當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

matplotlib xticks 基于旋转_数据可视化之 matplotlib 绘图篇

發布時間：2025/4/5 编程问答 15 豆豆

生活随笔收集整理的這篇文章主要介紹了 matplotlib xticks 基于旋转_数据可视化之 matplotlib 绘图篇小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

本文轉載于 SegmentFault 社區

作者：mhxin

引言

??首先來看幾個簡單的圖表, 下面 4 段不同的 matplotlib 繪圖代碼最終的結果是一樣的，繪制的圖形如下圖所示。 a = np.linspace(-5, 5, 100)
b = np.sin(a)
c = np.cos(a)

# -------------------------------------- #
# ---------------First way-------------- #
fig, ax = plt.subplots()
ax.set_title('Sin-Cos')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.plot(a, b, c='r')
ax.plot(a, c, c='g')
ax.legend(['a', 'b'])
fig.show()

# -------------------------------------- #
# ---------------Second way-------------- #
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set_title('Sin-Cos')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.plot(a, b, c='r')
ax.plot(a, c, c='g')
ax.legend(['a', 'b'])
fig.show()

# -------------------------------------- #
# ---------------Third way-------------- #
plt.figure()
plt.title('Sin-Cos')
plt.xlabel('X')
plt.ylabel('Y')
plt.plot(a, b, c='r')
plt.plot(a, c, c='g')
plt.legend(['a', 'b'])
plt.show()

# -------------------------------------- #
# ---------------Fourth way------------- #
plt.subplot(111)
plt.title('Sin-Cos')
plt.xlabel('X')
plt.ylabel('Y')
plt.plot(a, b, c='r')
plt.plot(a, c, c='g')
plt.legend(['a', 'b'])
plt.show()在以上的 4 種實現方式中，可能大多數都會使用后面兩種，即直接使用 plt.plot() 進行繪制，我剛開始也一樣，它看起來簡單，用起來也很方便。但當你逐漸習慣使用默認的方式來進行繪圖時，慢慢會出現各種的問題，尤其是當你需要對圖表使用很多自定義的設置的時候。默認接口隱藏了繪圖過程中的很多細節，因為不了解其內部細節，所以在繪圖過程中，對一些圖表的設置方法全靠記憶。

? ?

Matplotlib 中的部件

?好了，說了這么多，我們先來了解 matplotlib 繪圖過程中幾個主要的名稱，如下圖所示：? ??

Figure 可以理解為畫板，使用 fig = plt.figure() 會創建一個畫板。
Axes可以理解為畫板上的各種圖形，一個圖形就是一個 axes，利用 axes 可以對圖形的各個部分進行設置。比如使用 fig.add_subplot() 會在 fig 上創建一個 axes。
Axis 表示一個 Axes 的坐標軸，比如 x 軸，y 軸以及 z 軸等。

接著，介紹圖形(Axes)中的主要部件，了解了每個部件在圖中的位置以及對應的功能之后才能按照自己的方式來對圖表進行設置。以上圖中的所有部件，都可以通過 axes 來實現精確的控制，比如需要設置 x 軸主刻度標簽, 即可使用 axes.xaxis.set_ticklabels(['', ''])，這種面向對象的控制方式，很容易理解和實現。

實戰

?基于上面的介紹，我們來繪制一些圖形。

時間序列圖

??直接上代碼：# 導入FontProperties類，該類用于定義字體，包括字體，大小等
from matplotlib.font_manager import FontProperties

# 定義標簽字體，字體為Time New Roman
# 也可以通過指定fname(字體文件的路徑)來定義字體
label_font = FontProperties(family='Times New Roman', size=18, weight='bold', style='normal')

# 定義標題字體
title_font = FontProperties(family='Times New Roman', size=20, weight='bold', style='normal')

# 定義坐標軸刻度字體
ticks_font = FontProperties(family='Times New Roman', size=12, weight='bold', style='normal')

# 定義legend字體
legend_font = FontProperties(family='Times New Roman', size=18, weight='bold', style='normal')

year = np.arange(1985, 2017, 1)
ndvi = np.random.rand(len(year))

