1. Figure和Axes上的文本

Matplotlib具有广泛的文本支持，包括对数学表达式的支持、对栅格和矢量输出的TrueType支持、具有任意旋转的换行分隔文本以及Unicode支持。
下面的命令是介绍了通过pyplot API和objected-oriented API分别创建文本的方式。

1.1 text

pyplot API：matplotlib.pyplot.text(x, y, s, fontdict=None, **kwargs)
OO API: Axes.text(self, x, y, s, fontdict=None, **kwargs)

参数**：此方法接受以下描述的参数。

• s：此参数是要添加的文本。
• xy：此参数是放置文本的点(x，y)。
• fontdict：此参数是一个可选参数，并且是一个覆盖默认文本属性的字典。如果fontdict为None，则由rcParams确定默认值。

返回值：此方法返回作为创建的文本实例的文本。

fontdict主要参数具体介绍，更多参数请参考官网说明：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
import numpy as np

fontdict学习的案例
学习的过程中请尝试更换不同的fontdict字典的内容，以便于更好的掌握

#---------设置字体样式，分别是字体，颜色，宽度，大小
font1 = {'family': 'SimSun',#华文楷体
         'alpha':0.7,#透明度
        'color':  'purple',
        'weight': 'normal',
        'size': 16,
        }
font2 = {'family': 'Times New Roman',
        'color':  'red',
        'weight': 'normal',
        'size': 16,
        }
font3 = {'family': 'serif',
        'color':  'blue',
        'weight': 'bold',
        'size': 14,
        }
font4 = {'family': 'Calibri',
        'color':  'navy',
        'weight': 'normal',
        'size': 17,
        }
#-----------四种不同字体显示风格-----
#-------建立函数----------
x = np.linspace(0.0, 5.0, 100)
y = np.cos(2*np.pi*x) * np.exp(-x/3)
#-------绘制图像，添加标注----------
plt.plot(x, y, '--')
plt.title('震荡曲线', fontdict=font1)
#------添加文本在指定的坐标处------------
plt.text(2, 0.65, r'$\cos(2 \pi x) \exp(-x/3)$', fontdict=font2)
#---------设置坐标标签
plt.xlabel('Y=time (s)', fontdict=font3)
plt.ylabel('X=voltage(mv)', fontdict=font4)
# 调整图像边距
plt.subplots_adjust(left=0.15)
plt.show()

常见的中文字体

• 黑体：SimHei
• 微软雅黑：Microsoft YaHei
• 微软正黑体：Microsoft JhengHei
• 新宋体：NSimSun
• 新细明体：PMingLiU
• 细明体：MingLiU
• 华文新魏：STXinwei
• 华文行楷：STXingkai
• 华文隶书：STLliti
• 花纹琥珀：STHupo
• 华文彩云：STCaiyun
• 方正姚体：FZYaoti
• 方正舒体：FZShuTi
• 标楷体：DFKai-SB
• 华文仿宋：STFangsong
• 华文中宋：STZhongsong
• 华文宋体：STSong
• 华文楷体：STKaiti
• 华文细黑：STXihei
• 幼圆：YouYuan
• 隶书：LiSu
• 楷体_GB 2313：Kaiti_GB2313
• 仿宋_GB2313：FangSong_GB2313
• 仿宋：FangSong

1.2 title和set_title

pyplot API：matplotlib.pyplot.title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)
OO API：Axes.set_title(self, label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)

该命令是用来设置axes的标题。

参数：此方法接受以下描述的参数:

• label：str，此参数是要添加的文本

• fontdict：dict，此参数是控制title文本的外观，默认fontdict如下：

  {'fontsize': rcParams['axes.titlesize'],
  'fontweight': rcParams['axes.titleweight'],
  'color': rcParams['axes.titlecolor'],
  'verticalalignment': 'baseline',
  'horizontalalignment': loc}

• loc:str，{‘center’, ‘left’, ‘right’}默认为center

• pad:float,该参数是指标题偏离图表顶部的距离，默认为6。
• y:float，该参数是title所在axes垂向的位置。默认值为1，即title位于axes的顶部。
• kwargs：该参数是指可以设置的一些奇特文本的属性。

返回值：此方法返回作为创建的title实例的文本。

1.3 figtext和text

pyplot API：matplotlib.pyplot.figtext(x, y, s, fontdict=None, **kwargs)
OO API：text(self, x, y, s, fontdict=None,**kwargs)

参数：此方法接受以下描述的参数:

• x,y：float，此参数是指在figure中放置文本的位置。一般取值是在[0,1]范围内。使用transform关键字可以更改坐标系。
• s：str,此参数是指文本
• fontdict：dict,此参数是一个可选参数，并且是一个覆盖默认文本属性的字典。如果fontdict为None，则由rcParams确定默认值。

返回值：此方法返回作为创建的文本实例的文本。

1.4 suptitle

pyplot API：matplotlib.pyplot.suptitle(t, **kwargs)
OO API：suptitle(self, t, **kwargs)

参数：此方法接受以下描述的参数:

• t：str,标题的文本
• x：float,默认值是0.5.该参数是指文本在figure坐标系下的x坐标
• y：float,默认值是0.95.该参数是指文本在figure坐标系下的y坐标
• horizontalalignment, ha:该参数是指选择文本水平对齐方式，有三种选择{‘center’, ‘left’, right’}，默认值是 ‘center’
• verticalalignment, va：该参数是指选择文本垂直对齐方式，有四种选择{‘top’, ‘center’, ‘bottom’, ‘baseline’}，默认值是 ‘top’
• fontsize, size：该参数是指文本的大小，默认值是依据rcParams的设置：rcParams[“figure.titlesize”] (default: ‘large’)
• fontweight, weight：该参数是用来设置字重。默认值是依据rcParams的设置：rcParams[“figure.titleweight”] (default: ‘normal’)
• fontproperties:None or dict,该参数是可选参数，如果该参数被指定，字体的大小将从该参数的默认值中提取。

