Tutoriel Matplotlib

Matplotlib est probablement l'un des packages Python les plus utilisés pour la représentation de graphiques en 2D. Il fournit aussi bien un moyen rapide de visualiser des données grâce au langage Python, que des illustrations de grande qualité dans divers formats.

3 commentaires Donner une note à l'article (5)

Article lu   fois.

Les deux auteur et traducteur

Traducteur : Profil Pro

Liens sociaux

Viadeo Twitter Facebook Share on Google+   

I. Présentation

Matplotlib est probablement l'un des packages Python les plus utilisés pour la représentation de graphiques en 2D. Il fournit aussi bien un moyen rapide de visualiser des données grâce au langage Python, que des illustrations de grande qualité dans divers formats.

Nous explorerons matplotlib en console interactive et nous tenterons d'aborder les cas les plus courants.

I-A. IPython et le mode pylab

IPython est une console interactive Python améliorée qui supporte un grand nombre de fonctionnalités très intéressantes parmi lesquelles les entrées/sorties nommées, l'utilisation directe de commandes shell, un système de débogage amélioré et bien plus encore.

En lançant cette console avec l'argument -pylab (--pylab depuis IPython version 0.12), l'on dispose immédiatement d'une session matplotlib interactive avec de nombreuses fonctionnalités du type Matlab™ / Mathematica™.

I-B. Pylab

Pylab fournit une interface procédurale à la librairie graphique matplotlib orientée objet. Elle est basée sur un modèle très proche de Matlab™. De la sorte, la grande majorité des commandes pylab ont leur équivalent Matlab™ avec des arguments similaires. Les commandes les plus importantes sont expliquées avec des exemples en console interactive.

II. Graphique simple

Dans cette rubrique, nous voudrions tracer les fonctions sinus et cosinus sur un seul et même graphique. En partant des paramètres par défaut, nous allons améliorer la représentation étape par étape jusqu'à obtenir quelque chose de correct.

Tout d'abord, récupérons les données des fonctions sinus et cosinus :

 
Sélectionnez
from pylab import *

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

X est désormais un tableau numpy comprenant 256 valeurs allant de -π à +π (inclus). C et S représentent respectivement le cosinus et le sinus de ces valeurs.

Pour tester cet exemple, vous pouvez lancer une console interactive IPython :

 
Sélectionnez
$ ipython --pylab

Vous obtiendrez alors un message de bienvenue ressemblant à ceci :

 
Sélectionnez
IPython 0.13 -- An enhanced Interactive Python.
? -> Introduction to IPython's features.
%magic -> Information about IPython's 'magic' % functions.
help -> Python's own help system.
object? -> Details about 'object'. ?object also works, ?? prints more.

Welcome to pylab, a matplotlib-based Python environment.
For more information, type 'help(pylab)'.

Vous pouvez aussi copier/coller le code source de chaque exemple dans un fichier et le lancer comme un script Python ordinaire, exemple :

 
Sélectionnez
$ python exercice_1.py

Le code source des exercices (exercice_xx.py, …) est dissimulé par défaut. Cliquez sur l'image Image non disponible pour le faire apparaître à chaque étape.

II-A. Paramètres par défaut

Image non disponible
exercice_1.py
CacherSélectionnez

Matplotlib est fournie avec un jeu de paramètres par défaut qui permet de personnaliser toute sorte de propriétés. Vous pouvez contrôler les réglages par défaut de (presque) toutes les propriétés : taille du graphique, résolution en points par pouce (dpi), épaisseur du trait, couleurs, styles, vues, repères, grilles, textes, polices de caractères, etc. Bien que les réglages par défaut répondent à la plupart des cas courants, vous pourriez être amenés à en modifier quelques-uns pour des cas plus spécifiques.

 
Sélectionnez
from pylab import *

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

plot(X,C)
plot(X,S)

show()

II-B. Modifier les réglages par défaut

Documentation

Image non disponible
exercice_2.py
CacherSélectionnez

Dans le script suivant, nous modifions (et commentons) les réglages qui impactent directement l'apparence du graphique.

