matplotlib 对称图_Python入门向:Matplotlib自救指南篇，从此做图不求人(一)

今天本来开开心心去洗了个牙，结果拍片子的时候居然发现，我的妈呀，长了智齿，还是那种横着长的，我居然浑然不知。

图: 我的牙齿裸照

吓死我了，一定是平时没怎么更新文章，导致上天给了惩罚。(明明就是懒惰，工作忙都是借口)痛定思痛，我还是好好写一篇文章，攒点人品，保佑拔牙不痛。

所以我们今天来梳理下Matplotlib这个包的基本操作吧。(太难的我也不会，嘻嘻)概要一下:

本次文章主要分以下的几大内容：1.对图表进行布局

2.对轴，网格线，背景颜色的处理

3.对图标内部小组件的布局

4.对字体修改

为什么要研究研究可视化呢？可视化是一件很有趣的事情，它能很好激发学习Python以及数据分析的兴趣与创造力，所以入门的时候，研究研究可视化，能稍微延长下从删库到跑了，从入门到放弃的生命周期。Part 1：建立画布与子图布局

Matplotlib画图的步骤和布置一个餐桌很像，我们可以简单的想象成有朋友来家里做客，然后开始布置餐桌的过程第一步，我们要选一个大小合适的桌布。

第二步，规划好桌布上该放哪些盘子，这些盘子放在上面位置好。

第三步，做好菜该怎么放在盘子里

第四步，该做那些菜好

第五步，这些菜要做怎么做才好

所以我们先建立一个画布

fig=plt.figure(figsize=[10,5],facecolor='red')

画布的长宽在matplotlib中是用的英寸表示，而一英寸的换算成厘米是大概是2.54厘米

为了能让做出来图能很好的放进PPT，PPT 16:9的那种默认的长宽是：33.867厘米，19.05厘米换算成英寸大概是：13.33英寸比上7.5英寸

有了画布以后，我们开始选我们的盘子，一般来说有方形的盘子，也就是笛卡尔坐标系，也有圆形的盘子，极坐标系。

我们选好的方形盘子后，还要确定盘子的位置，和大小，也就是子图的布局啦在Matplotlib中，子图的布局可以简单的分为对称性子图，和非对称性的子图对称性子图

对称性子图很好理解，就是把整个桌布进行等分，得到一样大小的子图

我们可以直接在 add_subplot中确定分割的大小，以及确定是哪一个子图，比如ax1=fig.add_subplot(1,2,1)，表示把整个画布分成1*2 块，ax1是从左到右，从上到下顺序的第一个，

import pandas as pd

import datetime

import matplotlib.pyplot as plt

from pylab import mpl

import matplotlib.gridspec as gridspec

fig=plt.figure(figsize=[10,5],facecolor='red')

ax1=fig.add_subplot(1,2,1)

ax2=fig.add_subplot(1,2,2)

fig.show()图：对称性子图

2. 非对称子图

非对称性子图可以让布局更加的灵活，我们同样用分割的思路把画布等分，但是我们可以选取很多个小单位，把他们作为一个子图。

为了能创建不对称的子图。我们引入新的工具gridspec

gs = gridspec.GridSpec(3,3)

可以理解为一个子图的分割器

它会创建一个3*3的 九宫格，和图中例子一样

在创建坐标系的时候 我们用就可以用切片的思维3*3的矩阵

import pandas as pd

import datetime

import matplotlib.pyplot as plt

from pylab import mpl

import matplotlib.gridspec as gridspec

fig=plt.figure(figsize=[10,5],facecolor='red')

gs = gridspec.GridSpec(3, 3)

ax1 = plt.subplot(gs[0, :])

ax2 = plt.subplot(gs[1,:-1])

ax3 = plt.subplot(gs[1:, -1])

ax4 = plt.subplot(gs[-1,0])

ax5 = plt.subplot(gs[-1,-2])

fig.show()

比如在例子中ax1

ax1=fig.add_subplot(gs[0,:])

ax3=fig.add_subplot(gs[1:2,2])

