Matplotlib¶

Conceitos iniciais e exemplo básico:

• Figure é toda a figura - gráfico, títulos, anotações.
• Axes é uma região com área de plotagem. E uma Figure pode conter um ou mais Axes.

In [ ]:

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()             # Criando uma figura com um Axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plotando os dados na área de plotagem do Axes.
plt.show()                           # Exibir a figura.

import matplotlib.pyplot as plt import numpy as np fig, ax = plt.subplots() # Criando uma figura com um Axes. ax.plot([1, 2, 3, 4], [1, 4, 2, 3]) # Plotando os dados na área de plotagem do Axes. plt.show() # Exibir a figura.

Quando se está trabalhando com matplotlib tem-se dois estilos de codificar. Pode ser orientado a objeto ou o que a biblioteca chama de pyplot styles.

Orientado a objeto é como o exemplo inicial, onde se cria a Figure e os Axes e utiliza os métodos destes objetos. No método pyplot usa-se apenas as funções da biblioteca.

Seguem dois exemplos que tem o mesmo resultado, usando orientação a objetos e usando o pyplot:

In [ ]:

# Orientação a Objetos
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(figsize=(5, 2.7), layout='constrained')
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.

# Orientação a Objetos 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(figsize=(5, 2.7), layout='constrained') 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.

Out[ ]:

<matplotlib.legend.Legend at 0x177184a8ad0>

In [ ]:

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

plt.figure(figsize=(5, 2.7), layout='constrained')
plt.plot(x, x, label='linear')          # Plot some data on the (implicit) Axes.
plt.plot(x, x**2, label='quadratic')  
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()

# Pyplot style x = np.linspace(0, 2, 100) # Sample data. plt.figure(figsize=(5, 2.7), layout='constrained') plt.plot(x, x, label='linear') # Plot some data on the (implicit) Axes. plt.plot(x, x**2, label='quadratic') plt.plot(x, x**3, label='cubic') plt.xlabel('x label') plt.ylabel('y label') plt.title("Simple Plot") plt.legend()

Out[ ]:

<matplotlib.legend.Legend at 0x177186156d0>

Caso precise criar vários gráficos, a biblioteca sugere usar a seguinte função abaixo para:

In [4]:

def my_plotter(ax, data1, data2, param_dict):
    """
    A helper function to make a graph.
    """
    out = ax.plot(data1, data2, **param_dict)
    return out

data1, data2, data3, data4 = np.random.randn(4, 100)  # make 4 random data sets
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(5, 2.7))
my_plotter(ax1, data1, data2, {'marker': 'x'})
my_plotter(ax2, data3, data4, {'marker': 'o'})

def my_plotter(ax, data1, data2, param_dict): """ A helper function to make a graph. """ out = ax.plot(data1, data2, **param_dict) return out data1, data2, data3, data4 = np.random.randn(4, 100) # make 4 random data sets fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(5, 2.7)) my_plotter(ax1, data1, data2, {'marker': 'x'}) my_plotter(ax2, data3, data4, {'marker': 'o'})

Out[4]:

[<matplotlib.lines.Line2D at 0x177184a6990>]

Estilos que podem ser aplicados:

In [9]:

# Estilo das linhas
fig, ax = plt.subplots(figsize=(5, 2.7))
x = np.arange(len(data1))
ax.plot(x, np.cumsum(data1), color='blue', linewidth=3, linestyle='--')  # atribuido diretamente na função plot
l, = ax.plot(x, np.cumsum(data2), color='orange', linewidth=2)           # ou atribuído via objeto
l.set_linestyle(':')                                                     # retornado pela função plot.

# Estilo das linhas fig, ax = plt.subplots(figsize=(5, 2.7)) x = np.arange(len(data1)) ax.plot(x, np.cumsum(data1), color='blue', linewidth=3, linestyle='--') # atribuido diretamente na função plot l, = ax.plot(x, np.cumsum(data2), color='orange', linewidth=2) # ou atribuído via objeto l.set_linestyle(':') # retornado pela função plot.

In [ ]:

# Cores
fig, ax = plt.subplots(figsize=(5, 2.7))
ax.scatter(data1, data2, s=50, facecolor='C5', edgecolor='g')

# Cores fig, ax = plt.subplots(figsize=(5, 2.7)) ax.scatter(data1, data2, s=50, facecolor='C5', edgecolor='g')

Out[ ]:

<matplotlib.collections.PathCollection at 0x1771a899450>

Patch¶

In [1]:

import matplotlib.pyplot as plt
import matplotlib.patches as patches

fig, ax = plt.subplots()

# Add a rectangle patch
rect = patches.Rectangle((0.1, 0.1), 0.4, 0.3, linewidth=1, edgecolor='r', facecolor='none')
ax.add_patch(rect)

# Add a circle patch
circle = patches.Circle((0.7, 0.6), 0.2, linewidth=2, edgecolor='b', facecolor='g', alpha=0.5)
ax.add_patch(circle)

# Adjust axis limits to ensure patches are visible
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)

plt.show()

import matplotlib.pyplot as plt import matplotlib.patches as patches fig, ax = plt.subplots() # Add a rectangle patch rect = patches.Rectangle((0.1, 0.1), 0.4, 0.3, linewidth=1, edgecolor='r', facecolor='none') ax.add_patch(rect) # Add a circle patch circle = patches.Circle((0.7, 0.6), 0.2, linewidth=2, edgecolor='b', facecolor='g', alpha=0.5) ax.add_patch(circle) # Adjust axis limits to ensure patches are visible ax.set_xlim(0, 1) ax.set_ylim(0, 1) plt.show()