保存交互式 Matplotlib 图形

Question

有没有办法保存 Matplotlib 图形，以便可以重新打开并恢复典型的交互？ （像 MATLAB 中的 .fig 格式？）

我发现自己多次运行相同的脚本来生成这些交互式图形。或者我正在向我的同事发送多个静态 PNG 文件来显示情节的不同方面。我宁愿发送图形对象并让他们自己与之交互。

Answer 1

我刚刚发现了如何做到这一点。 @pelson 提到的“实验性泡菜支持”效果很好。

试试这个：

# Plot something
import matplotlib.pyplot as plt
fig,ax = plt.subplots()
ax.plot([1,2,3],[10,-10,30])

交互式调整后，将图形对象保存为二进制文件：

import pickle
pickle.dump(fig, open('FigureObject.fig.pickle', 'wb')) # This is for Python 3 - py2 may need `file` instead of `open`

稍后，打开图，应该保存调整并且应该存在 GUI 交互性：

import pickle
figx = pickle.load(open('FigureObject.fig.pickle', 'rb'))

figx.show() # Show the figure, edit it, etc.!

您甚至可以从图中提取数据：

data = figx.axes[0].lines[0].get_data()

（适用于线条、pcolor 和 imshow - pcolormesh works with some tricks to reconstruct the flattened data。）

我从 Saving Matplotlib Figures Using Pickle 那里得到了很好的提示。

Answer 2

从 Matplotlib 1.2 开始，我们现在有实验性的 pickle 支持。试一试，看看它是否适合您的情况。如果您有任何问题，请通过 Matplotlib mailing list 或通过在 github.com/matplotlib/matplotlib 上打开问题告诉我们。

Answer 3

这将是一个很棒的功能，但 AFAIK 它没有在 Matplotlib 中实现，并且由于数字的存储方式，您自己可能难以实现。

我建议 (a) 将数据与生成图形分开处理（以唯一名称保存数据）并编写图形生成脚本（加载已保存数据的指定文件）并根据需要进行编辑或 (b) 保存为 PDF/SVG/PostScript 格式并在一些花哨的图形编辑器中进行编辑，例如 Adobe Illustrator（或 Inkscape）。

2012 年秋季后编辑：正如其他人在下面指出的那样（尽管在这里提到这是公认的答案），自 1.2 版以来的 Matplotlib 允许您腌制数字。作为release notes state，它是一项实验性功能，不支持在一个matplotlib 版本中保存图形并在另一个版本中打开。从不受信任的来源恢复泡菜通常也是不安全的。

对于共享/稍后编辑绘图（需要首先进行大量数据处理，并且可能需要在几个月后进行调整，例如在科学出版物的同行评审期间），我仍然建议 (1) 的工作流程具有之前的数据处理脚本生成绘图会将处理后的数据（进入绘图）保存到文件中，并且 (2) 有一个单独的绘图生成脚本（您可以根据需要进行调整）来重新创建绘图。这样，对于每个绘图，您都可以快速运行脚本并重新生成它（并使用新数据快速复制绘图设置）。也就是说，腌制图形可能便于进行短期/交互式/探索性数据分析。

Answer 4

为什么不直接发送 Python 脚本？ MATLAB 的 .fig 文件要求接收方拥有 MATLAB 才能显示它们，因此这大约相当于发送需要 Matplotlib 显示的 Python 脚本。

或者（免责声明：我还没有尝试过），你可以尝试腌制这个数字：

import pickle
output = open('interactive figure.pickle', 'wb')
pickle.dump(gcf(), output)
output.close()

Answer 5

好问题。这是来自pylab.save的文档文本：

pylab 不再提供保存功能，虽然旧的 pylab 函数仍然可以作为 matplotlib.mlab.save 使用（你仍然可以 在 pylab 中将其称为“mlab.save”）。但是，对于纯文本 文件，我们推荐 numpy.savetxt。为了保存 numpy 数组， 我们推荐 numpy.save 和它的模拟 numpy.load，它们是 在 pylab 中可用作 np.save 和 np.load。

Answer 6

我想出了一种相对简单的方法（但有点不合常规）来保存我的 matplotlib 数据。它的工作原理是这样的：

import libscript

import matplotlib.pyplot as plt
import numpy as np

t = np.arange(0.0, 2.0, 0.01)
s = 1 + np.sin(2*np.pi*t)

#<plot>
plt.plot(t, s)
plt.xlabel('time (s)')
plt.ylabel('voltage (mV)')
plt.title('About as simple as it gets, folks')
plt.grid(True)
plt.show()
#</plot>

save_plot(fileName='plot_01.py',obj=sys.argv[0],sel='plot',ctx=libscript.get_ctx(ctx_global=globals(),ctx_local=locals()))

函数save_plot是这样定义的（理解逻辑的简单版本）：

def save_plot(fileName='',obj=None,sel='',ctx={}):
    """
    Save of matplolib plot to a stand alone python script containing all the data and configuration instructions to regenerate the interactive matplotlib figure.