Ces réglages ont été volontairement redéfinis à leurs valeurs par défaut, mais vous pouvez les faire varier pour voir ce que cela donne (voir les rubriques Propriétés de lignePropriétés de trait et Styles de traitStyles de trait plus bas, rubrique Références).

 
Sélectionnez
# on importe tout de matplotlib
# numpy est accessible via l'alias 'np'
from pylab import *

# on crée un graphique de 8x6 pouces 
# avec une résolution de 80 points par pouce
figure(figsize=(8,6), dpi=80)

# on crée une nouvelle vue dans une grille de 1 ligne x 1 colonne
subplot(1,1,1)

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

# on trace la fonction cosinus en bleu avec un trait plein de 1 pixel d'épaisseur
plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# on trace la fonction sinus en vert avec un trait plein de 1 pixel d'épaisseur
plot(X, S, color="green", linewidth=1.0, linestyle="-")

# limites de l'axe (O,x) des abscisses
xlim(-4.0,4.0)

# graduations de l'axe (O,x) des abscisses
xticks(np.linspace(-4,4,9,endpoint=True))

# limites de l'axe (O,y) des ordonnées
ylim(-1.0,1.0)

# graduations de l'axe (O,y) des ordonnées
yticks(np.linspace(-1,1,5,endpoint=True))

# on enregistre le graphique avec une résolution de 72 points par pouce
# savefig("exercice_2.png",dpi=72)

# on affiche le résultat à l'écran
show()

II-C. Modifier les couleurs et épaisseurs de trait

Image non disponible
exercice3.py
CacherSélectionnez

Pour commencer, nous voudrions mettre la courbe cosinus en bleu, la courbe sinus en rouge et épaissir un peu le trait des deux courbes. Nous modifierons aussi, très légèrement, la taille du graphique afin que ce dernier paraisse plus horizontal, plus panoramique.

 
Sélectionnez
...
figure(figsize=(10,6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plot(X, S, color="red",  linewidth=2.5, linestyle="-")
...

II-D. Délimiter les axes du repère

Image non disponible
exercice_4.py
CacherSélectionnez

Les limites actuelles sur les axes du repère sont un peu trop serrées, nous voudrions les agrandir afin d'aérer le graphique.

 
Sélectionnez
...
xlim(X.min()*1.1, X.max()*1.1)
ylim(C.min()*1.1, C.max()*1.1)
...

Notez que pour une version plus robuste, nous devrions plutôt écrire :

 
Sélectionnez
xmin ,xmax = X.min(), X.max()
ymin, ymax = Y.min(), Y.max()

dx = (xmax - xmin) * 0.2
dy = (ymax - ymin) * 0.2

xlim(xmin - dx, xmax + dx)
ylim(ymin - dy, ymax + dy)

II-E. Définir les graduations

Image non disponible
exercice_5.py
CacherSélectionnez

Les graduations actuelles ne sont pas idéales : elles n'affichent pas les valeurs (+/-π, +/-π/2) qui nous intéressent pour sinus et cosinus. Modifions-les pour qu'elles correspondent à ces valeurs.

 
Sélectionnez
...
xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])
...

II-F. Définir le texte des graduations

Image non disponible
exercice_6.py
CacherSélectionnez

Les graduations sont bien placées, mais le contenu de leur texte n'est pas très explicite. Nous pourrions deviner que 3.142 correspond à π, mais ce serait beaucoup mieux de l'indiquer clairement. Lorsqu'on définit des valeurs pour les graduations, il est aussi possible de définir des étiquettes de texte correspondant à ces valeurs dans une liste fournie en second argument d'appel de fonction. Nous utiliserons une notation LaTeX pour obtenir un meilleur rendu final.

 
Sélectionnez
...
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])

yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])
...