以ax1来看，其实是占了九宫格中 第一行中的第1,2,3列所以用[0,:]来表示，0表示第一个行，：第一行中所有列

ax3 同理，占了九宫格中的第二，三行的 第三列 所以就是[1:3,2] 1:2 表示 1 到2 行 (学过咱们切片都知道 python里切片是左闭右开，也就是1:3 表示的是1,2 没有3)

3. 子图的间距

通过调整wspace=0,hspace=0 的值，可以改变子图间间距

gs = gridspec.GridSpec(3, 3,wspace=0,hspace=0)

4. 关于颜色

坐标系和画布一样 也可以设置背景颜色(如果不设置好颜色，保存时可能变成透明)

Part2 坐标轴与网格线

倒腾完布局后，我们来倒腾一个简单的柱状图，

化妆前：

fig=plt.figure(figsize=[10,5])

mpl.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 指定默认字体

mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

ax=fig.add_subplot(1,1,1)

X=[1,2,3,4]

Y=[5,6,7,8]

ax.bar(X,Y,width=0.4)图 柱状图素颜照

1.不显示轴

plt.axis('off') 可以关闭轴

fig=plt.figure(figsize=[10,5])

mpl.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 指定默认字体

mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

ax=fig.add_subplot(1,1,1)

X=[1,2,3,4]

Y=[5,6,7,8]

ax.bar(X,Y,width=0.4)

plt.axis('off')

2.上关闭下左右的边框

ax.spines['top'].set_visible(False) 可以灵活的关闭上下左右的边框，但会保留刻度尺

fig=plt.figure(figsize=[10,5])

ax=fig.add_subplot(1,1,1)

X=[1,2,3,4]

Y=[5,6,7,8]

ax.bar(X,Y,width=0.4)

ax.spines[['top','bottom','left','right']].set_visible(False)

ax.spines['bottom'].set_visible(True)

ax.spines['right'].set_visible(False)

ax.spines['left'].set_visible(False)

3.修改轴的刻度尺

在ax.tick_params()中，我们可以修改刻度尺相关的属性

#axis可以选择X轴还是Y轴

#which可以选择主轴还是副轴

#colors可是改变刻度尺和文本的颜色，

#length,width 是刻度的长宽，都是英寸

#pad可以调节文字和刻度间的距离

#labelsize可以调节 文字的大小

#labelcolor 可以调节文字的颜色

#labelrotation 可以调节文字的方向

#grid_color还能修改网格线颜色

比如我们可以画一个 有着金光闪闪的Y轴刻度先的柱状图

fig=plt.figure(figsize=[10,5])

ax=fig.add_subplot(1,1,1)

X=[1,2,3,4]

Y=[5,6,7,8]

ax.bar(X,Y,width=0.4)

ax.tick_params(direction='inout',width=2,length=30,colors='gold',axis='y',pad=20,labelsize=20,labelcolor='blue',labelrotation=45)

4.修改刻度尺上的文字

我们可以通过plt.xticks([],[])来很灵活修改轴上标签的显示

fig=plt.figure(figsize=[10,5])

ax=fig.add_subplot(1,1,1)

X=[1,2,3,4]

Y=[5,6,7,8]

ax.bar(X,Y,width=0.4)

plt.yticks([5.2,6,7.7,8],["一般","合格","良好","优秀"])

6.网格线

plt.grid()可以添加网格线,和设置刻度尺一样，可以通过axis，which来确定怎么加网格线

通过color='r', linestyle='-', linewidth=2 ，alpha=0.3来确定网格线的样式

fig=plt.figure(figsize=[10,5])

ax=fig.add_subplot(1,1,1)

X=[1,2,3,4]

Y=[5,6,7,8]

ax.bar(X,Y,width=0.4)

plt.grid(color='r', linestyle='--', linewidth=2,which='major',axis='y',alpha=0.3)

ax.spines['top'].set_visible(False)

ax.spines['bottom'].set_visible(True)

ax.spines['right'].set_visible(False)

ax.spines['left'].set_visible(False)Part3 小组件数据标签

其实数据标签的思路很简单，确定每一个标签的位置以及内容，然后一个个打在图上，就好了

fig=plt.figure(figsize=[10,5])

ax=fig.add_subplot(1,1,1)

X=[1,2,3,4]

