数据可视化——坐标轴的定制

一、坐标轴的概述

在绘制图表的过程中，matplotlib会根据所绘制图表的类型决定是否使用坐标系，或者显示哪种类型的坐标系。

坐标轴的结构相同，主要包括轴脊、刻度，其中刻度又可以细分为刻度线和刻度标签，刻度线又可以细分为主刻度线和次刻度线。

坐标轴的各部分均是matplotlib类的对象：坐标轴是axis.Axis类的对象；轴脊是spines.Spine类的对象；刻度是axis.Ticker类的对象。

此外，常用的x轴是一个axis.Xaxis类的对象，y轴是一个axis.Yaxis类的对象。

这些属性的介绍如下：

• xaxis：获取x轴
• yaxis：获取y轴
• spines：获取包含全部轴脊的字典

访问spines属性会返回一个OrderedDict类的对象。

OrderedDict类是dict的子类，它可以维护添加字典中的键值对的顺序，代码如下：

print(ax.spines)

二、向任意位置添加坐标轴

matplotlib支持向画布的任意位置添加自定义大小的坐标系统，同时显示坐标轴，而不再受规划区域的限制。

pyplot模块可以使用axes()函数创建一个Axes类的对象，并将Axes类的对象添加到当前画布中。

axes()函数的语法如下：

axes(arg=None,projection=None,polar=False,aspect,frame_on,**kwargs)

该函数常用参数含义如下：

(1)参数arg支持None、4-tuple中任一取值，每种取值的含义如下

• None：表示使用subplot(11)添加的与画布同等大小的Axes对象。
  

  
  

• 4-tuple ：由4个浮点型元素(取值范围为0~ 1)组成的元组(lef, bttom, widh,
  前两个元素left和bottom分别表示坐标轴左侧和底部的边缘到画布的相对距离，用
  坐标轴的位置;后两个元素width和height分别表示坐标轴的宽度和高度，用于确定
  坐标轴的相对大小。
  

  
  

(2)参数projection表示坐标轴的类型，可以是None、 ‘atoff、‘hammer’、"lambert’
mollweide’ ‘polar 或’rectilinear’中的任一取值，也可以使用自定义的类型。

(3)参数polar表示是否使用极坐标，若设为True, 则其作用等价于projection=‘polar’。

(4)参数aspect表示坐标轴缩放的比例，可接收’auto’、 ‘equal’、 num中任一取值。

(5)参数frame_on表示是否绘制每个坐标轴的轴脊。

例如，代码，如下：

import matplotlib.pyplot as plt
ax=plt.axes((0.2,0.5,0.3,0.3))
ax.plot([1,2,3,4,5])
ax2=plt.axes((0.6,0.4,0.2,0.2))
ax2.plot([1,2,3,4,5])
plt.title("39")
plt.show()

运行程序，效果如下：

三、定制刻度

3.1、定制刻度的位置和格式
在matplotlib中，刻度线分别为主刻度线和次刻度线，次刻度线默认是隐藏的。

matplotlib.ticker模块中提供了两个类:Locator和Formatter，分别代表刻度定位器和刻度格式器，用于指定刻度线的位置和刻度标签的格式。

1.刻度定位线
Locator是刻度定位器的基类，它派生了很多子类，通过这些子类构建的刻度定位器可以调整刻度的间隔、选择刻度的位置。

常见的子类

与日期时间相关的locator的常见子类

以HourLocator为例，语法格式如下：

hour_loc= HourLocator(interval=2)

ax.xaxis.set_major_locator(hour_loc)

2.刻度格式器
Formatter是刻度格式器的基类,它派生了很多子类，通过这些子类构建的刻度格式器可以调整刻度标签的格式。

Formatter的常见子类如图所示

3.2、定制刻度的样式
在matplotlib中，坐标轴的刻度有着固定的样式，例如，刻度线的方向是朝外的刻度线的颜色是黑色的等。

使用tick_params()函数可以定制刻度的样式。

语法格式如下：

tick _params( axis='both'，**kwargs)

