matplotlib绘图技巧详解(三)

↑ 关注 + 星标 ~ 有趣的不像个技术号

每晚九点，我们准时相约  

大家好，我是黄同学

我们之前已经讲述了matplotlib的绘图原理，陆续会更新绘图技巧、相关图形绘制。

《matplotlib绘图的核心原理》

《matplotlib绘图技巧详解(一)》

《matplotlib绘图技巧详解(二)》

1、绘图区域设置

绘图区域设置：为figure指定不同的axes区域。

我们可以在一张图上绘制多个图形，当然，我们也可以将不同的图形绘制到多个不同的区域当中。共有如下几3种方式来实现绘图区域的设置。

• 通过figure对象调用add_subplot方法。

• 通过plt的subplot方法。

• 通过plt的subplots方法。

1）figure对象的add_subplot方法使用说明

  首先需要显示的创建一个figure对象，通过调用figure对象的add_subplot方法，来分配不同的子绘图区域。通俗的来说，就是相当于得到一个"画板对象"，然后在这个画板上，分配出不同的子绘图区域，每个区域可以绘制不同的图形。

  add_subplot指定绘图布局，需要指定子绘图区域的行数、列数和当前要绘制的子区域。

  add_subplot方法会返回每个子绘图区域的对象，调用该对象即可实现在子区域的图形绘制。

  在绘制图形时，总是需要创建figure对象。如果没有显式创建，则plt会隐式创建一个figure对象。在绘制图形时，既可以使用plt来绘制，也可以使用子绘图对象来绘制。“如果使用plt对象绘制，则总是在最后创建的绘图区域上进行绘制。”

操作如下：

figure = plt.figure()
axes1 = figure.add_subplot(2, 1, 1, facecolor="#eeeeee")
axes2 = figure.add_subplot(2, 1, 2)

plt.plot([1,2],[4,8])

结果如下：

① figure对象的add_subplot方法常用参数说明

• add_subplot指定绘图布局：既可以使用三个参数分开传递，也可以使用一个参数整体传递。

• 使用facecolor设置绘图区域的背景色。

• plt.subplots_adjust方法可以用来调整子图与子图之间的距离。(left,right,top,bottom,wspace,hspace)

② add_subplot指定绘图布局与facecolor设置绘图区域的背景色

figure = plt.figure()

axes1 = figure.add_subplot(2, 1, 1, facecolor="#eeeeee")
axes1.plot([1,2],[4,8])

axes2 = figure.add_subplot("212")
axes2.plot([1,8],[4,2])

结果如下：

③ plt.subplots_adjust方法调整子图与子图之间的距离

figure = plt.figure()

axes1 = figure.add_subplot("221",facecolor="#eeeeee")
axes1.plot([1,2],[4,8])

axes2 = figure.add_subplot("222")
axes2.plot([1,8],[4,2])

axes3 = figure.add_subplot("223")
axes3.plot([1,2],[4,8])

axes4 = figure.add_subplot("224",facecolor="#eeeeee")
axes4.plot([1,8],[4,2])

# hspace和wspace参数最有用，只讲述这个
plt.subplots_adjust(hspace=1,wspace=0.5)

结果如下：

3）plt的subplot方法的使用说明

  plt.subplot方法，由于plt可以隐式的创建一个figure对象，因此使用这个方法，来指定绘图布局，不需要显示的创建figure对象。因为plt.subplot方法直接可以返回子绘图区域的axes对象。

  实际上，这种创建子绘图区域的方式，底层也是通过第一种方式实现的。

  因此，使用这种方式和add_subplot的使用方式，一模一样。

① 演示如下

plt.subplot("121")
plt.plot([1, 2, 3], "g--d")

plt.subplot(1, 2, 2)
plt.plot([2, 4, 1], "r-.o")

plt.subplots_adjust(wspace=0.5)

结果如下：

4）plt的subplots方法的使用说明

  通过plt的subplots方法创建子绘图区域，该方法返回一个元组。如果是一个子绘图对象，那么返回的是一个axes坐标系对象。如果是多个子绘图对象，则返回一个ndarray数组。

  可以通过sharex与sharey来指定是否共享x轴与y轴。

操作如下：

figure,axes = plt.subplots(1,1)
display(type(figure))
display(type(axes))

figure,axes = plt.subplots(2,2)
display(type(figure))
display(type(axes))

结果如下：

① 不使用sharex与sharey共享x轴与y轴

figure,axes = plt.subplots(2,2)
axes[0,0].plot([1,4])
axes[0,1].plot([6,2])
axes[1,0].plot([3,7])
axes[1,1].plot([8,4])

结果如下：

② 使用sharex与sharey共享x轴与y轴

figure,axes = plt.subplots(2,2,sharex=True,sharey=True)
axes[0,0].plot([1,4])
axes[0,1].plot([6,2])
axes[1,0].plot([3,7])
axes[1,1].plot([8,4])

