Matplotlib绘图的基本操作

对于初步接触matplotlib绘图库的朋友来说，绘图的字体设置、轴标签设置、图例和标题是令人头疼的问题，但作为绘图的基础设置，我们有必要熟悉掌握。作为笔者第一个接触的绘图库，笔者根据以往的绘图经验，对以上几个方面进行总结。

主要内容有：画布大小设置、字体设置、轴标签设置、图例设置、标题设置

一、画布大小设定

python设置画布语法为(常用参数）：

plt.figure(figsize = None, dpi = None, facecolor = None, edgecolor = None, frameon = True)

figsize：画布的宽和高，单位为英寸。例如figsize = (8, 6)，生成8英寸宽，6英寸高的画布 dpi：画布分辨率。表示的是每英寸点数(1英寸≈2.54cm），默认即可，笔者习惯调至100 facecolor：背景颜色 edgecolor：边框颜色 frameon：是否显示边框 下图展示了生成画布为4英寸×3英寸，分辨率为100，背景色为'mistyrose'的图像。一般来说，前两个参数最常用。

import matplotlib.pyplot as plt
plt.figure(figsize = (4, 3), dpi = 100, facecolor = 'mistyrose')
plt.plot([1, 2, 3], [1, 2, 3])plt.show()

**下图是常用的颜色对照表，也可以使用十六进制颜色**

二、字体设置

在默认情况下，matplotlib是不支持中文格式的。例如下面代码：

plt.figure(figsize = (4, 3))
plt.plot([1, 2, 3], [1, 2, 3])
plt.title('测试图')
plt.show()

一般而言，我们可以在开头设置字体样式：

import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] #设置默认字体样式
plt.figure(figsize = (4, 3))
plt.plot([1, 2, 3], [1, 2, 3])
plt.title('测试图')
plt.show()

但是，一般而言作图我们要求数字为Times New Roman，而文字为宋体等。我们可以保持默认字体样式，新建字体样式，在添加中文字体时调用新建的字体样式，其余的保持默认样式。新建字体样式代码如下：

import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['Times New Roman'] #设置默认样式为新罗马
font1 = {'family' : 'Times New Roman','weight' : 'normal','size'   : 20, 'style':'italic',}  #新建字体样式1，设置字体为新罗马，大小为20号，斜体
font2 = {'family' : 'simsun','weight' : 'normal','size'   : 15, 'style':'italic',} #新建字体样式2，设置字体为宋体，大小为15号，斜体（但是根据实验，斜体在中文并不适用）
plt.figure(figsize = (4, 3))
plt.plot([1, 2, 3], [1, 2, 3]) #轴标签仍然使用默认样式
plt.title('测试图',  font2) #添加标题，利用2号样式
plt.show()

一般支持的字体有：Times New Roman；SimHei（黑体）；Microsoft YaHei（微软雅黑）；simsun（宋体），这些基本上能满足制图应用。

三、轴标签设置

以2015年全国各气象站点的pm2.5与模型预测的pm2.5浓度为例，选取前100个数据制作散点图。

import matplotlib.pyplot as plt
import matplotlib as mpl
rel_pm2_5 = data['pm2_5'][:100] #读取前100个真实值
pred_pm2_5 = data['pred_pm2_5'][:100] #读取前100个预测值
plt.scatter(rel_pm2_5, pred_pm2_5, color = 'k', s = 10, label = 'scatter figure')#scatter语法以后会说，color为散点颜色，s代表散点大小，label表示图例显示的文字plt.legend()
plt.show()

现需要将x轴坐标以间隔100进行设置，y轴也以100进行设置，并设置字体大小为15。x轴标签添加文字“观测值”，y轴标签添加文字“预测值”，使用宋体18号。

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
mpl.rcParams['font.sans-serif'] = ['Times New Roman'] #设置默认字体
font1 = {'family' : 'simsun','weight' : 'normal','size' : 18,'style':'italic'} #自定义字体样式
rel_pm2_5 = data['pm2_5'][:100]
pred_pm2_5 = data['pred_pm2_5'][:100]
plt.scatter(rel_pm2_5, pred_pm2_5, color = 'k', s = 10, label = 'scatter figure')
plt.xlim(0, 400) #设置x坐标的范围
plt.ylim(0, 400)
plt.xticks(range(0, 401, 100), size = 15) #设置x轴刻度字体大小和刻度，字体采用默认，刻度为[0, 100, 200, 300, 400]
plt.yticks(range(0, 401, 100), size = 15)
plt.xlabel('观测值', font1) #设置x轴标签，字体采用1号样式
plt.ylabel('预测值', font1)
plt.legend()
plt.show()

现需要将刻度[0, 100, 200, 300, 400]分别换为[A, B, C, D, E]，仅需改动一句代码： plt.xticks(range(0, 401, 100), ['A', 'B', 'C', 'D', 'E'], size = 15)

四、图例设置

图例语法为： plt.legend(loc, bbox_to_anchor, ncol, title, shadow, fancybox, prop)

loc：位置参数，1表示右上，2表示左上，3表示左下，4表示右下，5表示右中，6表示左中，7表示右中（和5一样），8表示中下，9表示中上，10表示中部。（非必选参数，默认为最佳位置，示例:loc = 1） bbox_to_anchor：表示图例线框所在位置，bbox_to_anchor = (0.05, 0.95)表示把图例左上角对应坐标为（0.05x轴长度，0.95y轴长度）。（非必选参数） ncol：图例每行容纳的图例数。例如一个图中有多个线，就会有多个图例。（非必选参数，示例：ncol = 3) title：图例标题。（非必选参数） fancybox：值为True或False，图例边框显示圆角式还是直角，默认True。（非必选参数，示例：fancybox = True) prop：可以设置字体。例如：prop = {'family': 'Times New Roman', 'size': 14}表示字体为新罗马，大小为14。如果仅仅只设置字体大小，可以不用prop，直接用fontsize = 15即可。（非必选参数）

plt.legend(loc = 4, fontsize = 15) #设置位置为右下，字体为15号

五、标题设置

语法：plt.title()。将图9添加标题“散点图”，使用1号字体样式。 plt.title('散点图', font1)

可以看出标题设置成了1号样式指定的字体，我们也可以建立其他字体来设置不同的效果。

总结

本文总结了Matplotlib绘图的基本操作：画布大小设置、字体设置、轴标签设置、图例设置和标题设置。作为可视化的基本组成元素，我们需要熟练这些操作，加快可视化学习效率，美化我们的图像。

本篇到此结束，下一节将介绍Matplotlib的均匀绘图问题。此内容将在"python数据分析实践"公众号同步更新。如果您有更好的想法或对文章有其他建议，可以关注或评论留言。如果有想要了解其它的内容，也可以联系或评论，感谢您的阅读！