Файл: Introduction to Python for Science 2013.pdf

Introduction to Python for Science, Release 0.9.23

plot(x, y)

where

x

and

y

are arrays (or lists) that have the same size. If the

x

array is missing, that

is, if there is only a single array, as in our example above, the

plot

function uses

0, 1,

..., N-1

for the

x

array, where

N

is the size of the

y

array. Thus, the

plot

function

provides a quick graphical way of examining a data set.

More typically, you supply both an

x

and a

y

data set to plot. Taking things a bit further,

you may also want to plot several data sets on the same graph, use symbols as well as
lines, label the axes, create a title and a legend, and control the color of symbols and lines.
All of this is possible but requires calling a number of plotting functions. For this reason,
plotting is usually done using a Python script or program.

5.2 Basic plotting

The quickest way to learn how to plot using the MatPlotLib library is by example. For
our first task, let’s plot the sine function over the interval from 0 to

4

π

. The main plotting

function

plot

in MatPlotLib does not plot functions

per se

, it plots

(

x, y

)

data points.

As we shall see, we can instruct the function

plot

either to just draw point—or dots—

at each data point, or we can instruct it to draw straight lines between the data points.
To create the illusion of the smooth function that the sine function is, we need to create
enough

(

x, y

)

data points so that when

plot

draws straight lines between the data points,

the function appears to be smooth. The sine function undergoes two full oscillations with
two maxima and two minima between 0 and

4

π

. So let’s start by creating an array with

33 data points between 0 and

4

π

, and then let MatPlotLib draw a straight line between

them. Our code consists of four parts

• import the NumPy and MatPlotLib modules (lines 1-2 below)

• create the

(

x, y

)

data arrays (lines 3-4 below)

• have

plot

draw straight lines between the

(

x, y

)

data points (line 5 below)

• display the plot in a figure window using the

show

function (line 6 below)

Here is our code, which consists of only 6 lines:

1

import

numpy

as

np

2

import

matplotlib.pyplot

as

plt

3

x

=

np

.

linspace(

0

,

4.

*

np

.

pi,

33

)

4

y

=

np

.

sin(x)

5

plt

.

plot(x, y)

6

plt

.

show()

5.2. Basic plotting

75

Introduction to Python for Science, Release 0.9.23

Figure 5.2: Sine function

Only 6 lines suffice to create the plot, which consists of the sine function over the interval
from 0 to

4

π

, as advertised, as well as axes annotated with nice whole numbers over the

appropriate interval. It’s a pretty nice plot made with very little code.

One problem, however, is that while the plot oscillates like a sine wave, it is not smooth.
This is because we did not create the

(

x, y

)

arrays with enough data points. To correct

this, we need more data points. The plot below was created using the same program
shown above but with 129

(

x, y

)

data points instead of 33. Try it out your self by copying

the above program and replacing 33 in line 3 with 129 so that the function

linspace

creates an array with 129 data points instead of 33.

The code above illustrates how plots can be made with very little code using the Mat-
PlotLib module. In making this plot, MatPlotLib has made a number of choices, such as
the size of the figure, the blue color of the line, even the fact that by default a line is drawn
between successive data points in the

(

x, y

)

arrays. All of these choices can be changed

by explicitly instructing MatPlotLib to do so. This involves including more arguments
in the function calls we have used and using new functions that control other properties
of the plot. The next example illustrates a few of the simpler embellishments that are
possible.

In the

Wavy pulse

figure, we plot two

(

x, y

)

data sets: a smooth line curve and some data

represented by red circles. In this plot, we label the

x

and

y

axes, create a legend, and

draw lines to indicate where

x

and

y

are zero. The code that creates this plot is shown

below.

76

Chapter 5. Plotting

Introduction to Python for Science, Release 0.9.23

Figure 5.3: Sine function plotted using more data points

1

import

numpy

as

np

2

import

matplotlib.pyplot

as

plt

3

4

# read data from file

5

xdata, ydata

=

np

.

loadtxt(

’wavePulseData.txt’

, unpack

=

True

)

6

7

# create x and y arrays for theory

8

x

=

np

.

linspace(

-

10.

,

10.