II-G. Déplacer les axes du repère

Image non disponible
exercice_7.py
CacherSélectionnez

Les axes du repère sont les droites qui portent les marques de graduation et qui délimitent la zone de représentation du graphique. Ces axes peuvent être placés arbitrairement. Jusqu'à présent, ils étaient sur les bords extérieurs du graphique. Déplaçons-les de telle sorte qu'ils se croisent au centre du graphique. Comme nous avons quatre droites pour le moment, nous en masquerons deux en définissant leur couleur à None et nous déplacerons les deux autres vers le point d'origine de coordonnées (0, 0) dans l'espace de coordonnées nommé 'data'.

 
Sélectionnez
...
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
...

II-H. Ajouter une légende au graphique

Image non disponible
exercice_8.py
CacherSélectionnez

À présent, ajoutons au graphique une légende dans le coin supérieur gauche. Pour ce faire, il suffit d'ajouter l'argument nommé 'label="texte"' à la commande plot(), puis de spécifier l'emplacement de cette légende.

 
Sélectionnez
...
plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(X, S, color="red",  linewidth=2.5, linestyle="-", label="sine")

legend(loc='upper left')
...

II-I. Annoter certains points remarquables

Image non disponible
exercice_9.py
CacherSélectionnez

Annotons quelques points remarquables avec la commande annotate(). Nous choisirons la valeur x=2π/3 aussi bien pour la courbe sinus que pour la courbe cosinus. Nous placerons tout d'abord une marque sur la courbe (gros point rond), puis nous tracerons une ligne en pointillé pour relier cette marque à l'axe (O,x) des abscisses. Pour finir, nous utiliserons la commande annotate() pour afficher du texte et une flèche d'indication.

 
Sélectionnez
...

t = 2*np.pi/3
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')

annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
         xy=(t, np.sin(t)), xycoords='data',
         xytext=(+10, +30), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')

annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
         xy=(t, np.cos(t)), xycoords='data',
         xytext=(-90, -50), textcoords='offset points', fontsize=16,
         arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
...

II-J. Le diable se cache toujours dans les détails

Documentation

Image non disponible
exercice_10.py
CacherSélectionnez

Comme vous pouvez le remarquer, les étiquettes des graduations sont un peu difficiles à lire. Nous pourrions les agrandir, puis ajuster leurs propriétés de telle sorte qu'elles s'affichent sur un ruban blanc semi-transparent, cela nous permettrait de mieux visualiser aussi bien la courbe que les étiquettes.

 
Sélectionnez
...
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(16)
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))
...

III. Graphiques, vues en grille, vues libres et graduations

Jusqu'à présent, nous avons surtout utilisé la création de graphiques et de vues par défaut. Tout cela est bien pratique lorsque l'on souhaite obtenir un résultat rapide, mais nous pourrions avoir un contrôle plus fin sur le résultat en utilisant explicitement les graphiques (matplotlib.figure), les vues en grille (matplotlib.subplot) et les vues libres (matplotlib.axes). Dans matplotlib, un objet figure représente la fenêtre GUI dans son ensemble. À l'intérieur de cette fenêtre, plusieurs types d'affichage peuvent figurer. Alors qu'une vue en grille (subplot) positionne les tracés à l'intérieur d'une grille d'affichage, les vues libres (axes) autorisent un placement plus arbitraire au sein de l'objet figure. Les deux peuvent être très utiles selon l'usage que l'on veut en faire. Nous avons d'ores et déjà travaillé avec des graphiques (figures) et des vues en grille (subplots) sans les mentionner explicitement. Lorsque nous utilisons la commande plot(), matplotlib appelle gca() pour obtenir les vues libres actuelles et gca() appelle à son tour gcf() pour obtenir l'objet figure (graphique) actuel. S'il n'y a pas d'objet figure à ce moment-là, gcf() appelle figure() pour en créer un nouveau ou plus précisément, pour créer un objet figure contenant une vue en grille subplot(1,1,1). Voyons tout cela en détail.

