文章目录个性签名:整个建筑最重要的是地基,地基不稳,地动山摇。而学技术更要扎稳基础,关注我,带你稳扎每一板块邻域的基础。
博客主页:廿三里的博客
收录专栏:Python三剑客之江湖云
南来的北往的,走过路过千万别错过,错过本篇,“精彩”可能与您失之交臂yo
Triple attack(三连击):Comment,Like and Collect—>Attention
- 写在前面
- 画图前夕三部曲
- 画布
- 修改中文字体
- 负号显示问题
- 造型师——样式参数
- 颜色
- 线性
- 标记
- 标记地块——基本元素
- 轴标签和文本
- 添加图表标题
- 添加坐标轴标题
- 添加数据标签——text
- 注释——添加文本annotate
- 传说——图例legend
- 添加网格线——grid
- 画布留白——tight_layout()
- 轴刻度和刻度
- 坐标范围及轴刻度
- 调整刻度及边框位置
- 设置图像边框颜色
- 放在最后
- 通过plt.figure来创建一张画布——plt.figure(figsize(a,b), facecolor=‘r’)
- Matplotlib中遇到中文显示方块的问题
- 通过 plt.rcParams[‘font.sans-serif’] = ‘Microsoft YaHei’ 解决
- 还可以设置的中文字体有SimSun(宋体),SimHei(黑体),Kaiti(楷体)等
- 通过 plt.rcParams[‘axes.unicode_minus’] = False 解决
大多数绘图方法都有样式选项,可以访问当前调用绘图方法,或从Artist 上的“setter”调用。 在里面图中,我们手动设置了 颜色 、线宽和线型的plot,我们设置第二行的线型可调用 set_linestyle。
import numpy as np
import matplotlib.pyplot as plt
# 加载字体
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
# 显示负号
plt.rcParams['axes.unicode_minus'] = False
data1, data2, data3, data4 = np.random.randn(4, 150) # 创建4个随机数据集
fig, ax = plt.subplots(figsize=(10, 6))
x = np.arange(len(data1))
ax.plot(x, np.cumsum(data1), color='g', linewidth=4, linestyle='--')
l, = ax.plot(x, np.cumsum(data2), color='b', linewidth=3) # 此处调用了set_linestyle
l.set_linestyle(':')
plt.show()
输出图形:
Matplotlib 有一个非常灵活的颜色数组,会采用多种颜色。 即对于一种 scatter绘图,标记的边缘与内部可以是不同的颜色:
- color——指定颜色
- alpha(0-1)——透明度
- colormap——颜色板
data1, data2, data3, data4 = np.random.randn(4, 150) # 创建4个随机数据集 x = np.arange(len(data1)) fig, ax = plt.subplots(figsize=(10, 6)) ax.scatter(data1, data2, s=50, facecolor='b', edgecolor='r') # 标记的边缘颜色为红色,内部颜色为蓝色 plt.show()
输出图形:
- linewidth——线宽,可简写为:’lw‘,设定线条的粗细
- linestyle——线型
-
marker——标记
-
markerwidth——标记大小
-
未填充标记
-
填充标记
fig, ax = plt.subplots(figsize=(10, 6)) ax.plot(data1, 'o', label='data1') ax.plot(data2, 'd', label='data2') ax.plot(data3, 'v', label='data3') ax.plot(data4, 's', label='data4') ax.legend() plt.show()
输出图形:
- style参数,可以包含linestyle,marker,color
import pandas as pd
import numpy as np
# style参数,可以包含linestyle,marker,color
ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000))
ts.plot(style='--g.')
