Python Matplotlib 教程- Matplotlib 如何自定义样式

Python Matplotlib 样式和自定义

Matplotlib 是一个强大的 Python 数据可视化库，提供丰富的绘图功能。在实际使用中，熟悉其样式和自定义技巧可以让你的图表更加专业和美观。本文将简要介绍 Matplotlib 样式和一些常用的自定义方法。

1. 设置全局样式

Matplotlib 提供了一些预设的样式，可以通过 plt.style.use 来应用。例如：

import matplotlib.pyplot as plt

plt.style.use('ggplot')  # 使用 ggplot 风格

常见的样式有 seaborn, bmh, dark_background 等。你可以通过 plt.style.available 查看所有可用样式。

2. 自定义颜色和字体

为了让图表更加符合需求，你可以自定义颜色、字体和其他细节：

plt.plot([1, 2, 3], [4, 5, 6], color='skyblue', linewidth=2, linestyle='--')  
plt.title('Example Plot', fontsize=16, fontweight='bold')  

上面代码设置了线条颜色、宽度和样式，还调整了标题的字体大小和加粗。

3. 添加网格和图例

网格和图例可以提升图表的可读性：

plt.grid(color='gray', linestyle='--', linewidth=0.5)  
plt.legend(['Line 1'], loc='upper left')  

这里的网格线颜色为灰色，图例显示在左上角。

4. 保存高质量图像

当你需要将图表用于报告时，可以保存为高分辨率图片：

plt.savefig('plot.png', dpi=300, bbox_inches='tight')  

5. 自定义子图布局

使用 plt.subplots 可以更灵活地安排多个子图：

fig, ax = plt.subplots(2, 2, figsize=(10, 8))  
ax[0, 0].plot([1, 2], [3, 4])  
ax[1, 1].bar([1, 2], [3, 4])  

通过调整 figsize 和索引位置，灵活控制布局。

总结

掌握 Matplotlib 的样式和自定义技巧，可以让你快速创建高质量的图表。多尝试不同样式和参数，逐步熟悉常用功能，将帮助你在数据可视化方面脱颖而出！