III-A. Graphiques (mathplotlib.figure)

Un objet figure (graphique) représente la fenêtre GUI intitulée « Figure #nnn » avec nnn le numéro de la figure. Les fenêtres « figure » sont numérotées à partir de 1 et non pas à partir de zéro (0) comme pour le comptage en Python. Cela est clairement conforme au style Matlab™. Plusieurs arguments nommés déterminent l'apparence d'un objet figure :

Argument Valeur par défaut Description
num 1 numéro de l'objet figure
figsize figure.figsize taille en pouces (largeur, hauteur)
dpi figure.dpi résolution en points par pouce
facecolor figure.facecolor couleur d'arrière-plan
edgecolor figure.edgecolor couleur de la bordure entourant l'arrière-plan
frameon True dessiner le cadre de l'objet figure ou non

Les valeurs par défaut peuvent être spécifiées dans un fichier de ressources. Elles sont utilisées la plupart du temps. Seul le numéro de figure est fréquemment changé.

Lorsque vous travaillez avec la fenêtre GUI, vous pouvez la fermer soit avec le bouton « x » dédié, soit par le code avec la commande close().

Selon le cas :

  1. close() ferme uniquement l'objet figure actif ;
  2. close(num) ferme l'objet figure numéro num ;
  3. close(fig) ferme l'objet figure référencé par fig ;
  4. close('all') ferme tous les objets figure actuellement actifs.

Comme pour tous les autres objets, vous pouvez définir les propriétés d'un objet figure avec les méthodes set_<nom propriété>(value).

III-B. Vues en grille (matplotlib.subplot)

Les vues en grille (subplot) permettent d'organiser les différents tracés à l'intérieur d'une grille d'affichage. Il faut spécifier le nombre de lignes, le nombre de colonnes ainsi que le numéro du tracé. Notez toutefois que la commande gridspec() est une alternative beaucoup plus puissante.

Image non disponible
subplot-horizontal.py
CacherSélectionnez
Image non disponible
subplot-vertical.py
CacherSélectionnez
Image non disponible
subplot-grid.py
CacherSélectionnez
Image non disponible
gridspec.py
CacherSélectionnez

III-C. Vues libres (matplotlib.axes)

Les vues libres (axes) sont très similaires aux vues en grille (subplot) sauf qu'elles permettent un placement libre des tracés partout dans l'objet figure (la fenêtre GUI). Par exemple, pour placer un petit tracé dans un grand tracé, rien de plus simple avec les vues libres.

Image non disponible
axes.py
CacherSélectionnez
Image non disponible
axes-2.py
CacherSélectionnez

III-D. Graduations de repère

Une présentation soignée des graduations de repère est une part importante du rendu final d'un graphique prêt à l'impression. Matplotlib fournit un système de graduations entièrement personnalisable. Les localisateurs (tick locators) permettent de préciser l'emplacement des graduations dans le tracé, alors que les formateurs (tick formatters) permettent une mise en forme des graduations selon vos exigences. Les graduations principales et secondaires peuvent être placées ou mises en forme indépendamment les unes des autres. Par défaut, les graduations secondaires ne sont pas affichées, elles correspondent en fait à une liste vide et un NullLocator (voir plus bas).

III-D-1. Localisateurs de graduations (tick locators)

Différentes classes de localisateurs en fonction des besoins :

Classe Description
NullLocator Aucune graduation.
Image non disponible
IndexLocator Affiche une graduation à chaque multiple d'un nombre fixe de points tracés.
IndexLocator
FixedLocator Les emplacements des graduations sont déterminés arbitrairement.
FixedLocator
LinearLocator Les emplacements des graduations sont déterminés linéairement à intervalles réguliers et à pas fixe.
LinearLocator
MultipleLocator Place une graduation à chaque entier multiple d'un nombre de base.
Image non disponible
AutoLocator Choisit au plus n intervalles et harmonise les emplacements.
Image non disponible
LogLocator Les emplacements des graduations sont déterminés pour les échelles logarithmiques.
Image non disponible

Tous ces localisateurs dérivent de la classe ancêtre matplotlib.ticker.Locator. Vous pouvez créer votre propre localisateur en dérivant cette même classe ancêtre.

