matplotlib可视化《2》图形设置与调整
•figure和subplot
matplotlib的图像都是位于figure对象中的，我们可以通过plt.figure创建一个新的figure：
1 fig=plt.figure(figsize=(6,6))#figsize控制画布的大小
但figure是不能绘图的，我们需要用fig.add_subplot的方式创建一个或者多个subplot才行：
ax1=fig.add_subplot(211)#表示选中2行1列的第一个画布 x=np.linspace(0,8,num=50) y1=np.sin(x) ax1.plot(x,y1)
1 ax2=fig.add_subplot(212)#第二块画布 2 x=np.linspace(0,8,num=50) 3 y2=np.cos(x) 4 ax2.plot(x,y2) 5 fig
plt.subplots
plt.subplots是更为简单的方法，可以直接创建多个画布，直接调用即可
1 fig,axes=plt.subplots(2,1,sharex=True,figsize=(7,7))
1 axes#为数组，所以我们可以用数值索引的方式调用
array([<matplotlib.axes._subplots.AxesSubplot object at 0x7f97c0ba9350>,
<matplotlib.axes._subplots.AxesSubplot object at 0x7f97ef1eb090>],
dtype=object)
1 axes[0].plot(x,y1)#第一块画布 2 axes[1].plot(x,y2)#第二块画布 3 fig
~plt.subplots_adjust
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None
参数含义：
left, right, bottom, top：子图所在区域的边界。
当值大于1.0的时候子图会超出figure的边界从而显示不全；值不大于1.0的时候，子图会自动分布在一个矩形区域（下图灰色部分）。
要保证left < right, bottom < top，否则会报错。
如下图：
wspace, hspace：子图之间的横向间距、纵向间距分别与子图平均宽度、平均高度的比值。
举个例子
1 fig,axes=plt.subplots(2,2,facecolor="darkseagreen",figsize=(6,6)) 2 plt.subplots_adjust(left=0.1, wspace=0.1, top=0.9,hspace=0.2) #位置调整
•美图
~颜色、标记和线型
1 fig,axes=plt.subplots(2,2,facecolor="darkseagreen",figsize=(6,6)) 2 plt.subplots_adjust(left=0.1, wspace=0.1, top=0.9,hspace=0.2) #位置调整 3 axes[0,0].plot(np.random.randn(20).cumsum(),"ro--")#“ro--”简单表 4 axes[0,1].plot(np.random.randn(20).cumsum(),color="g",linestyle="dashed",marker="o")#展开 5 fig
颜色和线型参考表如下
~标题、刻度、标签和图例
标题
1 #整个figure的标题 2 fig.suptitle('我的画板', fontsize=16, fontweight='bold') 3 #各个画布的标题 4 axes[0,0].set_title("画板一") 5 axes[0,1].set_title("画板二") 6 axes[1,0].set_title("画板三") 7 axes[1,1].set_title("画板四") 8 fig
刻度、标签
1 axes[1,0].plot(x,y1) 2 axes[1,0].set_xticks([0,2,4,6,8])#设置刻度 3 axes[1,0].set_xticklabels(["第一级","第二级","第三级","第四级","第五级"])#给刻度命名 4 axes[1,0].set_xlabel("x的值")#标签名 5 fig
图例
1 plt.style.use('ggplot')#设置背景 2 x=np.linspace(0,8,num=50) 3 y1=np.sin(x) 4 y2=np.cos(x) 5 plt.plot(x,y1,"k-",label="sin函数") 6 plt.plot(x,y2,"go--",label="cos函数") 7 plt.title("sin-cos图") 8 plt.ylabel("y轴") 9 plt.xlabel("x轴") 10 plt.legend()#作图时加label，这里才会生成legend
• 注释
~text
1 tb=test.groupby(["所属区域"]).agg({"数量":np.mean,})#根据实际需求对一表格画柱状图，先分类汇总 2 tb
1 fig = plt.figure(figsize=(7, 5), dpi=90) # 声明画布1 2 ax = fig.add_subplot(1,1,1) # 声明绘图区 3 x, y = tb.index, list(tb["数量"]) 4 plt.bar(x, y, color='dodgerblue', width=0.35, label='label1') 5 plt.grid(linestyle="-.", axis='y', alpha=0.4)#设置横向网格 6 plt.tight_layout() 7 for a,b in zip(x,y): 8 plt.text(a, b,'%.3f'%b, ha = 'center',va = 'bottom',fontsize=10)
注：plt.text在对应位置添文字说明来生成相应的数字标签，a、b表示文字显示在坐标轴的位置，'%.3f' % b,代表标注的文字，即每个柱子对应的y值， ha='center', va= 'bottom'代表horizontalalignment（水平对齐）、verticalalignment（垂直对齐）的方式，fontsize则是文字大小。
折线图
tt=test.groupby(test["订购日期"]).agg({"数量":np.sum}) x,y=tt.index,tt["数量"] plt.plot(x,y,"go--") for a,b in zip(x,y): plt.text(a,b,"%.3f"%b,ha="center",va="bottom")
~annotate
参数说明：
Axes.annotate(s, xy, *args, **kwargs)
- s：注释文本的内容
- xy：被注释的坐标点，二维元组形如(x,y)
- xytext：注释文本的坐标点，也是二维元组，默认与xy相同
- arrowprops箭头的样式，dict（字典）型数据，如果该属性非空，则会在注释文本和被注释点之间画一个箭头。可设置
arrowstyle'关键字
1 fig, ax = plt.subplots() 2 3 # 绘制一个余弦曲线 4 t = np.arange(0.0, 4.0, 0.01) 5 s = np.cos(2*np.pi*t) 6 line, = ax.plot(t, s, lw=2) 7 8 # 绘制一个绿色简单的箭头 9 ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5), 10 xycoords='data', 11 arrowprops=dict(arrowstyle='simple',facecolor='green') 12 ) 13 ax.set_ylim(-2, 2)
