python Matplotlib數據可視化（2）：詳解三大容器對象與常用設置
上一篇博客中說到，matplotlib中所有畫圖元素（artist）分為兩類：基本型和容器型。容器型元素包括三種：figure、axes、axis。一次畫圖的必經流程就是先創建好figure實例，接著由figure去創建一個或者多個axes，然后通過axes實例調用各種方法來添加各種基本型元素，最后通過axes實例本身的各種方法亦或者通過axes獲取axis實例實現對各種元素的細節操控。本篇博客繼續上一節的內容，展開介紹三大容器元素創建即通過三大容器可以完成的常用設置。
1 figure1.1 創建figure在上文中我們一直提到的figure指的是Figure類的實例化對象，當然我們一般不會直接去實例化Figure類，因為這樣創建的Figure實例對象不能納入序列中共同管理。matplotlib中提供了多種方法創建figure，其中屬pyplot模塊中的figure()方法最常用也最方便，下面我們來說說這個方法。figure方法參數如下：
num：整型或字符串類型，可選參數，默認為None。這個參數課可以理解為是figure的身份標識，即id。當值為None時，會創建一個figure實例，該實例的num值會在已有基礎上自增；當該參數不為None時，如果與已有的num值重復，則會切換到該figure使其處于激活狀態，并返回一個該figure的引用；如果傳入的參數為字符串，該字符串將會被設置為figure的標題。 figsize：tuple類型，可選參數，默認為None。通過figsize參數可以設置figure的size，即（width, height)，單位為inch。當值為None時，采用默認size。 dpi：整型，可選參數，用于設置圖片像素。 facecolor：可選參數，用于設置前景色，默認為白色。 edgecolor：可選參數，用于設置邊框顏色，默認為黑色。 frameon：bool類型，可選參數，表示是否繪制窗口的圖框，默認是。 FigureClass：傳入一個類名，當使用自定義的類實例化figure時使用，默認為matplotlib.figure.Figure。 clear：bool類型，可選參數，默認為False。如果值為True的話，如果figure已存在，則會清除該figure的全部內容。from matplotlib import pyplot as pltimport matplotlib as mplimport numpy as npmpl.rcParams[’font.sans-serif’] = [’SimHei’] # 中文字體支持
fig = plt.figure(figsize=(4,2), facecolor=’grey’) # 創建figurefig.add_axes((0,0,1,1)) # 必須添加axes后才能顯示plt.show()
在jupyter編輯器中，空白的figure是不會顯示的，所以必須在figure中至少添加一個axes。
1.2 figure的常用設置1.2.1 set方法通用設置創建figure時的各個參數基本都可以通過figure實例對象中對應的對應的set方法進行修改,例如set_facecolor()用來設置前景色，set_size_inches()用來設置大小等。
設置前景色：
fig = plt.figure(figsize=(4,2))fig.set_facecolor(’grey’) # 設置前景色plt.plot()plt.show()
fig = plt.figure()fig.set_size_inches(2,3) # 設置大小plt.plot()plt.show()
fig = plt.figure(figsize=(4,2))fig.suptitle('figure title', color=’red’) # 設置figure標題plt.plot()plt.show()
fig = plt.figure(figsize=(4,2))fig.text(0.5,0.5,'figure text',color=’red’) # 設置figure標題，前兩個參數分別表示到左邊框和上邊框的百分比距離plt.plot()plt.show()
fig = plt.figure(figsize=(5,3))axes = fig.add_axes((0,0,0.8,1))x = np.linspace(0, 10, 1000)line1, = axes.plot(x, np.sin(x)) # 注意，line1后面有個逗號，因為plot()方法返回值是一個列表line2, = axes.plot(x, np.cos(x))fig.legend([line1, line2],[’sin’, ’cos’])plt.show()
1.2.5 設置子圖間距
fig, axes = plt.subplots(2,2,facecolor=’grey’)fig.subplots_adjust(left=None, # 設置畫圖區域與figure上下左右邊框的比例距離 bottom=None, right=None, top=None, wspace=0.3, # 子圖間水平方向距離 hspace=1) # 子圖間垂直方向距離plt.show()
axes可以認為是figure這張畫圖上的子圖，因為子圖上一般都是坐標圖，所以我更愿意理解為軸域或者坐標系。
