Python--Matplotlib库与数据可视化①--修改图像属性

起步

导入matplotlib:

import matplotlib.pyplot as plt

使用内部函数plot(）来绘制图线

plt.plot(Close['2020'])

执行完代码图像未显示出来时，还需要用到show()方法。

plt.show()

默认方式过于简单而漏掉了很多信息，作如下补充

修改图像属性

1.坐标

1.1 更改坐标轴范围

假设-1和1表示买入和卖出，现绘制某一时间段买卖点：

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])

• rcParams 是Matplotlib库中pyplot包绘图的参数字典，key为’axes.unicode_minus’的默认取值(value)为True,表示unicode的minus类型，有些字体对其兼容性支持不够，导致负号无法正常显示,现在将’axex.unicode_minus’的取值设为False，则可正常显示负号。

plt.rcParams[‘axes.unicode_minus’] = False

上图默认以-1和1为y轴坐标的最小指和最大值。如要调大坐标范围，则通过设定xlim()和ylim()来实现。xlim()函数用来调节X轴的范围，ylim用来调节Y轴的范围。

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.ylim(-1.5,1.5)

重新绘制，效果如下图所示

1.2设定坐标标签与显示角度

• 可以通过xticks()和yticks()函数设定坐标的标签。基本用法如下：
• matplotlib.pyplot.xticks(location, lables)
• matplotlib.pyplot.yticks(location, lables)
  location:指标签的位置，一般由浮点数或是证书组成的列表
  labels:表示坐标的标签，一般为与location等长的字符串列表
  rotation:控制标签与X轴正向的角度。

plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.ylim(-1.5,1.5)
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2015-02-09'], rotation=45)
# 这里把标X轴签与与Y轴正向的夹角设成了45度。

结果如图：

2.添加文本

2.1 添加标题

• 添加标题可以通过pyplot包中的title()函数实现。
  matplotlib.pyplot,title(s, *args, **kwargs)
  参数s为str类型数据。
  参数loc：设定标题的显示位置。可选取值有：“counter”，“left”，“right”，分别表示位于坐标轴的中央、左边缘和右边缘。loc默认取值为"center"。

plt.rcParams['axes.unicode_minus'] = False
plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.ylim(-1.5,1.5)
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票买卖点曲线图')

2.2中文显示问题

默认情况下，图形中的中文为乱码形式，有两种方式可以解决matplotlib绘图中的中文显示问题。

• 1.每次绘图前，通过代码更改参数。更改Matplotlib包中pyplot包的参数字（rcParams）字体的无衬线字体属性(font.sans-serif, 为参数字典的一个key)的取值(value)，现将其设定为以’SimHei’为元素的数组形式。

plt.rcParams['font.sans-serif'] = ['SimHei']

• 2.如果每次绘图前都要考虑中文显示问题和执行上边的代码，不免就有些麻烦，当参数行数较多时，可能会顾此失彼。为了一劳永逸，可以修改一下Matplotlib配置文件中相关绘图属性的取值。该具体操作不再过多赘述。此操作虽方便，但会降低代码的普适性，不便于日后交流，固应根据个人需求酌情采用。

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.ylim(-1.5,1.5)
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票买卖点曲线图')

具体效果如图所示：

2.3 设定坐标轴标签

在图像中添加坐标轴标题可以直观地显示坐标轴代表的数据变量。X轴、Y轴的标签设定分别通过xlabel()和ylabel()函数来实现，这两个函数也位于pyplot包中。

基本语法

• xlabel(‘a’)
• ylabel(‘b’)

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.ylim(-1.5,1.5)
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票买卖点曲线图')
plt.xlabel('日期')
plt.ylabel('买卖点')

示例结果：

2.4 增加图形背景 grid

在Matplotlib包中，pyplot包内的grid()函数用于增加并设定图形的背景，函数的参数形式如下：

• matplotlib.pyplot.grid(b=None,which=‘major’, axis=‘both’, **kwargs)

参数b:

• 布尔数据类型，设定是否显示grid。默认为None，不显示。如需显示，则将B设定为True。

参数which:

• 设定 分割标示线(tick) 的类型，取值为"major", “minor"或者"both”。
• 默认为"major"，表示以原本坐标轴分割标示线为准；
• 若取值为"minor"，则表示 进一步细分 坐标轴分割标示线，但是 分割标准要提前设定好。如果只是设定值为"minor",则图形不会显示grid。
• "both"表示大小区间坐标轴分割线都有。

参数axis:

• 制定绘制grid的坐标轴，取值为"both"(default), “x”, 或者"y"。both表示X轴和Y轴的grid都绘制。 默认都绘制。
  使用示例：

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.ylim(-1.5,1.5)
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票买卖点曲线图')
plt.xlabel('日期')
plt.ylabel('买卖点')
plt.grid(True,axis='y')