Y=[5,6,7,8]

ax.bar(X,Y,width=0.4)

for a,b in zip(X,Y):

plt.text(x=a,y=b+0.5,s=b,color='r',ha='center', va= 'baseline',fontsize=12)

2. 一些小坑

坑最大的是出现空值时，尤其是把pandas传入matplotlib时，会出现numpy中特有的空值类型numpy.nan

这个numpy.nan有些非常特别的性质

比如

In : numpy.nan==numpy.nan

Out: False

In :type(numpy.nan)

Out: float

所以如果要判断一个对象是否是nan，得使用numpy中的numpy.isnan()方法

In: numpy.isnan(numpy.nan)

Out: True

所以 如果对这样的有断点的图形添加数据标签会报错

ValueError: cannot convert float NaN to integer

所以我要加上一个判断空值的标签

fig=plt.figure(figsize=[10,5])

ax=fig.add_subplot(1,1,1)

X=[1,1.5,2,2,3,4,5]

Y=[1,2,numpy.nan,numpy.nan,6,5,8]

ax.plot(X,Y)

for a,b in zip(X,Y):

if not numpy.isnan(b):

plt.text(a,b+0.5,b,color='r',ha='center', va= 'baseline',fontsize=12)

这样就可以避免遇到空值时报错了

3. 图例

我们可以用plt.legend()设置图例，但是在画图时，我们需要在图表中加入label属性，从而确定图例显示标签

fig=plt.figure(figsize=[10,5])

ax=fig.add_subplot(1,1,1)

X=[1,1.5,2,2,3,4,5]

Y1=[1,2,numpy.nan,numpy.nan,6,5,8]

Y2=[2,2,2,4,7,5,7]

Y3=[2,3,1,5,4,5,3]

l1,=ax.plot(X,Y1,label='label1')

l2,=ax.plot(X,Y2,label='label2')

l3,=ax.plot(X,Y3,label='label3')

plt.legend()

我们也可以更加精细化的操作legend

比如控制要显示label，和图例的样式

fig=plt.figure(figsize=[10,5])

ax=fig.add_subplot(1,1,1)

X=[1,1.5,2,2,3,4,5]

Y1=[1,2,numpy.nan,numpy.nan,6,5,8]

Y2=[2,2,2,4,7,5,7]

Y3=[2,3,1,5,4,5,3]

l1,=ax.plot(X,Y1,label='label1')

l2,=ax.plot(X,Y2,label='label2')

l3,=ax.plot(X,Y3,label='label3')

plt.legend(handles=[l1,l3],ncol=2,frameon=False)

我再handles里传入一个列表，确定我们要显示的labels，

legend里还有很多参数，可以参考官网的文档 官方的文档Part4 中文显示与字体修改简单的显示中文与负号

有时候中文和负号显示会出问题，比如这样

我们可以简单的加入两条命令来实现中文和负数的显示

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

2. 导入字体文件

当然，还可以更加的灵活，比如修改为确定的字体，或者对特点的组件修改字体，比如修改轴的字体，

导入font_manager库,然后导入字体文件，就可以灵活的在各个小组件上修改字体了

import matplotlib.font_manager

font=matplotlib.font_manager,FontProperties(fname='E:\\DroidSansFallback.ttf')

比如在legend中，我们可以加入prop，在其他的里面可以加入fontproperties

plt.legend(prop=font)

plt.xlabel('X轴的名字',fontproperties=font1)

plt.ylabel('Y轴的名字',fontproperties=font1

plt.title('图表的名字',fontproperties=zhfont1)

plt.xticks( ,fontproperties=zhfont1) 在xticks中也可以加入字体属性

还有些和字体相关的属性可以小组件中设置

#fontsize可以设置字体的大小，默认12

#fontweight可以设置字体的粗细，可以直接输入文本 'light' 细字体, 'normal' 正常字体, 'medium' 中等, 'semibold' 半粗不粗, 'bold' 加粗

#fontstyle设置字体要不要倾斜， 'normal'是正常 'italic' 斜体 'oblique' 再斜一点

不过有些字体文件好像不支持修改粗细，倾斜

案例教学

感觉有点长再下去的话，所以下期我们来实战一下，做一个自动化的小周报：