使用matplotlib库中面向对象API来绘制设置坐标轴的标签、刻度范围和刻度标签，添加标题和图例，显示网格

        Matplotlib是一个功能强大的Python绘图库，广泛应用于数据可视化和科学研究领域。它提供了两种绘图方式：基于状态机的pyplot API和面向对象的API。在本文中，我们将重点介绍使用Matplotlib的面向对象API设置坐标轴的标签、刻度范围和刻度标签，以及添加标题和图例，显示网格的方法。

一、设置坐标轴的标签、刻度范围和刻度标签

1.1首先使用pyplot模块中的xlabel()设置x轴的标签，ylabel()设置y轴的标签

#设置x轴和y轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")

然后分别设置语法。

xlabel()语法：xlabel(xlabel, fontdict=None, labelpad=None,**kwargs)

ylabel()语法：ylabel(ylabel, fontdict=None, labelpad=None,**kwargs)

xlabel，ylabel：表示x轴和y轴标签的文本

fontdict：表示控制标签文本样式的字典，默认值是None

labelpad：表示标签与x轴轴脊间的距离，默认值是None
 

假设现在有一个包含正弦曲线和余弦曲线的图表，该图表中设置x轴和y轴的标签

示例代码：

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure()
ax = fig.add_subplot(111)
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2 = np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
#设置x轴和y轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.show()

运行结果：

1.2 设置刻度范围和刻度标签

1.2.1 首先使用 pyplot模块中的xlim()和ylim()函数分别设置x轴和y轴的刻度范围

#设置x轴的刻度范围
plt.xlim(x.min()*1.5,x.max()*1.5)

分别输入后续语法

xlim()语法：xlim(left=None, right=None,  emit=True, auto=False, *,xmin=None, xmax=None)

ylim()语法：ylim(left=None, right=None,  emit=True, auto=False, *,xmin=None, xmax=None)

left:表示x轴刻度取值区间的左位数

right：表示x轴刻度取值区间的右位数

emit：表示是否通知限制变化的观察者，默认为True

auto：表示是否允许自动缩放x轴，默认为True

xmin：表示x轴刻度的最小值

xmax：表示x轴刻度的最大值

示例代码：设置x轴的刻度范围

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure()
ax = fig.add_subplot(111)
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2 = np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
#设置x轴的刻度范围
plt.xlim(x.min()*1.5,x.max()*1.5)
#设置x轴和y轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.show()

运行结果：

1.2.2 首先使用xticks()和yticks()函数分别设置x轴和y轴的刻度标签

#设置x轴的刻度标签
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])

分别输入语法

xticks()语法：xticks(ticks, labels=None, *, minor=False, **kwargs)

yticks()语法：yticks(ticks, labels=None, *, minor=False, **kwargs)
 

示例代码：设置x轴的刻度标签

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure()
ax = fig.add_subplot(111)
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2 = np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
#设置x轴的刻度范围
plt.xlim(x.min()*1.5,x.max()*1.5)
#设置x轴的刻度标签
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
#设置x轴和y轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.show()

运行结果：

二、添加标题和图例

2.1首先使用 pyplot模块中的title()函数添加标题

#添加标题
plt.title("正弦曲线和余弦曲线")

分别输入语法

title()语法：title(label, fontdict=None, loc=’‘center, pad=None, *,**kwargs)

label：表示标题的文本

fontdict：表示标题样式的字典

loc：表示标题的对齐样式，包括’left‘，’right‘，’center‘，默认值是‘center

pad：表示标题距离图表顶部的距离，默认为None

 示例代码：

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure()
ax = fig.add_subplot(111)
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2 = np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
#设置x轴的刻度范围
plt.xlim(x.min()*1.5,x.max()*1.5)
#设置x轴的刻度标签
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
#添加标题
plt.title("正弦曲线和余弦曲线")
#设置x轴和y轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.show()

运行结果：

 

2.2 添加图例

首先使用pyplot 模块中legend()函数添加图例

#添加图例
lines = plt.plot(x,y1,x,y2)
plt.legend(lines,['正弦','余弦'],shadow=True,fancybox=True)

legend()语法：legend(handles，labels，loc，bbox_to_anchor，ncol，title，shadow​​​​​​​，fancybox，*args, **kwargs)

handles：表示由图形标识构成的列表

labels：表示由图列项构成的列表

loc：用于控制图例在图表中的位置

bbox_to_anchor：用于控制图例的布局

ncol：表示图例的列数，默认值为1

title：表示图例的标题，默认值为None

shadow：表示是否在图例后面显示阴影，默认值为None

fancybox：表示是否为图例设置圆角边框，默认值为None

 示例代码：

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure()
ax = fig.add_subplot(111)
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2 = np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
#设置x轴的刻度范围
plt.xlim(x.min()*1.5,x.max()*1.5)
#设置x轴的刻度标签
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
#添加标题
plt.title("正弦曲线和余弦曲线")
#添加图例
lines = plt.plot(x,y1,x,y2)
plt.legend(lines,['正弦','余弦'],shadow=True,fancybox=True)
#设置x轴和y轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.show()

运行结果：

三、显示网格

3.1 首先使用pyplot 模块中的grid()函数显示网格

#显示网格
plt.grid(b=True,axis='y',linewidth=0.3)

grid()语法：grid(b=None, which='major', axis='both', **kwargs)

b：表示是否显示网格，若提供其他关键字参数，则b参数设为True

which：表示显示网格的类型，支持'major'、'minor'、'both'这三种类型，默认为major

axis；表示显示哪个方向的网格，该参数支持'both'、'x'和'y'这三个选项，默认为'both'

linewidth或lw：表示网格线的宽度

 示例代码：

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure()
ax = fig.add_subplot(111)
x = np.linspace(-np.pi,np.pi,256,endpoint=True)
y1,y2 = np.sin(x),np.cos(x)
plt.plot(x,y1,x,y2)
#设置x轴的刻度范围
plt.xlim(x.min()*1.5,x.max()*1.5)
#设置x轴的刻度标签
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
#添加标题
plt.title("正弦曲线和余弦曲线")
#添加图例
lines = plt.plot(x,y1,x,y2)
plt.legend(lines,['正弦','余弦'],shadow=True,fancybox=True)
#显示网格
plt.grid(b=True,axis='y',linewidth=0.3)
#设置x轴和y轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.show()

运行结果：

        本文介绍了使用Matplotlib库的面向对象API设置坐标轴的标签、刻度范围和刻度标签，添加标题和图例，显示网格的方法。通过这些功能，我们可以更好地展示数据，使图形更具可读性和美观性。希望本文能够帮助读者更好地使用Matplotlib库进行数据可视化。