返回值：此方法返回作为创建的title实例的文本。

1.5 xlabel和ylabel

pyplot API：

• matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)   
• matplotlib.pyplot.ylabel(ylabel, fontdict=None, labelpad=None,*, loc=None, **kwargs)

OO API:

• Axes.set_xlabel(self, xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)
• Axes.set_ylabel(self, ylabel, fontdict=None, labelpad=None,*, loc=None, **kwargs)

参数**：此方法接受以下描述的参数:

• xlabel或者ylabel：label的文本
• labelpad：设置label距离轴(axis)的距离
• loc：{‘left’, ‘center’, ‘right’},默认为center
• **kwargs：文本属性

返回值：此方法返回作为创建的xlabel和ylabel实例的文本。

#文本属性的输入一种是通过**kwargs属性这种方式，一种是通过操作 matplotlib.font_manager.FontProperties 方法
#该案例中对于x_label采用**kwargs调整字体属性，y_label则采用 matplotlib.font_manager.FontProperties 方法调整字体属性
#该链接是FontProperties方法的介绍 https://matplotlib.org/api/font_manager_api.html#matplotlib.font_manager.FontProperties
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
font = FontProperties()
font.set_family('serif')
font.set_name('Times New Roman')
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='large', fontweight='bold')
ax.set_ylabel('Damped oscillation [V]', fontproperties=font)
plt.show()

1.6 annotate

pyplot API：matplotlib.pyplot.annotate(text, xy, *args,**kwargs)
OO API：Axes.annotate(self, text, xy, *args,**kwargs)

参数：此方法接受以下描述的参数:

• text：str，该参数是指注释文本的内容
• xy：该参数接受二维元组(float, float)，是指要注释的点。其二维元组所在的坐标系由xycoords参数决定
• xytext：注释文本的坐标点，也是二维元组，默认与xy相同
• xycoords：该参数接受 被注释点的坐标系属性，允许的输入值如下: | 属性值 | 含义 | | :—- | :—- | | ‘figure points’ | 以绘图区左下角为参考，单位是点数 | | ‘figure pixels’ | 以绘图区左下角为参考，单位是像素数 | | ‘figure fraction’ | 以绘图区左下角为参考，单位是百分比 | | ‘axes points’ | 以子绘图区左下角为参考，单位是点数（一个figure可以有多个axes，默认为1个） | | ‘axes pixels’ | 以子绘图区左下角为参考，单位是像素数 | | ‘axes fraction’ | 以子绘图区左下角为参考，单位是百分比 | | ‘data’ | 以被注释的坐标点xy为参考 (默认值) | | ‘polar’ | 不使用本地数据坐标系，使用极坐标系 |

• textcoords ：注释文本的坐标系属性，默认与xycoords属性值相同，也可设为不同的值。除了允许输入xycoords的属性值，还允许输入以下两种： | 属性值 | 含义 | | :—- | :—- | | ‘offset points’ | 相对于被注释点xy的偏移量（单位是点） | | ‘offset pixels’ | 相对于被注释点xy的偏移量（单位是像素） |

• arrowprops：箭头的样式，dict（字典）型数据，如果该属性非空，则会在注释文本和被注释点之间画一个箭头。如果不设置'arrowstyle' 关键字，则允许包含以下关键字： | 关键字 | 说明 | | :—- | :—- | | width | 箭头的宽度（单位是点） | | headwidth | 箭头头部的宽度（点） | | headlength | 箭头头部的长度（点） | | shrink | 箭头两端收缩的百分比（占总长） | | ? | 任何 matplotlib.patches.FancyArrowPatch中的关键字 |

如果设置了’arrowstyle’关键字，以上关键字就不能使用。允许的值有：

下图展现了不同的arrowstyle的不同形式

• FancyArrowPatch的关键字包括: | Key | Description | | :—-: | :—-: | | arrowstyle | 箭头的样式 | | connectionstyle | 连接线的样式 | | relpos | 箭头起始点相对注释文本的位置，默认为 (0.5, 0.5)，即文本的中心，（0，0）表示左下角，（1，1）表示右上角 | | patchA | 箭头起点处的图形（matplotlib.patches对象），默认是注释文字框 | | patchB | 箭头终点处的图形（matplotlib.patches对象），默认为空 | | shrinkA | 箭头起点的缩进点数，默认为2 | | shrinkB | 箭头终点的缩进点数，默认为2 | | mutation_scale | default is text size (in points) | | mutation_aspect | default is 1. | | ? | any key for matplotlib.patches.PathPatch |

• annotation_clip : 布尔值，可选参数，默认为空。设为True时，只有被注释点在axes时才绘制注释；设为False时，无论被注释点在哪里都绘制注释。仅当xycoords为‘data’时，默认值空相当于True。

• **kwargs:该参数接受任何Text的参数

#此代码主要给示范了不同的arrowstyle以及FancyArrowPatch的样式
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
fig, axs = plt.subplots(2, 2)
x1, y1 = 0.3, 0.3
x2, y2 = 0.7, 0.7
ax = axs.flat[0]
ax.plot([x1, x2], [y1, y2], ".")
el = mpatches.Ellipse((x1, y1), 0.3, 0.4, angle=30, alpha=0.2)
ax.add_artist(el)#在axes中创建一个artist
ax.annotate("",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='data',
            arrowprops=dict(arrowstyle="-",#箭头的样式
                            color="0.5",
                            patchB=None,
                            shrinkB=0,
                            connectionstyle="arc3,rad=0.3",
                            ),
            )
#在整个代码中使用Transform=ax.transAx表示坐标相对于axes的bounding box，其中(0，0)是轴的左下角，(1，1)是右上角。
ax.text(.05, .95, "connect", transform=ax.transAxes, ha="left", va="top")
ax = axs.flat[1]
ax.plot([x1, x2], [y1, y2], ".")
el = mpatches.Ellipse((x1, y1), 0.3, 0.4, angle=30, alpha=0.2)
ax.add_artist(el)
ax.annotate("",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='data',
            arrowprops=dict(arrowstyle="-",
                            color="0.5",
                            patchB=el,#箭头终点处的图形
                            shrinkB=0,
                            connectionstyle="arc3,rad=0.3",
                            ),
            )
ax.text(.05, .95, "clip", transform=ax.transAxes, ha="left", va="top")
ax = axs.flat[2]
ax.plot([x1, x2], [y1, y2], ".")
el = mpatches.Ellipse((x1, y1), 0.3, 0.4, angle=30, alpha=0.2)
ax.add_artist(el)
ax.annotate("",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='data',
            arrowprops=dict(arrowstyle="-",
                            color="0.5",
                            patchB=el,
                            shrinkB=5,
                            connectionstyle="arc3,rad=0.3",
                            ),
            )
ax.text(.05, .95, "shrink", transform=ax.transAxes, ha="left", va="top")
ax = axs.flat[3]
ax.plot([x1, x2], [y1, y2], ".")
el = mpatches.Ellipse((x1, y1), 0.3, 0.4, angle=30, alpha=0.2)
ax.add_artist(el)
ax.annotate("",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='data',
            arrowprops=dict(arrowstyle="fancy",
                            color="0.5",
                            patchB=el,
                            shrinkB=5,#箭头终点的缩进点数
                            connectionstyle="arc3,rad=0.3",
                            ),
            )
ax.text(.05, .95, "mutate", transform=ax.transAxes, ha="left", va="top")
for ax in axs.flat:
    ax.set(xlim=(0, 1), ylim=(0, 1), xticks=[], yticks=[], aspect=1)
plt.show()

两个点之间的连接路径主要有connectionstyle和以下样式确定

其中angle3 和 arc3 中的 3 意味着所得到的路径是二次样条段（ 三个控制点）

下面的例子丰富的展现了连接线的用法，可以参考学习

例子1：

import matplotlib.pyplot as plt
def demo_con_style(ax, connectionstyle):
    x1, y1 = 0.3, 0.2
    x2, y2 = 0.8, 0.6
    ax.plot([x1, x2], [y1, y2], ".")
    ax.annotate("",
                xy=(x1, y1), xycoords='data',
                xytext=(x2, y2), textcoords='data',
                arrowprops=dict(arrowstyle="->", color="0.5",
                                shrinkA=5, shrinkB=5,
                                patchA=None, patchB=None,
                                connectionstyle=connectionstyle,
                                ),
                )
    ax.text(.05, .95, connectionstyle.replace(",", ",\n"),
            transform=ax.transAxes, ha="left", va="top")
fig, axs = plt.subplots(3, 5, figsize=(8, 4.8))
demo_con_style(axs[0, 0], "angle3,angleA=90,angleB=0")
demo_con_style(axs[1, 0], "angle3,angleA=0,angleB=90")
demo_con_style(axs[0, 1], "arc3,rad=0.")
demo_con_style(axs[1, 1], "arc3,rad=0.3")
demo_con_style(axs[2, 1], "arc3,rad=-0.3")
demo_con_style(axs[0, 2], "angle,angleA=-90,angleB=180,rad=0")
demo_con_style(axs[1, 2], "angle,angleA=-90,angleB=180,rad=5")
demo_con_style(axs[2, 2], "angle,angleA=-90,angleB=10,rad=5")
demo_con_style(axs[0, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=0")
demo_con_style(axs[1, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=5")
demo_con_style(axs[2, 3], "arc,angleA=-90,angleB=0,armA=0,armB=40,rad=0")
demo_con_style(axs[0, 4], "bar,fraction=0.3")
demo_con_style(axs[1, 4], "bar,fraction=-0.3")
demo_con_style(axs[2, 4], "bar,angle=180,fraction=-0.2")
for ax in axs.flat:
    ax.set(xlim=(0, 1), ylim=(0, 1), xticks=[], yticks=[], aspect=1)
fig.tight_layout(pad=0.2)
plt.show()

例子2：

#以下两个block懂了之后，annotate基本懂了
#如果想更深入学习可以参看官网案例学习https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.annotate.html#matplotlib.axes.Axes.annotate
import numpy as np
import matplotlib.pyplot as plt
# 以步长0.005绘制一个曲线
x = np.arange(0, 10, 0.005)
y = np.exp(-x/2.) * np.sin(2*np.pi*x)
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xlim(0, 10)#设置x轴的范围
ax.set_ylim(-1, 1)#设置x轴的范围
# 被注释点的数据轴坐标和所在的像素
xdata, ydata = 5, 0
xdisplay, ydisplay = ax.transData.transform_point((xdata, ydata))
# 设置注释文本的样式和箭头的样式
bbox = dict(boxstyle="round", fc="0.8")
arrowprops = dict(
    arrowstyle = "->",
    connectionstyle = "angle,angleA=0,angleB=90,rad=10")
# 设置偏移量
offset = 72
# xycoords默认为'data'数据轴坐标，对坐标点（5,0）添加注释
# 注释文本参考被注释点设置偏移量，向左2*72points，向上72points
ax.annotate('data = (%.1f, %.1f)'%(xdata, ydata),
            (xdata, ydata), xytext=(-2*offset, offset), textcoords='offset points',
            bbox=bbox, arrowprops=arrowprops)
# xycoords以绘图区左下角为参考，单位为像素
# 注释文本参考被注释点设置偏移量，向右0.5*72points，向下72points
disp = ax.annotate('display = (%.1f, %.1f)'%(xdisplay, ydisplay),
            (xdisplay, ydisplay), xytext=(0.5*offset, -offset),
            xycoords='figure pixels',
            textcoords='offset points',
            bbox=bbox, arrowprops=arrowprops)
plt.show()

例子3：

import numpy as np
import matplotlib.pyplot as plt
# 绘制一个极地坐标，再以0.001为步长，画一条螺旋曲线
fig = plt.figure()
ax = fig.add_subplot(111, polar=True)
r = np.arange(0,1,0.001)
theta = 2 * 2*np.pi * r
line, = ax.plot(theta, r, color='#ee8d18', lw=3)
# 对索引为800处画一个圆点，并做注释
ind = 800
thisr, thistheta = r[ind], theta[ind]
ax.plot([thistheta], [thisr], 'o')
ax.annotate('a polar annotation',
            xy=(thistheta, thisr),  # 被注释点遵循极坐标系，坐标为角度和半径
            xytext=(0.05, 0.05),    # 注释文本放在绘图区的0.05百分比处
            textcoords='figure fraction',
            arrowprops=dict(facecolor='black', shrink=0.05),# 箭头线为黑色，两端缩进5%
            horizontalalignment='left',# 注释文本的左端和低端对齐到指定位置
            verticalalignment='bottom',
            )
plt.show()

1.7 字体的属性设置

字体设置一般有全局字体设置和自定义局部字体设置两种方法。

#首先可以查看matplotlib所有可用的字体
from matplotlib import font_manager
font_family = font_manager.fontManager.ttflist
font_name_list = [i.name for i in font_family]
for font in font_name_list:
    print(f'{font}\n')

