當(dāng)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(fā)布時間：2025/4/5 编程问答 21 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(xiàn)在分享給大家,幫大家做個參考.

本文轉(zhuǎn)載于 SegmentFault 社區(qū)

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(jié)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(xiàn)方式中，可能大多數(shù)都會使用后面兩種，即直接使用 plt.plot() 進(jìn)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(dāng)你逐漸習(xí)慣使用默認(rèn)的方式來進(jìn)行繪圖時，慢慢會出現(xiàn)各種的問題，尤其是當(dāng)你需要對圖表使用很多自定義的設(shè)置的時候。默認(rèn)接口隱藏了繪圖過程中的很多細(xì)節(jié)，因為不了解其內(nèi)部細(xì)節(jié)，所以在繪圖過程中，對一些圖表的設(shè)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(chuàng)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(jìn)行設(shè)置。比如使用 fig.add_subplot() 會在 fig 上創(chuàng)建一個 axes。
Axis 表示一個 Axes 的坐標(biāo)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(yīng)的功能之后才能按照自己的方式來對圖表進(jìn)行設(shè)置。以上圖中的所有部件，都可以通過 axes 來實現(xiàn)精確的控制，比如需要設(shè)置 x 軸主刻度標(biāo)簽, 即可使用 axes.xaxis.set_ticklabels(['', ''])，這種面向?qū)ο蟮目刂品绞?#xff0c;很容易理解和實現(xiàn)。

實戰(zhàn)

?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(dǎo)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(biāo)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(biāo)題字體
title_font = FontProperties(family='Times New Roman', size=20, weight='bold', style='normal')

# 定義坐標(biāo)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(chuàng)建fig和axes
fig, ax = plt.subplots(figsize=(10, 5))

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

# 取消所有格網(wǎng)
ax.grid(False)

# 定義標(biāo)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(biāo)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(shè)為黑色(默認(rèn)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(shè)定刻度不旋轉(zhuǎn)，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(shè)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(shè)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(shè)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(shè)置圖例
ax.legend(['TS1', ], prop=legend_font, facecolor='white')

#設(shè)置標(biāo)題
ax.set_title('Time Series', fontproperties=title_font, color='black')

plt.show()繪制結(jié)果如下所示：繪制圖表的代碼雖然比較長，但結(jié)構(gòu)比較清楚，結(jié)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(biāo)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(shè)置坐標(biāo)軸屬性, 這里使用set_tick_params()，可以同時設(shè)置坐標(biāo)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(shè)置坐標(biāo)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(shù)用于設(shè)置散點大小，c用于設(shè)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(jié)果如下圖所示：

?

帶標(biāo)注的函數(shù)圖像

# 生成數(shù)據(jù)
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(shù)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(dāng)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(shè)置標(biāo)題，坐標(biāo)軸標(biāo)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(biāo)軸和上坐標(biāo)軸
ax[0].spines['top'].set_visible(False)
ax[0].spines['right'].set_visible(False)

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

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

# 設(shè)置y軸刻度
ax[0].set_yticks([-1, 0, 1])

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

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

# annotate函數(shù)的詳細(xì)參數(shù)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(biāo)注的文本
xy(tuple -> (float, float)): 標(biāo)注的點/位置
xytext(tuple -> (float, float)): 放置標(biāo)注文本的位置
textcoords(string): 給定xytext的坐標(biāo)系統(tǒng)，可選('offset points', 'offset pixel')
xycoords(string): 給定xy的坐標(biāo)系，默認(rèn)'data',表示使用待標(biāo)注對象的坐標(biāo)系統(tǒng)
fontproperties(FontProperties): 需要標(biāo)注的文本
arrowprops(dict): 設(shè)置標(biāo)注文本和標(biāo)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(biāo)軸標(biāo)簽是使用注記來設(shè)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(biāo)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(shè)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(tǒng)一設(shè)置刻度標(biāo)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(biāo)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(diào)整子圖參數(shù)，以使子圖適合圖形區(qū)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(xiàn)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(shù)的設(shè)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(chuàng)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(shè)置顏色條的刻度標(biāo)簽
cbar.ax.set_yticklabels(np.arange(0, 7), fontproperties=ticks_font)

# 設(shè)置顏色條坐標(biāo)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(shè)置標(biāo)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(jié)果如下所示：

總結(jié)

以上的幾種圖形基本上按照了以下步驟進(jìn)行繪制：

定義字體(比如圖表標(biāo)題、坐標(biāo)軸標(biāo)題、刻度數(shù)字以及圖例等)

創(chuàng)建 axes(plt.axes()、plt.subplots()或者fig.add_subplot() )

設(shè)置 fig 的屬性(比如背景顏色等)

使用 axes 設(shè)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(shè)置線的屬性(比如線型、顏色以及粗細(xì)等等)

使用 axes 設(shè)置標(biāo)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(guān)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(jìn)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(rèn)為是這樣的)。其二，這種方式可以實現(xiàn)對圖表的任意部件進(jìn)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(jìn)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(rèn)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(shù)字化實踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

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(nèi)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(wǎng)站內(nèi)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