,

200

)

9

y

=

np

.

sin(x)

*

np

.

exp(

-

(x

/

5.0

)

**

2

)

10

11

# create plot

12

plt

.

figure(

1

, figsize

=

(

6

,

4

) )

13

plt

.

plot(x, y,

’b-’

, label

=

’theory’

)

14

plt

.

plot(xdata, ydata,

’ro’

, label

=

"data"

)

15

plt

.

xlabel(

’x’

)

16

plt

.

ylabel(

’transverse displacement’

)

17

plt

.

legend(loc

=

’upper right’

)

18

plt

.

axhline(color

=

’gray’

, zorder

=-

1

)

19

plt

.

axvline(color

=

’gray’

, zorder

=-

1

)

20

21

# save plot to file

22

plt

.

savefig(

’WavyPulse.pdf’

)

23

24

# display plot on screen

5.2. Basic plotting

77

Introduction to Python for Science, Release 0.9.23

25

plt

.

show()

10

5

0

5

10

x

1.0

0.5

0.0

0.5

1.0

transverse displacement

theory

data

Figure 5.4: Wavy pulse

If you have read the first four chapters, the code in lines 1-9 in the above script should be
familiar to you. Fist, the script loads the NumPy and MatPlotLib modules, then reads data
from a data file into two arrays,

xdata

and

ydata

, and then creates two more arrays,

x

and

y

. The first pair or arrays,

xdata

and

ydata

, contain the

x

-

y

data that are plotted

as red circles in the

Wavy pulse

figure; the arrays created in line 8 and 9 contain the

x

-

y

data that are plotted as a blue line.

The functions that do the plotting begin on line 12. Let’s go through them one by one
and see what they do. You will notice in several cases that

keyword arguments

(

kwargs

)

are used in several cases. Keyword arguments are

optional

arguments that have the form

kwarg=

data

, where

data

might be a number, a string, a tuple, or some other form of

data.

figure()

creates a blank figure window. If it has no arguments, it creates

a window that is 8 inches wide and 6 inches high by default, although
the size that appears on your computer depends on your screen’s res-
olution. For most computers, it will be much smaller. You can create
a window whose size differs from the default using the optional key-
word argument

figsize

, as we have done here. If you use

figsize

,

set it equal to a 2-element tuple where the elements are the width and
height, respectively, of the plot. Multiple calls to

figure()

opens

78

Chapter 5. Plotting

Introduction to Python for Science, Release 0.9.23

multiple windows:

figure(1)

opens up one window for plotting,

figure(2)

another, and

figure(3)

yet another.

plot(x, y,

optional arguments

)

graphs the

x

-

y

data in the arrays

x

and

y

. The third argument is a format string that specifies the color

and the type of line or symbol that is used to plot the data. The string

’ro’

specifies a red (

r

) circle (

o

). The string

’b-’

specifies a blue

(

b

) solid line (

-

). The keyword argument

label

is set equal to a string

that labels the data if the

legend

function is called subsequently.

xlabel(

string

)

takes a string argument that specifies the label for the

graph’s

x

-axis.

ylabel(

string

)

takes a string argument that specifies the label for the

graph’s

y

-axis.

legend()

makes a legend for the data plotted. Each

x

-

y

data set is labeled

using the string that was supplied by the

label

keyword in the

plot

function that graphed the data set. The

loc

keyword argument specifies

the location of the legend.

axhline()

draws a horizontal line across the width of the plot at

y=0

.

The optional keyword argument

color

is a string that specifies the

color of the line. The default color is black. The optional keyword ar-
gument

zorder

is an integer that specifies which plotting elements are

in front of or behind others. By default, new plotting elements appear

on top of

previously plotted elements and have a value of

zorder=0

.

By specifying

zorder=-1

, the horizontal line is plotted

behind

all ex-

isting plot elements that have not be assigned an explicit

zorder

less

than -1.

axvline()

draws a vertical line from the top to the bottom of the plot at

x=0

. See

axhline()

for explanation of the arguments.

savefig(

string

)

saves the figure to data data file with a name specified

by the string argument. The string argument can also contain path infor-
mation if you want to save the file so some place other than the default
directory.

show()

displays the plot on the computer screen. No screen output is pro-

duced before this function is called.

To plot the solid blue line, the code uses the

’b-’

format specifier in the

plot

func-

tion call. It is important to understand that MatPlotLib draws

straight lines

between data

points. Therefore, the curve will appear smooth only if the data in the NumPy arrays
are sufficiently dense. If the space between data points is too large, the straight lines the

5.2. Basic plotting

79