# style → 风格字符串,这里包括了linestyle(-),marker(.),color(g)
plt.show()
输出图形:
- set_xlabel, set_ylabel,和 set_title用于在指定位置添加文本
- 文本也可以直接使用 text 添加到绘图中
- 通过plt.title可以在Matplotlib设置标题
- 字体样式可以通过fontdict进行设置
- fontsize——设置标题大小
- 通过loc参数可以设置标题显示位置,支持的参数有:
- center(居中)
- left(靠左)
- right(靠右)
- 添加坐标轴标题
- 通过plt.xlabel和plt.ylabel可以分别添加x轴和y轴的标题
- 同样可以通过fontdict进行字体样式的配置
- fontsize——设置标题大小
- labelpad可以设置坐标轴与标题之间的距离
可以通过plt.text对图表添加文本,但是一次只能添加一个点,所以如果要给每个数据项都添加标签的话,我们需要通过for循环来进行
- plt.text 有三个重要的参数:
- x、y 、s,通过x和y确定显示位置,s为需要显示的文本
- 另外还有va和ha两个参数设置文本的显示位置(靠左、靠右、居中等)
- 空格需要用到——转字符
- fontdict——设置文本字的大小和颜色,需要用 dict 形式传入
mu, sigma = 120, 20
x = mu + sigma * np.random.randn(1000)
fig, ax = plt.subplots(figsize=(10, 6))
# 数据的柱状图
n, bins, patches = ax.hist(x, 50, density=1, facecolor='C0', alpha=0.75)
ax.set_xlabel('Length [cm]') # x轴标签
ax.set_ylabel('Probability') # y轴标签
ax.set_title('Aardvark lengthsn (not really)') # 标题
# 在这里 r 在标题字符串之前表示该字符串是 原始 字符串,而不是将反斜杠视为 python 转义
ax.text(75, .025, r'$mu=120, sigma=20$') # 添加文本——这里是在文本中使用数学表达式
ax.axis([55, 175, 0, 0.03])
ax.grid(True) # 添加网格
plt.show()
输出图形:
还可以在图上标注点,通常通过连接箭头由 xytext 指向 xy
-
annotate() 基本使用
- text——是注释的文本
- xy——是需要注释的点的坐标
- xytext——是注释文本的坐标(标注位置)
- arrowprops——是对图中箭头类型和箭头弧度的设置,需要用 dict 形式传入
- xycoords=‘data’——基于数据的值来选位置
- textcoords=‘offset points’——xy偏差值
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)
fig, ax = plt.subplots(figsize=(10, 6))
line, = ax.plot(t, s, linewidth=2)
ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
arrowprops=dict(facecolor='black', shrink=0.05))
ax.set_ylim(-2, 2)
plt.show()
输出图形:
通过plt.legend可以给图表添加图例,图例通常用来说明图表中数据每个系列的数据的
- legend——显示图例
- fontsize——设置字体大小
- 通过设置 handles 参数来选择图例中显示的内容
- loc——表示位置
- ‘best’ : 0 (自适应方式)
- ‘upper right’ : 1
- ‘upper left’ : 2
- ‘lower left’ : 3
- ‘lower right’ : 4
- ‘right’ : 5
- ‘center left’ : 6
- ‘center right’ : 7
- ‘lower center’ : 8
- ‘upper center’ : 9
- ‘center’ : 10
data1, data2, data3 = np.random.randn(3, 150) # 创建3个随机数据集 x = np.arange(len(data1)) fig, ax = plt.subplots(figsize=(10, 6)) ax.plot(np.arange(len(data1)), data1, label='data1') ax.plot(np.arange(len(data2)), data2, label='data2') ax.plot(np.arange(len(data3)), data3, 'd', label='data3') ax.legend(loc='best') # 添加图例 plt.show()
输出图形:
-
通过可以添加网格线可以方便用户容易看出数据项的大致值,通过上述展示所有数据标签时,可能会让整个图表比较杂乱,我们可以选择使用网格线来展示数据项大致数据值
-
参数b为True时展示网格线
-
axis支持x、y、both三个值,分别表示
- x——纵向网格线
- y——横向网格线
- both——纵向横向
-
其余线型配置与配置折线风格的参数类似,如:线型、线宽、颜色
由于图表与 Figure 的留白不足,造成无法完整显示图例。Matplotlib 模块内有 tight_layout() 函数,可利用设定 pad 参数在图表与Figure 间设定留白(也可不用设定 pad 参数)
