来自：
https://www.cnblogs.com/rustfisher/p/15042912.html
Python图表库Matplotlib 组成部分介绍
图表有很多个组成部分，例如标题、x/y轴名称、大刻度小刻度、线条、数据点、注释说明等等。
我们来看官方给的图，图中标出了各个部分的英文名称（下图所示）：
Matplotlib提供了很多api，开发者可根据需求定制图表的样式。
绘图
先绘制一个示例图。然后以此为基础进行定制。
import matplotlib.pyplot as plt import numpy as np import mathx_list = [] y_list = [] for i in range(0, 365):x_list.append(i)y_list.append(math.sin(i * 0.1)) ax = plt.gca() ax.set_title('matplotlib example') ax.set_xlabel('x') ax.set_ylabel('y = sin(x)') ax.grid() plt.plot(x_list, y_list) plt.show()
运行得到
红色框里的是 figure；绿色框里的叫做 ax。
代码中 ax = plt.gca() 获取到的就是绿色框框里的部分（对象）。
Figure 大图
Figure代表整张图，暂时称为“全图”或者“大图”。一张图里可以有多个子图表。最少必须要有一个图表。像上面那样。
Axes 数据图
图里显示着数据，暂称为“数据图”。一个大图里可以有多个数据图。但单个数据图对象只能在1个大图里。
多张数据图 subplots
例如同时存在2个数据图
.png)
import matplotlib.pyplot as plt import numpy as np import mathx_list = [] y_list = [] y2_list = [] for i in range(0, 365):x_list.append(i)y_list.append(math.sin(i * 0.1))y2_list.append(math.cos(i * 0.1)) fig, (ax1, ax2) = plt.subplots(2) ax1.set_title('matplotlib-demo 1') ax2.set_title('matplotlib-demo 2') ax1.set_xlabel('x') ax1.set_ylabel('y = sin(x)') ax2.set_xlabel('x') ax2.set_ylabel('y = cos(x)') ax1.plot(x_list, y_list) ax2.plot(x_list, y2_list) plt.show()
调用subplots()接口，传入数字指定要多少张数据图。
返回的多张图要用括号括起来。每个数据图可以绘制(plot)不同的数据。
标题用set_title()来设置。
可以看到上下两张图太挤了，有重叠部分。可以在plt.show()之前加一个 fig.tight_layout() 让它们拉开一点距离。
.png)
坐标轴
对于2维数据图，它有2个坐标，横坐标和纵坐标。有一些接口可以设置参数。
例如控制坐标轴的名字 set_xlabel() set_ylabel；
显示数据范围
set_xlim 方法可以控制x轴数据显示范围。同理y轴用set_ylim来控制。
对于显示范围，set_xlim 方法主要参数为left和right；或者用 xmin xmax。这两套不能同时使用。
set_ylim 主要参数是 top bottom；或者 ymin ymax。这两套不能同时使用。
增加显示范围控制的代码
import matplotlib.pyplot as plt import numpy as np import mathx_list = [] y_list = [] y2_list = [] for i in range(0, 365):x_list.append(i)y_list.append(math.sin(i * 0.1))y2_list.append(math.cos(i * 0.1)) fig, (ax1, ax2) = plt.subplots(2) ax1.set_title('matplotlib-demo 1') ax1.set_xlabel('x') ax1.set_ylabel('y = sin(x)') ax2.set_title('matplotlib-demo 2') ax2.set_xlabel('x') ax2.set_ylabel('y = cos(x)')ax1.set_xlim(left=50, right=200.6) # 控制x轴显示范围 ax1.set_ylim(top=1, bottom=0.3) # 控制y轴显示范围 ax2.set_xlim(xmin=1, xmax=156.6) # 控制x轴显示范围 ax2.set_ylim(ymin=-0.3, ymax=0.3) # 控制y轴显示范围 ax1.plot(x_list, y_list) ax2.plot(x_list, y2_list) fig.tight_layout() plt.show()
运行结果
.png)
刻度
tick意思是标记。在坐标轴上的是刻度。Major tick暂称为大刻度，minor tick暂称为小刻度。
使用set_xticks方法控制刻度显示。传入的列表是我们希望显示的刻度。
minor参数默认为False，不显示小刻度。
