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。