Python图表库Matplotlib 组成部分介绍

概述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

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。

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

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

def demo3():    x_List = []    y_List = []    y2_List = []    for i in range(0,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,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

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([1,150],minor=True)ax2.set_yticks([-0.1,0.1,0.3],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)

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 *** 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 mathimport matplotlib.pyplot as pltdef 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,ax2,ax3) = plt.subplots(3)    ax_List = [ax1,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。

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

    plt.plot(x_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

plt.legend(['math.sin(i) * 2 - 4','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。

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

macOSPyCharm CE@R_419_4729@

参考资料

【运营的Python指南】绘制图表Matplotlib快速入门https://rustfisher.com/2021/07/16/Python/operation/matplotlib-intro1Python笔记 https://rustfisher.com/categories/Python/matplotlib https://matplotlib.org/ 总结

以上是内存溢出为你收集整理的Python图表库Matplotlib 组成部分介绍全部内容，希望文章能够帮你解决Python图表库Matplotlib 组成部分介绍所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。