STIXNonUnicode
DejaVu Sans Mono
cmtt10
cmmi10
cmss10
cmr10
STIXSizeOneSym
STIXSizeFiveSym
cmb10
DejaVu Sans
STIXSizeFourSym
DejaVu Serif Display
DejaVu Sans Display
STIXSizeThreeSym
DejaVu Sans Mono
STIXGeneral
cmex10
DejaVu Sans
DejaVu Sans
STIXGeneral
STIXSizeThreeSym
STIXSizeTwoSym
DejaVu Sans
STIXNonUnicode
STIXSizeOneSym
cmsy10
DejaVu Sans Mono
STIXGeneral
STIXNonUnicode
STIXNonUnicode
DejaVu Sans Mono
DejaVu Serif
STIXSizeFourSym
DejaVu Serif
STIXGeneral
STIXSizeTwoSym
DejaVu Serif
DejaVu Serif
DilleniaUPC
Arial
Courier New
Calibri
Utsaah
Aparajita
Kalinga
Futura Md BT
IrisUPC
Tahoma
NewsGoth Lt BT
Geometr706 BlkCn BT
Arial
DilleniaUPC
Kokila
Georgia
Cordia New
LilyUPC
Comic Sans MS
NewsGoth BT
CentSchbkCyrill BT
Palatino Linotype
CentSchbkCyrill BT
Kartika
Raavi
Agency FB
Century751 SeBd BT
Utsaah
Corbel
MingLiU-ExtB
Segoe Script
EucrosiaUPC
EngraversGothic BT
Plantagenet Cherokee
Swis721 BT
Courier New
Humnst777 Lt BT
DFPOP1-W9
Agency FB
BrowalliaUPC
Swis721 Cn BT
Bodoni Bd BT
Traditional Arabic
Century751 SeBd BT
Microsoft PhagsPa
Candara
GeoSlab703 Md BT
AngsanaUPC
Futura Bk BT
KodchiangUPC
GeoSlab703 MdCn BT
Microsoft YaHei
FreesiaUPC
BrowalliaUPC
Mangal
Geometr212 BkCn BT
AngsanaUPC
Alibaba PuHuiTi
Humnst777 Cn BT
Futura Bk BT
Microsoft Uighur
Shruti
Consolas
Meiryo
Microsoft YaHei
Lao UI
Swis721 BT
Nyala
Humanst521 BT
Swis721 Hv BT
Arial
Microsoft Tai Le
Swis721 BT
Courier New
Clarendon Lt BT
Kaufmann BT
Kokila
Square721 Cn BT
Constantia
MingLiU
Arial
Kalinga
Malgun Gothic
Browallia New
Angsana New
CentSchbkCyrill BT
Euphemia
Browallia New
ISOCPEUR
MS Mincho
DaunPenh
KaiTi
Rod
Clarendon BT
Latha
Andalus
Angsana New
CordiaUPC
Vani
FreesiaUPC
Batang
Kokila
Candara
Candara
NewsGoth BT
Constantia
Verdana
AngsanaUPC
Gautami
Georgia
Swis721 Cn BT
Aparajita
Alibaba PuHuiTi
Aparajita
JasmineUPC
Century751 No2 BT
Consolas
DeVinne Txt BT
NewsGoth Cn BT
Century751 BT
Lucida Sans Unicode
Kartika
Segoe Print
KodchiangUPC
Simplified Arabic
Humnst777 Cn BT
Sakkal Majalla
Sylfaen
Tunga
Microsoft Tai Le
Lucida Console
Lato
Microsoft PhagsPa
Lao UI
Swis721 BT
GeoSlab703 Md BT
Embassy BT
OCR-B 10 BT
IrisUPC
News701 BT
Segoe Print
KodchiangUPC
KodchiangUPC
Meiryo
Microsoft Himalaya
Century751 No2 BT
Bodoni Bk BT
Segoe UI
Times New Roman
Square721 BT
Marlett
Wingdings
ClassInFont
Futura Md BT
Franklin Gothic Medium
Courier New
Humnst777 BlkCn BT
Vijaya
DokChampa
Calibri
Corbel
EucrosiaUPC
SimHei
LilyUPC
Alibaba PuHuiTi
Bodoni Bk BT
IrisUPC
GeoSlab703 MdCn BT
Mongolian Baiti
Traditional Arabic
JasmineUPC
Humanst521 BT
Leelawadee
Verdana
DFMincho-SU
Tunga
Times New Roman
icomoon
Georgia
Microsoft JhengHei
HelvLight
Vrinda
News706 BT
Trebuchet MS
AngsanaUPC
Symbol
News701 BT
Segoe UI Symbol
Constantia
DFGothic-EB
Aharoni
Utsaah
Century751 BT
Levenim MT
CordiaUPC
Calibri
Swis721 Blk BT
Exotc350 DmBd BT
Humanst521 BT
Shonar Bangla
MoolBoran
Calibri
Cambria
Consolas
Browallia New
MT Extra
Segoe Script
DFKaiSho-SB
Angsana New
Microsoft JhengHei
Bodoni Bd BT
Microsoft New Tai Lue
Impact
Humnst777 BT
Segoe UI
NewsGoth BT
Swis721 LtEx BT
Shruti
Freehand521 BT
Clarendon BT
MS Gothic
Times New Roman
Palatino Linotype
Microsoft Yi Baiti
Century751 No2 BT
BrowalliaUPC
Century751 No2 BT
CordiaUPC
Candara
GeoSlab703 Md BT
Open Sans
Kokila
CordiaUPC
Cordia New
Segoe UI
Gautami
Mangal
Vijaya
Palatino Linotype
Swis721 Lt BT
Angsana New
JasmineUPC
FangSong
Swis721 WGL4 BT
FrankRuehl
DFMincho-UB
Khmer UI
Exotc350 Bd BT
Calibri
Levenim MT
CentSchbkCyrill BT
Calibri
Cordia New
Geometr415 Blk BT
Narkisim
Swis721 WGL4 BT
Verdana
Cambria
Corbel
Malgun Gothic
Swis721 Cn BT
Arabic Typesetting
BrowalliaUPC
NewsGoth BT
Ebrima
Gabriola
Khmer UI
Palatino Linotype
Futura Md BT
LilyUPC
Cambria
TypoUpright BT
FZLanTingHei-H-GBK
DilleniaUPC
Cambria
Miriam
OCR-A BT
Futura Md BT
Franklin Gothic Medium
Schadow BT
Estrangelo Edessa
Constantia
Swis721 Lt BT
Segoe UI
Humanst521 Lt BT
Leelawadee
Clarendon Blk BT
FreesiaUPC
Comic Sans MS
Webdings
SimSun-ExtB
Humanst521 Lt BT
JasmineUPC
Consolas
Vrinda
Tahoma
Corbel
Times New Roman
Utsaah
Arial
Geometr212 BkCn BT
Aparajita
Square721 BT
Browallia New
FreesiaUPC
Trebuchet MS
GeoSlab703 Md BT
Gulim
SimSun
Open Sans
DFMincho-W5
Humanst521 BT
Raavi
LilyUPC
Ebrima
Georgia
Square721 Cn BT
Microsoft New Tai Lue
EucrosiaUPC
MV Boli
Shonar Bangla
Alibaba PuHuiTi
Latha
Gisha
DFKai-SB
Humnst777 Blk BT
Sakkal Majalla
David
Swis721 BlkCn BT
Century725 Cn BT
IrisUPC
Swis721 WGL4 BT
Swis721 Cn BT
EucrosiaUPC
Simplified Arabic
Simplified Arabic Fixed
Source Han Sans CN
Miriam Fixed
Segoe UI
Iskoola Pota
Vani
Trebuchet MS
Segoe UI
DilleniaUPC
Gisha
Microsoft Sans Serif
Verdana
UNAVAILABLE
Trebuchet MS
Schadow BT
Alibaba PuHuiTi
Cordia New
Swis721 WGL4 BT
Iskoola Pota
David

为方便在图中加入合适的字体，可以尝试了解中文字体的英文名称,该链接告诉了常用中文的英文名称

#该block讲述如何在matplotlib里面，修改字体默认属性，完成全局字体的更改。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimSun']    # 指定默认字体为新宋体。
plt.rcParams['axes.unicode_minus'] = False      # 解决保存图像时 负号'-' 显示为方块和报错的问题。

