Matplotlib图表层次结构

今天给大家系统介绍Matplotlib图表层次结构，通过步骤分解，详细了解一个图表绘制的过程 。

‍

Matplotlib图表层次结构

Figure图形

Figure中最重要的元素是figure本身。在调用figure方法时创建的，可以指定它的长宽(figsize)及分辨率(dpi)，也可以指定背景颜色(facecolor)和标题(suptitle)。另外，当保存图形时，背景颜色将不会被使用，因为savefig函数也有一个faceccolor参数(默认为白色)，它将覆盖您的图形背景颜色。如果不想要任何背景，可以在保存图形时指定transparent=True。

Axes轴

这是第二个最重要的元素，它对应于将呈现数据图表的实际区域。它也被称为subplot子图。每个figure可以有一个或多个axes轴，每个axes轴通常由四条边(左、上、右、下)包围，称为spines。每一根spines上都可以装饰有主刻度和次刻度(可以指向内部或外部)、刻度标签和标签。默认情况下，matplotlib只装饰左边和下面的spines边框。

Axis轴

有刻度的spines边线称为轴。水平的是x轴，垂直的是y轴。每个轴每一个都是由一个spines轴线，主刻度、次刻度、主刻度标签、次刻度标签和一个轴标签组成。

Spines轴线

Spines是连接轴刻度线和数据区域边界的轴线。它们可以被放置在任意位置，可以选择展示或隐藏它们。

第一步，设置画布大小、调整坐标轴范围
第二步，设置图表边框格式
第三步，设置图表标题
第四步，设置图表的网格
第五步，设置轴刻度
第六步，绘图
第七步，配置图例

Step1设置画布

第一步，设置画布大小、调整坐标轴范围。

首先需要有画布，才能在上面创作，就像写字需要先拿一张纸。画布的大小（长宽比、分辨率）及刻度范围可以先设置好，如果预先不知道刻度范围，可以等绘图结束后再做适当调整。

设置画布

fig=plt.figure(figsize=(8,8))
ax=fig.add_subplot(1,1,1,aspect=1)
ax.set_xlim(0,4)
ax.set_ylim(0,4)

Matplotlib有两种画图接口：
①是便捷的 MATLAB 风格接口，
②是功能更强大的面向对象接口。

MATLAB风格接口

MATLAB 风格的工具位于pyplot(plt) 接口中。plt.xx之类的是 函数式绘图，通过将数据参数传入 plt类 的静态方法中并调用方法，从而绘图。

这种接口最重要的特性是有状态的：它会持续跟踪 "当前的" 图形和坐标轴，所有 plt 命令都可以应用。可以用 plt.gcf() (获取当前图形)和 plt.gca()(获取当前坐标轴)来查看具体信息。

面向对象接口

fig,ax=plt.subplots()是对象式编程，这里plt.subplots()是返回一个元组，包含了 figure 对象(控制总体图形大小)和 axes 对象(控制绘图，坐标之类的)。此外fig.add_subplot()也是相同的道理。

进行对象式绘图，首先是要通过plt.subplots()将 figure 类和 axes 类实例化也就是代码中的fig,ax，然后通过 fig 调整整体图片大小，通过 ax 绘制图形，设置坐标，函数式绘图最大的好处就是直观。

面向对象接口可以适应更复杂的场景，更好地控制你自己的图形。在面 向对象接口中，画图函数不再受到当前 "活动" 图形或坐标轴的限制，而 变成了显式的 Figure 和 Axes 的方法。

Step2 设置轴线

第二步，设置图表Spines轴线。

设置轴线隐藏轴线

图形的轴线可以通过坐标轴属性ax.spines设置，最常见的设置方法是选择隐藏，通过属性['top', 'bottom', 'left', 'right']分别设置上下左右的轴线。

ax.spines.right.set_visible(False)
ax.spines.bottom.set_visible(False)

还有另一种经常使用的情况，根据绘图需要，调整 spines 轴线在图中位置。如绘制正余弦函数时：

移动轴线

#移动left和bottomspines到(0,0)位置
ax.spines["left"].set_position(("data",0))
ax.spines["bottom"].set_position(("data",0))
#隐藏top和rightspines.
ax.spines["top"].set_visible(False)
ax.spines["right"].set_visible(False)