2.1 創建axes一個figure可以有多個axes, 無論是pyplot模塊還是figure實例內都定義有多種創建axes的方法。 （1） plt.axes()plt.axes()是指pyplot模塊中的axes()方法，該方法會在當前激活的figure中創建一個axes，并使創建好的axes處于激活狀態。當傳入的第一個位置參數為空時，該方法會創建一個占滿整個figure的axes；通常我們可以傳入一個tuple參數(left, botton, width, height)作為第一個位置參數，tuple中四個元素分別表示與figure左邊框比例距離，邊框寬度占figure寬度的比例，寬度比例，高度占figure高度的比例。通過這種方式添加axes時，matplotlib會自動創建一個axes，然后將創建好的axes按照給定的位置和size添加到figure中，最后返回一個axes的引用。
fig1 = plt.figure(figsize=(4,2), facecolor=’grey’)ax1 = plt.axes((0.1, 0.1, 0.8, 0.7), facecolor=’green’)fig2 = plt.figure(figsize=(4,2), facecolor=’yellow’)ax2 = plt.axes((0.1, 0.1, 0.8, 0.8), facecolor=’red’) # 這個axes將會被覆蓋在下面plt.show()
注意，如果在相同區域添加axes，后面添加的axes會把前面添加的axes覆蓋。
fig = plt.figure(figsize=(4,2), facecolor=’grey’)ax1 = plt.axes((0.1, 0.1, 0.8, 0.8), facecolor=’green’)ax2 = plt.axes((0.1, 0.1, 0.8, 0.7), facecolor=’red’) # 這個axes將會被覆蓋在下面plt.show()
（2） figure.add_axes()
figure.add_axes()方法的作用是將一個axes添加到figure中，這一方法可以傳入一個已創建好的axes作為第一個參數，add_axes會將傳入的axes添加到figure中，但這種情況使用不多。在大多數情況下，我們會如同上述在plt.axes()方法中那樣傳遞一個tuple參數(left, botton, width, height)作為第一個位置參數。同樣，如果在相同區域添加axes，后面添加的axes會把前面添加的axes覆蓋。
fig = plt.figure(figsize=(4,2), facecolor=’grey’)fig.add_axes((0.1, 0.1, 0.3, 0.7), facecolor=’green’) # 這個axes將會被覆蓋在下面fig.add_axes((0.5, 0.1, 0.3, 0.7), facecolor=’red’)plt.show()
（3） plt.subplot與plt.subplots()
plt.subplot和plt.subplots()是在pyplot模塊中定義的兩個方法，兩個方法都是將figure劃分為多行多列的網格，然后添加axes，但功能和用法卻有些許不同。
plt.subplot()plt.subplot主要包括三個參數(nrows, ncols, index),分別表示行數、列數和索引，該方法會根據指定的行列數對figure劃分為網格，讓后在指定索引的網格中創建axes，并返回該axes的引用。索引是從1開始從左往右，從上到下遞增，例如plt.subplot(2,2,4)表示將figure劃分為兩行兩列的4個網格，并在第4個子網格中創建一個axes然后返回。注意，每一次調用plt.subplot()方法只會在指定索引的子網格中創建axes，而不是在所有子網格中都創建axes，如果需要在多個子網格中創建axes，那么就需要多次調用plt.subplot()指定不同的索引。另外，如果nrows, ncols, index三個參數都小于10，可以將這三個參數合并成一個3位整數來寫，例如plt.subplot(2,2,4)與plt.subplot(224)是完全等效的。
fig = plt.figure(figsize=(4,4), facecolor=’grey’)ax1 = plt.subplot(221,facecolor=’green’)ax2 = plt.subplot(224,facecolor=’red’)plt.show()
與plt.subplot()不同的是，plt.subplots()會重新創建一個figure，然后將創建好的figure按照指定的行列數劃分為網格，并在每一個子網格中各創建一個axes，最終同時返回figure和所有子網格中axes組成的numpy數組中。
fig, axes = plt.subplots(2,2,facecolor=’grey’)fig.suptitle(’figure title’)print(type(axes))axes[0,0].set_facecolor(’green’)axes[1,1].set_facecolor(’red’)plt.show()
plt.subplots()還有一對參數sharex, sharey用于設置是否共享x軸或y軸，這對參數有取值可以使bool型或’none’, ’all’, ’row’, ’col’這4個字符串中的一個，分別有以下含義：
