Python 数据分析——Matplotlib相关知识
第四章 Matplotlib相关知识 —— 文本图例
文章目录
前言
Matplotlib 具有广泛的文本支持，包括对数学表达式的支持、对光栅和矢量输出的 truetype 支持、具有任意旋转的换行符分隔文本以及 unicode 支持。（参考链接）
了解Matplotlib对文本的设置，可以更好更清晰地展现图表的内容，也更加容易让旁观者接受
- 导入
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.dates as mdates
import datetime
from matplotlib.font_manager import FontProperties
一、Figure和Axes上的文本
1.基本文本API
| pyplot API | OO API | description |
|---|---|---|
text | text | 在子图axes的任意位置添加文本 |
annotate | annotate | 在子图axes的任意位置添加注解，包含指向性的箭头 |
xlabel | set_xlabel | 在的 x 轴上添加标签 |
ylabel | set_ylabel | 在的 y 轴上添加标签 |
titile | set_title | 添加标题 |
figtext | text | 在画布figure的任意位置添加文本 |
suptitle | suptitle | 为画布figure添加标题 |
- 例子
fig = plt.figure()
ax = fig.add_subplot()
# 分别为figure和ax设置标题，注意两者的位置是不同的
fig.suptitle('Figure suptitle', fontsize=14, fontweight='bold') # fontweight='bold' 加粗
ax.set_title('Axes title')
# 设置x和y轴标签
ax.axis([0, 10, 0, 10]) # 设置x和y轴显示范围均为0到10
ax.set_xlabel('xlabel')
ax.set_ylabel('ylabel')
# 在子图上添加文本
ax.text(3.5, 8, 'This is a text in box', style='italic',
bbox={'facecolor': 'red', 'alpha': 0.5, 'pad': 10})
ax.text(2, 6, r'An equation: $x^2+y^2=z^2$', fontsize=15)
# 在画布上添加文本，一般在子图上添加文本是更常见的操作，这种方法很少用
fig.text(0.4,0.8,'This is text for figure')
ax.plot([6], [1], 's') # 依次为：横坐标、纵坐标、形状
# 添加注解
ax.annotate('annotate', xy=(6, 1), xytext=(1, 3),arrowprops=dict(facecolor='green', shrink=0.05));
2.text - 子图上的文本
text的调用方式为Axes.text(x, y, s, fontdict=None, **kwargs)
其中x,y为文本出现的位置，默认状态下即为当前坐标系下的坐标值，s为文本的内容，fontdict是可选参数，用于覆盖默认的文本属性，**kwargs为关键字参数，也可以用于传入文本样式参数
- 例子
fig = plt.figure(figsize=(10,3))
axes = fig.subplots(1,2)
# 使用fontdict参数修改文本样式
font = {'bbox':{'facecolor': 'red', 'alpha': 0.5, 'pad': 10}, 'style':'italic'}
axes[0].text(0.3, 0.8, 'modify by fontdict', fontdict=font);
# 使用关键字参数修改文本样式
axes[1].text(0.3, 0.8, 'modify by **kwargs', style='italic',
bbox={'facecolor': 'red', 'alpha': 0.5, 'pad': 10});
3.xlabel和ylabel - 子图的x，y轴标签
set_xlabel通过andset_ylabel 方法指定 x 轴和 y 轴的标签很简单
-例子
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure(figsize=(20,3))
ax = fig.subplots(1,3)
# 基本
fig.subplots_adjust(bottom=0.15, left=0.2)
ax[0].plot(x1, y1)
ax[0].set_xlabel('Time [s]')
ax[0].set_ylabel('Damped oscillation [V]')
# FontProperties
font = FontProperties()
font.set_family('serif')
font.set_name('Times New Roman')
font.set_style('italic')
font.set_weight('normal')
ax[1].plot(x1, y1*1000)
ax[1].set_xlabel('Time [s]', fontsize='large', fontweight='bold') # 字体变大，加粗
ax[1].set_ylabel('Damped oscillation [V]', fontproperties=font) # 字体为“Times New Roman”
# 使用本机 TeX 渲染并拥有多行
ax[2].plot(x1, y1)
ax[2].set_xlabel('time [s] \n This was a long experiment')
ax[2].set_ylabel(r'$\cos(2*\pi*x)*e^x$')
plt.show()
4.title和suptitle - 子图和画布的标题
title的调用方式为Axes.set_title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)
其中label为子图标签的内容，fontdict,loc,**kwargs和之前小节相同不重复介绍
pad是指标题偏离图表顶部的距离，默认为6
y是title所在子图垂向的位置。默认值为1，即title位于子图的顶部。
suptitle的调用方式为figure.suptitle(t, **kwargs)
其中t为画布的标题内容
- 例子
fig, axs = plt.subplots(3, 1, figsize=(5, 6), tight_layout=True)