    Parameters
    ----------
    fileName : [string] Path of the python script file to be created.
    obj : [object] Function or python object containing the lines of code to create and configure the plot to be saved.
    sel : [string] Name of the tag enclosing the lines of code to create and configure the plot to be saved.
    ctx : [dict] Dictionary containing the execution context. Values for variables not defined in the lines of code for the plot will be fetched from the context.

    Returns
    -------
    Return ``'done'`` once the plot has been saved to a python script file. This file contains all the input data and configuration to re-create the original interactive matplotlib figure.
    """
    import os
    import libscript

    N_indent=4

    src=libscript.get_src(obj=obj,sel=sel)
    src=libscript.prepend_ctx(src=src,ctx=ctx,debug=False)
    src='\n'.join([' '*N_indent+line for line in src.split('\n')])

    if(os.path.isfile(fileName)): os.remove(fileName)
    with open(fileName,'w') as f:
        f.write('import sys\n')
        f.write('sys.dont_write_bytecode=True\n')
        f.write('def main():\n')
        f.write(src+'\n')

        f.write('if(__name__=="__main__"):\n')
        f.write(' '*N_indent+'main()\n')

return 'done'

或像这样定义函数save_plot（更好的版本使用zip压缩来生成更轻的图形文件）：

def save_plot(fileName='',obj=None,sel='',ctx={}):

    import os
    import json
    import zlib
    import base64
    import libscript

    N_indent=4
    level=9#0 to 9, default: 6
    src=libscript.get_src(obj=obj,sel=sel)
    obj=libscript.load_obj(src=src,ctx=ctx,debug=False)
    bin=base64.b64encode(zlib.compress(json.dumps(obj),level))

    if(os.path.isfile(fileName)): os.remove(fileName)
    with open(fileName,'w') as f:
        f.write('import sys\n')
        f.write('sys.dont_write_bytecode=True\n')
        f.write('def main():\n')
        f.write(' '*N_indent+'import base64\n')
        f.write(' '*N_indent+'import zlib\n')
        f.write(' '*N_indent+'import json\n')
        f.write(' '*N_indent+'import libscript\n')
        f.write(' '*N_indent+'bin="'+str(bin)+'"\n')
        f.write(' '*N_indent+'obj=json.loads(zlib.decompress(base64.b64decode(bin)))\n')
        f.write(' '*N_indent+'libscript.exec_obj(obj=obj,tempfile=False)\n')

        f.write('if(__name__=="__main__"):\n')
        f.write(' '*N_indent+'main()\n')

return 'done'

这使用了我自己的模块libscript，它主要依赖于模块inspect 和ast。如果有兴趣，我可以尝试在 Github 上分享它（首先需要进行一些清理，然后我才能开始使用 Github）。

这个save_plot函数和libscript模块背后的想法是获取创建图形的python指令（使用模块inspect），分析它们（使用模块ast）以提取所有变量、函数和导入它所依赖的模块，从执行上下文中提取这些并将它们序列化为 python 指令（变量代码将类似于t=[0.0,2.0,0.01] ...，模块代码将类似于import matplotlib.pyplot as plt ...）附加到图形指令.生成的 python 指令保存为 python 脚本，其执行将重新构建原始 matplotlib 图。

您可以想象，这适用于大多数（如果不是全部）matplotlib 图。

Answer 7

如果您希望将 python 绘图保存为交互式图形以修改并与其他人共享，例如 MATLAB .fig 文件，那么您可以尝试使用以下代码。这里z_data.values 只是一个 numpy ndarray，因此您可以使用相同的代码来绘制和保存您自己的数据。那就不用熊猫了。

这里生成的文件可以被任何有或没有 python 的人打开和交互式修改，只需点击它并在 Chrome/Firefox/Edge 等浏览器中打开。

import plotly.graph_objects as go
import pandas as pd

z_data=pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/api_docs/mt_bruno_elevation.csv')

fig = go.Figure(data=[go.Surface(z=z_data.values)])

fig.update_layout(title='Mt Bruno Elevation', autosize=False,
                  width=500, height=500,
                  margin=dict(l=65, r=50, b=65, t=90))

fig.show()
fig.write_html("testfile.html")