python可视化学习—坐标轴|刻度值|刻度||标题设置

飞机要哈气

学习公众号中的matplotlib可视化（作为个人学习使用）：

从代码中一步一步学习，得到最终的效果图：

下面一步步的实现

1、设置图的各种属性

import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] =['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False plt.figure(dpi=150)

先导入matplotlib.pyplot使用。

plt（matplotlib.pyplot）使用rc配置文件来自定义图形的各种默认属性，称之为“rc配置”或“rc参数”。

通过rc参数可以修改默认的属性，包括窗体大小、每英寸的点数、线条宽度、颜色、样式、坐标轴、坐标和网络属性、文本、字体等。rc参数存储在字典变量中，通过字典的方式进行访问。

代码中设置：'Microsoft YaHei'字体，字符正常显示，建立一个figur对象，并设置dpi为150。

2、设置figure的标题

#整张图figure的标题自定义设置 plt.suptitle('整张图figure的标题：suptitle',#标题名称 x=0.5,#x轴方向位置 y=0.98,#y轴方向位置 size=15, #大小 ha='center', #水平位置，相对于x,y，可选参数：{'center', 'left', right'}, default: 'center' va='top',#垂直位置，相对于x,y，可选参数：{'top', 'center', 'bottom', 'baseline'}, default: 'top' weight='bold',#字体粗细，以下参数可选 # '''weight{a numeric value in range 0-1000, 'ultralight', 'light', #'normal', 'regular', 'book', 'medium', 'roman', 'semibold', 'demibold', #'demi', 'bold', 'heavy', 'extra bold', 'black'}''' #其它可继承自matplotlib.text的属性 #标题也是一种text，故可使用text的属性，所以这里只是展现了冰山一角 rotation=1,##标题旋转，传入旋转度数，也可以传入vertical', 'horizontal' )

使用suptitle给整个figure设置一个总标题

其中一些参数的说明如下：

其中x,y在要在figure中显示应设置范围在（0~1）之间。到这里，代码得到的图为：

3、绘制一个子图并设置属性

plt.subplot(1,1,1)#绘制一个子图 #设置文本属性字典 font_self = {'family':'Microsoft YaHei',#设置字体 'fontsize': 10,#标题大小 'fontweight' : 'bold',#标题粗细，默认plt.rcParams['axes.titleweight'] 'color' : (.228,.21,.28), #'verticalalignment': 'baseline', # 'horizontalalignment': 'right' #每个子图标题自定义设置 plt.title('每个子图axes的标题：title', fontdict=font_self, loc='left',#{'center', 'left', 'right'} #下面两个参数可以在前面字典中设置，也可以在这设置；存在时，loc指title在整个subfigure的位置，例如上面的left指与subfigure的最左边对齐，而不是与axes最左边对齐 #ha='center',#会影响loc的使用，可选参数：{'center', 'left', right'}, default: 'center' #va='center'#会影响loc的使用，可选参数：{'top', 'center', 'bottom', 'baseline'}, default: 'top' pad=7,#子图标题与上坐标轴的距离，默认为6.0 #其它可继承自matplotlib.text的属性 rotation=360,#标题旋转，传入旋转度数，也可以传入vertical', 'horizontal'

使用subplot得到一个子图，使用title设置子标题。到这里，代码得到的图为：

4、设置坐标轴的开启与关闭，属性操作

#坐标轴的开启与关闭操作 plt.gca().spines['top'].set_visible(False)#关闭上坐标轴 plt.gca().spines['bottom'].set_visible(True)#开启x轴坐标轴 plt.gca().spines['left'].set_visible(True)#开启y轴坐标轴 plt.gca().spines['right'].set_visible(False)#关闭右轴 ##plt.gca()具有大量属性，也可以对刻度值、刻度、刻度值范围等操作，可自行实验，这里只提到了冰山一角 plt.gca().spines['bottom'].set_color('black')#x轴（spines脊柱）颜色设置 plt.gca().spines['bottom'].set_linewidth(10)#x轴的粗细，下图大黑玩意儿就是这里的杰作 plt.gca().spines['bottom'].set_linestyle('--')#x轴的线性 #同样这里只提到了轴spines属性的冰山一角，也可自行实验 #绘制网格线 plt.grid()

当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示Get Current Figure和Get Current Axes。使用spines对坐标轴(上下左右：'top'，'bottom'，'left'，'right')进行操作。使用grid得到网络线。到这里，代码得到的图为：