False 和 ’none’表示不共享，任何子圖中的x軸或y軸都是相互獨立的； True 和 ’all’表示所有子圖共享x軸或y軸； ’row’ 表示同一行的子圖共享x軸或y軸； ’col’ 表示同一列的子圖共享x軸或y軸；fig, axes = plt.subplots(2,2,sharex=True,sharey=True,facecolor=’grey’)fig.suptitle(’figure title’)axes[0,0].set_facecolor(’green’)axes[1,1].set_facecolor(’red’)plt.show()
（4) figure.add_subplot()與figure.subplots()
figure.add_subplot與上文中介紹過的plt.subplot()無論是功能還是使用方法上都是幾乎一樣的，唯一區別就是plt.subplot()的目標是在當前激活的figure，而figure.add_subplot()是調用add_subplot()方法的figure。
fig = plt.figure(figsize=(4,4), facecolor=’grey’)ax1 = fig.add_subplot(221,facecolor=’green’)ax2 = fig.add_subplot(224,facecolor=’red’)plt.show()
figure.subplots()的功能、用法又與上文中介紹過的plt.subplots()很相似，區別在于figure.subplots()不會重新創建一個figure，而是對當前的figure進行劃分網格并在每一個網格中都創建一個axes。
fig = plt.figure(facecolor=’grey’)axes = fig.subplots(2,2)axes[0, 0].set_facecolor(’green’)axes[1, 1].set_facecolor(’red’)plt.show()
axes是matplotlib作圖中眾多元素的核心，可以說，大多數的設置都可以通過axes來完成。
2.2.1 設置標題fig = plt.figure(facecolor=’grey’)fig.suptitle('figure 標題', color=’red’)ax1 = fig.add_subplot(121)ax2 = fig.add_subplot(122)ax1.set_title(’ 圖 1’) # 設置標題ax2.set_title(’ 圖 2’)plt.show()
fig = plt.figure(figsize=(5,3))axes = fig.add_axes((0,0,0.8,1))x = np.linspace(0, 10, 1000)line1, = axes.plot(x, np.sin(x))line2, = axes.plot(x, np.cos(x))axes.legend([line1, line2],[’正弦’, ’余弦’])plt.show()
fig = plt.figure(figsize=(4,1))axes = fig.add_axes((0,0,1,1))axes.set_xlabel(’x軸’, fontsize=15)axes.set_ylabel(’y軸’, fontsize=15, color=’red’)plt.show()
fig = plt.figure(figsize=(6,2))axes = fig.add_axes((0,0,0.8,1))x = np.linspace(-3, 5, 1000)line1, = axes.plot(x, np.sin(x))axes.set_xlim((-3,5)) # 設置橫坐標范圍axes.set_ylim((-3,3)) # 設置縱坐標范圍plt.show()
fig = plt.figure(figsize=(6,2))axes = fig.add_axes((0,0,0.8,1))x = np.linspace(-10, 10, 1000)line1, = axes.plot(x, np.sin(x))axes.set_xlim((-10,10)) # 設置橫坐標范圍axes.set_ylim((-2,2)) # 設置縱坐標范圍axes.spines[’right’].set_color(’none’) #隱藏掉右邊框線axes.spines[’top’].set_color(’none’) #隱藏掉左邊框線plt.show()
fig = plt.figure(figsize=(6,2))axes = fig.add_axes((0,0,0.8,1))x = np.linspace(-10, 10, 1000)line1, = axes.plot(x, np.sin(x))axes.set_xlim((-10,10)) # 設置橫坐標范圍axes.set_ylim((-2,2)) # 設置縱坐標范圍axes.grid(True)plt.show()
