Matplotlib 2.1.0 版本更新 (2017年10月7日)#
文档#
示例已迁移为使用 sphinx gallery。这允许在示例中更好地混合散文和代码，提供将示例下载为 Python 脚本和 Jupyter notebook 的链接，并改进缩略图库。示例已重新组织为教程和示例。
许多文档字符串和示例已得到澄清和改进。
新功能#
字符串分类值#
所有绘图函数现在都支持将字符串分类值作为输入。例如：
data = {'apples': 10, 'oranges': 15, 'lemons': 5, 'limes': 20}
fig, ax = plt.subplots()
ax.bar(data.keys(), data.values(), color='lightgray')
用于动画的交互式 JS 小部件#
Jake Vanderplas 的 JSAnimation 包已合并到 Matplotlib 中。这为 Matplotlib 添加了 HTMLWriter 类，用于生成 JavaScript HTML 动画，适用于 IPython notebook。可以通过将 animation.html rc 参数设置为 jshtml 来默认激活此功能。也可以调用 to_jshtml 方法手动转换动画。可以使用 IPython 的 HTML 显示类显示此动画
from IPython.display import HTML
HTML(animation.to_jshtml())
通过请求 html 写入器，HTMLWriter 类也可用于生成 HTML 文件。
极坐标图的增强功能#
极坐标轴变换已进行了大量重构，以允许更多自定义的视图限制和刻度标签。视图限制的其他选项允许创建环形、扇形或两者的某种组合。
可以使用 set_rorigin() 方法提供最小绘图半径的偏移量，从而生成环形。
set_theta_zero_location() 方法现在有一个可选的 offset 参数。此参数可用于根据给定的锚点进一步指定零位置。
极坐标偏移演示#
可以使用 set_thetamin() 和 set_thetamax() 方法来限制绘制的角度范围，从而生成圆的扇形。
极坐标扇形演示#
之前的版本允许绘制包含负半径的图，其中负值仅用作标签，实际半径按配置的最小值移动。此版本还允许将负半径用于网格和刻度，这些之前会被静默忽略。
径向刻度线已修改为与圆形网格线平行，角度刻度线已修改为与网格线平行。 将刻度标签旋转以匹配边界也可能很有用。 调用 ax.tick_params(rotation='auto') 将启用新行为：径向刻度标签将与圆形网格线平行，角度刻度标签将垂直于网格线（即与外边界平行）。 此外，刻度标签现在遵循之前仅在笛卡尔图中起作用的填充设置。 因此，不再应用 PolarAxes.set_thetagrids 的 frac 参数。 可以使用 Axes.tick_params 或 Axis.set_tick_params 的 pad 参数修改刻度填充。
Figure 类现在具有 subplots 方法#
Figure 类现在具有一个 subplots() 方法，其行为与 pyplot.subplots() 相同，但作用于现有图形。
Metadata savefig 关键字参数#
savefig() 现在接受 metadata 作为关键字参数。它可用于在图像元数据中存储键/值对。
使用 Agg 后端的 'png'
使用 PDF 后端的 'pdf' (有关支持的关键字列表，请参见
writeInfoDict())使用 PS 后端的 'eps' 和 'ps'（仅接受 'Creator' 键）
plt.savefig('test.png', metadata={'Software': 'My awesome software'})
忙碌光标#
当 Matplotlib 渲染画布时，交互式 GUI 后端现在会将光标更改为忙碌状态。
PolygonSelector#
已将 PolygonSelector 类添加到 matplotlib.widgets。 有关详细信息，请参见 使用多边形选择器从集合中选择索引。
添加了 matplotlib.ticker.PercentFormatter#
新的 PercentFormatter 格式化程序具有一些不错的功能，例如能够将任意数据刻度转换为百分比，可自定义的百分比符号以及对小数点进行自动或手动控制。
可重现的 PS、PDF 和 SVG 输出#
现在可以使用 SOURCE_DATE_EPOCH 环境变量来设置 PS 和 PDF 输出中的时间戳值。 请参见 source date epoch。
或者，使用 metadata={'CreationDate': None} 调用 savefig 将完全省略 PDF 后端的时间戳。
到目前为止，PS 和 PDF 后端的输出可重现性已使用各种绘图元素进行测试，但仅使用了可以影响低级别输出的选项（例如 {ps,pdf}.fonttype）的默认值，而没有使用 mathtext 或 usetex 功能。 当 Matplotlib 调用外部工具（例如 PS 精馏器或 LaTeX）时，它们的版本需要保持不变以实现可重现性，并且它们可能会添加 Matplotlib 无法控制的不确定性来源。
对于 SVG 输出，在早期版本中添加了 svg.hashsalt rc 参数。 此参数将 SVG 文件中的某些随机标识符更改为确定性的。 此设置的缺点是，如果使用确定性标识符生成多个文件，并且它们最终成为一个较大文档的一部分，则标识符可能会冲突并导致不同部分相互影响。
现在，已在 PDF 和 SVG 后端的测试中启用了这些功能，因此大多数测试输出文件（但不是全部）现在是确定性的。
mplot3d 的正交投影#
Axes3D 现在接受 proj_type 关键字参数，并且具有 set_proj_type() 方法。 默认选项与之前一样是 'persp'，提供 'ortho' 将启用正交视图。
比较一下在正交视图中垂直的 z 轴，但在透视图中略微倾斜。
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure(figsize=(4, 6))
ax1 = fig.add_subplot(2, 1, 1, projection='3d')
ax1.set_proj_type('persp')
ax1.set_title('Perspective (default)')
ax2 = fig.add_subplot(2, 1, 2, projection='3d')
ax2.set_proj_type('ortho')
ax2.set_title('Orthographic')
plt.show()
mplot3d 的 voxels 函数#
Axes3D 现在具有一个 voxels 方法，用于可视化布尔 3D 数据。用途可能包括绘制稀疏 3D 热图或可视化体积模型。
体素演示#
改进#
向 AnchoredSizeBar 添加 fill_bar 参数#
现在，mpl_toolkits 类中的 AnchoredSizeBar 增加了一个额外的 fill_bar 参数，该参数可以将尺寸条设置为实心矩形，而不是只绘制矩形的边框。默认值为 None，是否默认填充条取决于 size_vertical 的值。如果 size_vertical 非零，则 fill_bar 将被设置为 True。如果 size_vertical 为零，则 fill_bar 将被设置为 False。如果您希望覆盖此默认行为，请将 fill_bar 设置为 True 或 False 以无条件地始终或从不使用填充的矩形作为尺寸条。
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.anchored_artists import AnchoredSizeBar
fig, ax = plt.subplots(figsize=(3, 3))
bar0 = AnchoredSizeBar(ax.transData, 0.3, 'unfilled', loc='lower left',
frameon=False, size_vertical=0.05, fill_bar=False)
ax.add_artist(bar0)
bar1 = AnchoredSizeBar(ax.transData, 0.3, 'filled', loc='lower right',
frameon=False, size_vertical=0.05, fill_bar=True)
ax.add_artist(bar1)
plt.show()
注释可以使用默认的箭头样式#
现在，当设置 arrowprops={} 时，注释将使用默认的箭头样式，而不是没有箭头（新行为实际上与文档匹配）。
倒刺和箭袋支持日期#
当使用 quiver() 和 barbs() 绘图方法时，现在可以像其他方法（如 plot()）一样传递日期。这也允许这些函数处理需要应用单位转换的值。
六边形箱默认线条颜色#
hexbin() 的默认 linecolor 关键字参数现在是 'face'，并且提供 'none' 现在可以防止在六边形周围绘制线条。
可以不带参数调用 Figure.legend()#
现在可以不带任何参数调用 Figure.legend()。在这种情况下，将创建一个图例，其中包含图中所有轴上的所有艺术家。
图例条目的多个图例键#
一个图例条目现在可以包含多个图例键。扩展的 HandlerTuple 类现在接受两个参数：ndivide 将图例区域划分为指定数量的部分；pad 更改图例键之间的填充。
多个图例键#
figure() 的新参数 clear#
当使用 num 参数调用 pyplot 的函数 figure() 时，只有当不存在具有相同值的现有窗口时，才会创建一个新窗口。添加了一个新的布尔参数 clear 用于显式清除其现有内容。这在交互式会话中尤其有用。由于 subplots() 也接受来自 figure() 的关键字参数，因此也可以在那里使用它。
import matplotlib.pyplot as plt
fig0 = plt.figure(num=1)
fig0.suptitle("A fancy plot")
print("fig0.texts: ", [t.get_text() for t in fig0.texts])
fig1 = plt.figure(num=1, clear=False) # do not clear contents of window
fig1.text(0.5, 0.5, "Really fancy!")
