Matplotlib数据可视化(3):文本与轴

Matplotlib数据可视化(3):文本与轴

 

在一幅图表中,文本、坐标轴和图像的是信息传递的核心,对着三者的设置是作图这最为关心的内容,在上一篇博客中虽然列举了一些设置方法,但没有进行深入介绍,本文以围绕如何对文本和坐标轴进行设置展开(对图像的设置在后续介绍到各种图绘制时介绍)。

这里所说的文本是指在使用matplotlib作图过程中通过代码的方式往图中添加的各种文字,包括figure标题、axes标题、坐标轴标签、坐标轴刻度标签、注释、普通文本等。轴设置指的是对与坐标轴相关的的元素的设置,例如显示范围、刻度、刻度标签等。

In [1]:
from matplotlib import pyplot as plt
import numpy as np
import matplotlib as mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]  # 中文字体支持
 

1 标题

 

(1)figure标题与axes标题

In [2]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure(figsize=(8, 3))
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
fig.subplots_adjust(top=0.85)
fig.suptitle("figure标题")
ax1.set_title("ax1-标题")
ax2.set_title("ax2-标题")
plt.show()
 
 

(2)字体设置

In [3]:
from matplotlib.font_manager import FontProperties

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure(figsize=(8, 3))
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
fig.subplots_adjust(top=0.85)
fig.suptitle("figure标题", color="red", fontsize=20)
font = FontProperties()  # 字体类
font.set_family("serif")
font.set_name("SimHei")
font.set_style("italic")
ax1.set_title("ax1-标题",fontproperties=font)  # 传递字体类设置字体
ax2.set_title("ax2-标题", color="green")
plt.show()
 
 

(3)设置水平距离

In [4]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axs = plt.subplots(3, 1, figsize=(5, 10))
fig.subplots_adjust(top=0.93)
fig.suptitle("figure标题", color="red", fontsize=20)
locs = ["left", "center", "right"]
for ax, loc in zip(axs, locs):
    ax.plot(x1, y1)
    ax.set_title("axes标题 "+ loc, loc=loc, color="blue")
plt.show()
 
 

(4)设置垂直距离

In [5]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(top=0.8)
ax.plot(x1, y1)
ax.set_title("垂直距离测试图-标题", pad=30)
plt.show()
 
 

2 坐标轴标签

 

(1)添加坐标轴标签

In [6]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel("时间 [s]")
ax.set_ylabel("阻尼振荡 [V]")

plt.show()
 
 

(2)与坐标轴间距

In [7]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1*10000)
ax.set_xlabel("时间 [s]", labelpad=28)
ax.set_ylabel("阻尼振荡 [V]", labelpad=28)   # 指定labelpad参数设置距离

plt.show()
 
 

(3)位置设置

In [8]:
x1 = np.linspace(0.0, 10.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel("time [s]", 
              position=(0.2, 1e6),  # 位置,坐标轴总长的比例
              horizontalalignment="left")  # 对齐方式,左对齐,右对齐
ax.set_ylabel("Damped oscillation [V]")

plt.show()
 
 

(4)字体设置

In [9]:
from matplotlib.font_manager import FontProperties

font = FontProperties()
font.set_family("serif")
font.set_name("DejaVu Sans")
font.set_style("italic")

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel("time [s]", fontsize=20, fontweight="bold")  # 可以通过出不同参数来设置字体
ax.set_ylabel("Damped oscillation [V]", fontproperties=font, color="red")  # 也可以直接传递一个FontProperties类实例设置字体

plt.show()
 
 

3 刻度和刻度标签

 

(1)设置刻度标签

In [10]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axs = plt.subplots(5, 1, figsize=(10, 6), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
axs[2].plot(x1, y1)
axs[3].plot(x1, y1)
axs[4].plot(x1, y1)

axs[0].xaxis.set_ticks([1, 2, 3, 4, 5])  # 这是默认的,系统会根据传递的数据自动设置刻度
axs[1].xaxis.set_ticks([0, 1, 3 , 5,])  # 传递列表
axs[2].xaxis.set_ticks(np.arange(0., 5.1, 2.0))  # 每0.5个单位间隔显示
axs[3].xaxis.set_ticks(np.arange(0., 5.1, 0.5))   # 每2个单位显示

ticks_2 = np.arange(0., 5.1, 0.5)
tickla_2 = ["%1.2f" % tick for tick in ticks_2]  # 显示精度
axs[4].xaxis.set_ticks(ticks_2)
axs[4].xaxis.set_ticklabels(tickla_2)

plt.show()
 