locs = ['center', 'left', 'right']
for ax, loc in zip(axs, locs):
ax.plot(x1, y1)
ax.set_title('Title with loc at '+loc, loc=loc)
plt.show()
5.字体的属性设置
字体设置一般有全局字体设置和自定义局部字体设置两种方法。
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
plt.plot(x, label='小示例图标签')
# 直接用字体的名字
plt.xlabel('x 轴名称参数', fontproperties='Microsoft YaHei', fontsize=16) # 设置x轴名称，采用微软雅黑字体
plt.ylabel('y 轴名称参数', fontproperties='SimSun', fontsize=14) # 设置Y轴名称，采用宋体
plt.title('坐标系的标题', fontproperties='FangSong', fontsize=20) # 设置坐标系标题的字体，采用仿宋
plt.legend(loc='lower right', prop={"family": 'FZYaoti'}, fontsize=10) ; # 小示例图的字体设置，采用方正姚体
二、Tick上的文本
设置tick（刻度）和ticklabel（刻度标签）也是可视化中经常需要操作的步骤，matplotlib既提供了自动生成刻度和刻度标签的模式（默认状态），同时也提供了许多让使用者灵活设置的方式。
- 简单例子
# 使用axis的set_ticks方法手动设置标签位置的例子
fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
axs[1].xaxis.set_ticks(np.arange(0., 8.1, 2.))
plt.show()
# 使用axis的set_ticklabels方法手动设置标签格式的例子
fig, axs = plt.subplots(3, 1, figsize=(8, 4), tight_layout=True)
axs[0].plot(x1, y1)
# 一
axs[1].plot(x1, y1)
ticks = np.arange(0., 8.1, 2.)
tickla = [f'{tick:1.2f}' for tick in ticks]
axs[1].xaxis.set_ticks(ticks)
axs[1].xaxis.set_ticklabels(tickla);
# 二
axs[2].plot(x1, y1)
axs[2].set_xticks([0,1,2,3,4,5,6]) # 设置x轴的刻度位置
axs[2].set_xticklabels(['zero','one', 'two', 'three', 'four', 'five','six'], #设置刻度对应的标签
rotation=30, fontsize='small') #rotation选项设定x刻度标签倾斜30度。
axs[2].xaxis.set_ticks_position('bottom' )#set_ticks_position()方法是用来设置刻度所在的位置，常用的参数有bottom、top、both、none
plt.show()
- Tick Locators and Formatters
除了上述的简单模式，还可以使用Tick Locators and Formatters完成对于刻度位置和刻度标签的设置。
其中，Axis 具有使用绘制的数据确定主要和次要位置的方法Axis.set_major_locator。Axis.set_minor_locator还有一些格式化刻度标签Axis.set_major_formatter的Axis.set_minor_formatter方法。
A. Tick Locators
# 接收各种locator的例子
fig, axs = plt.subplots(2, 2, figsize=(8, 5), tight_layout=True)
for n, ax in enumerate(axs.flat):
ax.plot(x1*10., y1)
locator = matplotlib.ticker.AutoLocator()
axs[0, 0].xaxis.set_major_locator(locator)
locator = matplotlib.ticker.MaxNLocator(nbins=10)
axs[0, 1].xaxis.set_major_locator(locator)
locator = matplotlib.ticker.MultipleLocator(5)
axs[1, 0].xaxis.set_major_locator(locator)
locator = matplotlib.ticker.FixedLocator([0,7,14,21,28])
axs[1, 1].xaxis.set_major_locator(locator);
B. Tick Formatters
# Tick Formatters
# 接收字符串格式的例子
fig, axs = plt.subplots(2, 2, figsize=(8, 5), tight_layout=True)
for n, ax in enumerate(axs.flat):
ax.plot(x1*10., y1)
formatter = matplotlib.ticker.FormatStrFormatter('%1.1f')
axs[0, 1].xaxis.set_major_formatter(formatter)
formatter = matplotlib.ticker.FormatStrFormatter('-%1.1f')
axs[1, 0].xaxis.set_major_formatter(formatter)
formatter = matplotlib.ticker.FormatStrFormatter('%1.5f')
axs[1, 1].xaxis.set_major_formatter(formatter);
# 接收函数的例子
def formatoddticks(x, pos):
"""Format odd tick positions."""
if x % 2:
return f'{x:1.2f}'
else:
return ''
fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
ax.plot(x1, y1)
ax.xaxis.set_major_formatter(formatoddticks);
1945
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