La gestion des dates comme graduations peut s'avérer particulièrement épineuse. Toutefois, matplotlib fournit quelques localisateurs spéciaux dans le module matplotlib.dates.

IV. Autres types de tracés

IV-A. Tracés simples

Indice

Vous aurez besoin de la commande fill_between().

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite (tenez compte des zones remplies) :
 
Sélectionnez
from pylab import *

n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.sin(2*X)

plot (X, Y+1, color='blue', alpha=1.00)
plot (X, Y-1, color='blue', alpha=1.00)
show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

plot_ex.py
CacherSélectionnez

IV-B. Tracés en points

Indice

La couleur est calculée grâce à l'angle de (X,Y).

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite (tenez compte de la taille, de la couleur et de la transparence des points) :
 
Sélectionnez
from pylab import *

n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)

scatter(X,Y)
show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

scatter_ex.py
CacherSélectionnez

IV-C. Histogrammes

Indice

Vous devrez faire attention à l'alignement du texte.

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite (tenez compte qu'il faudra certainement ajouter des étiquettes texte aux barres rouges) :
 
Sélectionnez
from pylab import *

n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)

bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
bar(X, -Y2, facecolor='#ff9999', edgecolor='white')

for x,y in zip(X,Y1):
    text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')

ylim(-1.25,+1.25)
show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

bar_ex.py
CacherSélectionnez

IV-D. Tracés contour

Indice

Vous aurez besoin de la commande clabel().

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite (tenez compte des bandes colorées – voir Référence Bandes coloréesplus bas) :
 
Sélectionnez
from pylab import *

def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
X,Y = np.meshgrid(x,y)

contourf(X, Y, f(X,Y), 8, alpha=.75, cmap='jet')
C = contour(X, Y, f(X,Y), 8, colors='black', linewidth=.5)
show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

contour_ex.py
CacherSélectionnez

IV-E. Image pixelisée

Indice

Vous devrez faire attention au point d'origine de l'image dans la commande imshow() et utiliser une barre colorée (colorbar).

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite (tenez compte de la bande colorée, de l'interpolation de l'image et du point d'origine) :
 
Sélectionnez
from pylab import *

def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n = 10
x = np.linspace(-3,3,4*n)
y = np.linspace(-3,3,3*n)
X,Y = np.meshgrid(x,y)
imshow(f(X,Y)), show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

imshow_ex.py
CacherSélectionnez

IV-F. Tracés fléchés

Indice

Vous devrez dessiner les flèches deux fois.

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite (tenez compte des couleurs et des orientations des flèches) :
 
Sélectionnez
from pylab import *

n = 8
X,Y = np.mgrid[0:n,0:n]
quiver(X,Y), show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

quiver_ex.py
CacherSélectionnez

IV-G. Graphiques en camembert

Indice

Vous devrez modifier Z.

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite (tenez compte des couleurs et de la taille des portions) :
 
Sélectionnez
from pylab import *

n = 20
Z = np.random.uniform(0,1,n)
pie(Z), show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

pie_ex.py
CacherSélectionnez

IV-H. Grilles

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite (tenez compte des styles de trait) :
 
Sélectionnez
from pylab import *

axes = gca()
axes.set_xlim(0,4)
axes.set_ylim(0,3)
axes.set_xticklabels([])
axes.set_yticklabels([])

show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

grid_ex.py
CacherSélectionnez

IV-I. Tracés multiples

Indice

Vous pouvez utiliser plusieurs vues avec différents découpages.

