【python】matplotlib画图常用功能汇总

一、matplotlib画图风格

在 Matplotlib 中，可以通过设置不同的绘图风格（style）来自定义图形的外观。Matplotlib有一些预定义的风格，也允许您创建自定义风格。

以下是一些基本的设置绘图风格的方法：

1. 使用预定义的风格：
   Matplotlib提供了一些预定义的绘图风格，如 ‘seaborn’, ‘ggplot’, ‘fivethirtyeight’ 等。您可以使用以下代码之一设置风格：

   import matplotlib.pyplot as plt
   
   # 使用预定义的风格
   plt.style.use('seaborn')  # 也可以使用其他风格，如 'ggplot', 'fivethirtyeight' 等
   

2. 自定义风格：
   如果您希望创建自定义风格，可以使用plt.style.context，在此上下文中设置参数：

   import matplotlib.pyplot as plt
   
   # 创建自定义风格
   with plt.style.context({
       'axes.edgecolor': 'gray',
       'axes.labelcolor': 'black',
       'xtick.color': 'black',
       'ytick.color': 'black',
       'xtick.direction': 'in',
       'ytick.direction': 'in',
       'grid.color': 'lightgray',
       'grid.linestyle': '--',
       'figure.facecolor': 'white',
       'figure.edgecolor': 'white',
   }):
       # 在此上下文中绘制图形，图形将使用上述自定义风格
       plt.plot(x, y)
       plt.xlabel('X-axis Label')
       plt.ylabel('Y-axis Label')
       plt.title('Custom Style Plot')
   
   # 图形在此上下文之外将使用默认风格
   

3. 查看可用的预定义风格：
   如果想了解可用的预定义风格，可以使用以下代码：

   available_styles = plt.style.available
   print("Available styles:", available_styles)
   

   从中选择一个适合您的绘图的风格。

---

二、matplotlib图像尺寸和保存分辨率

1. 图像的默认设置：

   • 'figure.figsize': 图像的默认尺寸，例如[6.4, 4.8]。
   • 'figure.dpi': 图像分辨率（每英寸点数），默认为100。
     在 Matplotlib 中，您可以通过设置图形的大小和分辨率来调整图像的尺寸和清晰度。以下是一些方法：

2. 设置图形大小：
   您可以使用 plt.figure(figsize=(width, height)) 来设置图形的大小。例如：

   import matplotlib.pyplot as plt
   
   # 设置图形大小为宽度10英寸，高度6英寸
   plt.figure(figsize=(10, 6))
   
   # 绘制图形
   plt.plot(x, y)
   
   # 显示图形
   plt.show()
   

3. 设置分辨率：
   您可以使用 plt.savefig 方法保存图形（savefig语句要在show之前，否则图像show之后图像销毁无法保存），并通过 dpi 参数设置分辨率。例如：

   import matplotlib.pyplot as plt
   
   # 绘制图形
   plt.plot(x, y)
   
   # 保存图形并设置分辨率为300dpi
   plt.savefig('output_plot.png', dpi=300)
   
   # 显示图形（可选）
   plt.show()
   

   在上述例子中，图形将以300dpi的分辨率保存为PNG文件。您可以调整 dpi 的值以获得所需的分辨率。

4. 综合使用大小和分辨率：
   如果需要在显示和保存时分别设置大小和分辨率，可以结合使用 plt.figure 和 plt.savefig：

   import matplotlib.pyplot as plt
   
   # 设置图形大小为宽度10英寸，高度6英寸
   plt.figure(figsize=(10, 6))
   
   # 绘制图形
   plt.plot(x, y)
   
   # 保存图形并设置分辨率为300dpi
   plt.savefig('output_plot.png', dpi=300)
   
   # 显示图形
   plt.show()
   

   在这个例子中，图形在显示时具有指定的大小，但保存时具有指定的分辨率。

根据您的具体需求，可以灵活调整图形的大小和分辨率。

---

三、matplotlib子图相关功能

Matplotlib中的子图（subplots）功能使您能够在同一图形上绘制多个子图。以下是子图相关功能的一些用法汇总：

创建子图：

1. 使用 plt.subplots 创建多个子图：

   import matplotlib.pyplot as plt
   
   fig, axes = plt.subplots(nrows=2, ncols=2)
   

   在此示例中，fig 是整个图形对象，axes 是一个包含所有子图的2x2数组。

2. 使用 plt.subplot 创建单个子图：

   import matplotlib.pyplot as plt
   
   plt.subplot(2, 2, 1)  # 创建一个2x2布局的图形，选择第一个子图
   

绘制子图：

3. 在指定子图上绘制图形：

   axes[0, 0].plot(x1, y1)
   axes[0, 1].scatter(x2, y2)
   

   在此示例中，axes[0, 0] 表示第一行第一列的子图。

设置子图属性：

4. 设置子图标题：

   axes[0, 0].set_title('Title for Subplot 1')
   

5. 设置子图标签：

   axes[1, 0].set_xlabel('X-axis Label')
   axes[1, 0].set_ylabel('Y-axis Label')
   

6. 设置图形标题：

   fig.suptitle('Overall Title for the Figure', fontsize=16)
   

调整布局：

7. 调整子图之间的间距：

   plt.subplots_adjust(wspace=0.5, hspace=0.3)
   

   这将调整子图之间的水平（wspace）和垂直（hspace）间距。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建2x2的子图布局
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 8))

# 在子图上绘制图形
axes[0, 0].plot(x, y1)
axes[0, 1].scatter(x, y2)
axes[1, 0].hist(y1, bins=20, color='green', alpha=0.7)
axes[1, 1].barh(x, y2, color='orange', alpha=0.7)