局部字体的修改方法1

import matplotlib.pyplot as plt
import matplotlib.font_manager as fontmg
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
plt.plot(x, label='小示例图标签')
# 直接用字体的名字。
plt.xlabel('x 轴名称参数', fontproperties='Microsoft YaHei', fontsize=16)         # 设置x轴名称，采用微软雅黑字体
plt.ylabel('y 轴名称参数', fontproperties='Microsoft YaHei', fontsize=14)         # 设置Y轴名称
plt.title('坐标系的标题',  fontproperties='Microsoft YaHei', fontsize=20)         # 设置坐标系标题的字体
plt.legend(loc='lower right', prop={"family": 'Microsoft YaHei'}, fontsize=10)    # 小示例图的字体设置
plt.show()

局部字体的修改方法2

import matplotlib.pyplot as plt
import matplotlib.font_manager as fontmg
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
plt.plot(x, label='小示例图标签')
#fname为你系统中的字体库路径
my_font1 = fontmg.FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf')      # 读取系统中的 黑体 字体。
my_font2 = fontmg.FontProperties(fname=r'C:\Windows\Fonts\simkai.ttf')      # 读取系统中的 楷体 字体。
# fontproperties 设置中文显示，fontsize 设置字体大小
plt.xlabel('x 轴名称参数', fontproperties=my_font1, fontsize=16)       # 设置x轴名称
plt.ylabel('y 轴名称参数', fontproperties=my_font1, fontsize=14)       # 设置Y轴名称
plt.title('坐标系的标题',  fontproperties=my_font2, fontsize=20)       # 标题的字体设置
plt.legend(loc='lower right', prop=my_font1, fontsize=10)              # 小示例图的字体设置
plt.show()

1.8 数学表达式

在文本标签中使用数学表达式。有关MathText的概述，请参见 写数学表达式,但由于数学表达式的练习想必我们都在markdown语法和latex语法中多少有接触，故在此不继续展开，愿意深入学习的可以参看官方文档。

下面是一个官方案例，供参考了解。

import numpy as np
import matplotlib.pyplot as plt
t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2*np.pi*t)
plt.plot(t, s)
plt.title(r'$\alpha_i > \beta_i$', fontsize=20)
plt.text(1, -0.6, r'$\sum_{i=0}^\infty x_i$', fontsize=20)
plt.text(0.6, 0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$',
         fontsize=20)
plt.xlabel('time (s)')
plt.ylabel('volts (mV)')
plt.show()

以下是对前七节学习内容的总结案例：

import matplotlib
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
fig.subplots_adjust(top=0.85)
# 分别在figure和subplot上设置title
fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')
ax.set_title('axes title')
ax.set_xlabel('xlabel')
ax.set_ylabel('ylabel')
# 设置x-axis和y-axis的范围都是[0, 10]
ax.axis([0, 10, 0, 10])
ax.text(3, 8, 'boxed italics text in data coords', style='italic',
        bbox={'facecolor': 'red', 'alpha': 0.5, 'pad': 10})
ax.text(2, 6, r'an equation: $E=mc^2$', fontsize=15)
font1 = {'family': 'Times New Roman',
        'color':  'purple',
        'weight': 'normal',
        'size': 10,
        }
ax.text(3, 2, 'unicode: Institut für Festkörperphysik',fontdict=font1)
ax.text(0.95, 0.01, 'colored text in axes coords',
        verticalalignment='bottom', horizontalalignment='right',
        transform=ax.transAxes,
        color='green', fontsize=15)
ax.plot([2], [1], 'o')
ax.annotate('annotate', xy=(2, 1), xytext=(3, 4),
            arrowprops=dict(facecolor='black', shrink=0.05))
plt.show()

2. Tick上的文本

设置tick（刻度）和ticklabel（刻度标签）也是可视化中经常需要操作的步骤，matplotlib既提供了自动生成刻度和刻度标签的模式（默认状态），同时也提供了许多让使用者灵活设置的方式。

2.1 简单模式

可以使用axis的set_ticks方法手动设置标签位置，使用axis的set_ticklabels方法手动设置标签格式

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

使用axis的set_ticks方法手动设置标签位置

# 该案例中由于tick设置过大，所以会影响绘图美观，不建议用此方式进行设置tick
fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
axs[1].xaxis.set_ticks(np.arange(0., 10.1, 2.))
plt.show()

使用axis的set_ticklabels方法手动设置标签格式

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
ticks = np.arange(0., 8.1, 2.)
tickla = [f'{tick:1.2f}' for tick in ticks]
axs[1].xaxis.set_ticks(ticks)
axs[1].xaxis.set_ticklabels(tickla)
plt.show()

修改刻度标签上的文字

#一般绘图时会自动创建刻度，而如果通过上面的例子使用set_ticks创建刻度可能会导致tick的范围与所绘制图形的范围不一致的问题。
#所以在下面的案例中，axs[1]中set_xtick的设置要与数据范围所对应，然后再通过set_xticklabels设置刻度所对应的标签
import numpy as np
import matplotlib.pyplot as plt
fig, axs = plt.subplots(2, 1, figsize=(6, 4), tight_layout=True)
x1 = np.linspace(0.0, 6.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
axs[0].plot(x1, y1)
axs[0].set_xticks([0,1,2,3,4,5,6])
axs[1].plot(x1, y1)
axs[1].set_xticks([0,1,2,3,4,5,6])#要将x轴的刻度放在数据范围中的哪些位置
axs[1].set_xticklabels(['zero','one', 'two', 'three', 'four', 'five','six'],  # 设置刻度对应的标签
                   rotation=30, fontsize='small')  # rotation选项设定x刻度标签倾斜30度。
axs[1].xaxis.set_ticks_position('bottom')  # set_ticks_position()方法是用来设置刻度所在的位置，常用的参数有bottom、top、both、none
print(axs[1].xaxis.get_ticklines())
plt.show()

