1.简介

Matplotlib是一个Python 2D绘图库，可生成图表、直方图、散点图、谱图、条形图等。pyplot提供了类似MALAB的界面，它提供了matplotlib的“状态机器环境”，位于层次结构顶部，其中的一些简单的函数便可绘图。pyplot的下一个层次是面向对象接口(？)。

1)图 figure

fig = plt.figure() # 最简单的方式创建一个图

fig.suptitle('No axes on this figure') # Add a title so we know which it is

fig, ax_lst = plt.subplots(2, 2) # a figure with a 2x2 grid of Axes

2)轴 Axes

一个图可以包含多个轴，但一个给定的轴对象只能在一个图中。轴对象可以包含两个或三个坐标轴，负责数据限制，x坐标和y坐标。

Axes 类及其成员函数是使用OO接口的主要入口点。

3)坐标轴 Axis

负责设置图形限制并生成刻度(轴上的标记)和 ticklabel (标记刻度的字符串)。

4)艺术家 Artist

图形中看到的每一个元素都是艺术家，例如：figure、Axes、Axis等。

输入在绘图之前，最好讲输入转换为np.array对象。

Matplotlib，pyplot和pylab之间的关系？

Matplotlib 是整个包，而 Matplotlib.pyplot 是 Matplotlib 的一个模块。

对于 pyplot 模块中的函数，总是有一个“当前”图形和轴(根据请求自动创建)。

pylab已被丢弃。

编码风格

pyplot风格

import maplotlib.pyplot as plt

import numpy as np

然后调用np.arange, np.zeros, np.pi, plt.figure, plt.plot, plt.show等函数。

使用 pyplot 接口创建图形，然后使用 object 方法创建其余的图形。

交互模式

TO-DO

Pyplot 常用API----Updating

matplotlib.pyplot是一系列让matplotlib像MATLAB那样工作的的函数集合。

matplotlib.pyplot.plot(x,y,format_string,**kwargs)----折线图

注：相邻点之间线段相连，不相邻的不连

format_string有颜色字符，风格字符和标记字符

matplotlib.pyplot.figure( num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True )

num:图像编号或名称，数字为编号 ，字符串为名称

figsize:指定figure的宽和高，单位为英寸；

dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张

facecolor:背景颜色

edgecolor:边框颜色

frameon:是否显示边框

matplotlib.pyplot.subplot(nrows,ncols,sharex,sharey,subplot_kw,**fig_kw)

注意：subplot可以规划figure划分为n个子图，但每条subplot命令只会创建一个子图 。

plt.axis('off') # 不显示坐标尺寸

一般步骤：

1.建立一个画布

plt.figure

2.建立子图

plt.subplot()/plt.plot()

3.显示

plt.show()

可视化二维人体姿态

import matplotlib.pyplot as plt

import matplotlib.mplot3d import Axes3D

import numpy as np

是对(32,2)这样维度的2d pose进行可视化

1.判断是否是正确的维度

assert channel == len(H36_NAMES)*2 # 这是可以根据不同情况进行变化的，比如(17,3)

2.根据如下的人体骨骼图的连接定义两个列表

I = np.array([1,2,3,1,7,8,1, 13,14,15,14,18,19,14,26,27])-1 # start points

J = np.array([2,3,4,7,8,9,13,14,15,16,18,19,20,26,27,28])-1 # end points

LR = np.array([1,1,1,0,0,0,0,0,0,0,0,0,0,1,1,1])

3.建立连接矩阵

for i in np.arange(len(I)):

x, y = [np.array( [vals[I[i], j], vals[J[i], j]] ) for j in range(2)]

ax.plot(x, y, lw=2, c='#e74c3c' if LR[i] else c='#3498db') # 左右两边的骨骼以不同的颜色展示

4.设置坐标轴的上下限

root_x, root_y = vals[0,0], vals[0,1]

Radius = 350

ax.set_xlim([-Radius+root_x, Radius+root_x])

ax.set_ylim([-Radius+root_y, Radius+root_y])

Optional

5.设置无坐标轴刻度

ax.set_xticks([])

ax.set_yticks([])

6.去除坐标轴刻度标签

ax.get_xaxis().set_xticklabels([])

ax.get_yaxis().set_yticklabels([])

ax.set_aspect('equal') # x轴和y轴的比例是1:1

注：这样显示出来的2d pose是倒立的，需要加上下面这行代码进行翻转：

ax.invert_yaxis()

可视化三维人体姿态

import matplotlib.pyplot as plt

import matplotlib.mplot3d import Axes3D

import numpy as np

是对(32,3)这样维度的3d pose进行可视化

1.判断是否是正确的维度

assert channel == len(H36_NAMES)*3 # 这是可以根据不同情况进行变化的，比如(17,3)

2.根据上面的人体骨骼图的连接定义两个列表

I = np.array([1,2,3,1,7,8,1, 13,14,15,14,18,19,14,26,27])-1 # start points

J = np.array([2,3,4,7,8,9,13,14,15,16,18,19,20,26,27,28])-1 # end points

LR = np.array([1,1,1,0,0,0,0,0,0,0,0,0,0,1,1,1])

3.建立连接矩阵

for i in np.arange(len(I)):

x, y, z = [np.array( [vals[I[i], j], vals[J[i], j]] ) for j in range(3)]

ax.plot(x, y, z,lw=2, c='#e74c3c' if LR[i] else c='#3498db') # 左右两边的骨骼以不同的颜色展示

4.设置坐标轴的上下限

root_x, root_y, root_z= vals[0,0], vals[0,1], vals[0,2]

Radius = 750

ax.set_xlim3d([-Radius+root_x, Radius+root_x])

ax.set_ylim3d([-Radius+root_y, Radius+root_y])

ax.set_ylim3d([-Radius+root_z, Radius+root_z])

5.设置无坐标轴刻度

ax.set_xticks([])

ax.set_yticks([])

ax.set_zticks([])

6.去除坐标轴刻度的标签

ax.get_xaxis.set_xticklabels([])

ax.get_yaxis.set_yticklabels([])

ax.get_zaxis.set_zticklabels([])

7.去除背景板的颜色

white = (1.0, 1.0, 1.0, 0.0)

ax.w_xaxis.set_pane_color(white)

ax.w_yaxis.set_pane_color(white)

8.去除线条的颜色

ax.w_xaxis.line.set_color(white)

ax.w_yaxis.line.set_color(white)

ax.w_zaxis.line.set_color(white)

最后，要显示出来一定要plt.show()!!!!