Python-Matplotlib可视化（8）——图形的输出与保存

前言
生成PNG图片文件
控制透明度
- 使用透明背景将图形渲染为PNG文件
- 制作包含图形的HTML页面
控制输出分辨率
生成PDF或SVG文档
系列链接

前言

Matplotlib是Python的绘图库，它提供了一整套和 matlab 相似的命令 API，可以生成你所需的出版质量级别的图形。Matplotlib可以将任何图形渲染为各种常见的文件格式，如PNG、EPS、SVG和PDF。默认情况下，图形显示时带有简约的用户界面，可以通过保存按钮将图形保存到文件中。但是，如果需要生成大量的图形，这种方法并不方便，因此我们需要使用函数自动化保存生成的图形文件。在本文中，我们将探讨Matplotlib的文件输出功能。除了以编程方式生成文件输出外，我们还将学习如何控制输出的分辨率和大小以及透明度等。

生成PNG图片文件

实际使用场景下，我们可能希望获取程序运行过程中数据的情况，同时并不想打断程序的执行，而希望为每个运行步骤自动生成保存一张图片。Matplotlib可以灵活的将图形直接保存到图片文件中。
首先，我们将学习如何将图形输出到PNG文件。PNG文件是位图输出的理想选择，它依赖于无损压缩算法，并可以处理透明度。

import numpy as np
from matplotlib import pyplot as plt
x = np.linspace(-6, 6, 1024)
y = np.sinc(x)
plt.plot(x, y)
plt.savefig('sinc.png', c = 'c')

Tips：要保存图片，只需使用plt.savefig()调用替换plt.show()调用，此时将不会弹出查看图形窗口。函数plt.savefig()的工作原理与plt.show()完全相同——解释plt命令并生成图形，区别在于处理结束时所做的操作。show()函数将图片数据发送到用户界面库以进行展示，而savefig()函数将图片数据写入文件。
同时savefig()函数提供了多种可选参数，让我们继续前进，开始探索吧。

控制透明度

当图形是网站或演示文稿的一部分时，图形之间可能需要叠加显示，透明度对于这样的整合是很重要的，图形必须以一种美学上令人愉悦和一致的方式与背景融为一体。
为了演示透明性，将创建一个图形并将其嵌入到网页中，与网页背景融为一体。

使用透明背景将图形渲染为PNG文件

为了将图形渲染为透明背景的PNG文件，需要使用plt.savefig()，并将可选参数transparent设置为True：

import numpy as np
from matplotlib import pyplot as plt
x = np.linspace(-6, 6, 1024)
y = np.sinc(x)
plt.plot(x, y)
plt.savefig('sinc_1.png', c = 'c', transparent=True)

制作包含图形的HTML页面

在包含背景的网页上使用上一步骤中保存的PNG文件(网页背景图片background.jpg请替换为目录中存在的文件)：

<html><head><style>body {background: white url(background.jpg);}</style></head><body><img src='sinc_1.png' width='800 height='600'></img></body>
</html>

默认情况下，plt.savefig()不会在输出中包含透明度信息。例如，当我们输出PNG图片时，PNG文件默认每像素24bit，每个8bit的通道仅存储像素的红色、绿色和蓝色分量。但是，当启用透明输出时，plt.savefig()保存的文件每像素32bit，附加的alpha通道存储透明度信息。
作为对比，如果我们使用不包含alpha通道的sinc.png：

<html><head><style>body {background: white url(background.jpg);}</style></head><body><img src='sinc.png' width='800 height='600'></img></body>
</html>

通过系列文章的学习，我们知道可以通过在绘图函数中(如plt.plot、plt.scatter、pltpie等)使用可选参数alpha控制Matplotlib生成的不同透明度级别的图形。如果alpha等于1，则图形将完全不透明，这是默认设置；如果alpha等于0，图形将完全不可见。

import numpy as np
import matplotlib.pyplot as plt
name_list = ('Omar', 'Serguey', 'Max', 'Zhou', 'Abidin')
value_list = np.random.randint(99, size=len(name_list))
pos_list = np.arange(len(name_list))
plt.bar(pos_list, value_list, alpha = .75, color = 'c', align = 'center')
plt.xticks(pos_list, name_list)
plt.savefig('bar.png', transparent = True)

在HTML页面中进行显示：

<html><head><style>body {background: white url(background.jpg);}</style></head><body><img src='bar.png' width='800 height='600'></img></body>
</html>