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite :
 
Sélectionnez
from pylab import *

subplot(2,2,1)
subplot(2,2,3)
subplot(2,2,4)

show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

multiplot_ex.py
CacherSélectionnez

IV-J. Axes polaires

Indice

Vous aurez uniquement besoin de modifier le tracé des axes.

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite :
 
Sélectionnez
from pylab import *

axes([0,0,1,1])

N = 20
theta = np.arange(0.0, 2*np.pi, 2*np.pi/N)
radii = 10*np.random.rand(N)
width = np.pi/4*np.random.rand(N)
bars = bar(theta, radii, width=width, bottom=0.0)

for r,bar in zip(radii, bars):
    bar.set_facecolor( cm.jet(r/10.))
    bar.set_alpha(0.5)

show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

polar_ex.py
CacherSélectionnez

IV-K. Graphiques en 3D

Indice

Vous aurez besoin de la commande contourf().

En vous basant sur le code suivant, essayez d'obtenir le graphique représenté dans l'illustration de droite :
 
Sélectionnez
from pylab import *
from mpl_toolkits.mplot3d import Axes3D

fig = figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot')

show()
Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

plot3d_ex.py
CacherSélectionnez

IV-L. Textes

Indice

Jetez un œil au logo matplotlib.

Essayez de faire pareil à partir de zéro ! Image non disponible

Cliquez sur Image non disponible pour voir la réponse.

text_ex.py
CacherSélectionnez

V. Aller plus loin

Matplotlib bénéficie d'une documentation riche et variée, de même que d'une vaste communauté d'utilisateurs et de développeurs. Ci-dessous, quelques liens dignes d'intérêt.

V-A. Tutoriels

  • Tutoriel pyplot

    • Présentation
    • Gérer les propriétés de trait
    • Travailler avec plusieurs objets figure et plusieurs vues
    • Travailler avec du texte
  • Tutoriel image

    • Commandes de départ
    • Importer des données image dans des tableaux numpy
    • Représenter des tableaux numpy comme des images
  • Tutoriel texte

    • Présentation
    • Commandes de texte élémentaires
    • Propriétés de textes et modes d'affichage
    • Ecrire des formules mathématiques
    • Rendu de texte avec LaTeX
    • Annoter du texte
  • Tutoriel pour artistes

    • Présentation
    • Personnaliser vos objets
    • Conteneurs d'objets
    • Conteneur graphique (matplotlib.figure)
    • Conteneur de vues libres (matplotlib.axes)
    • Conteneurs d'axes de repère
    • Conteneurs de graduations
  • Tutoriels chemins

    • Présentation
    • Exemple de courbe de Bézier
    • Chemins mélangés
  • Tutoriel transformations

    • Présentation
    • Coordonnées 'data'
    • Coordonnées de vues libres (matplotlib.axes)
    • Transformations de dégradés (gradients)
    • Utiliser les transformations offset pour créer un effet d'ombre projetée
    • Le mécanisme de transformation(pipeline)

V-B. Documentation Matplotlib

V-C. Documentation du code

Le code source de matplotlib est particulièrement bien documenté ; vous pouvez même obtenir une aide rapide sur telle ou telle commande directement dans une console Python :

 
Sélectionnez
>>> from pylab import *
>>> help(plot)
Help on function plot in module matplotlib.pyplot:

plot(*args, **kwargs)
   Plot lines and/or markers to the
   :class:`~matplotlib.axes.Axes`.  *args* is a variable length
   argument, allowing for multiple *x*, *y* pairs with an
   optional format string.  For example, each of the following is
   legal::

       plot(x, y)         # plot x and y using default line style and color
       plot(x, y, 'bo')   # plot x and y using blue circle markers
       plot(y)            # plot y using x as index array 0..N-1
       plot(y, 'r+')      # ditto, but with red plusses

   If *x* and/or *y* is 2-dimensional, then the corresponding columns
   will be plotted.
   ...