import matplotlib.pyplot as plt import numpy as np import mathx_list = [] y_list = [] y2_list = [] for i in range(0, 365):x_list.append(i)y_list.append(math.sin(i * 0.1))y2_list.append(math.cos(i * 0.1)) fig, (ax1, ax2) = plt.subplots(2) ax1.set_title('matplotlib-demo 1') ax1.set_xlabel('x') ax1.set_ylabel('y = sin(x)') ax2.set_title('matplotlib-demo 2') ax2.set_xlabel('x') ax2.set_ylabel('y = cos(x)')ax1.set_xlim(left=50, right=200.6) # 控制x轴显示范围 ax1.set_ylim(top=1, bottom=0.3) # 控制y轴显示范围 ax2.set_xlim(xmin=1, xmax=156.6) # 控制x轴显示范围 ax2.set_ylim(ymin=-0.3, ymax=0.3) # 控制y轴显示范围 ax1.set_xticks([50, 60, 70, 150]) ax1.set_yticks([0.1, 0.2, 0.3, 0.7, 0.9]) ax1.grid() # 显示格子 ax2.set_xticks([1, 60, 70, 150], minor=True) ax2.set_yticks([-0.1, 0, 0.1, 0.3], minor=True) ax2.grid()ax1.plot(x_list, y_list) ax2.plot(x_list, y2_list) fig.tight_layout() plt.show()
关键代码如下
ax1.set_xticks([50, 60, 70, 150]) ax1.set_yticks([0.1, 0.2, 0.3, 0.7, 0.9]) ax1.grid() # 显示格子 ax2.set_xticks([1, 60, 70, 150], minor=True) ax2.set_yticks([-0.1, 0, 0.1, 0.3], minor=True) ax2.grid()
可见当minor=True，传入的刻度列表有可能不显示。
也可以控制大刻度上的文字旋转
plt.setp(ax1.xaxis.get_majorticklabels(), rotation=-45)plt.setp(ax2.xaxis.get_majorticklabels(), rotation=-60)
import matplotlib.pyplot as plt import numpy as np import mathx_list = [] y_list = [] y2_list = [] for i in range(0, 365):x_list.append(i)y_list.append(math.sin(i * 0.1))y2_list.append(math.cos(i * 0.1)) fig, (ax1, ax2) = plt.subplots(2) ax1.set_title('matplotlib-demo 1') ax1.set_xlabel('x') ax1.set_ylabel('y = sin(x)') ax2.set_title('matplotlib-demo 2') ax2.set_xlabel('x') ax2.set_ylabel('y = cos(x)')ax1.set_xlim(left=50, right=200.6) # 控制x轴显示范围 ax1.set_ylim(top=1, bottom=0.3) # 控制y轴显示范围 ax2.set_xlim(xmin=1, xmax=156.6) # 控制x轴显示范围 ax2.set_ylim(ymin=-0.3, ymax=0.3) # 控制y轴显示范围 ax1.set_xticks([50, 60, 70, 150]) ax1.set_yticks([0.1, 0.2, 0.3, 0.7, 0.9]) ax1.grid() # 显示格子 ax2.set_xticks([1, 60, 70, 150], minor=True) ax2.set_yticks([-0.1, 0, 0.1, 0.3], minor=True) ax2.grid()plt.setp(ax1.xaxis.get_majorticklabels(), rotation=-45) plt.setp(ax2.xaxis.get_majorticklabels(), rotation=-60)ax1.plot(x_list, y_list) ax2.plot(x_list, y2_list) fig.tight_layout() plt.show()
边线 spine
spine 是脊柱的意思，这里我们先称为边线。有上下左右4条边线。名称是 top bottom left right
可以直接从图表对象获取它的边线，比如右边线 ax1.spines.right。
一些简单的操作，例如
set_visible显示和隐藏set_ticks_position刻度显示的位置set_bounds边线显示范围set_linewidth线的宽度
隐藏右边线和上边线
ax1.spines.right.set_visible(False)
ax1.spines.top.set_visible(False)
让刻度显示在右边和上方
ax2.yaxis.set_ticks_position('right')
ax2.xaxis.set_ticks_position('top')
设置边线显示范围
ax3.spines.left.set_bounds(-0.5, 0.5)
ax3.spines.top.set_bounds(340, 400)
设置线的宽度
ax3.spines.bottom.set_linewidth(2)
完整代码如下
