python数据可视化之如何用matplotlib画出漂亮美观的趋势图 | 图例、坐标、日期处理、像素、画布大小、分辨率、点标签等问题

这几天完成了一个小项目，matplotlib画出的图像总是不理想，很多细节需要调节，譬如横坐标的控制、图例的控制、周边留白的控制还有图片大小尺寸的控制，都需要根据业务需求来调整。

---

下面我一步步来说明怎么控制画图的参数

1. 最基本的画图

首先先来一个画图的小demo,看看10天的变化趋势图

# coding:utf-8
import matplotlib.pyplot as plt

x = [u'2018-07-01', u'2018-07-02', u'2017-07-03', u'2017-07-04', u'2017-07-05'
     , u'2018-07-06', u'2018-07-07', u'2017-07-08', u'2017-07-09', u'2017-07-10']
y = [0, 1, 2, 3, 4, 0, 1, 2, 3, 4]
plt.plot(x, y, label='yy', linewidth=1, color='orange', marker='o', markerfacecolor='red', markersize=1)
plt.show()

结果是这样：

---

2.画图保存

大多数时候我们需要的不仅仅是把图片画出来，还要保存到本地，这时候需要改一个地方，把上面的代码最后一行换了，用plt.savefig('文件名')替换plt.show()。

# coding:utf-8
import matplotlib.pyplot as plt

x = [u'2018-07-01', u'2018-07-02', u'2017-07-03', u'2017-07-04', u'2017-07-05'
     , u'2018-07-06', u'2018-07-07', u'2017-07-08', u'2017-07-09', u'2017-07-10']
y = [0, 1, 2, 3, 4, 0, 1, 2, 3, 4]
# 这里设置线宽、线型、线条颜色、点大小等参数
plt.plot(x, y, label='yy', linewidth=1, color='orange', marker='o', markerfacecolor='red', markersize=1)
plt.savefig('/Users/taorui02/Desktop/pct1.png')

结果是这样

3.去掉图片周边的留白

在使用图片的时候图像周边太多空白会浪费很多空间，这时候只需要在上面代码最后一行代码加一点信息，
plt.savefig('/Users/taorui02/Desktop/pct1.png', bbox_inches='tight')
替换
plt.savefig('/Users/taorui02/Desktop/pct1.png')
这里的bbox_inches='tight'就有这个功能。
结果是这样：

4. 加入标题、x轴y轴名称

这里只需要在画图代码前添加三行代码：

# 标题
plt.title("title")
# 横坐标描述
plt.xlabel('date')
# 纵坐标描述
plt.ylabel('num')

5. 图例

在画图后添加一行代码，就能显示图例。

# 设置数字标签
plt.legend(loc='upper left')

loc设置图例的位置，图例信息在执行plot的时候设置的。

6. 画布大小

添加一行代码来设置

# 设置画布大小
plt.figure(figsize=(20, 4))

显示结果：

画了一个比较宽的图，解决了横坐标相互遮挡的问题

7. 给坐标点加标注

加两行代码：

# 每个数据点加标签
for a, b in zip(x, y):
    plt.text(a, b, b, ha='center', va='bottom', fontsize=10)   

结果：

如果只需要给一个点加标注：

# 只给最后一个点加标签
plt.text(x[-1], y[-1], y[-1], ha='center', va='bottom', fontsize=10)

结果：

8. 横坐标部分显示

这个比较复杂，直接看代码，这里调用了ticker.MaxNLocator(tick_spacing)，MaxNLocato方法用来控制横轴显示的最多的标记数，还可以通过其他方法控制，比如间隔数。
这里麻烦的是要画子图才能实现。

# coding:utf-8
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

x = ['2018-07-01', '2018-07-02', '2017-07-03', '2017-07-04', '2017-07-05'
     , '2018-07-06', '2018-07-07', '2017-07-08', '2017-07-09', '2017-07-10']
y = [0, 1, 2, 3, 4, 0, 1, 2, 3, 4]

# 设置画布大小
plt.figure(figsize=(20, 4))
# 标题
plt.title("title")
# 横坐标描述
plt.xlabel('date')
# 纵坐标描述
plt.ylabel('num')

tick_spacing = 3
fig, ax = plt.subplots(1, 1)
ax.xaxis.set_major_locator(ticker.MaxNLocator(tick_spacing))

# 这里设置线宽、线型、线条颜色、点大小等参数
ax.plot(x, y, label='yy', linewidth=1, color='orange', marker='o', markerfacecolor='red', markersize=1)
# 每个数据点加标签
#for a, b in zip(x, y):
#    plt.text(a, b, b, ha='center', va='bottom', fontsize=10)
# 只给最后一个点加标签
plt.text(x[-1], y[-1], y[-1], ha='center', va='bottom', fontsize=10)

# 图例显示及位置确定
plt.legend(loc='upper left')
plt.savefig('/Users/taorui02/Desktop/pct1.png', bbox_inches='tight')

结果：

9.横轴坐标标签旋转

添加代码：

# 旋转x轴标签
for label in ax.get_xticklabels():
     label.set_rotation(30)  # 旋转30度
     label.set_horizontalalignment('right')  # 向右旋转

结果：

10.画多条线

多线只需要多加一行plot代码

# coding:utf-8
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

x = ['2018-07-01', '2018-07-02', '2017-07-03', '2017-07-04', '2017-07-05'
     , '2018-07-06', '2018-07-07', '2017-07-08', '2017-07-09', '2017-07-10']
y = [0, 1, 2, 3, 4, 0, 1, 2, 3, 4]
z = [1, 2, 3, 4, 7, 1, 2, 3, 4, 10]
# 设置画布大小
plt.figure(figsize=(20, 4))

tick_spacing = 4
fig, ax = plt.subplots(1, 1)
ax.xaxis.set_major_locator(ticker.MaxNLocator(tick_spacing))

# 标题
plt.title("title")
# 横坐标描述
plt.xlabel('date')
# 纵坐标描述
plt.ylabel('num')

# 这里设置线宽、线型、线条颜色、点大小等参数
ax.plot(x, y, label='yy', linewidth=2, color='black', marker='o', markerfacecolor='red', markersize=4)
ax.plot(x, z, label='zz', linewidth=2, color='red', marker='o', markerfacecolor='black', markersize=4)
# 每个数据点加标签
for a, b in zip(x, z):
    plt.text(a, b, str(b)+'%', ha='center', va='bottom', fontsize=12)
# 只给最后一个点加标签
plt.text(x[-1], y[-1], y[-1], ha='center', va='bottom', fontsize=15)

# 旋转x轴标签
for label in ax.get_xticklabels():
     label.set_rotation(30)  # 旋转30度
     label.set_horizontalalignment('right')  # 向右旋转

# 图例显示及位置确定
plt.legend(loc='upper left')
plt.savefig('/Users/taorui02/Desktop/pct1.png', bbox_inches='tight')

最后结果

11.像素、分辨率设置

按默认值画出的图会有点虚，这时候就需要设置一下像素和分辨率。

plt.rcParams['savefig.dpi'] = 300 #图片像素

plt.rcParams['figure.dpi'] = 600 #分辨率