Matplotlib绘图界面设置

坐标界限与标题

代码	含义	参数
plt.xlim()	定义x轴坐标界限	最左边的值，最右边的值
plt.ylim()	定义y轴坐标界限	最下边的值，最上边的值
plt.axis()	设置坐标界限	[xmin,xmax,ymin,ymax]
plt.axis('tight')	收紧坐标轴，不留空白
plt.axis('equal')	设置屏幕显示图形的分辨率（两轴单位长度比例）
plt.title()	图形标题
plt.xlabel()	x轴坐标标题
plt.ylabel()	y轴坐标标题
plt.style.use()	表格风格
ax.spines['top'].set_color('none')	隐藏坐标轴顶边界
ax.spines['right'].set_color('none')	隐藏坐标轴右边界
ax.xaxis.set_major_locator(MultipleLocator(2))	定义x坐标轴的刻度单位	需from matplotlib.pyplot import MultipleLocator
ax.yaxis.set_major_locator(MultipleLocator(0.1))	定义y坐标轴的刻度单位	需from matplotlib.pyplot import MultipleLocator
plt.xticks()	更换刻度	坐标位置，替代数据（[0.2, 0.4, 0.6], ['A', 'B', 'C']）

表格风格

使用plt.style.available可以看到所有的风格

Solarize_Light2	_classic_test_patch	bmh	classic	dark_background
fast	fivethirtyeight	ggplot	grayscale	seaborn
seaborn-bright	seaborn-colorblind	seaborn-dark	seaborn-dark-palette	seaborn-darkgrid
seaborn-deep	seaborn-muted	seaborn-notebook	seaborn-paper	seaborn-pastel
seaborn-poster	seaborn-talk	seaborn-ticks	seaborn-white	seaborn-whitegrid
tableau-colorblind10

样式表的使用方法

plt.style.use('fivethirtyeight')

这样会改变所有表格的风格，如果需要，可以使用风格上下文管理器临时更换至另一种风格：

with plt.style.context('fivethirtyeight'):
    plt.plot([1,2,3], [3,1,2])

dark_background风格

plt.style.use('dark_background')

x = np.linspace(0,10,1000)
fig, ax = plt.subplots()
ax.plot(x, np.sin(x),'-b')
ax.plot(x, np.cos(x), '--r')

文字与注释

plt.text()：添加注释(等于ax.text())
该方法需要x轴位置、y轴位置、字符串、以及一些可选参数，如文字颜色、字号、风格、对齐方式等

plt.plot([1,2,3,4,5,6], [2,5,6,1,3,4])

# 在图中添加文字
ax.text(1,2,(1,2), ha='center')
ax.text(3,6,'(3, 6)', ha='right')
ax.text(4,1,str((4,1)))

transform参数：坐标变换与文字位置

ax.transData：以数据为基准的坐标变换（坐标轴）
ax.transAxes：以坐标轴为基准的坐标变换（以坐标轴维度为单位）（坐标系比例）
fig.transFigure：以图形为基准的坐标变换（以图形维度为单位）（图比例）

ax.set_xlim(0,10)
ax.set_ylim(0,10)

# 在图中添加文字
ax.text(1, 5, ". Data: (1, 5)", transform=ax.transData)
ax.text(0.5, 0.1, ". Axes: (0.5, 0.1)", transform=ax.transAxes)
ax.text(0.4, 0.4, ". Figure: (0.4, 0.4)", transform=fig.transFigure)

当改变坐标轴时，只有ax.transData的点会变

ax.set_xlim(-2,2)
ax.set_ylim(-6,6)

箭头与注释

plt.annotate()：画箭头及注释

ax.set_xlim(-2,5)
ax.set_ylim(-6,6)

ax.annotate('A', xy=(3, 1), xytext=(4, 4), arrowprops=dict(facecolor='black', shrink=0.05))
ax.annotate('B', xy=(1, 1), xytext=(4, 3), arrowprops=dict(arrowstyle="->", connectionstyle="angle3,angleA=0,angleB=-90"))

ax.annotate('B', xy=(1, 1), bbox=dict(boxstyle="round",fc="none",ec="gray"), xytext=(4, 3),
            ha='center',arrowprops=dict(arrowstyle="->", connectionstyle="angle3,angleA=0,angleB=-90"))

自定义坐标刻度

定义坐标轴的刻度单位

ax.xaxis.set_major_locator(MultipleLocator(0.2))
ax.yaxis.set_major_locator(MultipleLocator(0.3))

隐藏上边界右边界

ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')

更换刻度

plt.xticks([0.2, 0.4, 0.6, 0.8], ['A', 'B', 'C', 'D'])

