在和Alpha之间填充

fill_between()函数在最小和最大边界之间生成阴影区域，这对于说明范围很有用。 它具有非常方便的用于将填充与逻辑范围组合的参数，例如，仅在某个阈值上填充曲线。

在最基本的层面上，fill_between 可用于增强图形的视觉外观。让我们将两个财务时间图与左边的简单线图和右边的实线进行比较。

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  3. import matplotlib.cbook as cbook
  5. # load up some sample financial data
  6. with cbook.get_sample_data('goog.npz') as datafile:
  7.     r = np.load(datafile)['price_data'].view(np.recarray)
  8. # Matplotlib prefers datetime instead of np.datetime64.
  9. date = r.date.astype('O')
  10. # create two subplots with the shared x and y axes
  11. fig, (ax1, ax2) = plt.subplots(1, 2, sharex=True, sharey=True)
  13. pricemin = r.close.min()
  15. ax1.plot(date, r.close, lw=2)
  16. ax2.fill_between(date, pricemin, r.close, facecolor='blue', alpha=0.5)
  18. for ax in ax1, ax2:
  19.     ax.grid(True)
  21. ax1.set_ylabel('price')
  22. for label in ax2.get_yticklabels():
  23.     label.set_visible(False)
  25. fig.suptitle('Google (GOOG) daily closing price')
  26. fig.autofmt_xdate()

在和Alpha之间填充示例

此处不需要Alpha通道，但它可以用于软化颜色以获得更具视觉吸引力的图形。在其他示例中，正如我们将在下面看到的，alpha通道在功能上非常有用，因为阴影区域可以重叠，alpha允许您查看两者。请注意，postscript格式不支持alpha（这是postscript限制，而不是matplotlib限制），因此在使用alpha时保存PNG，PDF或SVG中的数字。

我们的下一个例子计算两个随机游走者群体，它们具有不同的正态分布的均值和标准差，从中得出步骤。我们使用共享区域绘制人口平均位置的+/-一个标准偏差。 这里的alpha通道非常有用，而不仅仅是审美。

  1. Nsteps, Nwalkers = 100, 250
  2. t = np.arange(Nsteps)
  4. # an (Nsteps x Nwalkers) array of random walk steps
  5. S1 = 0.002 + 0.01*np.random.randn(Nsteps, Nwalkers)
  6. S2 = 0.004 + 0.02*np.random.randn(Nsteps, Nwalkers)
  8. # an (Nsteps x Nwalkers) array of random walker positions
  9. X1 = S1.cumsum(axis=0)
  10. X2 = S2.cumsum(axis=0)
  13. # Nsteps length arrays empirical means and standard deviations of both
  14. # populations over time
  15. mu1 = X1.mean(axis=1)
  16. sigma1 = X1.std(axis=1)
  17. mu2 = X2.mean(axis=1)
  18. sigma2 = X2.std(axis=1)
  20. # plot it!
  21. fig, ax = plt.subplots(1)
  22. ax.plot(t, mu1, lw=2, label='mean population 1', color='blue')
  23. ax.plot(t, mu2, lw=2, label='mean population 2', color='yellow')
  24. ax.fill_between(t, mu1+sigma1, mu1-sigma1, facecolor='blue', alpha=0.5)
  25. ax.fill_between(t, mu2+sigma2, mu2-sigma2, facecolor='yellow', alpha=0.5)
  26. ax.set_title(r'random walkers empirical $\mu$ and $\pm \sigma$ interval')
  27. ax.legend(loc='upper left')
  28. ax.set_xlabel('num steps')
  29. ax.set_ylabel('position')
  30. ax.grid()

在和Alpha之间填充示例2

where关键字参数非常便于突出显示图形的某些区域。其中布尔掩码的长度与x，ymin和ymax参数的长度相同，并且仅填充布尔掩码为True的区域。在下面的示例中，我们模拟单个随机游走者并计算人口位置的分析平均值和标准差。总体平均值显示为黑色虚线，并且与平均值的正/负一西格玛偏差显示为黄色填充区域。我们使用where掩码X> upper_bound来找到walker在一个sigma边界之上的区域，并将该区域遮蔽为蓝色。

  1. Nsteps = 500
  2. t = np.arange(Nsteps)
  4. mu = 0.002
  5. sigma = 0.01
  7. # the steps and position
  8. S = mu + sigma*np.random.randn(Nsteps)
  9. X = S.cumsum()
  11. # the 1 sigma upper and lower analytic population bounds
  12. lower_bound = mu*t - sigma*np.sqrt(t)
  13. upper_bound = mu*t + sigma*np.sqrt(t)
  15. fig, ax = plt.subplots(1)
  16. ax.plot(t, X, lw=2, label='walker position', color='blue')
  17. ax.plot(t, mu*t, lw=1, label='population mean', color='black', ls='--')
  18. ax.fill_between(t, lower_bound, upper_bound, facecolor='yellow', alpha=0.5,
  19.                 label='1 sigma range')
  20. ax.legend(loc='upper left')
  22. # here we use the where argument to only fill the region where the
  23. # walker is above the population 1 sigma boundary
  24. ax.fill_between(t, upper_bound, X, where=X > upper_bound, facecolor='blue',
  25.                 alpha=0.5)
  26. ax.set_xlabel('num steps')
  27. ax.set_ylabel('position')
  28. ax.grid()

在和Alpha之间填充示例3

填充区域的另一个方便用途是突出显示轴的水平或垂直跨度 - 因为matplotlib具有一些辅助函数 axhspan() 和axvspan() 以及示例axhspan Demo。

  1. plt.show()

下载这个示例