fig = plt.figure(figsize=(6,2))axes = fig.add_axes((0,0,0.8,1))x = np.linspace(-10, 10, 1000)line1, = axes.plot(x, np.sin(x))axes.set_xlim((-10,10)) # 設置橫坐標范圍axes.set_ylim((-2,2)) # 設置縱坐標范圍axes.grid(True)axes.annotate(’原點’, xy=(0, 0), # xy是指向點的坐標 xytext=(2.5, -1.5), # xytext注釋文字的坐標 arrowprops=dict(facecolor=’red’))plt.show()
axis在matplotlib中是一種類似于坐標軸的概念，負責處理軸標簽、刻度線、刻度標簽、網格線的繪制。在大多數情況下，axis我們手動創建，在創建axes時會一并創建axis，通過axes的實例對象即可調用axes內的axis實例。通過axis實例，我們可以實現更加多樣化、細微的圖標操作。通過axes實例可以調用get_xaxis()方法獲取axis實例，然后實現對label等對象的操作。
3.1 axis常用設置3.1.1 設置坐標軸名稱fig = plt.figure(figsize=(4,2), facecolor=’grey’)axes = fig.add_axes((0, 0,1,1))# x軸axes.get_xaxis().get_label().set_text(’x axis’)axes.get_xaxis().get_label().set_color(’red’)axes.get_xaxis().get_label().set_fontsize(16)# y軸axes.yaxis.get_label().set_text(’y axis’)axes.yaxis.get_label().set_color(’blue’)axes.yaxis.get_label().set_fontsize(16)plt.show()
fig = plt.figure(figsize=(4,2), facecolor=’grey’)axes = fig.add_axes((0, 0,1,1))# 設置x軸刻度標簽for tl in axes.get_xaxis().get_ticklabels(): tl.set_color(’red’) tl.set_rotation(45) tl.set_fontsize(16)plt.show()
import matplotlib.ticker as ticker# Fixing random state for reproducibilitynp.random.seed(19680801)fig, ax = plt.subplots()ax.plot(100*np.random.rand(20))formatter = ticker.FormatStrFormatter(’$%1.2f’)ax.yaxis.set_major_formatter(formatter)for tick in ax.yaxis.get_major_ticks(): tick.label1.set_visible(False) tick.label2.set_visible(True) tick.label2.set_color(’green’)plt.show()
fig = plt.figure(figsize=(6,2))axes = fig.add_axes((0,0,0.8,1))x = np.linspace(-10, 10, 1000)line1, = axes.plot(x, np.sin(x))axes.set_xlim((-10,10)) # 設置橫坐標范圍axes.set_ylim((-2,2)) # 設置縱坐標范圍axes.spines[’right’].set_color(’none’) #隱藏掉右邊框線axes.spines[’top’].set_color(’none’) #隱藏掉左邊框線axes.xaxis.set_ticks_position(’bottom’) #設置坐標軸位置axes.yaxis.set_ticks_position(’left’) #設置坐標軸位置axes.spines[’bottom’].set_position((’data’, 0)) #綁定坐標軸位置，data為根據數據自己判斷axes.spines[’left’].set_position((’data’, 0))plt.show()
本文主要介紹matplotlib圖表的三種容器元素：figure、axes、axis。figure是最底層的容器，相當于一張畫布，在畫布上，我們可以畫多個axes，axes就是figure上的子圖，每個axes都是一張獨立的圖表，每個axes包含多個axis，通過axis我們可以實現對圖表更多細節上的操作。理解了matplotlib圖表三個層次的布局，我們就可以通過figure -> axes --> axis的流程完成圖表在宏觀層面的創建。在后續的博客中，將會繼續介紹對圖表更多更加細節化的設置以及如何畫各種不同的統計圖表。
參考官方文檔：https://matplotlib.org/tutorials/intermediate/artists.html#sphx-glr-tutorials-intermediate-artists-py
以上就是python Matplotlib數據可視化（2）：詳解三大容器對象與常用設置的詳細內容，更多關于Matplotlib數據可視化（2）：三大容器對象與常用設置的資料請關注好吧啦網其它相關文章！
相關文章：
網公網安備