Python图表库Matplotlib 组成部分介绍

本文最后更新于：2023年4月15日 下午

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

Matplotlib提供了很多api，开发者可根据需求定制图表的样式。
前面我们设置了标题和x/y轴的名称，本文介绍更多设置其他部分的方法。

绘图

先绘制一个事例图。然后以此为基础进行定制。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def demo2():
    x_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('rustfisher.com mapplotlib example')
    ax.set_xlabel('x')
    ax.set_ylabel('y = sin(x)')
    ax.grid()
    plt.plot(x_list, y_list)
    plt.show()


if __name__ == '__main__':
    print('rustfisher 图表讲解')
    demo2()

运行得到

红色框框里的是figure；绿色框框里的叫做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

一张张的图，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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def demo_subplot():
    x_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('rustfisher.com 1')
    ax2.set_title('rustfisher.com 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。

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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
def demo3():
    x_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('rustfisher.com 1')
    ax1.set_xlabel('x')
    ax1.set_ylabel('y = sin(x)')
    ax2.set_title('rustfisher.com 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

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。

关键代码如下

1
2
3
4
5
6
7
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

1
2
plt.setp(ax1.xaxis.get_majorticklabels(), rotation=-45)
plt.setp(ax2.xaxis.get_majorticklabels(), rotation=-60)

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

1
2
ax1.spines.right.set_visible(False)
ax1.spines.top.set_visible(False)

让刻度显示在右边和上方

1
2
ax2.yaxis.set_ticks_position('right')
ax2.xaxis.set_ticks_position('top')

设置边线显示范围

1
2
ax3.spines.left.set_bounds(-0.5, 0.5)
ax3.spines.top.set_bounds(340, 400)

设置线的宽度

1
ax3.spines.bottom.set_linewidth(2)

完整代码如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
import math
import matplotlib.pyplot as plt

def demo_spine():
    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('rustfisher.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。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def demo_line():
    x_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

1
2
3
4
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'])

控制注释显示的地方，添加bbox_to_anchor和bbox_transform属性

1
2
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)

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。

1
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。

参考

本例环境

  • macOS
  • PyCharm CE
  • Python3

参考资料

Python
#Python #Matplotlib #plt
Python图表库Matplotlib 组成部分介绍
https://blog.rustfisher.com/2021/07/20/Python/operation/matplotlib-intro-parts/
作者
Rust Fisher
发布于
2021年7月20日
许可协议