5.3 matplotlib的绘图样式
参考章节附录：在jupyter中显示无损图形，我们加入以下代码：
from matplotlib_inline import backend_inline
backend_inline.set_matplotlib_formats('svg') 1. 图形大小¶
Matplotlib中的原始图形尺寸单位是英寸，源自印刷行业标准。但是，用户可能需要以厘米或像素等其他单位指定图形。
在plt.subplots里添加figsize参数，控制图形大小，figsize是一个tuple类型的参数（长和宽）
import matplotlib.pyplot as plt
plt.figure(figsize=(6, 2))
text_kwargs = dict(ha='center', va='center', fontsize=28, color='C1')
plt.text(0.5, 0.5, '6 inches x 2 inches', **text_kwargs)
plt.show()cm = 1/2.54 # centimeters in inches
plt.figure(figsize=(15*cm, 5*cm))
plt.text(0.5, 0.5, '15cm x 5cm', **text_kwargs)
plt.show()关于尺寸，可以阅读: Figure size in different units
练习¶
使用pandas库读取世界幸福报告数据集，路径为：‘datasets/world-happiness-report-china.csv’，读取完赋值给变量df
横坐标变量X为’年份’， 纵坐标变量Y为’幸福指数’
绘制幸福指数随年份变化的折线图
将图片尺寸大小调成：6英寸*3英寸
2. 调整线条样式¶
你可以修改图形中的任何内容，包括颜色、标记、线条宽度。
import numpy as np
plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y = np.sin(X)
plt.plot(X, Y, color='orange')
plt.show()plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y = np.sin(X)
plt.plot(X, Y, color='orange', linestyle='--')
plt.show()plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y = np.sin(X)
plt.plot(X, Y, color='orange', linestyle='--', linewidth=5)
plt.show()plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y = np.sin(X)
plt.plot(X, Y, color='orange', marker="^")
plt.show()练习¶
修改上一练习的代码，将数据点的标记为’^‘，颜色为’orange’
3. 添加标题和坐标轴的标签¶
标签（Labels）：用于标识图表中的元素，如坐标轴标签、数据点标签、图例标签等。标签可以提供额外的信息，使图表更易读和理解。
plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y = np.sin(X)
plt.plot(X, Y)
plt.title('A Sin Wave')
plt.ylabel('Y')
plt.xlabel('X')
plt.show()
4. 修改坐标轴刻度¶
要修改坐标轴刻度，你可以使用 Matplotlib 的 xticks() 和 yticks() 函数来设置自定义的刻度值。
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y = np.sin(X)
plt.plot(X, Y)
plt.xticks(np.arange(-2, 16, 1)) # 设置 x 轴刻度为 -2 到 15，间隔为 1
plt.yticks(np.arange(-2, 3, 0.5)) # 设置 y 轴刻度为 -2 到 2.5，间隔为 0.5
plt.show()5. 添加网格线¶
网格线（Grid Lines）用于在绘图区域中创建水平和垂直的参考线，帮助读者对齐和比较数据。
在Matplotlib中，你可以使用grid()函数来添加网格线，默认情况下，网格线是关闭的。
plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y = np.sin(X)
plt.plot(X, Y)
plt.text(7, 0, 'Y = sin(X)')
plt.ylabel('Y')
plt.xlabel('X')
plt.grid() # 设置网格线, 其他参数：linestyle='--', alpha=0.6
plt.show()练习¶
改进上一练习的代码，增加网格线
6. 添加图例¶
图例（Legend）用于解释图表中不同数据系列的符号或颜色的说明。图例通常位于图表的一角，帮助读者理解图表中的数据含义。
首先，在绘图语句中添加label='图型名称',然后使用ax.legend(loc='best')语句。loc参数可选：‘best’，‘upper right’ ，‘upper left’ ，‘lower left’，‘lower right’ ，‘right’ ，‘center left’ ，‘center right’，‘lower center’，‘upper center’，‘center’。
plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y1, Y2 = np.sin(X), np.cos(X)
plt.plot(X, Y1, label='Y1') # 这里需要添加图形名称 label='Y1'
plt.plot(X, Y2, label='Y2')
plt.ylabel('Y')
plt.xlabel('X')
plt.legend(loc='best') # 显示图例
plt.show()练习¶
改进上一练习的代码：增加图例，位置为左上角
7. 保存图片到文件¶
你可以使用plt.savefig将绘制的图片从内存保存到文件。例如将图片保存为jpg格式，你只需要输入以下代码：
plt.savefig('figpath/fig_name.jpg')有几个重要的选项，如dpi，它控制每英寸点数的分辨率。
plt.savefig('figpath/fig_name.jpg', dpi=400)保存的格式支持’png’, ‘jpg’, ‘pdf’, ‘svg’, ‘ps’, ‘eps’, ...
通过运行下面命令可以了解当前当前的dpi值
print("当前的dpi值：%i" %(plt.rcParams['figure.dpi'])) # 获取当前的dpi值当前的dpi值：100
对于6 inches x 2 inches的图形，来说其基于点数dpi的分辨率为：
print("基于点数的分辨率：%i*%i" %(plt.rcParams['figure.dpi']*6, plt.rcParams['figure.dpi']*2)) 基于点数的分辨率：600*200
练习¶
改进上一练习的代码，保存图片为’中国幸福报告指数（2006-2020）.png’，dpi设置为200
8. 添加文本¶
有时候，我们需要在图形上添加文本标注。在pyplot模块里，使用pyplot.text()函数能够在任意位置添加文本，其语法如下：
matplotlib.pyplot.text(x, y, s)x：横轴数据
y：纵轴数据
s：需要标注的文本plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y = np.sin(X)
plt.plot(X, Y)
plt.text(7, 0, 'Y = sin(X)') #添加文本，位置为(7,0)，文本内容为'Y = sin(X)'
plt.ylabel('Y')
plt.xlabel('X')
plt.show()9. 组织多个变量¶
你可以在同一个图形里绘制多个数据，当然，你也可以将一个图形分割成多个子图。
plt.figure(figsize=(6,2))
X = np.linspace(0, 15, 100)
Y1, Y2 = np.sin(X), np.cos(X)
plt.plot(X, Y1)
plt.plot(X, Y2)
plt.show()