import matplotlib.pyplot as plt import numpy as np import math x_list = [] y_list = [] for i in range(0, 365):x_list.append(i)y_list.append(math.sin(i * 0.1))fig, (ax1, ax2, ax3) = plt.subplots(3) ax_list = [ax1, ax2, ax3] for i in range(0, 3):cur_ax = ax_list[i]cur_ax.set_title('matplotlib-demo.com ' + str(i))cur_ax.plot(x_list, y_list)cur_ax.set_xlabel('x')cur_ax.set_ylabel('y = sin(x)')ax1.spines.right.set_visible(False) ax1.spines.top.set_visible(False)ax2.spines.bottom.set_visible(False) ax2.spines.left.set_visible(False) ax2.yaxis.set_ticks_position('right') ax2.xaxis.set_ticks_position('top')ax3.spines.left.set_bounds(-0.5, 0.5) ax3.spines.top.set_bounds(340, 400) ax3.spines.bottom.set_linewidth(2)fig.tight_layout() plt.show()
运行截图
数据点
控制数据点的样式。下面我们在一张图表里绘制多条数据线。
import matplotlib.pyplot as plt import numpy as np import mathx_list = [] y_list = [] y2_list = [] y3_list = [] for i in range(0, 20):x_list.append(i)y_list.append(math.sin(i) * 2 - 4)y2_list.append(math.sin(i) * 2)y3_list.append(math.cos(i) * 1.3 + 3)plt.plot(x_list, y_list, color='blue', linestyle='-.', linewidth=2, markersize=4) plt.plot(x_list, y2_list, 'go', linewidth=1) plt.plot(x_list, y3_list, 'r+') plt.show()
plot()方法中，支持多种选项。
linestyle支持的选项
'-', '--', '-.', ':', 'None', ' ', '', 'solid', 'dashed', 'dashdot', 'dotted'
注释 legend
添加注释，调用lengend()方法。
在前面代码基础上添加
plt.plot(x_list, y_list, color='blue', linestyle='-.', linewidth=2, markersize=4)plt.plot(x_list, y2_list, 'go', linewidth=1)plt.plot(x_list, y3_list, 'r+')plt.legend(['math.sin(i) * 2 - 4', 'math.sin(i) * 2', 'math.cos(i) * 1.3 + 3'])
import matplotlib.pyplot as plt import numpy as np import mathx_list = [] y_list = [] y2_list = [] y3_list = [] for i in range(0, 20):x_list.append(i)y_list.append(math.sin(i) * 2 - 4)y2_list.append(math.sin(i) * 2)y3_list.append(math.cos(i) * 1.3 + 3)plt.plot(x_list, y_list, color='blue', linestyle='-.', linewidth=2, markersize=4) plt.plot(x_list, y2_list, 'go', linewidth=1) plt.plot(x_list, y3_list, 'r+') plt.legend(['math.sin(i) * 2 - 4', 'math.sin(i) * 2', 'math.cos(i) * 1.3 + 3']) plt.show()
控制注释显示的地方，添加bbox_to_anchor和bbox_transform属性
plt.legend(['math.sin(i) * 2 - 4', 'math.sin(i) * 2', 'math.cos(i) * 1.3 + 3'], bbox_to_anchor=(1, 1),bbox_transform=plt.gcf().transFigure)
import matplotlib.pyplot as plt import numpy as np import mathx_list = [] y_list = [] y2_list = [] y3_list = [] for i in range(0, 20):x_list.append(i)y_list.append(math.sin(i) * 2 - 4)y2_list.append(math.sin(i) * 2)y3_list.append(math.cos(i) * 1.3 + 3)plt.plot(x_list, y_list, color='blue', linestyle='-.', linewidth=2, markersize=4) plt.plot(x_list, y2_list, 'go', linewidth=1) plt.plot(x_list, y3_list, 'r+') plt.legend(['math.sin(i) * 2 - 4', 'math.sin(i) * 2', 'math.cos(i) * 1.3 + 3'], bbox_to_anchor=(1, 1), bbox_transform=plt.gcf().transFigure) plt.show()
中文乱码问题
在设置标题用到中文的时候，可能会出现乱码。
可以设置rcParams的字体，解决乱码问题。
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
至此，我们把图表中各个部分都简要介绍了一下。