PySide6下Matplotlib小记

8种Qt后端
- 选择Qt绑定的规则
- QtAgg 与 QtCairo
Qt 控件对接
Matplotlib 基本概念
Matplotlib三种API接口（使用层次）
Matplotlib 做什么？
参考

突然发现，上次正儿八经使用Matplotlib还是17年在前，除代码还可查外，当时的笔记已不复存在。重新了解一下...

#!/usr/bin/python
# -*- coding: UTF-8 -*-

#2007.10.1
#--------------------------------------------------------------------------
import sys, os, shutil
from ConfigParser import SafeConfigParser
#import subprocess
import threading, urllib, webbrowser

import wx
import wx.stc, wx.combo

import matplotlib
matplotlib.use('wxAgg')
import matplotlib.backends.backend_wxagg # for py2exe

8种Qt后端

在Python下，编写Qt程序，目前有4个绑定选项存在：

PyQt6
PySide6
PyQt5
PySide2

老版本的matplotlib还支持 PyQt和PySide，由于其对应的Qt4在2015年就停止支持，应该无需考虑。

而每个绑定，又有2个渲染后端可选择：

Agg
Cairo

选择Qt绑定的规则

Matplotlib是如何同时支持这四个的？？官方手册是这么说的：

If a binding's QtCore subpackage is already imported, that binding is selected (the order for the check is PyQt6, PySide6, PyQt5, PySide2).
If the QT_API environment variable is set to one of "PyQt6", "PySide6", "PyQt5", "PySide2" (case-insensitive), that binding is selected. (See also the documentation on Environment variables.)
Otherwise, the first available backend in the order PyQt6, PySide6, PyQt5, PySide2 is selected.

挺啰嗦，不如看代码直观：

QT_API_ENV = os.environ.get("QT_API")
if QT_API_ENV is not None:
    QT_API_ENV = QT_API_ENV.lower()
_ETS = {  # Mapping of QT_API_ENV to requested binding.
    "pyqt6": QT_API_PYQT6, "pyside6": QT_API_PYSIDE6,
    "pyqt5": QT_API_PYQT5, "pyside2": QT_API_PYSIDE2,
}
# First, check if anything is already imported.
if sys.modules.get("PyQt6.QtCore"):
    QT_API = QT_API_PYQT6
elif sys.modules.get("PySide6.QtCore"):
    QT_API = QT_API_PYSIDE6
elif sys.modules.get("PyQt5.QtCore"):
    QT_API = QT_API_PYQT5
elif sys.modules.get("PySide2.QtCore"):
    QT_API = QT_API_PYSIDE2

考虑到Qt5生命周期明年就结束了，我们可以只考虑PyQt6和 PySide6两兄弟，同时我也不喜欢设置环境变量QT_API，那么可以这么简单理解：

如果Python中只安装PyQt6或PySide6中一个，装哪个用哪个
如果同时装了2个，默认使用PyQt6，除非使用matplotlib前import PySide6.QtCore

由于PyQt不支持LGPL协议，原则上，不管是否商用，只考虑PySide6就够了。如果要支持Windows7，可以考虑PySide2。

QtAgg 与 QtCairo

除了不同的Qt绑定外，它还有不同的渲染后端支持

QtAgg：使用 Anti-Grain Geometry 这一个 C++ 库来渲染，适合需要快速渲染和交互的应用。
QtCairo：使用 Cairo 库来渲染，提供更高质量的图形渲染，尤其在文本和矢量图形方面。速度慢。

默认使用的QtAgg后端，同样它有多种方式可以用来指定：

使用 rcParams["backend"] 参数，通过代码，或者matplotlibrc文件
使用环境变量 MPLBACKEND
使用函数 matplotlib.use()

Qt 控件对接

要在PySide6中使用 matplotlib，首要就是找到matplotlib提供的QWidget在哪里：

from matplotlib.backends.backend_qtagg import FigureCanvas
from matplotlib.backends.backend_qtagg import NavigationToolbar2QT as NavigationToolbar

上面两个都是QWidget的派生类：

FigureCanvas 派生自 QWidget：源码 class FigureCanvasQT(FigureCanvasBase, QtWidgets.QWidget):
NavigationToolbar2QT 派生自 QToolBar：源码 class NavigationToolbar2QT(NavigationToolbar2, QtWidgets.QToolBar):

另外，不少matplotlib为主的例子中，会这么写：

from matplotlib.backends.qt_compat import QtWidgets

只是为了隐藏不同的Qt绑定的细节，对于库通用性有意义，应用程序中使用它意义不大。

Matplotlib 基本概念

先看一张图：

matplotlib with pyside6

图中有四个图表，每个叫做一个 Axes
四个 Axes 都位于同一个 Figure 中（Figure 是顶层容器）
Figure 渲染到一个 QWidget 中（这个QWidget就是 FigureCanvas）
PySide6 将这个 QWidget作为窗口显示出来

抛开FigureCanvas这种底层细节不说，Matplotlib中东西也挺多，一些主要的概念如下：

概念	作用
Figure	`Figure` 是顶级容器，承载整个图形的所有元素，类似于空白画布，用来绘制可视化内容。
Axes	`Axes` 是 `Figure` 中的矩形区域，提供坐标系，是绘制数据的地方，一个 `Figure` 可以包含多个 `Axes`。
Axis	`Axis` 代表 x 轴和 y 轴，定义数据范围、刻度位置、刻度标签和坐标轴标签，控制刻度间距和定位。
Marker	`Marker` 是表示单个数据点的符号，常用于散点图中区分不同的数据点，形状如圆形、方形、三角形等。
Lines	`Lines` 连接数据点，通常用于折线图、带连接点的散点图等，表示数据点之间的关系或趋势。可自定义样式。
Title	`Title` 是图形的描述性文本，通常显示在顶部，为可视化提供背景信息或数据描述。
Axis Labels	`Axis Labels` 是描述 x 轴和 y 轴的文本，帮助理解数据及其单位或其他相关信息。
Ticks	`Ticks` 是沿坐标轴的刻度标记，帮助用户理解图形的比例和数据位置。
Tick Labels	`Tick Labels` 是刻度上的文本，显示与刻度对应的数据值，可以进行格式化或单位显示。
Legend	`Legend` 是图例，解释图形中的符号或颜色，帮助用户理解不同数据系列或类别的含义。
Grid Lines	`Grid Lines` 是辅助的横纵线，帮助用户更容易识别数据的模式或趋势。
Spines	`Spines` 是围绕绘图区域的边框线，分隔图形区域与外部空间，可以进行自定义以改变边框的外观。

另外，关注 Artist 和 Patch，手册中有个类图

Matplotlib三种API接口（使用层次）

从易到难，Matplotlib 有三个使用层次：

接口层次	作用	特点	适用场景
Scripting Layer	提供简单的绘图接口，适合快速绘制常见图形，类似 MATLAB 风格。	简单、自动管理，快速绘图。	快速原型、常见绘图任务、日常数据可视化。
Artist Layer	提供对图形元素的精细控制，可以自定义图形的所有细节。	高度定制、灵活，直接控制图形对象的外观和行为。	复杂可视化任务、高度定制的绘图。
Backend Layer	控制图形的渲染和输出，决定如何显示或保存图形。	渲染图形到屏幕或文件，支持不同的图形工具包和设备。	图形文件输出、非交互式渲染、与图形工具包交互。

Scripting层/隐式pyplot接口

类似Matlab风格（好吧，因为太贵，我从没用过matlab），叫做octave风格？

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4], [10, 20, 25, 30])
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title("Debao's Simple Plot")
plt.show()

Artist层/显式Axes接口

按部就班，一层层构建

import matplotlib.pyplot as plt

# 创建Figure和Axes对象
fig, ax = plt.subplots()

# 使用Axes对象绘制数据
line, = ax.plot([1, 2, 3, 4], [10, 20, 25, 30])

# 修改线条属性
line.set_linewidth(2)
line.set_color('red')

# 设置坐标轴标签和标题
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.set_title("Debao's Artist Layer Example")

# 显示图形
plt.show()

Backend层

这个是我们最关注的，使用PySide6时，将Figure装进 FigureCanvas（一个QWidget）中，而后和Qt程序对接上了。

import sys
from PySide6.QtWidgets import QApplication, QMainWindow, QVBoxLayout, QWidget
from matplotlib.backends.backend_qtagg import FigureCanvasQTAgg as FigureCanvas
import matplotlib.pyplot as plt

class PlotWindow(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("Debao's Matplotlib with PySide6")

        # 创建Matplotlib图形
        self.figure, self.ax = plt.subplots()

        self.ax.plot([1, 2, 3, 4], [10, 20, 25, 30])
        self.ax.set_xlabel('X Axis')
        self.ax.set_ylabel('Y Axis')
        self.ax.set_title('Simple Plot')

        # 创建画布，并将其添加到窗口
        self.canvas = FigureCanvas(self.figure)
        layout = QVBoxLayout()
        layout.addWidget(self.canvas)

        container = QWidget()
        container.setLayout(layout)
        self.setCentralWidget(container)

if __name__ == "__main__":
    app = QApplication(sys.argv)
    window = PlotWindow()
    window.show()
    sys.exit(app.exec())

Matplotlib 做什么？

数据可视化

Matplotlib 支持多种数据类型的可视化，包括但不限于：

配对数据 (Pairwise Data)：使用散点图、成对关系图等展示数据点间的关系。
统计分布 (Statistical Distributions)：通过直方图、密度图等展示数据的分布特性。
网格数据 (Gridded Data)：使用热图、等高线图等展示规则网格上的数据。
非规则网格数据 (Irregularly Gridded Data)：通过散点图、三角网格图等展示不规则网格数据。
三维和体积数据 (3D and Volumetric Data)：通过 3D 图、体积图等展示空间数据。

手册中有很直观的 Gallery 可以参考。

试着放个简单的例子，一组数据，应该是姿势不对，两种方式结果不同（似乎各有各的不准）：

contour

import numpy as np
import matplotlib.pyplot as plt

X = np.array([[1, 2, 3, 4],
              [1, 1.5, 2.5, 4],
              [1, 1.5, 2.8, 4],
              [1, 2, 3, 4]])
Y = np.array([[4, 4, 4, 4],
              [3, 2.5, 2.5, 3],
              [1, 1.5, 2.3, 2],
              [0, 0, 0, 0]])

Z = np.array([[0, 0, 0, 0],
              [0, 4, 4, 0],
              [0, 4, 4, 0],
              [0, 0, 0, 0]])

plt.figure(figsize=(12, 6))

plt.subplot(1, 2, 1) 
plt.contour(X, Y, Z, 10, cmap='viridis')
plt.scatter(X, Y, color='red', label='Data Points') 
plt.title('Contour Plot')

plt.subplot(1, 2, 2)
plt.tricontour(X.flatten(), Y.flatten(), Z.flatten(), 10, cmap='viridis')
plt.scatter(X.flatten(), Y.flatten(), color='red', label='Data Points')
plt.title('Tricontour Plot')

plt.tight_layout() 
plt.show()

键鼠事件

对于Qt后端，可以处理一些鼠标事件（尽管不强）

https://matplotlib.org/stable/users/explain/figure/event_handling.html

动画支持

还有简单的动画支持

https://matplotlib.org/stable/users/explain/animations/animations.html

参考

https://matplotlib.org/stable/api/backend_qt_api.html
https://matplotlib.org/stable/users/explain/figure/api_interfaces.html
https://doc.qt.io/qtforpython-6/examples/example_external_matplotlib_widget_gaussian.html
https://ajaytech.co/matplotlib/
https://www.geeksforgeeks.org/python-introduction-matplotlib/
https://matplotlib.org/stable/gallery/images_contours_and_fields/irregulardatagrid.html

1+1=10

记记笔记，放松一下...