主要刻度与次要刻度

主要刻度往往更大，次要刻度往往更小，比如对数图

# 创建图形
fig = plt.figure()
# 坐标轴
ax = plt.axes(xscale='log', yscale='log')
ax.set_xlim(10**0,10**5)
ax.set_ylim(10**0,10**5)

设置每个坐标轴的formatter和locator自定义刻度属性

隐藏刻度与标签

隐藏刻度与标签通常使用plt.NullLocator()与plt.NullFormatter()实现
下列我们除去了X轴标签（但是保留了刻度线/网格线），Y轴的刻度（标签也一并移除）

# 创建图形
fig = plt.figure()
# 坐标轴
ax = plt.axes()
ax.set_xlim(0,5)
ax.set_ylim(0, 5)

ax.yaxis.set_major_locator(plt.NullLocator())
ax.xaxis.set_major_formatter(plt.NullFormatter())

增减刻度数量

通过plt.MaxNLocator()设置最多显示多少刻度

fig, ax = plt.subplots(4, 4, sharex=True, sharey=True)
for axi in ax.flat:
    axi.xaxis.set_major_locator(plt.MaxNLocator(5))
    axi.yaxis.set_major_locator(plt.MaxNLocator(5))

格式生成器与定位器小结

定位器类	描述
NullLocator	无刻度
FixedLocator	刻度位置固定
IndexLocator	用索引作为定位器（如x=range(len(y)）
LinearLocator	从min到max均匀吩咐刻度
LogLocator	从min到max按对数分布刻度
MultipleLocator	刻度和范围都是基数（base）的倍数
MaxNLocator	为最大刻度找到最优位置
AutoLocator	（默认）以MaxNLocator进行简单配置
AutoMinorLocator	次要刻度的定位器

格式生成器类	描述
NullFormatter	刻度上无标签
IndexFormatter	将一组标签设置为字符串
FixedFormatter	手动为刻度设置标签
FuncFormatter	用自定义函数设置标签
FormatStrFormatter	为每个刻度值设置字符串格式
ScalarFormatter	（默认）为标签值设置标签
LogFormatter	对数坐标轴的默认格式生成器

图线含义说明（图例）

函数	参数	含义
ax.legend()	可以没有参数，也可以有以下参数	创建图线含义
	loc='upper left'	图线说明位置
	frameon=False	取消图例外框
	ncol=2	图例标签列数
	fancybox=True	图例圆角边框
	framealpha=0.5	边框透明度
	borderpad=1	文字间距
	shadow=True	增加阴影

plt.legend()：创建包含每个图形元素的图例

x = np.linspace(0,10,1000)
fig, ax = plt.subplots()
ax.plot(x, np.sin(x),'-b', label='Sin')
ax.plot(x, np.cos(x), '--r', label='Cos')

leg = ax.legend(loc='upper left', frameon=True, ncol=2, fancybox=True, framealpha=0.5, borderpad=1, shadow=True)

选择图例显示的元素

通过在plt.plot()里面使用或不使用label参数来确定是否显示图标

x = [1,2,3,4,5,6]
plt.plot(x, [2,5,6,4,2,3], label='1')
plt.plot(x, [3,4,1,6,2,5], label='2')
plt.plot(x, [5,8,4,6,2,9])
plt.plot(x, [2,4,5,8,1,6], label='4')
plt.plot(x, [9,6,4,2,8,3])

# 显示图标
plt.legend()

在图例中显示不同尺寸的点

la = np.random.uniform(0,10,100) # 横坐标
lo = np.random.uniform(0,10,100)  # 纵坐标
po = np.random.randint(0,100,100)  # 颜色
ar = np.random.randint(0,1000,100)  # 大小

# 画图
plt.scatter(lo, la, label=None, c=po, cmap='viridis', s=ar,linewidth=0, alpha=0.5)
# 画图例
for ar in [100,200,300]:
    plt.scatter([],[],c='k',alpha=0.3, s=ar,label=str(ar))


# 显示图标
plt.legend(scatterpoints=1, frameon=False, labelspacing=1)

配置颜色条

为颜色条添加标题

cd = plt.colorbar()
cb.set_label('label')

通过plt.colorbat函数创建颜色条

# 画图
x = np.linspace(0,10,1000)
I = np.sin(x)*np.cos(x[:,np.newaxis])

plt.imshow(I)
plt.colorbar()

配置颜色条

cmap参数：设置颜色条的配色方案

plt.imshow(I, cmap='gray')