# 創建fig和axes
fig, ax = plt.subplots(figsize=(10, 5))

# 取消x方向的格網
# axis.xaxis.grid(False)
# 取消y方向的格網
# axis.yaxis.grid(False)

# 取消所有格網
ax.grid(False)

# 定義標題，字體和顏色
# axis.yaxis.label.set_fontproperties(font)
# axis.xaxis.label.set_fontproperties(font)

ax.set_xlabel('Year', fontproperties=label_font, color='black')
ax.set_ylabel('NDVI', fontproperties=label_font, color='black')

# 定義坐標軸顯示范圍
ax.set_xlim(1985, 2017)
ax.set_ylim(0, 1)

# 取消圖表的上邊界和右邊界
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
# 將圖表的左邊界和下邊界的顏色設為黑色(默認為黑色)
# 顏色可以參考：
# https://matplotlib.org/3.1.3/gallery/color/color_demo.html#sphx-glr-gallery-color-color-demo-py
ax.spines['left'].set_color('black')
ax.spines['bottom'].set_color('black')

# 將圖表的主刻度字體改為指定字體，并設定刻度不旋轉，遍歷所有主刻度
for tick in ax.xaxis.get_majorticklabels():
tick.set_fontproperties(ticks_font)
tick.set_rotation(0)

for tick in ax.yaxis.get_majorticklabels():
tick.set_fontproperties(ticks_font)
tick.set_rotation(0)

# 設置圖表的主刻度線的位置，x軸在下邊，y軸在左邊
ax.yaxis.set_ticks_position('left')
ax.xaxis.set_ticks_position('bottom')

# 設置顯示的x主刻度
ax.set_xticks(np.arange(1985, 2017, 3))

# 繪制時間序列
ax.plot(year, ndvi)

# 設置第一條line(這里只有一條)的屬性
ax.lines[0].set_linewidth(2)
ax.lines[0].set_linestyle('-')
ax.lines[0].set_color('black')
ax.lines[0].set_marker('*')
ax.lines[0].set_markeredgecolor('red')

# 設置圖例
ax.legend(['TS1', ], prop=legend_font, facecolor='white')

#設置標題
ax.set_title('Time Series', fontproperties=title_font, color='black')

plt.show()繪制結果如下所示：繪制圖表的代碼雖然比較長，但結構比較清楚，結合前面的部件介紹，了解每一步的含義，相信很容易就能看懂。

帶直方圖的散點圖

??代碼如下：# 定義坐標軸刻度字體
ticks_font = FontProperties(family='Times New Roman', size=14, weight='normal', style='normal')

# 定義畫板大小
fig_width = 5

#
space = fig_width / 100

left, bottom, width, height = fig_width / 10, fig_width / 10, fig_width / 2, fig_width / 2
scatter_region = [left, bottom, width, height]
topbar_region = [left, bottom + height + space, width, height/2]
rightbar_region = [left + width + space, bottom, width/2, height]

# 定義畫板
plt.figure(figsize=(fig_width, fig_width))

# 定義Axes用于繪制散點圖
# plt.axes([left, bottom, width, height])
ax_scatter = plt.axes(scatter_region)

# 定義Axes用于繪制x的直方圖
ax_topbar = plt.axes(topbar_region)

# 定義Axes用于繪制y的直方圖
ax_rightbar = plt.axes(rightbar_region)

# ax_rightbar.invert_xaxis()
# ax_topbar.xaxis.set_ticks([])
# ax_rightbar.xaxis.set_ticks_position('bottom')
# ax_rightbar.yaxis.set_ticks([])

# 設置坐標軸屬性, 這里使用set_tick_params()，可以同時設置坐標軸的多個屬性，詳情可以參考：
# https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.axes.Axes.tick_params.html#matplotlib.axes.Axes.tick_params
ax_rightbar.yaxis.set_tick_params(bottom=False, labelbottom=False)
ax_rightbar.xaxis.set_tick_params(direction='out', color='black', left=True, labelleft=True)
ax_topbar.yaxis.set_tick_params(direction='out', color='black', left=True, labelleft=True)
ax_topbar.xaxis.set_tick_params(bottom=False, labelbottom=False)

