数据可视化常用技巧 | 更文挑战

1.添加文字说明

使用plt.title()函数为图标添加标题，使用plt.xlabel()和plt.ylabel()函数分别为X轴和y轴添加标签，代码如下：

import matplotlib.pyplot as plt
x = [1,2,3]
y = [4,5,6]
plt.plot(x,y)
plt.title('Title')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

运行结果如下图所示。

2．添加图例

使用plt.legend()函数给图表添加图例，添加前需要设置好label（标签）参数，代码如下。

import numpy as np 
import matplotlib.pyploy as plt
 x1 = np.array([1,2,3])
 y1 = x1 + 1
 plt.plot(x1,y1,label='y=x+1')
 y2=x1*2
 plt.plot(x1,y2,color = 'red',linestyle='--',label='y=x*2')
 plt.legend(loc='upper left')
 plt.show()

运行结果如下图所示，可以看到绘制出两条线，并在图表左上角添加了图例。若要修改图例的位置，可以修改loc参数的值，如'upper right'代表右上角，'lower right'代表右下角。

3．设置双坐标轴

从前面的介绍可知，可以在一张图表里绘制两条线，但如果两条线的取值范围相差较大，那么绘制出的图表效果会不美观，此时需要采用双坐标轴来呈现图表，即为两条线各自绘制y轴。在绘制第1条线的代码之后添加如下代码，即可设置双坐标轴。

plt.twinx()

需要注意的是，如果设置了双坐标轴，那么每绘制一次图表就得添加一次图例，而不能在最后统一添加图例。这里以y＝x和y＝x2为例，演示如何设置双坐标轴，代码如下

import numpy as np
import matplotlib.pyplot as plt
x1=np.array([10,20,30])
y1=x1
plt.plot(x1,y1,color='red',linestyle='--',label='y=x')
plt.legend(loc='upper left')
plt.twinx()
y2=x1*x1
plt.plot(x1,y2,label='y=x^2')
plt.legend(loc='upper right')
plt.show()

运行结果如下图所示，可以看到左右两条y轴的取值范围相差很大。如果不设置双坐标轴，会导致y＝x这条线被压缩得很平，影响数据可视化的效果。

4．设置图表大小

如果对默认图表大小不满意，可以通过如下代码设置图表大小。

plt.rcParams['figure.figsize']=(8,6)

第1个元素代表长，第2个元素代表宽，这里的数字8和6分别代表800像素和600像素。

5．设置x轴刻度的角度

如果x轴因为刻度内容较多，导致刻度太密，不便于阅读，可以通过设置刻度的角度来进行调节，代码如下。其中45表示45°，可以根据需要更改为其他数值。

plt.xticks(rotation = 45)

6．解决中文显示问题

使用Matplotlib库画图时，默认不能正常显示中文，通过如下代码可解决该问题。由于更改字体会导致显示不出负号“-”，需要将配置文件中的axes.unicode_minus参数设置为False。

import matplotlob.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']= False

7．绘制多图

有时我们需要在一张画布上绘制多个图表，如下图所示。这种效果可以利用Matplotlib库的当前图形（figure）和当前轴（axes）概念来实现，这两个概念对应的就是当前画布及当前子图，在一张画布（figure）上可以绘制多张子图（axes）。绘制多图通常采用subplot()函数或subplots()函数。