Matplotlib配置了配色方案和默认设置，主要用来准备用于发布的图片。有两种方式可以设置参数，即全局参数定制和rc设置方法。
查看matplotlib的rc参数：
import matplotlib as plt print(plt.ra_params)
1.全局参数定制
Matplotlib的全局参数可以通过编辑配置文件设置
import matplotlib as plt print(plt.matplotlib_fname) #显示当前用户的配置文件目录
查找到当前用户的配置文件目录，然后用编辑器打开，修改matplotlib文件，即可修改配置参数。
2.rc参数设置
使用Python编程修改rc参数，rc参数及其取值如下表1~3
表1 rc参数名称及其取值
| rc参数 | 解释 | 取值 |
| lines.linewidth | 线条宽度 | 取0~10的数值，默认1.5 |
| lines.linestyle | 线条样式 | 取“-”“--”“-.”“：”4种，默认为“-” |
| lines.marker | 线条上点的形状 | 可取“o”“D”等20种，默认为None |
| lines,markersize | 点的大小 | 取0~10的数值，默认为1 |
表2 线条样式lines.linestyle的取值 linestyle取值意义linestyle取值意义-实线-.点线--长虚线:短虚线
| linestyle取值 | 意义 | linestyle取值 | 意义 |
| - | 实线 | -. | 点线 |
| -- | 长虚线 | : | 短虚线 |
表3 lines.marker参数的取值
| marker取值 | 意义 | marker取值 | 意义 |
| 'o' | 圆圈 | '.' | 点 |
| 'D' | 菱形 | 's' | 正方形 |
| 'h' | 六边形1 | '*' | 星号 |
| 'H' | 六边形2 | 'd' | 小菱形 |
| '-' | 水平线 | 'v' | 一角朝下的三角形 |
| '8' | 八边形 | '<' | 一角朝左的三角形 |
| 'p' | 五边形 | '>' | 一角朝右的三角形 |
| '，' | 像素 | '^' | 一角朝上的三角形 |
| '+' | 加号 | '|' | 竖线 |
| 'None' | 无 | 'x' | X |
需要注意的是，由于默认的Pyplot字体并不支持中文符的显示，因此需要通过设置font.sans-serif参数改变绘图时的字体，使得图形可以正常显示中文。同时，由于更换字体后，会导致坐标轴中的部分字符无法显示，因此需要同时更改axes.unicode_minus参数。
plt.rcParams['font.family'] = ['SimHei'] #用来显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示符号
如果需要在坐标轴上显示时间，可以利用DateFormatter提供的功能进行设置，常用代码如下：
from matplotlib.dates import DateFormatter
plt.gca().xaxis.set_major_formatter(DateFormatter('%y/%m/%d'))
#自动旋转X轴的刻度，适应坐标轴
plt.gcf().autofmt_xdate()
除了设置线条的字体的rc参数外，还有设置文本、箱线图、坐标轴、刻度、图例、标记、图片、图像保存等rc参数。
例1.rc参数设置例1
import numpy as np
import matplotlib.pyplot as plt
fig,ax = plt.subplots()
#配置中文显示
plt.rcParams['font.family'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示符号
def f(t):
return np.cos(2*np.pi*t)
x1 = np.arange(0.0,4.0,0.5)
x2 = np.arange(0.0,4.0,0.01)
plt.figure(1)
plt.subplot(2,2,1)
plt.plot(x1,f(x1),'bo',x2,f(x2),'k')
plt.title('子图1')
plt.subplot(2,2,2)
plt.plot(x2,f(x2),'r--')
plt.title('子图2')
plt.show()
OUT：
例2.rc参数设置例2
fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = '+',label = 'two') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three') ax.legend(loc = 'best')
OUT:
可以用set_xticks设置X轴刻度
例3.用set_xticks设置刻度
fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = '+',label = 'two') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three') ax.set_xticks([0,5,10,15,20,25,30,35]) ax.legend(loc = 'best')
OUT:
可以用set_xticklabels改变刻度，设置刻度的旋转角度及字体等。
例4.用set_xticklabels改变刻度
fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = '+',label = 'two') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three') ax.set_xticklabels(['x1','x2','x3','x4','x5'],rotation = 30,fontsize = 'large') ax.legend(loc = 'best')
OUT：
其中，rotation参数表示X坐标标签的旋转角度；fontsize为字号，可以取值为“xx-small”“x-small”“small”“medium”“large”“x-large”“xx-large”“smaller”“None”。
3.绘图的填充
3.1调用函数fill_between()实现曲线下面部分的填充
x = np.linspace(0,1,500) y = np.sin(3*np.pi*x)*np.exp(-4*x) fig,ax = plt.subplots() plt.plot(x,y) plt.fill_between(x,0,y,facecolor = 'green',alpha = 0.3)
其中，参数x表示整个X轴都覆盖；0表示覆盖的下限；y表示覆盖的上限时y这条曲线，facecolor表示覆盖区域的颜色；alpha表示覆盖区域的透明度[0,1]，其值越大，表示越不透明
3.2 部分区域填充
plt.fill_between(x[15:300],0,0.4,facecolor = 'green',alpha = 0.3)
3.3 两条曲线之间的区域填充
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,500) y1 = np.sin(3*np.pi*x)*np.exp(-4*x) y2 = y1 + 0.2 plt.plot(x,y1,'b') plt.plot(x,y2,'r') plt.fill_between(x,y1,y2,facecolor = 'green',alpha = 0.3) plt.show()
3.4 直接使用fill进行绘图的填充
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,500) y = np.sin(3*np.pi*x)*np.exp(-4*x) fig,ax = plt.subplots() ax.fill(x,y) plt.show()
到此这篇关于python设置Pyplot的动态rc参数、绘图的填充的文章就介绍到这了,更多相关python设置Pyplot内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！