Step3 设置标题

第三步，设置标题， 就是用几个简短的字高度概括该图形所要传达的信息。

设置标题

通过ax.set_title函数设置标题。

ax.set_title("Anatomyofafigure(层次结构)",
fontsize=20,
verticalalignment="bottom")

matplotlib.axes.Axes.set_title()

ax.set_title()是给ax这个子图设置标题，当子图存在多个的时候，可以通过ax设置不同的标题。如果需要设置一个总的标题，可以通过fig.suptitle('Total title')方法设置。

Axes.set_title(label,fontdict=None,
loc='center',pad=None,
**kwargs)

参数：

• label：此参数是用于标题的文本。
• fontdict：此参数是控制标题文本外观的字典。
• loc：此参数用于设置标题{'center'，'left'，'right'}的位置。
• pad：此参数是标题距轴顶部的偏移量(以磅为单位)。

Step4 设置网格

第四步，设置图表的网格， 图表网格属于图形配置的一种。网格可以辅助读者更好直观地量化图形。

设置网格

通过方法ax.grid()添加网格线。

ax.grid(linestyle="--",linewidth=0.5,
color=".25",zorder=-10)

matplotlib.axes.Axes.grid()

Axes.grid(b=None,which='major',
axis='both',**kwargs)

参数：

• b：是否显示网格线。布尔值或None，可选参数。如果没有关键字参数，则b为True，如果b为None且没有关键字参数，相当于切换网格线的可见性。
• which：网格线显示的尺度。字符串，可选参数，取值范围为{'major', 'minor', 'both'}，默认为'major'。'major'为主刻度、'minor'为次刻度。没有输入的方向则不会显示网格刻度。
• axis：选择网格线显示的轴。字符串，可选参数，取值范围为{'both', 'x', 'y'}，默认为'both'。
• kwargs：Line2D线条对象属性。常用的
  • color : 这就不用多说了，就是设置网格线的颜色。或者直接用c来代替color也可以。
  • linestyle : 也可以用ls来代替linestyle， 设置网格线的风格，是连续实线，虚线或者其它不同的线条。| '-' | '--' | '-.' | ':' | 'None' | ' ' | ''|
  • linewidth : 设置网格线的宽度
  • zorder： 设置层次顺序

另外还有几种不同设置网格线的方法：

plt.grid(true)
#设置网格线格式：
plt.grid(color='r',linestyle='--',
linewidth=1,alpha=0.3)

#使用axes类面向对象命令
#同时设置横竖坐标轴上的网格线
ax.grid(color='r',linestyle='--',
linewidth=1,alpha=0.3)

#单独设置X坐标轴上(垂直方向)的网格线
ax.xaxis.grid(color='r',linestyle='--',
linewidth=1,alpha=0.3)

#单独设置Y坐标轴上(水平方向)的网格线
ax.yaxis.grid(color='r',linestyle='--',
linewidth=1,alpha=0.3)

图形配置

手动设置背景色的几种方法

① 设置 figure 背景颜色

#方法 I：
plt.figure(facecolor='blue',#图表区的背景色
edgecolor='black')#图表区的边框线颜色

#方法 II：
fig=plt.gcf()
fig.set_facecolor('green')

② 设置 axes 背景颜色

#方法 I：
a=plt.axes([.65,.6,.2,.2],
facecolor='k')#pyplotapi命令-黑色背景
#方法 II：
ax1=plt.gca()
ax1.patch.set_facecolor("gray")#设置ax1区域背景颜色
ax1.patch.set_alpha(0.5)#设置ax1区域背景颜色透明度

③ 修改 matplotlib 默认参数

Matplotlib 每次加载时，都会定义一个运行时配置(rcParams)，其中包含了 所有你创建的图形元素的默认风格。你可以用 mpl.rcParams 简便方法随时修 改这个配置。

mpl.rcParams['axes.facecolor']='red'
mpl.rcParams['savefig.facecolor']='red'