控制输出分辨率

默认情况下，使用位图图片的输出时，Matplotlib自动调节输出的大小和分辨率。根据位图图片的用途，我们也可以自己选择分辨率。例如，如果图片是一张大海报的一部分，可能需要高分辨率，如果想生成缩略图，那么需要较低分辨率。
plt.savefig()函数提供可选参数dpi控制输出分辨率：

import numpy as np
import matplotlib.pyplot as plt
name_list = ('Omar', 'Serguey', 'Max', 'Zhou', 'Abidin')
value_list = np.random.randint(99, size=len(name_list))
pos_list = np.arange(len(name_list))
plt.bar(pos_list, value_list, alpha = .25, color = 'c', align = 'center')
plt.xticks(pos_list, name_list)
plt.savefig('bar_1.png', dpi = 300)

Tips：savefig()函数的可选参数dpi控制以DPI(每英寸点数)表示的图片分辨率。默认情况下，Matplotlib将输出8 x 6空间单位的图形，即4/3的纵横比。在matplotlib中，1个空间单位等于100像素。因此，默认情况下，Matplotlib提供800 x 600像素的图片文件。如果我们使用dpi=300，图片大小为8*300 x 6*300，即2400 x 1800像素。
我们已经学习了如何控制图形的纵横比，如果将纵横比和DPI结合起来，就可以完全控制图片的总体比例。例如，在512 x 512像素的图片中显示六边形。

import numpy as np
import matplotlib.pyplot as plt
theta = np.linspace(0, 2 * np.pi, 8)
points = np.vstack((np.cos(theta), np.sin(theta))).transpose()
plt.figure(figsize=(4., 4.))
plt.gca().add_patch(plt.Polygon(points, color = 'c'))
plt.grid(True)
plt.axis('scaled')
plt.savefig('polygon.png', dpi = 128)

上例中在4 x 4单位面积上显示图形，并以128 dpi的分辨率输出，输出将为512 x 512像素。我们还可以在8 x 8单位面积显示512像素，但是要将分辨率变为64 dpi：

import numpy as np
import matplotlib.pyplot as plt
theta = np.linspace(0, 2 * np.pi, 8)
points = np.vstack((np.cos(theta), np.sin(theta))).transpose()
plt.figure(figsize=(8., 8.))
plt.gca().add_patch(plt.Polygon(points, color = 'c'))
plt.grid(True)
plt.axis('scaled')
plt.savefig('polygon_1.png', dpi = 64)

Tips：图中注释更小，网格线更细，这是由于注释和线条的粗细都有自己的默认值，它们以空间单位表示。因此，将输出分辨率除以2将使注释变小两倍。

生成PDF或SVG文档

位图图片将图片表示为一个给定比例的像素数组。放大后，将看到一些众所周知的瑕疵(锯齿、像素块、模糊等)。而矢量图像具有尺度不变性，无论以何种比例观察它们，都不会导致细节丢失。因此有时，我们需要矢量图片，Matplotlib可以输出PDF、SVG等矢量图片。

import numpy as np
from matplotlib import pyplot as plt
x = np.linspace(-10, 10, 1024)
y = np.sinc(x)
plt.plot(x, y)
plt.savefig('sinc.pdf')

Tips：调用plt.savefig()时，其中通过传递文件名来指定文件是PNG、PDF还是SVG，Matplotlib将通过文件名的扩展名来推断文件类型。
在某些情况下，我们可能不希望显式的声明文件的扩展名，我们可以通过 plt.savefig 的可选参数format来达到目标，例如通过设置 format='svg' ，plt.savefig 则不会从传递给函数的文件名推断输出文件类型，而是通过传递给格式的名称。

系列链接

Python-Matplotlib可视化（1）——一文详解常见统计图的绘制
Python-Matplotlib可视化（2）——自定义颜色绘制精美统计图
Python-Matplotlib可视化（3）——自定义样式绘制精美统计图
Python-Matplotlib可视化（4）——添加注释让统计图通俗易懂
Python-Matplotlib可视化（5）——添加自定义形状绘制复杂图形
Python-Matplotlib可视化（6）——自定义坐标轴让统计图清晰易懂
Python-Matplotlib可视化（7）——多方面自定义统计图绘制
Python-Matplotlib可视化（9）——精通更多实用图形的绘制
Python-Matplotlib可视化（10）——一文详解3D统计图的绘制