⽤Matplotlib画⽔平柱状图和折线图的个⼈使⽤⼼得与总结
从4⽉5号到18号研究了两周的matplotlib，算是⼩有收获。⽹上关于matplotlib的使⽤⼤⼤⼩⼩问题的回答并不是很全⾯⽐较零碎，有些还是得靠摸索。这段时间主要研究了⽔平柱状图和折线图的使⽤，总结并记录⼀下。
⽔平柱状图
# 导⼊绘图包，分别导⼊避免出错，尽量不⽤from pylab import *
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.patches as patches
第⼀步，⼀定是定义⼀个画布
# 绘图窗⼝尺⼨（6英⼨，5英⼨），分辨率120，背景颜⾊设置为⽩⾊
plt.figure(figsize=(6,5),dpi=120,facecolor='white')
# 可显⽰中⽂字，字体为雅⿊
# 刻度值可以显⽰负数，避免显⽰问题
# 可以调⽤各种风格，这个风格⽆边框，不⽤额外设置，看着⼲净，⽤的⽐较多
# 可以使⽤plt.style.available获取所有美化样式，选择⼀个合适的
plt.style.use('fivethirtyeight')
# 如果⽤⾃⼰下载的字体，开头导⼊FontProperties和os模块的⼀些函数
from os.path import abspath, sep
from os import getcwd
from matplotlib.font_manager import FontProperties
myFont = FontProperties(fname=getcwd()+sep+'fonts'+sep+'STKAITI.TTF',size=12)
第⼆步，我⾃⼰把⽔平柱状图分为单柱和多柱。
# 不管多少柱，保持x和y对应的值的数量相同
width = 0.1 # 设置柱状图的宽度
x1 = [1.1,2,3.1,4.6,5] # 5个值
# x2 = [0.85] # 1个值
y1 = [0,1,2,3,4] # 也要5个值
# y2 = [0] # 也要1个值
y_labels = ['xxx','xxx','xxx','xxx','xxx'] # 5个标签对应5个值
idx = np.arange(len(x1))
# idx = np.arange(len(x2))
第三步，画图
# 可设置的参数很多，width,height,align,facecolor,edgecolor,alpha,label,zorder
# 通常align设置为center不⽤去调idx值对齐;alpha可以调透明度，越⼩越透明;zorder表⽰层级
# zorder=2的图像覆盖到zorder=1之上
plt.barh(
idx,x1,
width,
facecolor = 'blue',
edgecolor = 'white',
alpha = 0.3,
zorder = 1,
label = 'xxx')
第四步，设置辅助显⽰层的⼀些参数
1. title常⽤参数
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
2. xlabel，ylabel参数
fontsize：字体⼤⼩⾃调，默认12
verticalalignment：’top’, ‘bottom’, ‘center’, ‘baseline’
horizontalalignment：’center’, ‘right’, ‘left’
rotation: ‘vertical’,’horizontal’,’vertical’
3. subplots_adjust参数
如果y轴或x轴刻度标签放不进⼀个画⾯⾥，show图⽚后可以通过configure subplots按钮进⾏调整，再把其参数输⼊到代码中4. legend图例参数
loc参数，
0: ‘best’
1: ‘upper right’
2: ‘upper left’
3: ‘lower left’
4: ‘lower right’
5: ‘right’
6: ‘center left’
7: ‘center right’
8: ‘lower center’
9: ‘upper center’
10: ‘center’
fontsize参数
fontsize : int or float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
frameon,edgecolor,facecolor参数
plt.legend(loc=‘best’,frameon=False) #去掉图例边框
plt.legend(loc=‘best’,edgecolor=‘blue’) #设置图例边框颜⾊
plt.legend(loc=‘best’,facecolor=‘blue’) #设置图例背景颜⾊，若⽆边框，参数⽆效
plt.title('xxx',fontsize=14，bbox=dict(facecolor='green',edgecolor='blue',alpha=0.6))
plt.xlabel('xxx',fontsize=10)
plt.ylabel('xxx',fontsize=10)
plt.subplots_adjust(left=0.1,right=0.9,top=0.9,bottom=0.2,hspace=0.12,wspace=0.1)
plt.legend(loc='best',fontsize=10)
# 表⽰不显⽰坐标轴
plt.axis('off')
第五步，设置⼀些坐标轴，刻度，刻度标签，矩形的参数
ax = a() # 获取当前axes
# spines是连接轴刻度标记的线，将其颜⾊设为none就是去掉该线
ax.spines['bottom'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['left'].set_color('grey')
ax.spines['left'].set_linewidth(1)
# 可以设置为x轴不显⽰/y轴不显⽰
_xaxis().set_visible(False)
# x轴范围
ax.set_xlim(-1, 1.1)
# x轴坐标刻度（可以表⽰成具体的⼏个值）
ax.set_xticks([-1, 0, 1])
# x轴刻度标签，⽅便调⼤⼩
ax.set_xticklabels(['-1', '0', '1'], fontsize=10)
# y轴范围
ax.set_ylim(-0.2, len(y1)-0.2)
# y轴坐标刻度（具体表⽰成⼏个值，⽐如说0,1,2,3,4）
ax.set_yticks([0])
# y轴刻度标签赋到坐标刻度上
ax.set_yticklabels(['xxx'],fontsize=10)
# 画矩形框（别忘了在开头导⼊patches）
# 前两个参数是相对于（0，0）矩形的左下⾓坐标，0.4是矩形的宽度，0.3是矩形的⾼度
# 矩形四个点坐标（0.8，-0.15），（1.2，-0.15），（1.2，0.15），（0.8，0.15）
rect = patches.Rectangle((0.8,-0.15),0.4,0.3,linewidth=0.8,edgecolor='black',facecolor='none',zorder=3)
ax.add_patch(rect)
第六步，有些时候需要引⼊数据标签
前边设置的x1、y1值其实就代表了不同柱⼦在图形中的位置（坐标），通过for循环到每⼀个x1、y1值的相应坐标——a、b，再使⽤在对应位置添⽂字说明来⽣成相应的数字标签，⽽for循环也保证了每⼀个柱⼦都有标签。
其中，a-0.03, b表⽰在每⼀柱⼦对应x值左侧0.03处、y值标注⽂字说明 ，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。
for a,b in zip(x1,y1):
<(a-0.03,b,a,ha='right',va='center',fontsize=14)
第七步，⽹格设置，保存图像，展⽰图像
# 背景中的⽹格，False为取消⽹格，True为显⽰⽹格
matplotlib中subplot
# savefig⼀定要在show之前，要不然就是空⽩图像，路径设置注意要⽤两个斜杠'\\' plt.savefig('D:\\test\\graph.png')
# 展⽰图像
plt.show()
PS：总结⼀下画⼦图
如果是分成上下两个规则的⼦图
plt.subplot(211)
定义图像，辅助显⽰参数等
plt.subplot(212)
定义图像，辅助显⽰参数等
如果是不规则划分⼦图，类似这样的
将整个表按照 2*2 划分
前两个简单, 分别是 (2, 2, 1) 和 (2, 2, 2)
但是第三个图呢, 他占⽤了 (2, 2, 3) 和 (2, 2, 4)显⽰需要对其重新划分, 按照 2 * 1 划分
前两个图占⽤了 (2, 1, 1) 的位置
因此第三个图占⽤了 (2, 1, 2) 的位置

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。