手动配置

手动配置

#用灰色背景
fig=plt.figure(figsize=(8,8),
facecolor='#E6E6E6',#图表区的背景色
edgecolor='black')
#画上白色的网格线
ax.grid(color='grey',linestyle='-.')
#隐藏坐标轴的线条
forspineinax.spines.values():
spine.set_visible(False)
#隐藏上边与右边的刻度ax.xaxis.tick_bottom()ax.yaxis.tick_left()
#弱化刻度与标签
ax.tick_params(colors='gray',direction='out')

fortickinax.get_xticklabels():
tick.set_color('gray')
fortickinax.get_yticklabels():
tick.set_color('gray')

使用默认配置样式表

即使你不打算创建自己的绘图风格，样式表包含的默认内容也非常有 用。通过 plt.style.available 命令可以看到所有可用的风格，

plt.style.available[:5]

[ 'fivethirtyeight', 'seaborn-pastel',
'seaborn-whitegrid', 'ggplot',  
'grayscale']

使用某种样式表的基本方法如下所示:

plt.style.use('ggplot')

默认配置

Step5 设置轴刻度

坐标轴定位器与格式生成器

虽然 Matplotlib 默认的坐标轴定位器(locator)与格式生成器 (formatter)可以满足大部分需求，但是并非对每一幅图都合适。

Tick Locator

Tick Locator 主要设置刻度位置，这在我的绘图教程中主要是用来设置副刻度(minor)，而 Formatter 则是主要设置刻度形式。Matplotlib 对这两者则有着多种用法，其中 Locator 的子类主要如下：

Tick Locator

Tick formatters

Tick formatters 设置刻度标签格式，主要对绘图刻度标签定制化需求时，matplotlib 可支持修改的刻度标签形式如下。

Tick formatters

部分代码如下

importmatplotlib.tickerasticker

#MultipleLocator
axs[1].xaxis.set_major_locator(ticker.MultipleLocator(0.5))
axs[1].xaxis.set_minor_locator(ticker.MultipleLocator(0.1))

#IndexLocator
axs[4].plot(range(0,5),[0]*5,color='white')
axs[4].xaxis.set_major_locator(ticker.IndexLocator(base=0.5,offset=0.25))

#AutoLocator
axs[5].xaxis.set_major_locator(ticker.AutoLocator())
axs[5].xaxis.set_minor_locator(ticker.AutoMinorLocator())

#LogLocator
axs[7].set_xlim(10**3,10**10)
axs[7].set_xscale('log')
axs[7].xaxis.set_major_locator(ticker.LogLocator(base=10,numticks=15))

#StrMethodformatter
setup(axs1[1],title="StrMethodFormatter('{x:.3f}')")
axs1[1].xaxis.set_major_formatter(ticker.StrMethodFormatter("{x:.3f}"))

#FuncFormattercanbeusedasadecorator
@ticker.FuncFormatter
defmajor_formatter(x,pos):
returnf'[{x:.2f}]'
setup(axs1[2],title='FuncFormatter("[{:.2f}]".format')
axs1[2].xaxis.set_major_formatter(major_formatter)

刻度标签参数

更改刻度、刻度标签和网格线的外观。

matplotlib.axes.Axes.tick_params()

Axes.tick_params(axis='both',**kwargs)

主要参数：

axis:可选{'x','y','both'}，选择对哪个轴操作，默认是'both'
reset:bool，如果为True，则在处理其他参数之前将所有参数设置为默认值。它的默认值为False。
which:可选{'major','minor','both'}选择对主or副坐标轴进行操作
direction/tickdir:可选{'in','out','inout'}刻度线的方向
size/length:float,刻度线的长度
width:float,刻度线的宽度
color:刻度线的颜色，我一般用16进制字符串表示，eg：'#EE6363'
pad:float,刻度线与刻度值之间的距离
labelsize:float/str,刻度值字体大小
labelcolor:刻度值颜色
colors:同时设置刻度线和刻度值的颜色
zorder:float，Tickandlabelzorder.
bottom,top,left,right:bool,分别表示上下左右四边，是否显示刻度线，True为显示
labelbottom,labeltop,labelleft,labelright:bool,分别表示上下左右四边，是否显示刻度值，True为显示
labelrotation:刻度值逆时针旋转给定的度数，如20
gridOn:bool,是否添加网格线；
grid_alpha:float网格线透明度；
grid_color:网格线颜色;
grid_linewidth:float网格线宽度；
grid_linestyle:网格线型
tick1On,tick2On:bool分别表表示是否显示axis轴的(左/下、右/上)or(主、副)刻度线
label1On,label2On:bool分别表表示是否显示axis轴的(左/下、右/上)or(主、副)刻度值

