目录

matplotlib绘图的完善及美化

--0、导入基本库--

--1、完善标题--

--2、完善标签(图例标签设置)--

--3、轴标签说明设置--

--4、设置x与y轴的刻度范围--

--5、自定义每个刻度的显示标签--

--6、设置坐标轴的刻度间隔--

--7、网格设置--

--8、颜色，线型，点标记，透明度设置--

--9、添加注解--

--10、给图形上的坐标点添加注释--

--11、其他优化--

--12、图形样式的选择--

--13、绘制面板图、仪表板--

--14、案例--

matplotlib的绘图原理及流程详解，参考公众号上一文：matplotlib的绘图原理及流程详解

在每个axes绘图后都应该添加一个title,使每个axes都有一个标题

默认添加一个title

plt.title("TitleName")

当然可以通过局部设置美化我们的标题

参数说明：

family=['SimHei','STSong','STXihei','NSimSun','STXihei',...]#字体

styles=['normal','italic','oblique']#字体的风格["常规(默认)","斜体字","倾斜自"]

weights=['light','normal','medium','semibold','bold','heavy','black']#字体粗细

color=["white","black","red","blue","yellow","green",...]#字体颜色

size=[10,12,14,15,16,18,22,24,....]#字体大小

案例：

font={"family":"SimHei","style":"normal","weight":"normal","color":"green","size":16}

plt.title("TitleName",fontdict=font)#显示一个中文标题

在做图的时候，尤其是一个axes中有多个图形对象的时候，必须加上标签，才能区分每个图形表示的是什么。

方法1：在绘图的时候就加上标签，label="标签名称"plt.legend(loc="best")调用生成标签

方法2：绘制完图片后，再使用plt.legend()生成标签

参数说明：

["标签名2","标签名3","标签名3",...]#一个axes中有几个表示不用意义的图就有几个标签名

loc=["best","upper","down","left","right","upperleft","upperright","downleft"...]

#loc控制图例的显示位置，默认为best，即选择一个最好的位置。

frameon=[False,True]#是否显示边框

title="标签组的大标题"#给整个标签组起一个名

ncol=n#n是数字，表示标签组显示成多少个列

案例：

plt.xlabel()设置x轴的标签说明。

plt.ylabel()设置y轴的标签说明。

每个axes对象都应该设置轴标签。

当然也可以通过局部设置美化我们的轴标签

案例：

plt.xlim(xmin, xmax)

plt.ylim(ymin, ymax)

plt.xlim([0,12])

plt.xlim(0,12)

plt.xticks([原刻度标签列表],[新的刻度标签列表])

from matplotlib.pyplot import MultipleLocator

#从pyplot导入MultipleLocator类，这个类用于设置刻度间隔

x_major_locator=MultipleLocator(1)

#把x轴的刻度间隔设置为1，并存在变量里

y_major_locator=MultipleLocator(20)

#把y轴的刻度间隔设置为10，并存在变量里

ax=plt.gca()

#ax为两条坐标轴的实例

ax.xaxis.set_major_locator(x_major_locator)

#把x轴的主刻度设置为1的倍数

ax.yaxis.set_major_locator(y_major_locator)

#把y轴的主刻度设置为10的倍数

plt.grid()：

可以通过plt的grid方法来设置是否显示网格。

True为显示，False不显示。ax.grid(color='r',linestyle='-',linewidth=2)

color：设置网格线颜色

axis：设置网格线显示x，y或者全部显示（x，y，both）

linestyle：设置网格线形状

linewidth：设置网格线宽度

案例：

plt.grid(True,color="g",axis="both",ls="--",lw=0.5)#设置网格线

我们可以在绘制图形时，显式指定图形的颜色，点标记或线条形状。具体设置可以查看帮助文档。

color(c)：线条颜色。

linestyle(ls)：线条形状。

linewidth(lw)：线宽。

marker：点标记形状。

markersize(ms)：点标记的大小。

markeredgecolor(mec)：点边缘颜色。

markeredgewidth(mew)：点边缘宽度。

markerfacecolor(mfc)：点的颜色。

alpha：透明度（0-1之间）

说明：

颜色，点标记与线型可以使用一个组合参数进行设置。

颜色除了可以使用预设简写的字符之外，也可以使用全称（例如red）也可以使用RGB颜色表示。

颜色:[蓝色:'b'/绿色:'g'/红色:'r'/青色:'c'/品红:'m'/黄色:'y'/黑色:'k'/白色:'w']

线型:[直线:'-'/虚线:'--'/点线:':'/点划线:'-.']

点标记:[点:'.'/像素:','/圆:'o'/方形:'s'/三角形:'^']

关于这三种样式的设置有一种简写的方式：颜色，线条样式，点标记样式"颜色线条样式点标记样式"====>

案例：

x,y = list(range(1,13)),np.random.randint(50,100,12)

plt.plot(x,y,"b:o",alpha=0.5)

plt.plot(x,y,c="g",ls="--",lw=5,marker="o",ms=8,mec="r",mew=3,mfc="y",alpha=0.5)

我们可以在图形上绘制文本等说明信息（注解）。

方法1：普通文本（当前位置）--常用

plt.text()：显示文本（基于坐标）如：plt.text(6,0,"年中")

plt.figtext()：显示文本（基于图片比例定位，左下角为原点）如：plt.figtext(0.5,0.5,"图片中央")

方法2：连线位移（添加线条，在指定位置）--不常用

plt.arrow根据起点坐标（x，y）与各自轴的长度（x+dx,y+dy）绘制箭头。

width箭头尾部的宽度。

head_width箭头的宽度。

head_length箭头的长度。

案例：

plt.arrow(6,100,-2,+5,width=0.1,head_width=0.1,head_length=0.1,color="r")

plt.text(4,105,"年中")

方法3：箭头与文本--常用

plt.annotate():显示箭头与文本。

xy箭头指向坐标

xytext文本起点坐标。（箭头尾部坐标）

arrowprops字典类型，可设置箭头的属性。

facecolor箭头的颜色

headwidth箭头的宽度

width箭尾的宽度

shrink收缩大小

headlength箭头的长度

arrowstyle一些预设的箭头样式。当含有该参数时，上述4项参数将不再有效。

更多参数的使用方法自行搜索...

案例：

plt.annotate("年中",xy=(6,100),xytext=(4,105),

color="g",size=16,bbox=dict(fc="b",ec="g"),

arrowprops=dict(width=3,facecolor="r",headwidth=10,shrink=0.01,headlength=10))

还有很多细节可以优化的，这些细节如图片的大小修改，绘图样式设置等，在作图的过程中根据实际需求查阅资料进行修改。

matplotlib可以绘制很多图形折线图、饼图、箱线图、散点图、柱状图等，更具业务需求选择不同图形对应的函数即可，

每种图形的参数都大致相同，可以查看官网图例修改即可https://matplotlib.org/gallery.html

综合型的多个图形的组合图。

自定义创建figure，自定义创建多个axes（平铺式分布的axes，内嵌式分布的axes），去参考绘图流程的第2，3条。

可视化仪表板，关注公众后续更新！！！