5、对坐标轴刻度操作

#坐标轴刻度（tick）与刻度值（tick label）操作 plt.tick_params(axis='x',#对那个方向（x方向：上下轴；y方向：左右轴）的坐标轴上的tick操作，可选参数{'x', 'y', 'both'} which='both',#对主刻度还是次要刻度操作，可选参数为{'major', 'minor', 'both'} colors='r',#刻度颜色 #以下四个参数控制上下左右四个轴的刻度的关闭和开启 top='on',#上轴开启了刻度值和轴之间的线 bottom='on',#x轴关闭了刻度值和轴之间的线 left='on', right='on', direction='out',#tick的方向，可选参数{'in', 'out', 'inout'} length=10,#tick长度 width=2,#tick的宽度 pad=10,#tick与刻度值之间的距离 labelsize=10,#刻度值大小 labelcolor='#008856',#刻度值的颜色 zorder=0, #以下四个参数控制上下左右四个轴的刻度值的关闭和开启 labeltop='on',#上轴的刻度值也打开了此时 labelbottom='on', labelleft='on', labelright='off', labelrotation=45,#刻度值与坐标轴旋转一定角度 grid_color='pink',#网格线的颜色，网格线与轴刻度值对应，前提是plt.grid()开启了 grid_alpha=1,#网格线透明度 grid_linewidth=10,#网格线宽度 grid_linestyle='-',#网格线线型，{'-', '--', '-.', ':', '',matplotlib.lines.Line2D中的都可以用 #plt.xticks([])#x轴刻度值trick的关闭 plt.xticks(np.arange(0, 2.2, step=0.2),list('abcdefghigk'),rotation=45) #自定义刻度标签值，刻度显示为您想要的一切（日期，星期等等） #设置刻度范围 plt.xlim(0.2,2.2)#x坐标轴刻度值范围 plt.ylim(0,2)#y坐标轴刻度值范围 #plt.gca().set((xlim=[0, 2], ylim=[0, 2])#x轴y轴坐标轴范围操作

使用tick_params对坐标轴上的刻度和标签进行操作，其中axis='x'表示只对x轴上属性进行操作。使用xticks对x轴的刻度进行操作，使用xlim和ylim设定轴的范围。到这里，代码得到的图为：

5、设置刻度值之间步长(间隔)和设置标签

#设置刻度值之间步长(间隔) from matplotlib.pyplot import MultipleLocator plt.gca().xaxis.set_major_locator(MultipleLocator(0.2)) plt.gca().xaxis.set_minor_locator(MultipleLocator(0.1)) #plt.minorticks_off()#是否每个刻度都要显示出来 plt.xlabel('X轴标题', labelpad=22,#x轴标题xlabel与坐标轴之间距离 fontdict=font_self,#设置xlabel的字体、大小、颜色、粗细 #类似于上面，可继承自matplotlib.text的属性 rotation=90 )

设置主刻度和次刻度分别用set_major_locator和set_minor_locator。MultipleLocator(0.2)是将主刻度标签设置为0.2的倍数。用xlabel设置x轴的标题。到这里，代码得到的图为：