2.2 Tick Locators and Formatters

除了上述的简单模式，还可以使用Tick Locators and Formatters完成对于刻度位置和刻度标签的设置。
其中：

• Axis.set_major_locator 和 Axis.set_minor_locator方法用来设置标签的位置
• Axis.set_major_formatter 和 Axis.set_minor_formatter方法用来设置标签的格式。

这种方式的好处是不用显式地列举出刻度值列表。

set_major_formatter和set_minor_formatter这两个formatter格式命令可以接收字符串格式（matplotlib.ticker.StrMethodFormatter）或函数参数（matplotlib.ticker.FuncFormatter）来设置刻度值的格式 。

2.2.1 Tick Formatters

# 接收字符串格式的例子
fig, axs = plt.subplots(2, 2, figsize=(8, 5), tight_layout=True)
for n, ax in enumerate(axs.flat):
    ax.plot(x1*10., y1)
formatter = matplotlib.ticker.FormatStrFormatter('%1.1f')
axs[0, 1].xaxis.set_major_formatter(formatter)
formatter = matplotlib.ticker.FormatStrFormatter('-%1.1f')
axs[1, 0].xaxis.set_major_formatter(formatter)
formatter = matplotlib.ticker.FormatStrFormatter('%1.5f')
axs[1, 1].xaxis.set_major_formatter(formatter)
plt.show()

# 接收函数的例子
def formatoddticks(x, pos):
    """Format odd tick positions."""
    if x % 2:
        return f'{x:1.2f}'
    else:
        return ''
fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
ax.plot(x1, y1)
ax.xaxis.set_major_formatter(formatoddticks)
plt.show()

2.2.2 Tick Locators

在普通的绘图中，我们可以直接通过上图的set_ticks进行设置刻度的位置，缺点是需要自己指定或者接受matplotlib默认给定的刻度。当需要更改刻度的位置时，matplotlib给了常用的几种locator的类型。如果要绘制更复杂的图，可以先设置locator的类型，然后通过axs.xaxis.set_major_locator(locator) 绘制即可

• locator=plt.MaxNLocator(nbins=7)
• locator=plt.FixedLocator(locs=[0,0.5,1.5,2.5,3.5,4.5,5.5,6]) # 直接指定刻度所在的位置
• locator=plt.AutoLocator() # 自动分配刻度值的位置
• locator=plt.IndexLocator(offset=0.5, base=1) # 面元间距是1，从0.5开始
• locator=plt.MultipleLocator(1.5) # 将刻度的标签设置为1.5的倍数
• locator=plt.LinearLocator(numticks=5) # 线性划分5等分，4个刻度

  # 接收各种locator的例子
  fig, axs = plt.subplots(2, 2, figsize=(8, 5), tight_layout=True)
  for n, ax in enumerate(axs.flat):
    ax.plot(x1*10., y1)
  locator = matplotlib.ticker.AutoLocator()
  axs[0, 0].xaxis.set_major_locator(locator)
  locator = matplotlib.ticker.MaxNLocator(nbins=10)
  axs[0, 1].xaxis.set_major_locator(locator)
  locator = matplotlib.ticker.MultipleLocator(5)
  axs[1, 0].xaxis.set_major_locator(locator)
  locator = matplotlib.ticker.FixedLocator([0,7,14,21,28])
  axs[1, 1].xaxis.set_major_locator(locator)
  plt.show()

  

此外matplotlib.dates 模块还提供了特殊的设置日期型刻度格式和位置的方式

import matplotlib.dates as mdates
import datetime
# 特殊的日期型locator和formatter
locator = mdates.DayLocator(bymonthday=[1,15,25])
formatter = mdates.DateFormatter('%b %d')
fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
ax.xaxis.set_major_locator(locator)
ax.xaxis.set_major_formatter(formatter)
base = datetime.datetime(2017, 1, 1, 0, 0, 1)
time = [base + datetime.timedelta(days=x) for x in range(len(x1))]
ax.plot(time, y1)
ax.tick_params(axis='x', rotation=70)
plt.show()

其他案例

#这个案例中展示了如何进行坐标轴的移动，如何更改刻度值的样式
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3,3,50)
y1 = 2*x+1
y2 = x**2
plt.figure()
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1.0,linestyle = '--')
plt.xlim((-3,5))
plt.ylim((-3,5))
plt.xlabel('x')
plt.ylabel('y')
new_ticks1 = np.linspace(-3,5,5)
plt.xticks(new_ticks1)
plt.yticks([-2,0,2,5],[r'$one\ shu$',r'$\alpha$',r'$three$',r'four'])
'''
上一行代码是将y轴上的小标改成文字,其中，空格需要增加\，即'\ ',$可将格式更改成数字模式，如果需要输入数学形式的α，则需要用\转换，即\alpha
如果使用面向对象的命令进行画图，那么下面两行代码可以实现与 plt.yticks([-2,0,2,5],[r'$one\ shu$',r'$\alpha$',r'$three$',r'four']) 同样的功能
axs.set_yticks([-2,0,2,5])
axs.set_yticklabels([r'$one\ shu$',r'$\alpha$',r'$three$',r'four'])
'''
ax = plt.gca()#gca = 'get current axes' 获取现在的轴
'''
ax = plt.gca()是获取当前的axes，其中gca代表的是get current axes。
fig=plt.gcf是获取当前的figure，其中gcf代表的是get current figure。
许多函数都是对当前的Figure或Axes对象进行处理，
例如plt.plot()实际上会通过plt.gca()获得当前的Axes对象ax，然后再调用ax.plot()方法实现真正的绘图。
而在本例中则可以通过ax.spines方法获得当前顶部和右边的轴并将其颜色设置为不可见
然后将左边轴和底部的轴所在的位置重新设置
最后再通过set_ticks_position方法设置ticks在x轴或y轴的位置，本示例中因所设置的bottom和left是ticks在x轴或y轴的默认值，所以这两行的代码也可以不写
'''
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['left'].set_position(('data',0))
ax.spines['bottom'].set_position(('data',0))  # axes 百分比
ax.xaxis.set_ticks_position('bottom')   # 设置ticks在x轴的位置
ax.yaxis.set_ticks_position('left')     # 设置ticks在y轴的位置
plt.show()