# ax_scatter.xaxis.set_tick_params(direction='out', color='black', labelsize=12)
# ax_scatter.yaxis.set_tick_params(direction='out', color='black', labelsize=12)
# 以上兩行代碼等同于下面一句代碼
ax_scatter.tick_params(direction='out', color='black')

# 設置坐標軸字體
for ax in [ax_topbar, ax_scatter, ax_rightbar]:
for tick in ax.yaxis.get_majorticklabels():
tick.set_fontproperties(ticks_font)
for tick in ax.xaxis.get_majorticklabels():
tick.set_fontproperties(ticks_font)

# s參數用于設置散點大小，c用于設置cmap
ax_scatter.scatter(x, y, s=np.abs(x / y) * 10, c=np.abs(x * y) * 0.02, alpha=0.6)

ax_topbar.hist(x, bins=np.linspace(np.min(x), np.max(x), 16), color='#2C5784')
ax_rightbar.hist(y, bins=np.linspace(np.min(y), np.max(y), 16), orientation='horizontal', color='#20866C')
plt.show()繪制結果如下圖所示：

?

帶標注的函數圖像

# 生成數據
x = np.linspace(-4, 4, 1000)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.exp(x)

from matplotlib.font_manager import FontProperties
label_font = FontProperties(family='Times New Roman', size=18, weight='bold', style='normal')
title_font = FontProperties(family='Times New Roman', size=20, weight='bold', style='normal')
ticks_font = FontProperties(family='Times New Roman', size=12, weight='bold', style='normal')
legend_font = FontProperties(family='Times New Roman', size=18, weight='bold', style='normal')
fig, ax = plt.subplots(figsize=(8, 10), dpi=100, ncols=1, nrows=2)

# 繪制函數圖像
ax[0].plot(x, y1, color='red')
ax[0].plot(x, y2, color='orange')
ax[1].plot(x, y3, color='blue')
# ax1和ax共享x軸，當需要在同一個圖表中顯示比例不同的圖形時使用，比如exp(x)和sin(x)
# ax1 = ax.twinx()

# --------------------------------------- Fig 1 --------------------------------------- #
# 設置標題，坐標軸標簽
ax[0].set_title(r'$y=sin(x)$', fontproperties=title_font, color='black', pad=10)
# ax[0].set_xlabel(r'$x$', fontproperties=label_font, color='black', ha='right')
# ax[0].set_ylabel(r'$y$', fontproperties=label_font, color='black')
# ax[0].xaxis.set_label_coords(5, 0)
# ax[0].xaxis.set_label_coords(0, 1.5)

# 不顯示右坐標軸和上坐標軸
ax[0].spines['top'].set_visible(False)
ax[0].spines['right'].set_visible(False)

# 移動左坐標軸和底部坐標軸到圖形中間位置
ax[0].spines['left'].set_position('center')
ax[0].spines['bottom'].set_position('center')

# 設置x軸刻度
# ax[0].xaxis.set_ticks_position('left')
# 設置x軸刻度坐標
ax[0].set_xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
# 設置x軸刻度標簽
ax[0].set_xticklabels([r'$-\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$'])