完整代码为：

import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] =['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False plt.figure(dpi=150) #整张图figure的标题自定义设置 plt.suptitle('整张图figure的标题：suptitle',#标题名称 x=0.5,#x轴方向位置 y=0.98,#y轴方向位置 size=15, #大小 ha='center', #水平位置，相对于x,y，可选参数：{'center', 'left', right'}, default: 'center' va='top',#垂直位置，相对于x,y，可选参数：{'top', 'center', 'bottom', 'baseline'}, default: 'top' weight='bold',#字体粗细，以下参数可选 # '''weight{a numeric value in range 0-1000, 'ultralight', 'light', #'normal', 'regular', 'book', 'medium', 'roman', 'semibold', 'demibold', #'demi', 'bold', 'heavy', 'extra bold', 'black'}''' #其它可继承自matplotlib.text的属性 #标题也是一种text，故可使用text的属性，所以这里只是展现了冰山一角 rotation=1,##标题旋转，传入旋转度数，也可以传入vertical', 'horizontal' plt.subplot(1,1,1)#绘制一个子图 #设置文本属性字典 font_self = {'family':'Microsoft YaHei',#设置字体 'fontsize': 10,#标题大小 'fontweight' : 'bold',#标题粗细，默认plt.rcParams['axes.titleweight'] 'color' : (.228,.21,.28), #'verticalalignment': 'baseline', # 'horizontalalignment': 'right' #每个子图标题自定义设置 plt.title('每个子图axes的标题：title', fontdict=font_self, loc='left',#{'center', 'left', 'right'} #下面两个参数可以在前面字典中设置，也可以在这设置；存在时，loc指title在整个subfigure的位置，例如上面的left指与subfigure的最左边对齐，而不是与axes最左边对齐 #ha='center',#会影响loc的使用，可选参数：{'center', 'left', right'}, default: 'center' #va='center'#会影响loc的使用，可选参数：{'top', 'center', 'bottom', 'baseline'}, default: 'top' pad=7,#子图标题与上坐标轴的距离，默认为6.0 #其它可继承自matplotlib.text的属性 rotation=360,#标题旋转，传入旋转度数，也可以传入vertical', 'horizontal' #坐标轴的开启与关闭操作 plt.gca().spines['top'].set_visible(False)#关闭上坐标轴 plt.gca().spines['bottom'].set_visible(True)#开启x轴坐标轴 plt.gca().spines['left'].set_visible(True)#开启y轴坐标轴 plt.gca().spines['right'].set_visible(False)#关闭右轴 ##plt.gca()具有大量属性，也可以对刻度值、刻度、刻度值范围等操作，可自行实验，这里只提到了冰山一角 plt.gca().spines['bottom'].set_color('black')#x轴（spines脊柱）颜色设置 plt.gca().spines['bottom'].set_linewidth(10)#x轴的粗细，下图大黑玩意儿就是这里的杰作 plt.gca().spines['bottom'].set_linestyle('--')#x轴的线性 #同样这里只提到了轴spines属性的冰山一角，也可自行实验 #绘制网格线 plt.grid() #坐标轴刻度（tick）与刻度值（tick label）操作 plt.tick_params(axis='x',#对那个方向（x方向：上下轴；y方向：左右轴）的坐标轴上的tick操作，可选参数{'x', 'y', 'both'} which='both',#对主刻度还是次要刻度操作，可选参数为{'major', 'minor', 'both'} colors='r',#刻度颜色 #以下四个参数控制上下左右四个轴的刻度的关闭和开启 top='on',#上轴开启了刻度值和轴之间的线 bottom='on',#x轴关闭了刻度值和轴之间的线 left='on', right='on', direction='out',#tick的方向，可选参数{'in', 'out', 'inout'} length=10,#tick长度 width=2,#tick的宽度 pad=10,#tick与刻度值之间的距离 labelsize=10,#刻度值大小 labelcolor='#008856',#刻度值的颜色 zorder=0, #以下四个参数控制上下左右四个轴的刻度值的关闭和开启 labeltop='on',#上轴的刻度值也打开了此时 labelbottom='on', labelleft='on', labelright='off', labelrotation=45,#刻度值与坐标轴旋转一定角度 grid_color='pink',#网格线的颜色，网格线与轴刻度值对应，前提是plt.grid()开启了 grid_alpha=1,#网格线透明度 grid_linewidth=10,#网格线宽度 grid_linestyle='-',#网格线线型，{'-', '--', '-.', ':', '',matplotlib.lines.Line2D中的都可以用 #plt.xticks([])#x轴刻度值trick的关闭 plt.xticks(np.arange(0, 2.2, step=0.2),list('abcdefghigk'),rotation=45) #自定义刻度标签值，刻度显示为您想要的一切（日期，星期等等） #设置刻度范围 plt.xlim(0.2,2.2)#x坐标轴刻度值范围 plt.ylim(0,2)#y坐标轴刻度值范围 #plt.gca().set((xlim=[0, 2], ylim=[0, 2])#x轴y轴坐标轴范围操作 #设置刻度值之间步长(间隔) from matplotlib.pyplot import MultipleLocator plt.gca().xaxis.set_major_locator(MultipleLocator(0.2)) plt.gca().xaxis.set_minor_locator(MultipleLocator(0.1)) #plt.minorticks_off()#是否每个刻度都要显示出来 plt.xlabel('X轴标题', labelpad=22,#x轴标题xlabel与坐标轴之间距离 fontdict=font_self,#设置xlabel的字体、大小、颜色、粗细