【python数据分析（22）】Matplotlib库绘图的图表样式参数（linestyle、marker、color、style）

1. linestyle线条参数

默认是导入了相关的库，这里的代码就不再显示了

'-' solid line style 实线样式
'--' dashed line style 虚线样式
'-.' dash-dot line style 虚点线样式
':' dotted line style 冒号样式

plt.plot([i**2 for i in range(100)],linestyle = '-.')

–> 输出的结果为：

2. marker标记参数

'.' point marker
',' pixel marker
'o' circle marker
'v' triangle_down marker
'^' triangle_up marker
'<' triangle_left marker
'>' triangle_right marker
'1' tri_down marker
'2' tri_up marker
'3' tri_left marker
'4' tri_right marker
's' square marker
'p' pentagon marker
'*' star marker
'h' hexagon1 marker
'H' hexagon2 marker
'+' plus marker
'x' x marker
'D' diamond marker
'd' thin_diamond marker
'|' vline marker
'_' hline marker

s = pd.Series(np.random.randn(100).cumsum())
s.plot(linestyle = '--',marker = '.')

–> 输出的结果为：

3. color颜色参数

1） 简单图像（线）上色

alpha：0-1，透明度

常用颜色简写：red-r, green-g, black-k, blue-b, yellow-y

plt.hist(np.random.randn(100),color = 'b',alpha = 0.8)

–> 输出的结果为：

2） 多个图像（线）上色

当要绘制多个线条，需要对其进行配色的时候，如果再单独的每条线条指定对应的颜色就会显得特别的麻烦，因此绘制图形的时候有一个cmap参数，也就是颜色地图的意思，可以进行指定不同的样式参数选择。

df = pd.DataFrame(np.random.randn(1000, 4),columns=list('ABCD'))
df = df.cumsum()
df.plot(style = '--.',alpha = 0.8,colormap = 'Dark2')

–> 输出的结果为：

cmap参数对应的可以取得值实在是太多了，想知道哪些参数可以使用？又或者想测试一下那种颜色样式符合自己的爱好倾向，这里推荐的方式就是直接使用cmap=''的形式，这样系统会提醒报错，并将cmap中所有可以选择的样式参数给列举出来，如下，这时候将下面的样式参数再填到引号里面运行即可。

4. style整体风格样式

这个设置是在单独的模块中，需要提前导入

import matplotlib.style as psl
print(plt.style.available)

–> 输出的结果为：（可以根据自己的喜好选择不同的风格样式）

['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 
'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 
'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 
'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 
'tableau-colorblind10', '_classic_test']

比如选择'ggplot'样式参数，需要注意的是，一旦选择之后，这种样式就会影响之后的绘图内容

psl.use('ggplot')
ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000))
ts.plot(style = '--g.',grid = True,figsize=(10,6))

–> 输出的结果为：（从结果可以看出，整体风格样式是会将原来设置的绘图样式完全覆盖掉，因此也可以在这里选择一个样式，在自己每次绘图之前进行加载）