2.5 增加图例

• 多条曲线显示在一张图中时，图例可以帮助我们区分识别不同的曲线。如对某股票的价格数据中，除了收盘价，开盘价也涵盖了市场中的很多信息，将收盘价与开盘价对比分析，可能会发现一些新的信息。
• 图例的增加， 通过pyplot包中的**lengend()**函数实现。
  matplotlib.pyplot.lengend(*args, **kwargs)
  该函数常用到的一个参数是loc参数，用于设定图例在图中的位置。参数loc取值如表所示：
  参数loc取值表：

含义	字符串类型值	数字值
最适宜位置	‘best’	0
右上角	‘upper right’	1
左上角	‘upper left’	2
左下角	‘lower left’	3
右下角	‘lower right’	4
右侧	‘right’	5
左侧中间	‘center left’	6
右侧中间	‘center right’	7
下方中间	‘lower center’	8
上方中间	‘upper center’	9
中间	‘center’	10

该函数成功增加图例的前提是在绘制图形时，要为图形设定lebel,lebel的值就是图例的文本内容。

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], label = '收盘价')
plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], label = '收盘价')
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票开盘价&收盘价时序图')
plt.xlabel('日期')
plt.ylabel('价格')
plt.grid(True,axis='y')
plt.legend()

结果如图所示:

3.多种线条属性

3.1线条的类型

plot()函数中的linestyle参数用于设定曲线的类型。为了书写方便，有时会用ls代替linestyle, 该参数的主要取值如表所示：
线条类型可能取值表

类型	名称取值	符号取值
实线	‘solid’	‘-’
虚线	‘dashed’	‘—’
线点	‘dashdot’	‘-.’
点线	‘dotted’	‘:’
不画线	‘None’	‘’

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], label = '收盘价', linestyle='solid')
plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], label = '收盘价', ls='-.')
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票开盘价&收盘价某时间序列内时序图')
plt.xlabel('日期')
plt.ylabel('价格')
plt.grid(True,axis='y')
plt.legend()

3.2图形的颜色

修改图形的颜色通过设定plot()的color参数来实现,color参数也可以简写为c。颜色的取值有多种方式指定，最常用的是直接设定颜色的名称或颜色名称的简写，也可以通过RGB数组(比如(1,1,0)等其他方式设定)。
主要color名称及其简写:

颜色名称	简写
‘red’	‘r’
‘black’	‘k’
‘blue’	‘b’
‘cyan’	‘c’
‘yellow’	‘y’
‘white’	‘w’
‘green’	‘g’

代码示例：

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], c='r',  label = '收盘价', linestyle='solid')
plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], c='b', label = '收盘价', ls='-.')
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票开盘价&收盘价某时间序列内时序图')
plt.xlabel('日期')
plt.ylabel('价格')
plt.grid(True,axis='y')
plt.legend()

结果如图所示：

3.3 点的形状类型

除了线条类型外，还可以设置数据点的形状。数据点形状通过maker参数来设定。maker参数取值有很多，如表所示：
点的形状marker的部分值表

形状含义	英文含义(description)	符号取值(marker)
点	point	‘.’
圆圈	circle	‘o’
向下三角形	triangle_down	‘v’
向上三角形	‘triangle_up’	‘^’
向左三角形	‘triangle_left’	‘<’
向右三角形	‘triangle_right’	‘>’
正方形	square	‘s’
五边形	pentagon	‘p’
六边形	hexagon1	‘h’
加号	plus	‘+’
叉号	x	‘x’
钻石	diamond	‘D’
星号	star	‘*’
竖线	vline	‘|’

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], marker='o', c='r',  label = '收盘价', linestyle='solid')
plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25],marker='*', c='b', label = '收盘价', ls='-.')
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票开盘价&收盘价某时间序列内时序图')
plt.xlabel('日期')
plt.ylabel('价格')
plt.grid(True,axis='both')
plt.legend()

效果如图所示：

3.4 线条宽度

线条的宽度通过参数linewidth来设定。参数linewidth也可以简写成lw。
代码示例：

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], '--rD', label = '收盘价', linewidth=2)
plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25],'--b>', label = '收盘价', lw=10)
plt.xticks(range(9), \
	      ['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
	      '2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
	       '2021-02-09'], rotation=45)
plt.title('某股票开盘价&收盘价某时间序列内时序图')
plt.xlabel('日期')
plt.ylabel('价格')
plt.grid(True,axis='both')
plt.legend()

效果如图所示：

• 这里，将几个参数整合在一起为‘–rD’，表示线条类型为–，线条颜色为r，点的形状为D。

续：
Python–Matplotlib库与数据可视化②–常见图形的绘制(柱状图，直方图，饼图，箱线图)

Python–Matplotlib库与数据可视化③–Figures、Axes对象与多图绘制