3. legend（图例）

图例的设置会使用一些常见术语，为了清楚起见，这些术语在此处进行说明：

• legend entry（图例条目）
  

图例有一个或多个legend entries组成。一个entry由一个key和一个label组成。

• legend key（图例键）

每个 legend label左面的colored/patterned marker（彩色/图案标记）

• legend label（图例标签）

描述由key来表示的handle的文本

• legend handle（图例句柄）

用于在图例中生成适当图例条目的原始对象

以下面这个图为例，右侧的方框中的共有两个legend entry；两个legend key，分别是一个蓝色和一个黄色的legend key；两个legend label，一个名为 ‘Line up’ 和一个名为’Line Down’ 的legend label

语法：
matplotlib.pyplot.legend(*args, **kwargs)

参数：此方法接受以下描述的参数:

常用的几个参数：
(1)设置图列位置
plt.legend(loc='upper center') 等同于plt.legend(loc=9)
以下数字和对应字符串是相等的效果的。

(2)设置图例字体大小
fontsize : int or float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}

(3)设置图例边框及背景
plt.legend(loc=’best’,frameon=False) #去掉图例边框
plt.legend(loc=’best’,edgecolor=’blue’) # 设置图例边框颜色
plt.legend(loc=’best’,facecolor=’blue’) #设置图例背景颜色,若无边框,参数无效

(4)设置图例标题
legend = plt.legend([“CH”, “US”], title=’China VS Us’)

(5)设置图例名字及对应关系
legend = plt.legend([p1, p2], [“CH”, “US”])

第3节开头的图例用以下代码可以实现

line_up, = plt.plot([1, 2, 3], label='Line 2')
line_down, = plt.plot([3, 2, 1], label='Line 1')
#loc参数设置图例所在的位置，title设置图例的标题，frameon参数将图例边框给去掉
plt.legend([line_up, line_down], ['Line Up', 'Line Down'],loc=5, title='line',frameon=False)
plt.show()

显示多图例legend

import matplotlib.pyplot as plt
import numpy as np
x = np.random.uniform(-1, 1, 4)
y = np.random.uniform(-1, 1, 4)
p1, = plt.plot([1,2,3])
p2, = plt.plot([3,2,1])
l1 = plt.legend([p2, p1], ["line 2", "line 1"], loc='upper left')
p3 = plt.scatter(x[0:2], y[0:2], marker = 'D', color='r')
p4 = plt.scatter(x[2:], y[2:], marker = 'D', color='g')
# 下面这行代码由于添加了新的legend，所以会将l1从legend中给移除
plt.legend([p3, p4], ['label', 'label1'], loc='lower right', scatterpoints=1)
# 为了保留之前的l1这个legend，所以必须要通过plt.gca()获得当前的axes，然后将l1作为单独的artist
plt.gca().add_artist(l1)
plt.show()

4. 作业

4.1

尝试在一张图中运用所讲过的功能，对title、text、xlable、ylabel、数学表达式、tick and ticklabel、legend进行详细的设计。

回答：

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
t = np.arange(-np.pi-0.3, np.pi+0.3, 0.01)
s1 = np.sin(t)
s2 = np.sin(2*t)
fig, ax = plt.subplots(figsize=(8,6))
f1 = ax.plot(t, s1, label=r'$y=\mathrm{sin}(x)$')
f2 = ax.plot(t, s2, label=r'$y=\mathrm{sin}(2x)$')
ax.grid(True, linestyle='-.')
locator = matplotlib.ticker.FixedLocator([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
majorfmt = matplotlib.ticker.FixedFormatter([r'$-{\pi}$', r'$-{\pi}/2$', r'${\pi}/2$', r'${\pi}$'])
ax.xaxis.set_minor_locator(locator)
ax.xaxis.set_minor_formatter(majorfmt)
ax.tick_params(axis='x', which='minor',
               length=8, width=2, labelsize=15,
               color='red', rotation=0)
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['left'].set_position(('data',0))
ax.spines['bottom'].set_position(('data',0))
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.set_xlabel('x', 
              {'family':'Times New Roman',
                    'weight':'normal',
                    'size'   : 28},
               loc='right')
ax.set_ylabel('y', 
              {'family':'Times New Roman',
                    'weight':'normal',
                    'size'   : 28},
               loc='top', rotation=0)
fig.suptitle('Figure of sin(x) and sin(2x)', fontsize=16)
plt.legend(loc='upper right', fontsize=13)
plt.show()

4.2

阅读你可能用到文献或者相关书籍，思考自己如何才能通过学过的例子将自己认为比较好看的图给复现出来。

参考资料
1.Python学习笔记（4）——Matplotlib中的annotate（注解）的用法