该函数的语法格式如下：

• axis:表示选择 *** 作的轴，可以取值为’x’、‘y’或’both’，默认为’both’。
  

  
  

• which:表示刻度的类型，可以取值为’major’、 ‘minor’或’both’，默认为’major’。
  

  
  

  direction:表示刻度线的方向，可以取值为’in’、 'out’或’inout’。
  

  
  

• length:表示刻度线的长度。
  

  
  

• width:表示刻度线的宽度。
  

  
  

  color:表示刻度线的颜色。
  

  
  

• pad:表示刻度线与刻度标签的距离。
  

  
  

• labelsize:表示刻度标签的字体大小。
  

  
  

• labelcolor:表示刻度标签的颜色。
  

  
  

• bottom，top，left，right:表示是否显示下方、上方、左方、右方的刻度线。
  

  
  

• labelrotation:表示刻度标签旋转的角度。
  

  
  

代码如下：

plt.tick_params(direction='out',length=6,width=2,colors='r')
plt.title("39")
plt.show()

运行结果如下：

四、隐藏轴脊

坐标轴一般将轴脊作为刻度的载体，在轴脊上显示刻度标签和刻度线。

matplotlib中的坐标系默认有4个轴脊，分别是上轴脊、下轴脊、左轴脊和右轴脊，其中上轴脊和右轴脊并不经常使用，大多数情况下可以将上轴脊和右轴脊隐藏。

4.1、隐藏全部轴脊
使用pyplot的axis()函数可以设置或获取一些坐标轴的属性，包括显示或隐藏坐标轴的轴脊。

语法格式如下：

axis(option,**args,**kwargs)

• ‘on’：显示轴脊和刻度，等同于True
• ‘off’：隐藏轴脊和刻度，等同于False
• ‘equal’：通过更改轴限设置等比例
• ‘scaled’：通过更改绘图框的尺寸设置等比例
• ‘tight’:设置足够大的限制以显示所有数据
• ‘auto’：自动缩放
  此外，Axes类的对象也可以使用axis ()方法隐藏坐标轴的轴脊。
  

  
  

  
  绘制一个六边形且隐藏全部的轴脊，具体代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes
polygon=mpathes.RegularPolygon((0.5,0.5),6,0.2,color='y')
ax=plt.axes((0.3,0.3,0.5,0.5))
ax.add_patch(polygon)
ax.axis('off')
plt.title('39')
plt.show()

代码运行结果如下：

patches模块

matplotlib.patches是专门用于绘制路径和形状的模块，该模块中提供了一些表示形状（诸如箭头、圆形、长方形等)的类，通过创建这些类的对象可以快速绘制常见的形状。

4.2、隐藏部分轴脊
matplotlib可以只隐藏坐标轴的部分轴脊，只需要访问spines属性获取相应的轴脊，之后调用set_coloe()方法将轴脊的颜色设为none即可，代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes
polygon=mpathes.RegularPolygon((0.5,0.5),6,0.2,color='pink')
ax=plt.axes((0.3,0.3,0.5,0.5))
ax.add_patch(polygon)
ax.spines['top'].set_color('none')
ax.spines['left'].set_color('none')
ax.spines['right'].set_color('none')
plt.title('39')
plt.show()

运行代码如下：

matplotlib可以通过set_ticks_position()方法设置刻度线的颜色为’none’，通过set_yticklabels()方法设置刻度标签为空列表。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes
polygon=mpathes.RegularPolygon((0.5,0.5),6,0.2,color='g')
ax=plt.axes((0.3,0.3,0.5,0.5))
ax.add_patch(polygon)
ax.spines['top'].set_color('none')
ax.spines['left'].set_color('none')
ax.spines['right'].set_color('none')
ax.yaxis.set_ticks_position('none')
ax.set_yticklabels([])
plt.title('39')
plt.show()

