Matplotlib 功能和属性

Matplotlib是一个Python数据可视化库，可以绘制各种类型的图表，包括折线图、散点图、直方图等。在matplotlib中，有一些常用的功能和属性，比如图例位置设置、坐标轴刻度设置等，本文将详细介绍常用的matplotlib功能和属性。

阅读更多：Matplotlib 教程

图例位置设置

在使用matplotlib绘制图表时，通常需要添加图例来标识不同的数据。matplotlib提供了多种图例位置设置方式。常用的设置方式如下：

loc参数设置

使用loc参数可以直接设置图例的位置。loc参数的取值范围是0~10，分别代表以下位置：

0: 最佳位置（automatic）
1: 右上角（upper right）
2: 左上角（upper left）
3: 右下角（lower right）
4: 左下角（lower left）
5: 右中（center right）
6: 左中（center left）
7: 下中（lower center）
8: 上中（upper center）
9: 中心（center）

示例代码如下：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

plt.plot(x, y, label='label1')
plt.plot(x, [i+1 for i in y], label='label2')
plt.legend(loc=0)

plt.show()

这段代码将绘制一条标签为label1和一条标签为label2的曲线，并将图例位置设置为最佳位置。

bbox_to_anchor参数设置

使用bbox_to_anchor参数可以将图例设置到指定位置。这个参数需要设置一个元组，元组中的两个值分别代表x坐标和y坐标，在坐标轴上的位置，取值范围为0~1。示例代码如下：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

plt.plot(x, y, label='label1')
plt.plot(x, [i+1 for i in y], label='label2')
plt.legend(bbox_to_anchor=(1.05, 1))

plt.show()

这段代码将绘制一条标签为label1和一条标签为label2的曲线，并将图例位置设置在右上角。

loc 和 bbox_to_anchor联合使用

loc和bbox_to_anchor参数还可以联合使用。code以下代码将绘制一条标签为label1和一条标签为label2的曲线，并将图例位置设置在左上角外。示例代码如下：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

plt.plot(x, y, label='label1')
plt.plot(x, [i+1 for i in y], label='label2')
plt.legend(loc=2, bbox_to_anchor=(1.05, 1))

plt.show()

坐标轴刻度设置

在绘制图表时，坐标轴的刻度设置也是一个常用的操作。matplotlib可以通过一些属性来设置坐标轴的刻度，常用的属性如下：

xticks和yticks属性

xticks和yticks属性可以设置坐标轴的刻度标签。这两个属性需要设置一个列表，列表中的数字表示坐标轴上的刻度位置，字符串则是对应的标签内容。示例代码如下：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

plt.plot(x, y)
plt.xticks([1, 3, 5], ['a', 'b', 'c'])
plt.yticks([1, 3, 5], ['A', 'B', 'C'])

plt.show()

这段代码将绘制一条曲线，并将x轴的刻度标签设置为a、b、c，y轴的刻度标签设置为A、B、C。

xlim和ylim属性

xlim和ylim属性可以设置坐标轴的范围。这两个属性需要设置一个元组，元组中的两个数分别表示坐标轴上的最小值和最大值。示例代码如下：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

plt.plot(x, y)
plt.xlim((0, 6))
plt.ylim((0, 6))

plt.show()

这段代码将绘制一条曲线，并将x轴和y轴的范围设置为0~6。

tick_params属性

tick_params属性可以设置坐标轴上的刻度线、刻度标签和网格线。常用的参数如下：

axis：表示设置哪个坐标轴的参数（’x’表示x轴，’y’表示y轴，’both’表示两个坐标轴都设置）
direction：表示刻度线的方向（’in’表示向内，’out’表示向外，’inout’表示分别向内和向外）
length：表示刻度线的长度
width：表示刻度线的宽度
color：表示刻度线的颜色
labelsize：表示刻度标签的大小
labelcolor：表示刻度标签的颜色
bottom、top、left、right：表示网格线的位置（’on’表示显示，’off’表示不显示）

示例代码如下：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

plt.plot(x, y)
plt.tick_params(axis='both', direction='in', length=10, width=2, color='r', labelsize=10, labelcolor='g', bottom=True, top=False, left=True, right=False)

plt.show()

这段代码将绘制一条曲线，并将坐标轴的刻度线设置为向内、长度为10、宽度为2、颜色为红色，刻度标签的大小为10、颜色为绿色，左下和右上的网格线显示，其他网格线不显示。

数字的格式化输出

在数据可视化过程中，往往需要将数字格式化输出，以便更好地显示数据信息。matplotlib提供了多种数字格式化方式，常用的方式如下：

set_major_formatter方法

set_major_formatter方法用于设置主刻度标签的格式化方式。示例代码如下：

import matplotlib.pyplot as plt
import matplotlib.ticker as mtick

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

fig, ax = plt.subplots()

ax.yaxis.set_major_formatter(mtick.FormatStrFormatter('%.2f'))

plt.plot(x, y)

plt.show()

这段代码将绘制一条曲线，并将y轴的刻度标签设置为保留两位小数。

set_minor_formatter方法

set_minor_formatter方法用于设置次刻度标签的格式化方式。示例代码如下：

import matplotlib.pyplot as plt
import matplotlib.ticker as mtick

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

fig, ax = plt.subplots()

ax.yaxis.set_minor_formatter(mtick.PercentFormatter(1.0))

plt.plot(x, y)

plt.show()

这段代码将绘制一条曲线，并将y轴的次刻度标签设置为百分数形式。

set_ticks方法

set_ticks方法用于设置刻度的位置。示例代码如下：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

fig, ax = plt.subplots()

ax.get_yaxis().set_ticks([1, 2, 3, 4, 5])

plt.plot(x, y)

plt.show()

这段代码将绘制一条曲线，并将y轴的刻度位置设置为1、2、3、4、5。

set_ticklabels方法

set_ticklabels方法用于设置刻度标签的内容。示例代码如下：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 3, 5, 4, 2]

fig, ax = plt.subplots()

ax.get_yaxis().set_ticklabels(['A', 'B', 'C', 'D', 'E'])

plt.plot(x, y)

plt.show()