하려면 다음과 같이 입력한다.

>>> %matplotlib qt5

위와 같이 IPython은 %로 시작하는 자체 명령어가 있는데 이를 magic command라고 한다. Spyder에서 이와 같은 제어가 되게 하려면 설정/IPython console/Graphics/Graphic backend 설정으로 디폴트인 inline 대신 Automatic으로 바꾸고 Spyder를 재기동 해야 한다. Visual Studio에서는 별도의 설정이 필요 없다.

4.3.2 gca(), gcf()와 axis()

gca()로 현재의 Axes를, gcf()로 현재의 Figure 객체를 구할 수 있다. 경우에 따라서 유용하게 사용된다. 이 두 함수는 만약 현재의 Axes나 Figure가 없을 경우 새로 생성한다.

import matplotlib.pyplot as plt

plt.gca().plot([1,2,3])   # 이전 그림이 없으면 생성
plt.gca().plot([7,8,9])   #  현재 그림에 그림

axis()는 축과 관련된 편의 함수이다.

  • axis() : 축의 [xmin, xmax, ymin, ymax]를 리턴한다.

  • axis([xmin, xmax, ymin, ymax]) : 축의 범위를 지정한다.
  • axis(‘off’) : 축과 라벨을 없앤다.
  • axis(‘equal’)
  • axis(‘scaled’)
  • axis(‘tight’)
  • axis(‘image’)
  • axis(‘auto’)
  • axis(‘normal’)
  • axis(‘square’)

4.3.3 Figure 크기와 Face color

Figure의 크기를 조정하거나 face color를 조정하는 것은 다음과 같다.

방법 1 : figure()로 생성할 때 인자로 조정하는 방법

plt.figure(figsize=(10,5),facecolor=’yellow’)

방법 2: 이미 생성되는 있는 figure를 대상으로 멤버함수를 호출하는 방법

# already constructed…. 
# for example : fig,ax = plt.subplots()   
# or fig = plt.gcf() 

fig.set_size_inches(10,5)
fig.patch.set_facecolor('white')

참고로 사용하는 환경에 따라 figure의 face color가 gray로 설정되는 경우가 있기 때문에 강재로 white로 지정하는 것이 보기 좋다.

4.3.4 그림 저장하기

그림을 저장하기 위해서는 figure() 로 그림 객체를 만든후 savefig() 함수를 사용하면 된다.

>>> f = plt.figure();
… # plt.plot(...)
# ...
>>> f.savefig('AAA.png')

fig,ax = plt.subplots(2,2)  
        fig.set_size_inches(14,8)
        fig.set_facecolor('white')

4.3.5 종횡비와 축 없애기

Matplotlib을 일종의 캔버스로 사용하여 그림을 그릴 때는 가로세로 축, 프레임 등이 없어야 한다.

import matplotlib.pyplot as plt
import numpy as np

t = np.arange(0.0, 1.0 + 0.01, 0.01)
s = np.cos(2*2*np.pi*t)
plt.plot(t, s, '-', lw=2)

# aspect ratio
plt.axes().set_aspect('equal', 'datalim')

# axis 없애기
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)

# frame 선 없애기
plt.axes().set_frame_on(False)

plt.tight_layout()

아래의 세 라인 대신 plt.axes().axis('off') 을 사용해도 된다.

만약 축 라벨만 없애고 싶다면 set_ticklabels([])를 적용한다.

import numpy as np
import matplotlib.pyplot as plt

theta = np.linspace(22,65,100)
h = theta*np.pi/180    # in radian


f2bzV = 1/( np.sin(h)* np.cos(h))/2
av = np.sin(h)/np.cos(h)

f = plt.figure()
plt.subplot(2,1,1)
plt.plot(theta,f2bzV)
plt.axis([22,65,0,2])
plt.ylabel(r'normalized $f_2$ for given $V$')
plt.gca().xaxis.set_ticklabels([])

plt.grid()

plt.subplot(2,1,2)
plt.plot(theta,1/f2bzV) # av)
plt.axis([22,65,0,2])
plt.ylabel(r'normalized $V$ for given $f_2$')
plt.xlabel(r'$\theta$')
plt.grid()

plt.tight_layout()

plt.savefig('compare.png')

4.3.6 두개의 Y 축

두개의 Y 축을 갖는 그래프는 Axes 객체를 x 축을 공유하도록 겹치면된다. 이때 사용되는 메쏘드가 Axes.twinx()이다.

import matplotlib.pyplot as plt

fig, ax1 = plt.subplots()
t = np.arange(0.01, 10.0, 0.01)
s1 = np.exp(t)
ax1.plot(t, s1, 'b-')
ax1.set_xlabel('time (s)')
# Make the y-axis label, ticks and tick labels match the line color.
ax1.set_ylabel('exp', color='b')
ax1.tick_params('y', colors='b')

ax2 = ax1.twinx()
s2 = np.sin(2 * np.pi * t)
ax2.plot(t, s2, 'r.')
ax2.set_ylabel('sin', color='r')
ax2.tick_params('y', colors='r')

fig.tight_layout()
plt.show()

twinAxis

4.3.7 다양한 도형 그리기

plot() 명령은 내부적으로 Line2D 객체를 생성하여 Axes 객체에 추가하게 된다. 비슷하게 다양한 도형 객체를 생성하여 Axes 객체에 추가하는 것으로 도형을 그릴 수 있다. 도형은 Patch

import matplotlib.pyplot as plt
import matplotlib.patches as patches
from matplotlib.path import Path


# circle
circle = patches.Circle((0,0),radius=1.,color = '.75')
plt.gca().add_patch(circle)

#rectangle
rect = patches.Rectangle((2.5, -.5), 2., 1., color = '.75')
plt.gca().add_patch(rect)

# Ellipse
ellipse = patches.Ellipse((0, -2.), 2., 1., angle = 45., color ='.75')
plt.gca().add_patch(ellipse)

# Path
verts = [
    (3., -2), # left, bottom
    (3., -1.), # left, top
    (4., -1.), # right, top
    (4., -2), # right, bottom
    (3., -2.), # ignored
    ]

codes = [Path.MOVETO,
         Path.LINETO,
         Path.LINETO,
         Path.LINETO,
         Path.CLOSEPOLY,
         ]

path = Path(verts, codes)

patch = patches.PathPatch(path, color='.75')  #  facecolor='orange', lw=2,
plt.gca().add_patch(patch)
plt.gca().set_xlim(-2,2)
plt.gca().set_ylim(-2,2)

plt.axis('scaled')
plt.grid(True)
plt.show()

Drawing

4.3.8 Subplot 위치 및 크기 커스터마이징

gridspec을 통해 가능하다.

← Previous Post Next Post →