Matplotlib 可视化之图表层次结构

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 bottom spines 到 (0,0) 位置
ax.spines["left"].set_position(("data", 0))
ax.spines["bottom"].set_position(("data", 0))
# 隐藏 top 和 right spines.
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("Anatomy of a figure (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')  # pyplot api 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
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')

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

import matplotlib.ticker as ticker

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

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

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

# Log Locator
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))

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

# FuncFormatter can be used as a decorator
@ticker.FuncFormatter
def major_formatter(x, pos):
    return f'[{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 ，Tick and label zorder.
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("X axis label")
ax.set_ylabel("Y axis label")

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="Blue signal", zorder=10)
ax.plot(X, Y2, c=(1.00, 0.25, 0.25), lw=2, 
        label="Red signal")
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)
for i in range(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], ['line A', 'line B'],
          loc='upper right', frameon=False,fontsize=15)
# 创建第二个图例，通过add_artist方法添加到图上
from matplotlib.legend import Legend
leg = Legend(ax, lines[2:], ['line C', 'line D'],
             loc='lower right', frameon=False, fontsize=15) 
ax.add_artist(leg)

参考资料

[1]

 Scientific Visualisation-Python & Matplotlib   
 Python数据科学手册

- EOF -

推荐阅读  点击标题可跳转

看完本文有收获？请转发分享给更多人

推荐关注「数据分析与开发」，提升数据技能

点赞和在看就是最大的支持❤️