顺序配色方案：一组连续的颜色构成的配色方案（例如binary或viridis）
互逆配色方案：由两种互补的颜色构成，表示两种含义（例如RdBu或PuOr）
定性配色方案：随机顺序的一组颜色（例如rainbow或jet）

plt.imshow(I,cmap='jet')

颜色条刻度的限制与扩展功能的设置

可以缩短颜色取值的上下限，对超出上下限的数据，通过extend参数用三角箭头表示比上限大或比上限小的数

x = np.linspace(0,10,1000)
I = np.sin(x)*np.cos(x[:,np.newaxis])
# 为图像设置1%噪点
speckles = (np.random.random(I.shape)<0.01)
I[speckles] = np.random.normal(0,3,np.count_nonzero(speckles))

plt.figure(figsize=(10,3.5))

plt.subplot(1,2,1)
plt.imshow(I, cmap='RdBu')
plt.colorbar()

plt.subplot(1,2,2)
plt.imshow(I, cmap='RdBu')
plt.colorbar(extend='both')
plt.clim(-1,1)

离散型颜色条
有时候需要表示离散的数据，可以使用plt.cm.get_cmap()参数

x = np.linspace(0,10,1000)
I = np.sin(x)*np.cos(x[:,np.newaxis])

plt.imshow(I, cmap=plt.cm.get_cmap('Blues', 6))
plt.colorbar()
plt.clim(-1,1)

手动配置图形

# 用灰色背景
ax = plt.axes(fc='#E6E6E6')
ax.set_axisbelow(True)

# 画上白色的网格线
plt.grid(color='w', linestyle='solid')

# 隐藏坐标轴的线条
for spine in ax.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')
for tick in ax.get_xticklabels():
    tick.set_color('gray')
for tick in ax.get_yticklabels():
    tick.set_color('gray')

# 设置频次直方图轮廓设与填充色
ax.hist(x, edgecolor='#E6E6E6', color='#EE6666')

该方法配置起来很码麻烦，下面这种方法只需配置一次就可以用到所有图形上

修改默认配置：rcParams

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cycler

#fig, ax = plt.subplots()

# 先复制目前rcParams字典，修改够可以还原回来
Ipython_default = plt.rcParams.copy()

# 用plt.rc函数修改配置参数
colors = cycler('color', ['#EE6666', '#3388BB', '#9988DD', '#EECC55', '#88BB44', '#FFBBBB'])
plt.rc('axes', facecolor='#E6E6E6', edgecolor='none', axisbelow=True, grid=True, prop_cycle=colors)
plt.rc('grid', color='w', linestyle='solid')
plt.rc('xtick', direction='out', color='gray')
plt.rc('ytick', direction='out', color='gray')
plt.rc('patch', edgecolor='#E6E6E6')
plt.rc('lines', linewidth=2)

x = np.random.randn(1000)
plt.hist(x)

# 显示图片
plt.show()

画一些线图看看rc参数的效果

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cycler

#fig, ax = plt.subplots()

# 先复制目前rcParams字典，修改够可以还原回来
Ipython_default = plt.rcParams.copy()

# 用plt.rc函数修改配置参数
colors = cycler('color', ['#EE6666', '#3388BB', '#9988DD', '#EECC55', '#88BB44', '#FFBBBB'])
plt.rc('axes', facecolor='#E6E6E6', edgecolor='none', axisbelow=True, grid=True, prop_cycle=colors)
plt.rc('grid', color='w', linestyle='solid')
plt.rc('xtick', direction='out', color='gray')
plt.rc('ytick', direction='out', color='gray')
plt.rc('patch', edgecolor='#E6E6E6')
plt.rc('lines', linewidth=2)

for i in range(4):
    plt.plot(np.random.rand(10))

# 显示图片
plt.show()

在Matplotlib文档里面还有更多信息

可视化异常处理

某数据公认范围是70±5，我测出来却是75±10，我的数据是否与公认值一致
在图形可视化的结果中用图形将误差显示出来，可以提供充分的信息

基本误差线（errorbar）

fmt参数：控制线条和点的外观

x = np.linspace(0,10,50)
dy = 0.8
y = np.sin(x)+dy*np.random.randn(50)

plt.errorbar(x,y,yerr=dy,fmt='.k')

errorbar可以定义误差线图形的风格

x = np.linspace(0,10,50)
dy = 0.8
y = np.sin(x)+dy*np.random.randn(50)

plt.errorbar(x,y,yerr=dy,fmt='o',color='black',ecolor='lightgray',elinewidth=3,capsize=0)

还可以设置水平方向的误差（xerr）、单侧误差（one-sidederrorbar）、以及其他形式的误差