# 設置y軸刻度
ax[0].set_yticks([-1, 0, 1])

# 設置y軸刻度的位置
ax[0].yaxis.set_ticks_position('left')

# ax[0].lines[1].set_linestyle('--')

# annotate函數的詳細參數解釋可以參考：
# https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.axes.Axes.annotate.html
"""
annotate(text, xy, xytext, xycoords, textcoords, arrowprops ,*args, **kwargs)
text(string): 需要標注的文本
xy(tuple -> (float, float)): 標注的點/位置
xytext(tuple -> (float, float)): 放置標注文本的位置
textcoords(string): 給定xytext的坐標系統，可選('offset points', 'offset pixel')
xycoords(string): 給定xy的坐標系，默認'data',表示使用待標注對象的坐標系統
fontproperties(FontProperties): 需要標注的文本
arrowprops(dict): 設置標注文本和標注點之間的連接方式。arrowstyle="->" 表示使用箭頭連接，
connectionstyle="arc3,rad=.6" 表示連接類型為圓弧，半徑為0.6
"""

ax[0].annotate(r'$Sin(\frac{2\pi}{3}) = \frac{\sqrt{3}}{2}$', xy=(np.pi * 2 / 3, np.sqrt(3)/2), xycoords='data', xytext=(10, 30), \
textcoords='offset points', arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.6"), fontproperties=ticks_font)

# 這里坐標軸標簽是使用注記來設置的
ax[0].annotate(r'$X$', xy=(4.4, 0), xycoords='data', color='black', fontproperties=label_font)

ax[0].annotate(r'$Cos(\frac{2\pi}{3}) = -\frac{1}{2}$', xy=(np.pi * 2 / 3, -1/2), xycoords='data', xytext=(-100, -30), \
textcoords='offset points', arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"), fontproperties=ticks_font)

ax[0].annotate(r'$Y$', xy=(-0.3, 1.05), xycoords='data', color='black', fontproperties=label_font)

# 標記特定位置
ax[0].scatter([2*np.pi/3, ], [-1/2,], color='orange', s=40)
ax[0].plot([2*np.pi/3, 2*np.pi/3], [0, -1/2], linestyle='--', color='orange')
ax[0].scatter([2*np.pi/3, ], [np.sqrt(3)/2,], color='red', s=40)
ax[0].plot([2*np.pi/3, 2*np.pi/3], [0, np.sqrt(3)/2], linestyle='--', color='red')

# 設置圖例
ax[0].legend([r'$Sin(x)$', r'$Cos(x)$',], loc='best', prop=legend_font, shadow=False, facecolor='white')

# --------------------------------------- Fig 2 --------------------------------------- #
ax[1].spines['top'].set_visible(False)
ax[1].spines['right'].set_visible(False)

# 統一設置刻度標簽字體
for sub_ax in ax:
for tick in sub_ax.xaxis.get_majorticklabels():
tick.set_fontproperties(ticks_font)

for tick in sub_ax.yaxis.get_majorticklabels():
tick.set_fontproperties(ticks_font)

ax[1].annotate(r'$X$', xy=(4.4, -0.7), xycoords='data', color='black', fontproperties=label_font)
ax[1].annotate(r'$Y$', xy=(-4.4, 56), xycoords='data', color='black', fontproperties=label_font)

# 填充圖像和坐標軸之間的圖形
# 如果要在x方向上的曲線之間填充，可以使用fill_betweenx
ax[1].fill_between(x, y3, 0, color='green')

# 使用tighe_layout可以自動調整子圖參數，以使子圖適合圖形區域。
fig.tight_layout()
plt.show()

? ?

熱力圖(Heatmap)

??# Heatmap

from mpl_toolkits.axes_grid1 import make_axes_locatable, axes_size
from matplotlib.font_manager import FontProperties

label_font = FontProperties(family='Times New Roman', size=18, weight='bold', style='normal')
title_font = FontProperties(family='Times New Roman', size=20, weight='bold', style='normal')
ticks_font = FontProperties(family='Times New Roman', size=12, weight='bold', style='normal')
legend_font = FontProperties(family='Times New Roman', size=18, weight='bold', style='normal')

vegetables = ["cucumber", "tomato", "lettuce", "asparagus",
"potato", "wheat", "barley"]
farmers = ["Farmer Joe", "Upland Bros.", "Smith Gardening",
"Agrifun", "Organiculture", "BioGoods Ltd.", "Cornylee Corp."]

harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
[2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
[1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
[0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
[0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
[1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
[0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])

fig_size=8
fig, ax = plt.subplots(figsize=(fig_size, fig_size), dpi=100)