print("fig0 is fig1: ", fig0 is fig1)
print("fig1.texts: ", [t.get_text() for t in fig1.texts])
fig2, ax2 = plt.subplots(2, 1, num=1, clear=True) # clear contents
print("fig0 is fig2: ", fig0 is fig2)
print("fig2.texts: ", [t.get_text() for t in fig2.texts])
# The output:
# fig0.texts: ['A fancy plot']
# fig0 is fig1: True
# fig1.texts: ['A fancy plot', 'Really fancy!']
# fig0 is fig2: True
# fig2.texts: []
为 LogFormatterMathtext 指定格式化为标量的最小值#
LogFormatterMathtext 现在包含指定格式化为标量（即 0.001 而不是 10-3）的最小指数值的选项。
新的 quiverkey 角度关键字参数#
现在，绘制 quiverkey() 允许使用 angle 关键字参数，该参数设置绘制键箭头的角度。
颜色映射反转方法#
方法 matplotlib.colors.LinearSegmentedColormap.reversed() 和 matplotlib.colors.ListedColormap.reversed() 返回 Colormap 的反转实例。这实现了一种反转任何 Colormap 的方法。
artist.setp (和 pyplot.setp) 接受 file 参数#
该参数是仅关键字参数。它允许指定除 sys.stdout 之外的输出文件。它的工作方式与 print 的 file 参数完全相同。
streamplot 流线生成更可配置#
现在可以配置流线的起点、方向和长度。这允许跟踪向量场更长时间，并可以增强某些用例中流模式的可见性。
Axis.set_tick_params 现在响应 rotation#
现在可以通过使用 rotation 关键字的 tick_params() 批量设置刻度标签旋转。
ax.tick_params(which='both', rotation=90)
刻度标签被关闭而不是不可见#
在内部，Tick 的 matplotlib.axis.Tick.label1On 属性现在用于隐藏刻度标签，而不是设置刻度标签对象上的可见性。这提高了整体性能并修复了一些问题。因此，如果应显示这些标签，则需要使用 tick_params()，例如
ax.tick_params(labelbottom=True)
3D 条形图中的阴影#
3D bar 绘图方法中添加了一个新的 shade 参数。默认行为仍然是为条形图添加阴影，但现在用户可以选择将 shade 设置为 False。
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
x = np.arange(2)
y = np.arange(3)
x2d, y2d = np.meshgrid(x, y)
x, y = x2d.ravel(), y2d.ravel()
z = np.zeros_like(x)
dz = x + y
fig = plt.figure(figsize=(4, 6))
ax1 = fig.add_subplot(2, 1, 1, projection='3d')
ax1.bar3d(x, y, z, 1, 1, dz, shade=True)
ax1.set_title('Shading On')
ax2 = fig.add_subplot(2, 1, 2, projection='3d')
ax2.bar3d(x, y, z, 1, 1, dz, shade=False)
ax2.set_title('Shading Off')
plt.show()
autofmt_xdate 的新 which 参数#
现在，方法 autofmt_xdate() 存在一个 which 参数。这允许用户有选择地格式化 major、minor 或 both 刻度标签。默认行为将旋转并对齐 major 刻度标签。
fig.autofmt_xdate(bottom=0.2, rotation=30, ha='right', which='minor')
subplot2grid 的新 Figure 参数#