程序运行结果如下：

实例：
折现图显示了全部的轴脊，但右轴脊和上轴脊并未起到任何作用

import numpy as np
from datetime import datetime
import matplotlib.pyplot as plt
from matplotlib.dates import DateFormatter,HourLocator
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False
dates=['201910240','2019102402','2019102404','2019102406','2019102408',
       '2019102410','2019102412','2019102414','2019102416','2019102418',
       '2019102420','2019102422','201910250']
x_date=[datetime.strptime(d,'%Y%m%d%H') for d in dates]
y_date=np.array([7,9,11,14,8,15,22,11,10,11,11,13,8])
fig=plt.figure()
ax=fig.add_axes((0.0,0.0,1.0,1.0))
ax.plot(x_date,y_date,'-o',ms=8,mfc='#FF0000')
ax.set_title('深圳24h的平均风速 39')
ax.set_xlabel('时间')
ax.set_ylabel('平均速度（km/h）')
date_fmt=DateFormatter('%H:%M')
ax.xaxis.set_major_formatter(date_fmt)
ax.xaxis.set_major_locator(HourLocator(interval=2))
ax.tick_params(direction='in',length=6,width=2,labelsize=12)
ax.xaxis.set_tick_params(labelrotation=45)
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')

plt.show()

代码运行结果如下：

五、移动轴脊

5.1、移动轴脊的位置
在matploltlib中，Spine类提供了一个设置轴脊位置的set_position()方法，语法格式如下：

set_position(self,position)

该方法的position参数表示轴脊的位置，它需要接收一个包含两个元素的元组(osition_type,amout),其中元素position_type代表位置的类型，元素amount代表位置

• ‘center’:值为(‘axes’,0.5)。
  

  
  

• zero’:值为(‘data’, 0.0)。
  

  
  

• outward’:表示将轴脊置于移出数据区域指定点数的位置。
  

  
  

• ‘axes’:表示将轴脊置于指定的坐标系中（0.0~1.0) 。
  

  
  

• ‘data’’:表示将轴脊置于指定的数据坐标的位置。
  

  
  

  
  代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes
xy=np.array([0.5,0.5])
polygon=mpathes.RegularPolygon(xy,5,0.2,color='r')
ax=plt.axes((0.3,0.3,0.5,0.5))
ax.add_patch(polygon)
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['left'].set_position(('data',0.5))
ax.spines['bottom'].set_position(('data',0.5))
plt.title('2020080603039')
plt.show()

代码运行结果如下：

实例:正弦与余弦曲线

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False
x_data=np.linspace(-2*np.pi,2*np.pi,100)
y_one=np.sin(x_data)
y_two=np.cos(x_data)
fig=plt.figure()
ax=fig.add_axes((0.2,0.2,0.7,0.7))
ax.plot(x_data,y_one,label='正弦曲线 39')
ax.plot(x_data,y_two,label='余弦曲线 39')
ax.legend()
ax.set_xlim(-2*np.pi,2*np.pi)
ax.set_xticks([-2*np.pi,-3*np.pi/2,-1*np.pi,-1*np.pi/2,
              0,np.pi/2,np.pi,3*np.pi/2,2*np.pi])
ax.set_xticklabels(['$-2\pi$','$-3\pi/2$','$-\pi$','$-\pi/2$',
                    ',$''$\pi/2$','$/pi/2$','\pi/2$','\pi$',]).
axset_yticks([-1.0,-0.5,0.0,0.5,1.0]).
axset_yticklabels([-1.0,-0.5,0.0,0.5,1.0]).
ax[spines'top'].set_color('none').
ax[spines'right'].set_color('none').
ax[spines'left'].set_position(('data',0.5)).
ax[spines'bottom'].set_position(('data',0.5)).
plttitle('39').
pltshow()

代码运行结果如下：

大数据2003
2020080603039
张馨月