结果如下：

2、figure(画布)大小设置

1）为什么要设置figure(画布)大小？

  figure(画布)的大小，对于我们进行图形绘制很重要。

  如果画布太小，当子绘图区域较多，可能会有些拥挤。因此我们要使用较大一点的画布，才能更好的摆放这些子图。

2）figure(画布)大小设置的2种方式

在调用plt.figure()显示创建figure对象时，通过figsize参数指定，单位为英寸。

在创建figure对象后，可以通过figure对象的set_size_inches方法设置。

① 在显示创建figure对象的同时，通过figsize参数指定画布大小

plt.figure(figsize=(8,3))
plt.plot([1,3,5,7],[4,9,6,8],"r-.o")

结果如下：

② 在显示创建figure对象后，通过set_size_inches()方法指定画布大小

figure = plt.figure()
figure.set_size_inches(7,6)
plt.plot([1,3,5,7],[4,9,6,8],"r-.o")

结果如下：

3）若隐式创建画布，怎么设置figure画布大小呢？

① 演示如下

figure = plt.gcf()
figure.set_size_inches(6,5)
plt.plot([1,3,5,7],[4,9,6,8],"g-o")

结果如下：

3、标签与刻度设置

1）使用说明

  我们可以通过plt对象的相关方法来设置或获取标签与刻度等信息。

  设置还是获取，取决于是否传递实际参数。当传递了参数，表示设置标签与刻度；当没有传递参数，表示获取标签与刻度。

2）标签与刻度设置的相关方法

• plt.xlim 设置或获取x轴刻度范围。

• plt.ylim 设置或获取y轴刻度范围。

• plt.xticks 设置或获取x轴显示的刻度与标签。

• plt.yticks 设置或获取y轴显示的刻度与标签。

• plt.axis 可以同时设置或获取x与y轴的刻度范围，或者是取消刻度显示

• equal：x与y具有同样的长度。

操作如下：

plt.plot([1, 3, 5], [2, 4, 6])
# 显示x轴刻度的范围
display(plt.xlim())
# 显示y轴刻度的范围
display(plt.ylim())
# 获取x轴的刻度与标签。
display(plt.xticks())
# 获取y轴的刻度与标签。
display(plt.yticks())

结果如下：

3）x轴和y轴刻度范围的设置：plt.xlim()、plt.ylim()

plt.plot([1,3,5,7],[4,9,6,8],"r.-")
plt.xlim([1,7])
plt.ylim(4,9)

结果如下：

4）x轴和y轴刻度与标签的设置：plt.xticks()、plt.yticks()

默认情况下，标签就是我们设置的刻度信息。我们可以自定义每个刻度的显示标签。

plt.plot([2, 4, 8], [4, 7, 5], "b-o")

plt.xlim([-2, 12])
plt.xticks([2, 4, 8], ["偏低", "中等", "偏高"])

结果如下：

5）plt.axis()方法的使用

plt.axis 可以同时设置或获取x与y轴的刻度范围，或者是取消刻度显示。

• 无参数：返回一个元组。(xmin, xmax, ymin, ymax)

• (xmin, xmax, ymin, ymax) 同时设置x与y轴的刻度范围。

• off 取消坐标轴显示。

• tight：坐标轴紧凑显示。

• equal：x与y具有同样的长度。

① 获取x与y轴的刻度范围

plt.plot([2, 4, 8], [4, 7, 5], "b-o")
plt.axis()

结果如下：

② 设置x与y轴的刻度范围

plt.plot([2, 4, 8], [4, 7, 5], "b-o")
plt.axis((2,8,4,7))

结果如下：

③ 去掉坐标轴：plt.axis(“off”)

plt.plot([2, 4, 8], [4, 7, 5], “b-o”)
plt.axis(“off”)

结果如下：

④ 设置x轴和y轴每个单位长度大小一致：plt.axis(“equal”)

plt.plot([2, 4, 8], [4, 7, 5], "b-o")
plt.axis("off")

结果如下：

4、坐标轴标题、标签与图标题设置

1）坐标轴标题、标签与图标题设置的相关说明

关于本章知识的讲解，我们从两方面进行说明。

当一张figure画布上，只有一个图的时候，通过如下方式设置：

• plt.xlabel 设置x轴的标签说明。

• plt.ylabel 设置y轴的标签说明。

• plt.xticks 设置x轴的刻度标签。

• plt.yticks 设置y轴的刻度标签。

• plt.title 设置标题。

当一张figure画布上，有多个图形的时候，通过如下方式设置，除了通过plt对象外，我们还可以通过子绘图对象来设置与获取标签与刻度。

• ax.set_xlim 设置x轴刻度范围。

• ax.get_xlim 获取x轴刻度范围。

• ax.set_xticks 设置x轴显示的刻度。

• ax.get_xticks 获取x轴显示的刻度。

• ax.set_xticklabels 设置x轴显示的刻度标签。默认显示的是就是刻度值。

• ax.get_xticklabels 获取x轴显示的刻度标签。默认显示的是就是刻度值。

也可以设置标签说明与标题

• ax.set_xlabel 设置x轴的标签说明。

• ax.get_xlabel 获取x轴的标签说明。

• ax.set_title 设置标题。

• ax.get_title 获取标题。

说明：

• “如果需要设置或者获取y轴，只需要将x换成y即可。”

