图件配置

荒流2019年4月19日大约 5 分钟约 1643 字

1. 绘图风格

plt.style.use('classic')
plt.style.use('seaborn-whitegrid')

默认风格
FiveThirtyEight风格
ggplot风格
bmh风格
黑色背景风格
灰度风格
Seaborn风格

2. 配置图例、颜色条

对于图例 plt.legend() 函数（或 ax.legend() 函数）：

参数	作用	示例
`loc`	设置图例位置
`frameon`	是否显示外边框
`ncol`	图例的标签列数
`fancybox`	是否设置圆角边框
`framealpha`	设置外边框透明度
`shadow`	是否设置边框阴影
`borderpad`	设置文字间距

选择图例显示的元素：

将需要显示的线条传入 plt.legend()。通过 plt.plot()函数可一次性创建多条线，返回线条实例列表。故可通过该列表的索引传入。
只为需要在图例中显示的线条设置标签。默认情况下，图例会忽略那些不带标签的元素。

同时显示多个图例

通过标准的 legend()接口只能为一张图创建一个图例，如果想用其创建第二个图例，那么第一个图例就会被覆盖；
可以通过从头开始创建一个新的图例艺术家对象(legend artist)，然后用底层的 ax.add_artist()方法在图上添加第二个图例。

在 Matplotlib 里同，颜色条是一个独立的坐标轴，可以指明图形中颜色的含义。由于颜色条本身可看作是一个 plt.Axes 实例，因此所有关于坐标轴和刻度值的格式配置技巧等都可以派上用场。

通过 plt.colorbar()函数可以直接创建最简单的颜色条。

可以设置 cmap 参数更改配色方案，如 cmp='gray'。所有可用的配色方案都在 plt.cm 命名空间里，在 IPython 里通过 Tab 键就可以查看所有的配置方案。
可以缩短颜色取值的上下限，对于超出上下限的数据，通过 extend 参数可用三角箭头表示比上限大的数或者比下限小的数。

使用 plt.cm.get_cmap() 函数设置离散数据的离散型颜色条。

3. 坐标轴刻度自定义

Matplotlib 的目标是用 Python 对象表现任意图形元素，例如，figure 对象其实就是一个盛放图形元素的包围盒。可以将每个 Matplotlib 对象看成是子对象的容器，例如每个 figure 都会包含一个或多个 axes 对象，每个 axes 对象又会包含其他表示图形内容的对象。

同上，坐标轴刻度线也不例外。每个 axes 都有 xaxis 和 yaxis 属性，每个属性同样包含构成坐标轴的线条、刻度和标签的全部属性。

坐标轴定位器(locator)、格式生成器(formatter)：

4. 文字与注释

可以通过plt.text()或ax.txt()手动添加注释，它们可以在具体的 x/y 坐标点上放上文字。（ha 是水平对齐方式(horizonal alignment)的缩写）：

任何图形显示框架都需要一些变换坐标系的机制，即坐标变换：

transData坐标用 x 轴与 y 轴的标签作为数据坐标；
transAxes坐标以坐标轴左下角的位置为原点，按坐标轴尺寸的比例呈现坐标；
transFigure以图形左下角的位置为原点，按图形尺寸的比例呈现坐标。
由此，假如你改变了坐标轴上下限，只有transData坐标会受影响，其他坐标系都不产生变化：
代码图片

5. 多子图

创建数据图的函数主要有：

plt.figure
plt.axes
plt.subplot
plt.subplots
Figure.subplots
Figure.add_subplot

用 plt.axes()手动创建子图：

plt.axes()函数有一个可选参数，由图形坐标系统的四个值构成，这四个值分别表示图形坐标系统的 [bottom, left, width, width]（底坐标，左坐标，宽度，高度），数值的取值范围是左下角（原点）为 0，右上角为 1。
```
ax1 = plt.axes() # 默认坐标轴
ax2 = plt.axes([0.65, 0.65, 0.2, 0.2])
```

面向对象画图接口中类似的命令有 fig.add_axes()：

fig = plt.figure()
ax1 = fig.add_axes([0.1, 0.5, 0.8, 0.4],
                   xticklabels=[], ylim=(-1.2, 1.2))
ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.4],
                   ylim=(-1.2, 1.2))
x = np.linspace(0, 10)
ax1.plot(np.sin(x))
ax2.plot(np.cos(x))

用 plt.subplot()创建简易网格子图——

该函数有三个整型参数——将要创建的网格子图行数、列数和索引值，索引值从 1 开始，从左上角到右下角依次增大。
同时可用 plt.subplots_adjust() 函数（或面向对象接口的 fig.add_subplot()）调整子图之间的间隔（用 hsapce 与 wspace 参数设置与图形高度与宽度一致的子图间距，数值以子图的的尺寸为单位，本例中间距是子图宽度与高度的 40%）：

函数 plt.subplots() 用一行代码创建网格

这个函数不是用来创建单个子图的，而是用一行代码创建多个子图，其返回值为一个元组(fig, ax)：
- fig：一个 Figure 对象
- ax：一个 Axes 对象组成的数组
关键参数是行数与列数，以及可选参数 sharex 与 sharey，通过它们可以设置不同子图之间的关联关系（设置 sharex 与 sharey 参数之后，就会自动去掉网格内部子图的标签，让图形看起来更整洁）：
示例
因为函数 plt.subplots()返回值为数组，故其与 Python 索引从 0 开始的习惯保持一致。

用 plt.GridSpec()函数实现不规则的子图排列方式（函数 plt.GridSpec()本身不能直接创建一个图形，它只是 plt.subplot()命令可以识别的简易接口）：

5. Matplotlib 自定义：配置文件与样式表

样式表：

通过plt.style.available命令可以看到所有可用的风格。
使用某种样式表的基本方法如下所示：
```
plt.style.use('stylename')
```
直接使用上述代码会影响后面所有的风格，如果只想局部使用，可以使用上下文管理器：
```
with plt.style.context('stylename'):
    make_a_plot()
```

修改默认配置：rcParams。

代码	图片