常见需求完整示例

下列所有函数均未预留更改样式的参数，需要在样式环境下使用（参考下文），以保持简洁，做到数据和样式分离。
先加入支持中文的代码，再自定义一个环境（可选），然后调用预先定义好的函数，就可以直接运行。

多系列折线图

  1. def extend_lim(lim, extend):
  2.     if lim is None:
  3.         return None
  4.     minv, maxv = lim
  5.     if minv is None:
  6.         return (None, maxv * (1 + extend))
  7.     elif maxv is None:
  8.         return (minv * (1 - extend), None)
  9.     else:
  10.         section = maxv - minv
  11.         minv = minv - section * extend
  12.         maxv = maxv + section * extend
  13.         return (minv, maxv)
  16. def plot(
  17.     data,
  18.     series,
  19.     *,
  20.     xlabel,
  21.     ylabel,
  22.     xlim,
  23.     ylim,
  24.     xinterval,
  25.     yinterval,
  26.     xlim_extend=0,
  27.     ylim_extend=0
  28. ):
  29.     fig, axe = plt.subplots(1, 1)
  30.     for legend, (xarray, yarray) in data.items():
  31.         axe.plot(xarray, yarray, label=legend)
  32.     axe.set(
  33.         xlim=extend_lim(xlim, xlim_extend),
  34.         ylim=extend_lim(ylim, ylim_extend),
  35.         xlabel=xlabel,
  36.         ylabel=ylabel,
  37.     )
  38.     axe.xaxis.set_major_locator(plt.MultipleLocator(xinterval))
  39.     axe.xaxis.set_minor_locator(plt.MultipleLocator(xinterval / 2))
  40.     axe.yaxis.set_major_locator(plt.MultipleLocator(yinterval))
  41.     axe.yaxis.set_minor_locator(plt.MultipleLocator(yinterval / 2))
  42.     if len(series) > 1:
  43.         axe.legend()
  44.     fig.tight_layout()
  45.     return fig

调用函数得到结果

  1. import matplotlib.pyplot as plt
  2. from cycler import cycler
  3. import numpy as np
  4. # 中文支持，必须写
  5. plt.rcParams.update(
  6.     {
  7.         "font.sans-serif": "SimSun",  # 中文支持，必须写
  8.         "axes.unicode_minus": False,  # 中文支持，必须写
  9.     })
  10. # 这个with块非必须
  11. with plt.rc_context(rc=myenv):
  12.     fig = plot(
  13.         {
  14.             "菜场": [[0, 2, 4, 6], [4.0, 2.3, 3.1, 2.9]],
  15.             "超市": [[0, 2, 4, 6], [0.9, 2.1, 1.8, 1.2]],
  16.             "公园": [[0, 2, 4, 6], [1.6, 1.7, 1.2, 1.5]],
  17.         },
  18.         ["公园", "菜场", "超市"],
  19.         xlabel="小时",
  20.         ylabel="人流量（千人）",
  21.         xlim=(0, 6),
  22.         xinterval=1,
  23.         xlim_extend=0.025,
  24.         ylim=(0, 4),
  25.         yinterval=0.5,
  26.         ylim_extend=0.025,
  27.     )
  28.     plt.show()

