1.前言
图表要素如下图所示
# sphinx_gallery_thumbnail_number = 3 import matplotlib.pyplot as plt import numpy as np
2 画布（Figure）
https://matplotlib.org/api/figure_api.html#module-matplotlib.figure
这就类似于我们在电脑上画画一样，需要打开画图软件，创建一个空白的白板，这个白板就是我们后续画图的地方。
创建
fig = plt.figure() # an empty figure with no axes
3 直角坐标系(Axes)
https://matplotlib.org/api/axes_api.html#module-matplotlib.axes
This is what you think of as 'a plot', it is the region of the image with the data space.
3.1 add_subplot(1,1,1)
import matplotlib.pyplot as plt fig = plt.figure(figsize=(6, 6)) fig.add_subplot(1,1,1) plt.show()
结果
3.2 subplot2grid
在使用 subplot2grid 函数创建直角坐标系的时候，不需要事先创建画布，可以直接使用创建，比如我们下面创建一个很简单的折线图和柱状图：
import matplotlib.pyplot as plt import numpy as np x = np.arange(4) y = np.arange(4) # 绘制折线图 plt.subplot2grid((2,2),(0,0)) plt.plot(x, y) # 绘制柱状图 plt.subplot2grid((2,2),(0,1)) plt.bar(x, y) plt.show()
3.3 subplot
同上面的 subplot2grid 一样，我们同样可以通过 subplot 来绘制直角坐标系，比如我们拿上面的例子再使用 subplot 写一遍：
import matplotlib.pyplot as plt import numpy as np x = np.arange(4) y = np.arange(4) # 绘制折线图 plt.subplot(221) plt.plot(x, y) # 绘制柱状图 plt.subplot(222) plt.bar(x, y) plt.show()
3.4 subplots
subplots 看起来和 subplot 很像，实际上也是非常像的，它和 subplot 的不同之处是 subplot 一次只能返回一个坐标系，而 subplots一次可以返回多个坐标系。
import matplotlib.pyplot as plt import numpy as np x = np.arange(4) y = np.arange(4) fig, axes = plt.subplots(2, 2) # 绘制折线图 axes[0,0].plot(x,y) # 绘制柱状图 axes[0,1].bar(x,y) plt.show()
结果如下：
可以看到，我们虽然只使用到了两个坐标，但实际上 subplots 还是会帮我们将 4 个坐标全都创建出来。
4 坐标轴(Axis)
https://matplotlib.org/api/axis_api.html#module-matplotlib.axis
import matplotlib.pyplot as plt x_data = ['2011','2012','2013','2014','2015','2016','2017'] y_data = [58000,60200,63000,71000,84000,90500,107000] plt.xlabel('年份') plt.ylabel('销量') plt.plot(x_data, y_data) plt.show()
4.1 坐标轴标题设置（axis label）
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] x_data = ['2011','2012','2013','2014','2015','2016','2017'] y_data = [58000,60200,63000,71000,84000,90500,107000] plt.xlabel('年份') plt.ylabel('销量') plt.plot(x_data, y_data) plt.show()
我们还可以通过参数对文本的相关属性进行设置，下面看下一些常用的设置参数：
plt.xlabel('年份', labelpad=50, fontsize='xx-large', fontweight='bold', rotation='vertical', backgroundcolor='red') plt.ylabel('销量', labelpad=50)
xlabel 中常用的一些参数：
- fontsize : 设置字体大小，默认12，可选参数 ['xx-small', 'x-small', 'small', 'medium', 'large','x-large', 'xx-large']
- fontweight : 设置字体粗细，可选参数 ['light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black']
- fontstyle : 设置字体类型，可选参数[ 'normal' | 'italic' | 'oblique' ]，italic斜体，oblique倾斜
- verticalalignment : 设置水平对齐方式 ，可选参数 ： 'center' , 'top' , 'bottom' ,'baseline'
- horizontalalignment : 设置垂直对齐方式，可选参数：left,right,center
- rotation : (旋转角度)可选参数为:vertical,horizontal 也可以为数字
- alpha : 透明度，参数值0至1之间
- backgroundcolor : 标题背景颜色
- bbox : 给标题增加外框 ，常用参数如下：
- boxstyle 方框外形
- facecolor (简写fc)背景颜色
- edgecolor (简写ec)边框线条颜色
- edgewidth 边框线条大小
4.2 刻度设置（tick）
默认坐标轴是显示 x y 的值，但是也可以自定义显示不同的刻度，这里需要使用到的函数为 xticks 和 yticks 两个函数：
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] x_data = [2011,2012,2013,2014,2015,2016,2017] y_data = [58000,60200,63000,71000,84000,90500,107000] plt.xticks(x_data, ['2011年','2012年','2013年','2014年','2015年','2016年','2017年']) plt.yticks(y_data) plt.plot(x_data, y_data) plt.show()
有些时候，由于数据脱敏的需要，我们不要显示刻度，还可以这么写：
plt.xticks(x_data, [])
plt.yticks(y_data, [])
4.3 坐标轴范围设置
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] x_data = [2011,2012,2013,2014,2015,2016,2017] y_data = [58000,60200,63000,71000,84000,90500,107000] plt.xlim(2011, 2020) plt.ylim(50000, 90000) plt.plot(x_data, y_data) plt.show()
4.4 网格线设置（grid）
网格线默认是关闭的，我们可以通过函数 grid 修改参数 b 来开启网格线，如下：
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] x_data = [2011,2012,2013,2014,2015,2016,2017] y_data = [58000,60200,63000,71000,84000,90500,107000] plt.plot(x_data, y_data) plt.grid(b=True) plt.show()
结果如下：
我们不仅可开启网格线，还可以通过参数 axis 来控制是开启哪个轴的网格线：
# 开启 x 轴网格线 plt.grid(b=True, axis='x') # 开启 y 轴网格线 plt.grid(b=True, axis='y')
4.5 图例设置（legend）
https://matplotlib.org/tutorials/intermediate/legend_guide.html#legend-location
图例能对图表起到注释的作用，我们可以通过参数 label 对该图表的图例进行设置，示例如下：
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] x_data = [2011,2012,2013,2014,2015,2016,2017] y_data = [58000,60200,63000,71000,84000,90500,107000] plt.plot(x_data, y_data, label = '折线图') plt.bar(x_data, y_data, label = '柱状图') plt.legend() plt.show()
结果如下：
4.6 图表标题设置（Title）
图表标题是用来概括整张图表现的内容的，我们可以通过如下方式设置一张图的标题：
plt.title(label='xxx 公司 xxx 产品销量')
结果如下：
5 Artist
https://matplotlib.org/api/artist_api.html#module-matplotlib.artist