V-D. Galeries

La galerie matplotlib est incroyablement utile lorsque l'on cherche un exemple pour un type de graphique en particulier. Chaque exemple est accompagné de son code source.

Il existe une autre galerie plus modeste à cet endroit.

V-E. Mailing lists

Pour finir, vous disposez d'une mailing list utilisateurs où vous pourrez demander de l'aide et une mailing list développeurs pour les questions plus techniques.

VI. Références

Ci-dessous quelques tableaux illustrant les principaux styles et propriétés de trait.

VI-A. Propriétés de trait

Propriété Description Apparence
alpha (ou a) Transparence alpha (ratio compris entre 0 et 1) Image non disponible
antialiased Rendu anti-crénelage (booléen) Image non disponible Image non disponible
color (ou c) Couleur matplotlib Image non disponible
linestyle (ou ls) cf. Styles de traitStyles de trait  
linewidth (ou lw) Épaisseur du trait en points (float) Image non disponible
solid_capstyle Style de fin de trait pour traits pleins Image non disponible
solid_joinstyle Style de jointure pour traits pleins Image non disponible
dash_capstyle Style de fin de trait pour pointillés Image non disponible
dash_joinstyle Style de jointure pour pointillés Image non disponible
marker cf. MarquesMarques  
markeredgewidth (mew) Épaisseur du contour d'une marque Image non disponible
markeredgecolor (mec) Couleur du contour d'une marque Image non disponible
markerfacecolor (mfc) Couleur d'une marque Image non disponible
markersize (ms) Taille de la marque en points Image non disponible

VI-B. Styles de trait

Symbole Description Apparence
- Trait plein Image non disponible
-- Pointillé long Image non disponible
-. Pointillé mixte Image non disponible
: Pointillé court Image non disponible
. Gros points Image non disponible
, Pixels Image non disponible
o Cercles Image non disponible
^ Triangles vers le haut Image non disponible
v Triangles vers le bas Image non disponible
< Triangles vers la gauche Image non disponible
> Triangles vers la droite Image non disponible
s Carrés Image non disponible
+ Signes 'plus' (+) Image non disponible
x Signes 'croix' (x) Image non disponible
D Diamants carrés (<>) Image non disponible
d Losanges Image non disponible
1 Tripodes vers le bas Image non disponible
2 Tripodes vers le haut Image non disponible
3 Tripodes vers la gauche Image non disponible
4 Tripodes vers la droite Image non disponible
h Hexagones verticaux Image non disponible
H Hexagones horizontaux Image non disponible
p Pentagones Image non disponible
| Traits verticaux Image non disponible
_ Traits horizontaux Image non disponible

VI-C. Marques

Symbole Description Apparence
0 Graduation à gauche Image non disponible
1 Graduation à droite Image non disponible
2 Graduation en haut Image non disponible
3 Graduation en bas Image non disponible
4 Lambda à gauche Image non disponible
5 Lambda à droite Image non disponible
6 Lambda en haut Image non disponible
7 Lambda en bas Image non disponible
o Cercles Image non disponible
D Diamants carrés (<>) Image non disponible
h Hexagones verticaux Image non disponible
H Hexagones horizontaux Image non disponible
_ Traits horizontaux Image non disponible
1 Tripodes vers le bas Image non disponible
2 Tripodes vers le haut Image non disponible
3 Tripodes vers la gauche Image non disponible
4 Tripodes vers la droite Image non disponible
8 Octogones Image non disponible
p Pentagones Image non disponible
^ Triangles vers le haut Image non disponible
v Triangles vers le bas Image non disponible
< Triangles vers la gauche Image non disponible
> Triangles vers la droite Image non disponible
d Losanges Image non disponible
, Pixels Image non disponible
+ Signes 'plus' (+) Image non disponible
. Gros points Image non disponible
s Carrés Image non disponible
* Étoiles à cinq branches Image non disponible
| Traits verticaux Image non disponible
x Signes 'croix' (x) Image non disponible
r'$\sqrt{2}$' Toute expression LaTeX Image non disponible

VI-D. Bandes colorées

Toutes les bandes colorées peuvent être inversées en ajoutant _r en fin de nom. Par exemple, gray_r sera l'inverse de gray.