bb.png

并列柱状图

matplotlib官网：bar

  1. class BarLoc(object):
  2.     def __init__(self, total_bar_width, series, data_len):
  3.         """total_bar_width:同一组的不同色柱子的总宽度，范围0~1
  4.         series:图例列表
  5.         data_len:每个颜色的柱子有多少个数据"""
  6.         self.total_bar_width = total_bar_width
  7.         series_count = len(series)
  8.         self.series = dict(zip(series, np.arange(series_count)))
  9.         self.single_bar_width = total_bar_width / series_count
  10.         self.data_len = data_len
  11.         # ========
  12.         if series_count % 2 == 0:
  13.             start_num = -(series_count / 2 - 0.5) * self.single_bar_width
  14.         else:
  15.             start_num = -(series_count // 2) * self.single_bar_width
  16.         end_num = -start_num
  17.         self.first_bar_loc = np.linspace(start_num, end_num, series_count)
  19.     def iloc(self, index):
  20.         return np.arange(self.data_len) + self.first_bar_loc[index]
  22.     def loc(self, index):
  23.         return self.iloc(self.series[index])
  25.     def __getitem__(self, index):
  26.         return self.loc(index)
  28. def parallel_bar(
  29.     data, series, xticklabels, total_bar_width, *, xlabel, ylabel, ylim, yinterval
  30. ):
  31.     fig, axe = plt.subplots(1, 1)
  32.     bar_loc = BarLoc(total_bar_width, series, len(xticklabels))
  33.     for legend, array in data.items():
  34.         axe.bar(bar_loc[legend], array, width=bar_loc.single_bar_width, label=legend)
  35.     axe.set_xticks(np.arange(len(xticklabels)), labels=xticklabels)
  36.     axe.set_ylim(ylim)
  37.     axe.yaxis.set_major_locator(plt.MultipleLocator(yinterval))
  38.     axe.yaxis.set_minor_locator(plt.MultipleLocator(yinterval / 2))
  39.     axe.set_xlabel(xlabel)
  40.     axe.set_ylabel(ylabel)
  41.     if len(series) > 1:
  42.         axe.legend()
  43.     fig.tight_layout()
  44.     return fig

调用函数得到结果：

  1. import matplotlib.pyplot as plt
  2. from cycler import cycler
  3. import numpy as np
  4. # 中文支持，必须写
  5. plt.rcParams.update(
  6.     {
  7.         "font.sans-serif": "SimSun",  # 中文支持，必须写
  8.         "axes.unicode_minus": False,  # 中文支持，必须写
  9.     })
  10. # 这个with块非必须
  11. with plt.rc_context(rc=myenv):
  12.     parallel_bar(
  13.         {
  14.             "黑笔": [4.0, 2.3, 3.1, 2.9],
  15.             "蓝笔": [0.9, 2.1, 1.8, 1.2],
  16.             "红笔": [1.6, 1.7, 1.2, 1.5],
  17.         },
  18.         ["黑笔", "红笔", "蓝笔"],
  19.         ["旗舰店", "分店1", "分店2", "加盟店"],
  20.         0.72,
  21.         xlabel="店铺",
  22.         ylabel="销量（万只）",
  23.         ylim=(0, 4.25),
  24.         yinterval=0.5,
  25.     )
  26.     plt.show()

测试.png

样式控制

matplotlib官网：rcParams

设置对中文的支持

使用全局样式控制器plt.rcParams，可采用字典式写法

  1. import matplotlib.pyplot as plt
  2. from cycler import cycler
  3. import numpy as np
  4. # 中文支持，必须写
  5. plt.rcParams.update(
  6.     {
  7.         "font.sans-serif": "SimSun",  # 中文支持，必须写
  8.         "axes.unicode_minus": False,  # 中文支持，必须写
  9.     })

配置多个样式环境

matplotlib官网：自定义样式环境
推荐采用第一种方式，myenv作为dict对象，可以方便地进行组合，从而使不同的环境共享一部分设置

  1. myenv = {
  2.     "figure.figsize": (4.8, 3.6),  # 定义图片的长宽
  3.     # figure.figsize和dpi相乘就是图片长宽的具体像素值
  4.     "savefig.dpi": 200,  # savefig.dpi是保存图片时的分辨率参数
  5.     "figure.dpi": 200,  # figure.dpi是临时显示图片时的分辨率参数
  6.     # plot或scatter的每个系列的marker不一样
  7.     "axes.prop_cycle": cycler(
  8.         marker=["o", "^", "s", "D", "h", "x", "o", "^", "s", "D"],
  9.         color=plt.get_cmap("tab10")(np.arange(10)),
  10.     ),
  11.     # 线粗和标记大小
  12.     "lines.linewidth": 1,  # 默认值
  13.     "lines.markersize": 3,  # 和上述分辨率配合较好
  14.     # 经验证明下述文字大小和上述分辨率配合较好
  15.     "legend.fontsize": 8,
  16.     "xtick.labelsize": 12,
  17.     "ytick.labelsize": 12,
  18.     "axes.labelsize": 12,
  19.     "mathtext.fontset": "stix",  # 公式字体，此项不要修改
  20. }
  21. with plt.rc_context(myenv):
  22.     #进行绘图操作
  23.     #...
  24.     #注意plt.show()写在with里面，尽量把图片保存到磁盘
  25.     plt.show()