- plt.tight_layout()——紧缩四周空白,扩大绘图区域可用面积
- h_pad /v_pad 可以分别设定高度 / 宽度的留白
- tick params()——设定坐标轴:
- 刻度大小(labelsize)
- (刻度线条)颜色(color)
- 应用范围(axis)
- tick_params(axis=‘xx’,labelsize=b,color=‘r’)
- labelsize的b代表刻度大小
- 如果 axis的xx是 both代表应用到x和y轴,如果xx是x代表应用到x轴,如果xx是y代表应用到y轴。
- color则是设定刻度的线条颜色,例如,red 代表红色
x = np.linspace(-3, 3, 50) y1 = 2 * x + 1 y2 = x ** 2 plt.figure(num=3, figsize=(8, 5)) plt.plot(x, y2) plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--') plt.tick_params(axis='both', labelsize=18, color='red') plt.show()
输出图形:
-
有时候,我们的坐标轴刻度可能并不是一连串的数字,而是一些文字,或者我们想要调整坐标轴的刻度的稀疏
-
这时,就需要使用plt.xticks()或者plt.yticks()来进行调整:首先,使用np.linspace定义新刻度范围以及个数:范围是(-1,2);个数是5。
- plt.axis——同时设置x,y轴坐标范围
- plt.xlim——设置x坐标轴范围:(-1, 2)
- plt.ylim——设置y坐标轴范围:(-2, 3)
- plt.xticks——设置x轴刻度以及名称:范围是(-1,2);个数是5。
- plt.yticks——设置y轴刻度以及名称:刻度为[-2, -1.8, -1, 1.22, 3];对应刻度的名称为[‘really bad’,’bad’,’normal’,’good’, ‘really good’]。
x = np.linspace(-3, 3, 50) y1 = 2 * x + 1 y2 = x ** 2 plt.figure(num=3, figsize=(8, 5)) plt.plot(x, y2) plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--') plt.axis([-1, 2, -2, 3]) # 使用 axis()设定x,y轴的最小和最大刻度 plt.xlim((-1, 2)) # x轴坐标范围 plt.ylim((-2, 3)) # y轴坐标范围 new_ticks = np.linspace(-1, 2, 5) plt.xticks(new_ticks) # x轴刻度(此处亦可以设名称如条形图) plt.yticks([-2, -1.8, -1, 1.22, 3], [r'$really bad$', r'$bad$', r'$normal$', r'$good$', r'$really good$']) # y轴刻度及名称 plt.show()
输出图形:
- 使用.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置:
- bottom.(所有位置:top,bottom,both,default,none)
- 使用.spines设置边框:x轴;使用.set_position设置边框位置:y=0的位置;(位置所有属性:outward,axes,data)
代码如下:
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
示例图:
- 使用.yaxis.set_ticks_position设置y坐标刻度数字或名称的位置:
- left.(所有位置:left,right,both,default,none)
- 使用.spines设置边框:y轴;使用.set_position设置边框位置:x=0的位置;(位置所有属性:outward,axes,data)
代码如下:
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
示例图:
细心的小伙伴可能会注意到,我们的图像坐标轴总是由上下左右四条线组成,我们也可以对它们进行修改:
- plt.gca()——获取当前坐标轴信息
- 使用.spines——设置边框:右侧边框
- 使用.set_color——设置边框颜色:默认白色
- 使用.spines设置边框:上边框
- 使用.set_color设置边框颜色:默认白色
代码如下:
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
放在最后
看完了知识点,也该轮到你过过“造型师”的瘾子了哟。有兴趣的小伙伴们可以结合上述所学的内容,自己动手操作一遍哦,这样才能牢牢记住!
一:
画出直线 y = x-1, 线型为虚线,线宽为1,纵坐标范围(-2,1),横坐标范围(-1,2),横纵坐标在(0,0)坐标点相交。横坐标的 [-1,-0.5,1] 分别对应 [bad, normal, good]
- 结果图:
二:
x = [‘1月’, ‘2月’, ‘3月’, ‘4月’, ‘5月’, ‘6月’, ‘7月’, ‘8月’, ‘9月’, ‘10月’, ‘11月’, ‘12月’]
y = [123, 145, 152, 182, 147, 138, 189, 201, 203, 211, 201, 182]
要求:
1.线型和标记点如图所示,可以参考本章内容找到相应的代码
2.颜色设置为rgba(255, 0, 0, 0.5)
3.线宽为2,标记尺寸为15
- 结果图:



