据可视化基础专题（九）：Matplotlib 基础（一）坐标相关

1.前言

图表要素如下图所示

# sphinx_gallery_thumbnail_number = 3
import matplotlib.pyplot as plt
import numpy as np

2 画布（Figure）

这就类似于我们在电脑上画画一样，需要打开画图软件，创建一个空白的白板，这个白板就是我们后续画图的地方。

创建

fig = plt.figure()  # an empty figure with no axes

3 直角坐标系(Axes)

This is what you think of as 'a plot', it is the region of the image with the data space.

3.1 add_subplot(1,1,1)

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(6, 6))

fig.add_subplot(1,1,1)

plt.show()

结果

扫描二维码关注公众号，回复： 10950178 查看本文章

3.2 subplot2grid

在使用 subplot2grid 函数创建直角坐标系的时候，不需要事先创建画布，可以直接使用创建，比如我们下面创建一个很简单的折线图和柱状图：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(4)
y = np.arange(4)

# 绘制折线图
plt.subplot2grid((2,2),(0,0))
plt.plot(x, y)

# 绘制柱状图
plt.subplot2grid((2,2),(0,1))
plt.bar(x, y)

plt.show()

3.3 subplot

同上面的 subplot2grid 一样，我们同样可以通过 subplot 来绘制直角坐标系，比如我们拿上面的例子再使用 subplot 写一遍：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(4)
y = np.arange(4)

# 绘制折线图
plt.subplot(221)
plt.plot(x, y)

# 绘制柱状图
plt.subplot(222)
plt.bar(x, y)

plt.show()

3.4 subplots

subplots 看起来和 subplot 很像，实际上也是非常像的，它和 subplot 的不同之处是 subplot 一次只能返回一个坐标系，而 subplots一次可以返回多个坐标系。

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(4)
y = np.arange(4)

fig, axes = plt.subplots(2, 2)
# 绘制折线图
axes[0,0].plot(x,y)
# 绘制柱状图
axes[0,1].bar(x,y)
plt.show()

结果如下：

可以看到，我们虽然只使用到了两个坐标，但实际上 subplots 还是会帮我们将 4 个坐标全都创建出来。

4 坐标轴(Axis)

import matplotlib.pyplot as plt

x_data = ['2011','2012','2013','2014','2015','2016','2017']
y_data = [58000,60200,63000,71000,84000,90500,107000]

plt.xlabel('年份')
plt.ylabel('销量')

plt.plot(x_data, y_data)

plt.show()

4.1 坐标轴标题设置（axis label）

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei']

x_data = ['2011','2012','2013','2014','2015','2016','2017']
y_data = [58000,60200,63000,71000,84000,90500,107000]

plt.xlabel('年份')
plt.ylabel('销量')

plt.plot(x_data, y_data)

plt.show()

我们还可以通过参数对文本的相关属性进行设置，下面看下一些常用的设置参数：

plt.xlabel('年份', labelpad=50, fontsize='xx-large', fontweight='bold', rotation='vertical', backgroundcolor='red')
plt.ylabel('销量', labelpad=50)

xlabel 中常用的一些参数：

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

4.2 刻度设置（tick）

默认坐标轴是显示 x y 的值，但是也可以自定义显示不同的刻度，这里需要使用到的函数为 xticks 和 yticks 两个函数：

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei']

x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]

plt.xticks(x_data, ['2011年','2012年','2013年','2014年','2015年','2016年','2017年'])
plt.yticks(y_data)

plt.plot(x_data, y_data)

plt.show()

有些时候，由于数据脱敏的需要，我们不要显示刻度，还可以这么写：

plt.xticks(x_data, [])
plt.yticks(y_data, [])

4.3 坐标轴范围设置

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei']

x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]

plt.xlim(2011, 2020)
plt.ylim(50000, 90000)

plt.plot(x_data, y_data)

plt.show()