或在myrc.pltstyle中输入配置，然后在代码中加入：

  1. with plt.rc_context(fname="myrc.pltstyle"):
  2.     #进行绘图操作
  3.     #...
  4.     #注意plt.show()写在with里面，尽量把图片保存到磁盘
  5.     plt.show()

不太推荐使用文件式写法，因为有些值（如axes.prop_cycle）右侧可能是复杂的函数，难以确定在文件中应该怎么写。实在需要的话可以参考matplotlib默认rc文件。

多系列图表的自动样式控制

cycler可以自动为多系列的图表的每个系列使用不同的颜色、标记形状等
创建cycler有两种写法，其中第二种写法只能指定一个键，一般用于含有特殊字符的键。
cycler可以相加，这保证了第二种写法也能写出有多个键的对象。
若cycler中指定了多个键，则每个键的列表长度必须相同。

  1. cycler(aa=[...],bb=[...],...)
  2. cycler("aa", [...])

最后，可以使用cycler.by_keys()将其转化为dict和python其他数据结构进行耦合。

颜色设置

颜色表示方法

可以用形如#ab1295的字符串表示单个颜色，["#aabbcc","#123456",...]表示一组颜色。字符串还支持各种其他表示方法，请参阅matplotlib官网：颜色表示方法。
也可以用(R,G,B)或(R,G,B,A)及其ndarray形式表示单个颜色和一组颜色，这种方式一般是给程序内部使用的，不适合人工指定。

颜色组库

matplotlib提供了plt.get_cmap()方法获取丰富的颜色库。颜色库中包含很多系列，每个系列都有对应的名称和样式预览。具体请参阅matplotlib官网：颜色库一览。
颜色系列分为两种，一种是由固定的N个颜色组成，使用方式为用形如plt.get_cmap("Accent")(np.arange(2,7))的方式获取该颜色系列指定序号的颜色，或用形如plt.get_cmap("Accent")(4)的方式获取一个颜色。
还有一种是渐变色，接收一个0~1之间的浮点数，使用方式为用形如plt.get_cmap("Blues")(np.linspace(0,1,n))的方式获取n种“等距”的颜色。
诸如plt.get_cmap("Blues")这样的函数返回的是一个类，因此后面加上圆括号用于构造类，不能望文生义写成方括号。
颜色组几乎没有什么对象属性，诸如颜色组包含哪些颜色，颜色数量等属性全部通过看图得出答案，可以将官网的颜色组库图下载保存，以备不时之需。

颜色组与cycler

可以使用cycler的color键指定多系列图的颜色，方便在不同的环境中使用不同的系列颜色。

不能采用环境样式控制的项

图例

matplotlib官网：axes.legend
一般情况下，程序会自动找到一个不会阻挡图内容的位置放置图例，直接调用axe.legend()即可。
若图内容占满了整张图，则需要把图例放到图外面：

  1. axe.legend(bbox_to_anchor=(1, 1),loc="upper left")

参数说明：

  • bbox_to_anchor:先假设图例框是一个点，决定图例框放在图像框的哪个位置。(0,0)是左下角，(1,1)是右上角，可以小于0或大于1
  • loc:刚才设置的那个点，是图例框的哪一个点。先写上下，再写左右，中间有一个空格。
    -上下:upper center lower
    -左右:left center right

有时图例全部竖着排列太长，使其分列可以改变图例整体的形状

  1. axe.legend(ncols=2)

网格

matplotlib官网：axes.grid

  1. axe.grid(True, "both", "y", lw=0.5, ls=":",c="black")