# 设置子图属性
axes[0, 0].set_title('Sine Curve')
axes[0, 1].set_title('Scatter Plot')
axes[1, 0].set_title('Histogram')
axes[1, 1].set_title('Horizontal Bar Chart')

# 设置图形标题
fig.suptitle('Multiple Subplots Example', fontsize=16)

# 调整布局
plt.subplots_adjust(wspace=0.5, hspace=0.3)

# 显示图形
plt.show()

这个示例代码创建了一个包含四个子图的图形，并展示了如何在子图上绘制不同类型的图形。根据您的需求，可以进一步调整子图的属性和布局。

---

四、matplotlib字体设置

字体族和字体的区别

在Matplotlib和其他文本处理库中，字体族（font family）和字体（font）是两个相关但不同的概念。

1. 字体族（Font Family）：

   • 字体族指的是一组具有相似设计风格的字体。这组字体通常由不同的字体样式组成，包括正常（regular）、粗体（bold）、斜体（italic）等。
   • 字体族用于指定文本的整体外观风格，而不仅仅是单一字体样式。常见的字体族包括"serif"（衬线字体，如Times New Roman）、“sans-serif”（无衬线字体，如Arial）、“monospace”（等宽字体，如Courier New）等。

2. 字体（Font）：

   • 字体是字体族中的具体样式的实例，它定义了字符的外观、形状和大小。
   • 例如，“serif” 字体族可能包含具体的字体样式，如"Times New Roman"、"Georgia"等。每个具体的字体都属于特定的字体族，并具有独特的设计特征。

在Matplotlib中，通过指定字体族，您可以选择使用该族中的任何具体字体样式。字体族的选择通常受到个人偏好、图形的整体风格以及文本在不同设备上的可读性等因素的影响。

字体选择和设置

1. Matplotlib中的字体设置

Matplotlib提供了一些用于设置字体的方法，包括全局字体设置和特定元素的字体设置。

import matplotlib.pyplot as plt

# 全局字体设置
plt.rcParams['font.family'] = 'sans-serif'  # 指定字体家族
plt.rcParams['font.sans-serif'] = ['Arial']  # 指定具体字体

# 也可以直接在绘图时指定字体
plt.title('Title', fontdict={'fontname': 'Arial', 'fontsize': 16})
plt.xlabel('X Label', fontdict={'fontname': 'Arial', 'fontsize': 12})
plt.ylabel('Y Label', fontdict={'fontname': 'Arial', 'fontsize': 12})

# 显示图形
plt.show()

2. 使用中文字体

对于中文字体，可以使用支持中文的字体，如SimHei、Microsoft YaHei等。

plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体或其他中文字体

3. 使用自定义字体

可以下载并使用第三方的中文字体文件，然后指定路径。

plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.sans-serif'] = ['Path/To/Your/CustomChineseFont.ttf']  # 替换为自定义中文字体文件的路径

4. 查看系统自带字体

from matplotlib import font_manager

for f in font_manager.fontManager.ttflist:
    print(f.name)

以上方法应该能够解决大多数中文字体无法显示的问题。根据具体需求，选择适合的中文字体并进行相应的设置。

5. 其他字体属性

plt.rcParams是一个字典，用于设置Matplotlib的默认配置参数。以下是一些常见的plt.rcParams属性，用于定制Matplotlib的外观和行为：

1. 字体相关设置：

   • 'font.family': 字体家族，默认为'sans-serif'。
   • 'font.sans-serif': 无衬线字体的具体名称，默认为'DejaVu Sans'。
   • 'font.serif': 有衬线字体的具体名称，默认为'DejaVu Serif'。
   • 'font.monospace': 等宽字体的具体名称，默认为'DejaVu Sans Mono'。
   • 'font.size': 字体大小，默认为10。

2. 线条和标记的默认设置：

   • 'lines.linewidth': 线条宽度，默认为1.5。
   • 'lines.linestyle': 线条风格，默认为'-'。
   • 'lines.marker': 数据点标记，默认为'None'。

3. 刻度相关设置：

   • 'xtick.labelsize': X轴刻度标签字体大小，默认为'medium'。
   • 'ytick.labelsize': Y轴刻度标签字体大小，默认为'medium'。
   • 'xtick.direction': X轴刻度方向，默认为'out'。
   • 'ytick.direction': Y轴刻度方向，默认为'out'。

4. 文本相关设置：

   • 'text.color': 默认文本颜色，默认为'black'。

5. 坐标轴范围：

   • 'axes.xmargin' 和 'axes.ymargin': 控制数据显示的空白边缘比例，默认为0.05。

等等。你可以通过plt.rcParams.keys()来查看所有的默认配置参数。

定制这些参数可以让你在绘图时不必每次都手动设置相同的属性，提高了代码的可读性和重复使用性。

示例代码：

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'serif'
plt.rcParams['font.serif'] = 'Times New Roman'
plt.rcParams['font.size'] = 20
plt.rcParams['font.weight'] = "bold"
plt.rcParams['font.style'] = "italic"
plt.rcParams['text.color'] = "red"
plt.rcParams['xtick.color'] = "purple"

plt.plot([1, 2, 3, 4], [10, 20, 25, 30])
plt.title('Sample chart')
plt.xlabel('X-axis', color="blue")
plt.ylabel('Y-axis')

# 或者在特定的文本上设置字体属性
plt.text(1, 29, 'Hello, Matplotlib!', fontsize=16, fontweight='bold', fontstyle = 'oblique', color='green')

plt.show()