Matplotlib数据可视化：文本与坐标轴

用微信扫码二维码

分享至好友和朋友圈

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。

from matplotlib import pyplot as pltimport numpy as npimport matplotlib as mplmpl.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体支持1 标题

（1）figure标题与axes标题

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

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

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

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

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

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

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

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

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

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

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

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' % xelse: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

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

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

（8）隐藏边框+设置坐标轴相交位置

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

import matplotlib.pyplot as pltimport matplotlib.dates as mdatesfrom datetime import datetimefrom 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。

作者：奥辰 Github：https://github.com/ChenHuabin321

博客：https://www.cnblogs.com/chenhuabin

阅后点在看，养成好习惯

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.