Veuillez consulter documenter les bandes colorées matplotlib pour plus d'information.

VI-D-1. De base

Nom Apparence
autumn Image non disponible
bone Image non disponible
cool Image non disponible
copper Image non disponible
flag Image non disponible
gray Image non disponible
hot Image non disponible
hsv Image non disponible
jet Image non disponible
pink Image non disponible
prism Image non disponible
spectral Image non disponible
spring Image non disponible
summer Image non disponible
winter Image non disponible

VI-D-2. GIST

Nom Apparence
gist_earth Image non disponible
gist_gray Image non disponible
gist_heat Image non disponible
gist_ncar Image non disponible
gist_rainbow Image non disponible
gist_stern Image non disponible
gist_yarg Image non disponible

VI-D-3. Séquences

Nom Apparence
BrBG Image non disponible
PiYG Image non disponible
PRGn Image non disponible
PuOr Image non disponible
RdBu Image non disponible
RdGy Image non disponible
RdYlBu Image non disponible
RdYlGn Image non disponible
Spectral Image non disponible

VI-D-4. Dégradés

Nom Apparence
Blues Image non disponible
BuGn Image non disponible
BuPu Image non disponible
GnBu Image non disponible
Greens Image non disponible
Greys Image non disponible
Oranges Image non disponible
OrRd Image non disponible
PuBu Image non disponible
PuBuGn Image non disponible
PuRd Image non disponible
Purples Image non disponible
RdPu Image non disponible
Reds Image non disponible
YlGn Image non disponible
YlGnBu Image non disponible
YlOrBr Image non disponible
YlOrRd Image non disponible

VI-D-5. Qualifiés

Nom Apparence
Accent Image non disponible
Dark2 Image non disponible
Paired Image non disponible
Pastel1 Image non disponible
Pastel2 Image non disponible
Set1 Image non disponible
Set2 Image non disponible
Set3 Image non disponible

VI-D-6. Divers

Nom Apparence
afmhot Image non disponible
binary Image non disponible
brg Image non disponible
bwr Image non disponible
coolwarm Image non disponible
CMRmap Image non disponible
cubehelix Image non disponible
gnuplot Image non disponible
gnuplot2 Image non disponible
ocean Image non disponible
rainbow Image non disponible
seismic Image non disponible
terrain Image non disponible

VII. Notes et remerciements de l'auteur

Le présent document est basé sur le tutoriel de Mike Müller disponible sur le site scipy lectures.

Les textes originaux sont disponibles ici. Les illustrations se trouvent dans ce répertoire et les scripts dans celui-ci. Le répertoire Github est ici.

Les codes sources et les ressources sont publiés sous licence Creative Commons Paternité 3.0 – licence USA (CC-by) http://creativecommons.org/licenses/by/3.0/us.

Un grand merci à Bill Wing, Christoph Deil et Wojciech Mamrak pour la relecture et les corrections.

Des illustrations de présentation de diverses techniques de représentation graphique scientifique se trouvent à cet endroit.

Il existe désormais un tutoriel numpy d'accompagnement.

VIII. Remerciements Developpez

Nous remercions Nicolas Rougier qui nous a aimablement autorisé à traduire son article Matlab Tutorial.

Nos remerciements à Raphaël SEBAN (tarball69) pour la traduction et à Fabien (f-leb) pour la mise au gabarit.

Merci également à Malick Seck (milkoseck) pour sa relecture orthographique.

  

Licence Creative Commons
Le contenu de cet article est rédigé par Nicolas P. Rougier et est mis à disposition selon les termes de la Licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 3.0 non transposé.
Les logos Developpez.com, en-tête, pied de page, css, et look & feel de l'article sont Copyright © 2013 Developpez.com.