现在，函数 subplot2grid() 存在一个 fig 参数。这允许用户指定将在其中创建子图的 figure。如果 fig 为 None（默认值），则该方法将使用 gcf() 获取的当前 figure。
subplot2grid(shape, loc, rowspan=1, colspan=1, fig=myfig)
fill_betweenx 中的插值#
现在，方法 fill_betweenx() 存在一个 interpolate 参数。这允许用户插值数据并填充交叉点区域，类似于 fill_between()。
EngFormatter 的新关键字参数 sep#
已向 EngFormatter 添加了一个新的 sep 关键字参数，它提供了一种定义值及其单位之间将使用的字符串的方法。默认字符串为 " "，它保留了之前的行为。此外，即使在没有 SI 前缀的情况下，分隔符现在也存在于值及其单位之间。以前存在一个错误，导致返回的字符串类似于 "3.14V"，而不是预期的 "3.14 V"（使用默认行为）。
扩展 MATPLOTLIBRC 行为#
环境变量现在可以指定完整的文件路径或包含 matplotlibrc 文件的目录的路径。
hist 的 density kwarg#
方法 hist() 现在更倾向于使用 density 而不是 normed 来控制是否应该对直方图进行归一化，这遵循了 NumPy 的上游更改。这将减少混淆，因为行为始终是直方图的积分值为 1（而不是总和或最大值）。
内部机制#
新的 TransformedPatchPath 缓存对象#
新添加的 TransformedPatchPath 提供了一种通过 Transform 将 Patch 转换为 Path 的方法，同时缓存生成的路径。如果补丁或变换都没有更改，则会返回路径的缓存副本。
此类与旧的 TransformedPath 的区别在于，它可以根据底层补丁刷新自身，而旧类使用不可变的路径。
电影编写器的抽象基类#
新的 AbstractMovieWriter 类定义了作为 matplotlib.animation.Animation.save() 方法中的 writer 使用的类所必需的 API。现有的 MovieWriter 类现在派生自新的抽象基类。
更严格的线型 rcParams 验证#
现在，与线型相关的 rcParams（lines.linestyle、boxplot.*.linestyle、grid.linestyle 和 contour.negative_linestyle）的验证有效地检查了这些值是否是有效的线型。像 'dashed' 或 '--' 这样的字符串以及偶数长度的开-关墨水序列（如 [1, 1.65]）都是可以接受的。在后一种情况下，偏移值在内部处理，不应由用户提供。
新的验证方案取代了以前用于 contour.negative_linestyle rcParams 的方案，该方案仅限于 'solid' 和 'dashed' 线型。
验证不区分大小写。以下各项现在有效
grid.linestyle : (1, 3) # loosely dotted grid lines
contour.negative_linestyle : dashdot # previously only solid or dashed
pytest#
性能#
路径简化更新#
由 path.simplify 和 path.simplify_threshold 参数控制的线简化已得到改进。当绘制大量数据时，您应该会注意到更好的渲染性能（只要相应地设置了上述参数）。只有路径的线段部分将被简化 -- 如果您也在绘制标记并且遇到渲染速度问题，则应考虑使用 plot 的 markevery 选项。有关更多信息，请参阅使用教程中的 性能 部分。
简化工作原理是将线段迭代合并为一个向量，直到下一个线段与该向量的垂直距离（以显示坐标空间测量）大于 path.simplify_threshold 参数。因此，path.simplify_threshold 的值越高，渲染时间就越快。如果您绘制只是为了探索数据而不是为了出版质量的像素完美图，则可以安全地使用 1.0 的值。如果您想确保绘图完全反映您的数据，则应将 path.simplify 设置为 false 和/或将 path.simplify_threshold 设置为 0。Matplotlib 目前默认为保守值 1/9，较小的值不太可能导致您的绘图出现任何可见的差异。
在 c++ 中实现 intersects_bbox#
intersects_bbox() 已在 c++ 中实现，这提高了自动放置图例的性能。