2）一张figure画布上，只有一个图，怎么设置坐标轴标题、标签与图标题？

plt.plot([2, 4, 8], [4, 7, 5], "b-o")
plt.xticks([2,4,8],["低","中","高"])
plt.xlabel("x轴标签")
plt.ylabel("y轴标签")
plt.title("图标题")

结果如下：

3）一张figure画布上，有多个图形，怎么设置坐标轴标题、标签与图标题？

figure = plt.figure()
axes1 = figure.add_subplot(2,1,1)
axes1.plot([2,4,8],[4,7,5])
axes1.set_xticks([2,4,8])
axes1.set_xticklabels(["低","中","高"])
axes1.set_xlabel("年龄")
axes1.set_ylabel("数值大小")
axes1.set_title("波动值")

axes2 = figure.add_subplot(2,1,2)
axes2.plot([2,4,8],[7,2,6])

plt.subplots_adjust(hspace=0.5)

结果如下：

5、添加注解

1）什么是注解？

“注解”就是在图形上绘制文本等说明信息。

2）箭头和文本一次性设置：plt.annotate()

① 常用参数介绍

• xy 箭头指向坐标

• xytext：文本起点坐标。（箭头尾部坐标）

• arrowprops：字典类型，可设置箭头的属性。

• facecolor：箭头的颜色。

• headwidth：箭头的宽度。

• width：箭身的宽度。

• headlength：箭头的长度。

• shrink：收缩大小。

常见参数用法如图：

② 举例如下

x = np.linspace(-10, 10, 100)
plt.plot(x, -x ** 2, “r-”)
plt.title(“抛物线图”)
plt.annotate(“这是极大值点”, xy=(0,0), xytext=(-5,-40),
arrowprops=dict(facecolor=“g”,width=1,headwidth=5))

3）箭头和文本分开设置

• plt.text语法格式如下：

• plt.text(x,y,文本值)

• plt.arrow语法格式

• plt.arrow(x,y,dx,dy,width=,head_width=,head_length)

① 常用参数如下

### plt.text添加普通文本
plt.text：显示文本（基于坐标）
plt.figtext：显示文本（基于图片）
* x,y：文本点的坐标。
* 文本值：给这个点添加文本注释。

### plt.arrow添加箭头
* x,y：箭头的起点坐标。
* dx,dy：基于起点坐标的偏移量。
* width：箭头尾部的宽度。
* head_width：箭头的宽度。
* head_length：箭头的长度。
* alpha：表示箭头的透明度。范围是0-1。

关于dx、dy的用法演示：

② 举例如下：

x = np.linspace(-10, 10, 100)
plt.plot(x, -x ** 2, "r-")
plt.title("抛物线图")
plt.text(-3.5, -50, "这是极值点")
plt.arrow(-2.5,-45,2.5,42,width=0.001,head_width=1,head_length=2,color="b")

结果如下：

4）给图形上的坐标点添加数据标签

① 例一

x = np.linspace(0,10,100)
y = -x**2
plt.xlim(0,100)
plt.ylim(0,100)
plt.title("抛物线")
plt.plot(x,y)
for xy in zip(x,y):
    plt.annotate("(%s,%s)" % xy, xy=xy)

结果如下：

② 例二

x = np.arange(1,13)
y = np.array([1234,871,2222,3123,5612,2222,4123,3214,999,6000,5423,3123])
plt.plot(x,y,"ro-",label="每月工资")
plt.title("张三1-12月工资")
plt.xlabel("月份")
plt.ylabel("工资")
plt.legend(loc="best")
for xy in zip(x,y):
    plt.annotate("{}".format(xy[1]),xy=xy,ha="center",va="bottom")
    
plt.savefig("张三工资",dpi=300,facecolor="g")

结果如下：

③ 例三“添加注释的第2种方式

x = np.arange(1,13)
y = np.array([1234,871,2222,3123,5612,2222,4123,3214,999,6000,5423,3123])
plt.plot(x,y,"ro-",label="每月工资")
plt.title("张三1-12月工资")
plt.xlabel("月份")
plt.ylabel("工资")
plt.legend(loc="best")
for x,y in zip(x,y):
    plt.text(x,y,y,ha="center",va="bottom",fontsize=10)

结果如下：

matplotlib绘图技巧详解部分到此结束，

后续更新matplotlib相关图形绘制~

后台回复关键词「进群」，即刻加入读者交流群~

“在看”和“转发”是对文章最好的支持