# 使用matplotlib3.1.1繪制，會出現heatmap顯示不全的問題
# 這里使用的是matplotlib3.1.0
im = ax.imshow(harvest, cmap=plt.cm.GnBu_r)

ax.set_xticks(np.arange(len(farmers)))
ax.set_yticks(np.arange(len(vegetables)))

# ha -> horizontal align
# va -> vertical align
ax.set_xticklabels(farmers, ha='right', va='bottom', rotation_mode="anchor")
ax.set_yticklabels(vegetables)

for tick in ax.xaxis.get_majorticklabels():
tick.set_rotation(45)
tick.set_fontproperties(ticks_font)

for tick in ax.yaxis.get_majorticklabels():
tick.set_fontproperties(ticks_font)

for i in range(len(vegetables)):
for j in range(len(farmers)):
text = ax.text(j, i, harvest[i, j],
ha="center", va="center", color="w", fontproperties=ticks_font)

# 參數的設置我暫時也不太理解，可以參考：
# https://stackoverflow.com/questions/18195758/set-matplotlib-colorbar-size-to-match-graph

# 創建顏色條，colorbar可以理解為子圖，即sub fig
cbar = fig.colorbar(im, orientation='vertical', fraction=0.046, pad=0.04)

# colorbar.ax可以看做是一個fig中的axes，具有axes的所有屬性和方法

# 設置顏色條的刻度標簽
cbar.ax.set_yticklabels(np.arange(0, 7), fontproperties=ticks_font)

# 設置顏色條坐標軸字體
# https://stackoverflow.com/questions/15908371/matplotlib-colorbars-and-its-text-labels
cbar.ax.set_ylabel('Color Bar', fontproperties=title_font, rotation=270, labelpad=16)

# 設置標題字體
ax.set_title("Harvest of local farmers (in tons/year)", fontproperties=title_font, pad=10)
fig.tight_layout()
plt.show()繪制結果如下所示：

總結

以上的幾種圖形基本上按照了以下步驟進行繪制：

定義字體(比如圖表標題、坐標軸標題、刻度數字以及圖例等)

創建 axes(plt.axes()、plt.subplots()或者fig.add_subplot() )

設置 fig 的屬性(比如背景顏色等)

使用 axes 設置軸(Spine)的屬性(包括顯示范圍、顏色、字體以及刻度等)

使用 axes 繪制圖形

使用 axes 設置線的屬性(比如線型、顏色以及粗細等等)

使用 axes 設置標題以及圖例

本文主要介紹了 matplotlib 繪圖對象中 fig 和 axes 的差異，可以這樣理解，fig 是畫板，而 axes 是畫板上的圖形，一個 fig 中可以包含多個 axes，而 axes 才是控制繪圖的關鍵。
其次通過幾種常用圖形的繪制，介紹了 matplotlib 繪圖過程中大部分的常用操作。以上所有圖形的繪制均使用了同一種方式，即利用 axes 來進行繪圖，主要有兩個原因，其一，這樣寫的代碼可讀性比較好，比較容易修改(至少個人認為是這樣的)。其二，這種方式可以實現對圖表的任意部件進行自定義的修改。我雖然都使用了 axes 來繪圖，并且也推薦使用這種方式來進行繪圖。但并不意味著你也要使用這種方式，如果只是繪制一些示意圖，對圖形并沒有太多控制，其實 plt.plot()可能更方便，這也是 matplotlib 默認的方式。

Reference

https://matplotlib.org/tutorials/introductory/usage.htmlhttps://matplotlib.org/1.5.1/faq/usage_faq.html#parts-of-a-figurehttps://zhuanlan.zhihu.com/p/93423829https://matplotlib.org/3.1.3https://stackoverflow.com/questions/18195758

-?END - 《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的matplotlib xticks 基于旋转_数据可视化之 matplotlib 绘图篇的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇： arduino定时器控制舵机_Ardui
下一篇： exlsx表格教程_用Ctrl+E处理E