可以将每个 Matplotlib 对象都看成是子对象(sub- object)的容器，例如每个 figure 都会包含一个或多个 axes 对象，每个 axes 对象又会包含其他表示图形内容的对象。

设置轴刻度

#设置主次刻度轴
ax.xaxis.set_major_locator(MultipleLocator(1.000))
ax.xaxis.set_minor_locator(AutoMinorLocator(4))
ax.yaxis.set_major_locator(MultipleLocator(1.000))
ax.yaxis.set_minor_locator(AutoMinorLocator(4))
ax.xaxis.set_minor_formatter(FuncFormatter(minor_tick))
#设置刻度轴范围
ax.set_xlim(0,4)
ax.set_ylim(0,4)
#设置刻度参数
ax.tick_params(which="major",width=1.0)
ax.tick_params(which="major",length=10)
ax.tick_params(which="minor",width=1.0,labelsize=10)
ax.tick_params(which="minor",length=5,labelsize=10,labelcolor="0.25")
#设置轴标签
ax.set_xlabel("Xaxislabel")
ax.set_ylabel("Yaxislabel")

Step6 绘图

matplotlib.axes.Axes.plot()

Axes.plot([x],y,[fmt],data=None,**kwargs)

用于绘制XY坐标系的点、线或其他标记形状。

参数：

• x, y： 类数组或极坐标。水平/垂直坐标系中的数据点，x是可选参数，默认为[0,..., N-1]。通常，参数x,y是长度为N的数组，也支持极坐标（相当于一个常数值数组）。参数也可以是二维的，此时，每一列代表一个数据集。
• fmt： 字符串，可选参数。格式化字符串，例如'ro'代表红色圆圈。格式字符串是用于快速设置基本线条样式的缩写，这些样式或更多的样式可通过关键字参数来实现。

fmt='[color][marker][line]'

color（颜色）、marker（标记点）、line（线条）都是可选的，例如如果指定 line 而不指定 marker

ax.plot(X,Y1,c=(0.25,0.25,1.00),lw=2,
label="Bluesignal",zorder=10)
ax.plot(X,Y2,c=(1.00,0.25,0.25),lw=2,
label="Redsignal")
ax.plot(X,Y3,linewidth=0,marker="o",
markerfacecolor="w",markeredgecolor="k")

绘图

Step7 配置图例

想在可视化图形中使用图例，可以为不同的图形元素分配标签。

matplotlib.axes.Axes.legend()

可以用 Axes.legend()命令来创建最简单的图例。

Axes.legend(*args,**kwargs)

参数：

• labels：这个参数是在旁边显示的标签列表。
• handles：这个参数列表是要添加到示例的。
• loc： 位置参数，常用参数，可以传入位置字符串或位置代码，如下：

Location String	Location Code
'best'	0
'upper right'	1
'upper left'	2
'lower left'	3
'lower right'	4
'right'	5
'center left'	6
'center right'	7
'lower center'	8
'upper center'	9
'center'	10

同时显示多个图例

有时，我们可能需要在同一张图上显示多个图例。用 Matplotlib 通过标准的 legend 接口只能为一张图建一个图例。如果你想用 plt.legend() 或 ax.legend() 方法创建第二个图例，那么第一个图例就会被覆盖。但是，我们可以通过从头开始创建一个新的图例对象(legend artist)，然后用底层的(lower- level)ax.add_artist() 方法在图上添加第二个图例。

fig,ax=plt.subplots(figsize=(10,6))
lines=[]
styles=['-','--','-.',':']
x=np.linspace(0,10,1000)
foriinrange(4):
lines+=ax.plot(x,np.sin(x-i*np.pi/2),styles[i],color='black')
ax.axis('equal')
#设置第一个图例要显示的线条和标签
ax.legend(lines[:2],['lineA','lineB'],
loc='upperright',frameon=False,fontsize=15)
#创建第二个图例，通过add_artist方法添加到图上
frommatplotlib.legendimportLegend
leg=Legend(ax,lines[2:],['lineC','lineD'],
loc='lowerright',frameon=False,fontsize=15)
ax.add_artist(leg)

审核编辑 ：李倩

---