 

(2)刻度标签显示其他字符

In [11]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)

axes.plot(x1, y1)
axes.xaxis.set_ticks([1, 2 , 3, 4, 5]) 
axes.set_xticklabels(["第一天", "第二天", "第三天", "第四天", "第五天"],   # 这里的字符列表必须与上面一行的刻度列表一一对应
                       color="red", fontsize=15,   # 直接设置样式,这里与其他设置text的方法一样
                       rotation=30)  # 旋转角度
plt.show()
 
 

(3)刻度数量与格式

In [12]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.plot(x1, y1)

formatter = mpl.ticker.FormatStrFormatter("%1.5f")  # 设置显示精度格式
locator = mpl.ticker.MaxNLocator(nbins=3)  # 设置显示刻度的数量
axes.xaxis.set_major_formatter(formatter)
axes.xaxis.set_major_locator(locator)

plt.show()
 
 

(4)自定义是否显示某刻度标签

In [13]:
x1 = np.linspace(0.0, 10.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
def formatoddticks(x, pos):
    """
    如果是3的倍数,则显示空
    """
    if x % 3:
        return "%1.2f" % x
    else:
        return ""  # 可以设置成其它字符


fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
ax.plot(x1, y1)
formatter = mpl.ticker.FuncFormatter(formatoddticks)  # 将定义的格式函数作为参数传递
locator = mpl.ticker.MaxNLocator(nbins=6)
ax.xaxis.set_major_formatter(formatter)
ax.xaxis.set_major_locator(locator)

plt.show()
 
 

(5)单独设置某一刻度标签样式

In [14]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.plot(x1,y1)
label_1 = axes.get_xticklabels()[3]
label_1.set_color("red")
label_1.set_fontsize(20)
label_1.set_label(15)
plt.show()
 
 

(6)主刻度、次刻度、网格

In [15]:
from matplotlib.ticker import MultipleLocator, FormatStrFormatter

x1 = np.linspace(0.0, 100.0, 500)
y1 = np.sin(0.1*np.pi*x1)*np.exp(-x1*0.01)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(x1,y1)

xmajorLocator   = MultipleLocator(20) #将x主刻度标签设置为20的倍数
xmajorFormatter = FormatStrFormatter("%5.1f") #设置x轴标签文本的格式
xminorLocator   = MultipleLocator(5) #将x轴次刻度标签设置为5的倍数

ymajorLocator   = MultipleLocator(0.5) #将y轴主刻度标签设置为0.5的倍数
ymajorFormatter = FormatStrFormatter("%1.1f") #设置y轴标签文本的格式
yminorLocator   = MultipleLocator(0.1) #将此y轴次刻度标签设置为0.1的倍数

#设置主刻度标签的位置,标签文本的格式
ax.xaxis.set_major_locator(xmajorLocator)
ax.xaxis.set_major_formatter(xmajorFormatter)

ax.yaxis.set_major_locator(ymajorLocator)
ax.yaxis.set_major_formatter(ymajorFormatter)

#显示次刻度标签的位置,没有标签文本
ax.xaxis.set_minor_locator(xminorLocator)
ax.yaxis.set_minor_locator(yminorLocator)

ax.xaxis.grid(True, which="major") #x坐标轴的网格使用主刻度
ax.yaxis.grid(True, which="minor") #y坐标轴的网格使用次刻度

plt.show()
 
 

(7)刻度线样式设置

 

刻度线的样式主要是通过axes.tick_params()方法来设置,该方法主要参数如下:

  • axis:取值为"x"、"y"或"both",指定设置哪一条轴上的刻度,"both"表示同时设置两条坐标轴,默认值为"both";
  • which:取值为 "major"、"minor"、"both",分别代表设置主刻度线、副刻度线以及同时设置,默认值为"major";
  • direction:值为"in"、"out"、"inout",分别代表刻度线显示在绘图区内侧、外侧以及同时显示;
  • length和width:分别用于设置刻度线的长度和宽度;
  • pad:用于设置刻度线与标签间的距离;
  • color、labelcolor、colors:参数color、labelcolor、colors分别用于设置刻度线的颜色、刻度线标签的颜色以及同时设置刻度线及标签颜色;
  • labelsize:参数labelsize用于设置刻度线标签的字体大小;
  • bottom, top, left, right:参数bottom, top, left, right的值为布尔值,分别代表设置绘图区四个边框线上的的刻度线是否显示;
  • labelbottom, labeltop, labelleft, labelright:参数labelbottom, labeltop, labelleft, labelright的值为布尔值,分别代表设置绘图区四个边框线上的刻度线标签是否显示
In [16]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.plot(x1,y1)
axes.tick_params(axis="x",  # 只设置x轴刻度
               direction="in",  # 刻度线朝内
               length=3, width=3,  # 长度和宽度
               colors="green",   # 颜色
               labelsize=15,   # 标签字体大小
               top=True,
               left=True,
               labeltop=True,
               labelright=True
              )
axes.tick_params(axis="y",  # 只设置y轴刻度
               direction="in",  # 刻度线朝内
               length=6, width=3,  # 长度和宽度
               colors="red",   # 颜色
               labelsize=15,   # 标签字体大小
               top=True,
               right=True,
               labeltop=True,
               labelright=True
              )
plt.show()
 
 

(8)隐藏边框+设置坐标轴相交位置

In [17]:
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.plot(x1,y1)
axes.spines["top"].set_color("none")
axes.spines["right"].set_color("none")
axes.spines["bottom"].set_position(("data", 0))
axes.spines["left"].set_position(("data", 0))
 
 

(9)时间日期刻度

In [18]:
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
from datetime import datetime
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
  
#销售数据
# dates=[20200101,20200201,20200301,20200401]
dates=[20200101,20200102,20200103,20200104]
y=[100,120.1,90.6,110]
#将dates改成日期格式
x= [datetime.strptime(str(d), "%Y%m%d").date() for d in dates]
  
#figure布局
fig, axes = plt.subplots(1, 2, figsize=(15, 2), tight_layout=True)


axes[0].plot(x,y)
#设置x轴主刻度格式
days_loc = mdates.DayLocator()        #主刻度为每天
axes[0].xaxis.set_major_locator(days_loc)     #设置主刻度
axes[0].xaxis.set_major_formatter(mdates.DateFormatter("%Y年%m月%d日"))

#设置副刻度格式
# hoursLoc = mpl.dates.HourLocator(interval=6) # 每六小时显示刻度,但是未必是6的整数倍
hoursLoc = mpl.dates.HourLocator(byhour=[6, 12, 18, 24]) # 手动指定需要显示的副刻度
axes[0].xaxis.set_minor_locator(hoursLoc)
axes[0].xaxis.set_minor_formatter(mdates.DateFormatter("%H"))  # 如果副刻度不需要显示,注释这行

axes[0].tick_params(pad=15)  #参数pad用于设置刻度线与标签间的距离


#销售数据
dates=[20200101,20200201,20200301,20200401]
y=[100,120.1,90.6,110]
#将dates改成日期格式
x= [datetime.strptime(str(d), "%Y%m%d").date() for d in dates]

axes[1].plot(x,y)
#设置x轴主刻度格式
months_loc = mpl.dates.MonthLocator()  # 主刻度以月为单位
axes[1].xaxis.set_major_locator(months_loc)     #设置主刻度
axes[1].xaxis.set_major_formatter(mdates.DateFormatter("%Y年%m月%d日"))

#设置副刻度格式
days_loc = mpl.dates.DayLocator(interval=10)  # 每10个单位长度显示一次副刻度,这种方法比上面的方法简单,但是未必是整数倍或对齐主刻度
axes[1].xaxis.set_minor_locator(days_loc)
axes[1].xaxis.set_minor_formatter(mdates.DateFormatter("%d"))  # 如果副刻度不需要显示,注释这行

axes[1].tick_params(pad=20)  #参数pad用于设置刻度线与标签间的距离

plt.show()
 
 

除了上述示例中使用到的DayLocator、MonthLocator、HourLocator外,matplotlib提供了WeekdayLocator、YearLocator等几个类对周、年进行设置。

 

4 总结

本文提供了许多matplotlib作图过程中在文本、坐标轴设置上可能会遇上的场景示例,供参考使用。在本文撰写过程中也发现,对于文本和坐标轴的设置多种多样,就算是对同一元素实现同一效果的设置方法也有多种,本文只是例举的示例了一小部分。对于注释这类文本,本来也想说一说,但是感觉注释本就不太常用,且本文本身写的也有些乱,就不在继续添乱了。