Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图等基本图像属性pythonTRHX'S BLOG-

Matplotlib 系列文章（持续更新中）：

• 《Python 数据分析三剑客之 Matplotlib（一）：初识 Matplotlib 与其 matplotibrc 配置文件》
• 《Python 数据分析三剑客之 Matplotlib（二）：文本描述 / 中文支持 / 画布 / 网格等基本图像属性》
• 《Python 数据分析三剑客之 Matplotlib（三）：图例 / LaTeX / 刻度 / 子图等基本图像属性》

这里是一段防爬虫文本，请读者忽略。 本文原创首发于 ImapBox，作者 TRHX。 博客首页：https://itrhx.blog.csdn.net/ 本文链接：https://itrhx.blog.csdn.net/article/details/105828143 

【1×00】设置图例

matplotlib.pyplot.legend() 方法可以为图表设置图例。

基本语法：matplotlib.pyplot.legend(*args, **kwargs)

部分常见参数：

【1×01】方法一：指定 label 参数

在画图的时候先指定 label 标签文本，再调用 legend() 方法即可。

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] x = range(2, 26, 2) y = range(0, 12) a = [5, 10, 15, 20, 25, 30] b = [3, 4, 5, 6, 7, 8]  plt.plot(a, b, label='图例一') # 指定 a,b 数据的图例 plt.plot(x, y, label='图例二') # 指定 x,y 数据的图例  plt.legend(loc=2, edgecolor='red', facecolor='#F5F5F5') # 指定图例位置、边缘线条颜色和背景色 plt.show() 

【1×02】方法二：使用 set_label 方法

在画图的时候先使用 set_label() 方法指定标签文本，再调用 legend() 方法即可。

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] x = range(2, 26, 2) y = range(0, 12) a = [5, 10, 15, 20, 25, 30] b = [3, 4, 5, 6, 7, 8]  line1, = plt.plot(a, b) line2, = plt.plot(x, y) line1.set_label('图例一') # 指定 a,b 数据的图例 line2.set_label('图例二') # 指定 x,y 数据的图例  plt.legend(loc=2, edgecolor='red', facecolor='#F5F5F5') # 指定图例位置、边缘线条颜色和背景色 plt.show() 

【1×03】方法三：直接使用 legend 方法

直接使用 legend() 方法来指定图例标签也可以达到同样效果，图例以列表或者元组形式储存，图例与绘制图形的顺序一一对应。

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] x = range(2, 26, 2) y = range(0, 12) a = [5, 10, 15, 20, 25, 30] b = [3, 4, 5, 6, 7, 8]  plt.plot(a, b) plt.plot(x, y)  plt.legend(['图例一', '图例二'], loc=2, edgecolor='red', facecolor='#F5F5F5') plt.show() 

也可以使用两个元组，将绘制的图形和图例一一对应来储存：

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] x = range(2, 26, 2) y = range(0, 12) a = [5, 10, 15, 20, 25, 30] b = [3, 4, 5, 6, 7, 8]  line1, = plt.plot(a, b) line2, = plt.plot(x, y)  plt.legend((line1, line2), ('图例一', '图例二'), loc=2, edgecolor='red', facecolor='#F5F5F5') plt.show() 

以上三种方法绘制的图形均一致：

【2×00】数学公式 LaTeX

LaTeX（LATEX，音译“拉泰赫”）是一种基于 TeX 的排版系统，常用于生成复杂表格和数学公式，Matplotlib 提供了自己的 TeX 表达式解析器，布局引擎和字体，布局引擎基于 Donald Knuth 的 TeX 布局算法改编。使用数学公式时用 $ 将其包围起来即可。具体的符号与其对应的英文表示参见官方文档：https://matplotlib.org/tutorials/text/mathtext.html

应用举例：

import numpy as np import matplotlib.pyplot as plt  t = np.arange(0.0, 2.0, 0.01) s = np.sin(2*np.pi*t)  plt.title(r'$alpha_i > beta_i$', fontsize=20) plt.text(1, -0.6, r'$sum_{i=0}^infty x_i$', fontsize=20) plt.text(0.6, 0.6, r'$mathcal{A}mathrm{sin}(2 omega t)$', fontsize=20) plt.xlabel('time (s)') plt.ylabel('volts (mV)')  plt.plot(t, s) plt.show() 

【3×00】调整 x / y 轴刻度和范围

在生成图像时，默认会按照所给的数据均匀设置几个刻度，如果对默认的刻度不满意，则可以使用 xticks() 或 yticks() 方法指定刻度值。xlim() 与 ylim() 则可以设置刻度的范围。

基本语法：
matplotlib.pyplot.xticks([ticks=None, labels=None, **kwargs])
matplotlib.pyplot.yticks([ticks=None, labels=None, **kwargs])

其他参数里面有一个常用的 rotation 参数，次参数可以用于设置刻度标签的旋转角度，对于标签太长的可以将其旋转一个角度来显示。

应用举例：

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] x = range(2, 26, 2) y = range(0, 12)  plt.plot(x, y) # x 轴每隔三个显示一次刻度，旋转45°显示标签 plt.xticks(range(2, 26, 3), ('the {} ticks'.format(i) for i in range(2, 26, 3)), rotation=45)  plt.show() 

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] x = range(2, 26, 2) y = range(0, 12)  plt.xlim((0, 30)) # 设置 x 轴刻度范围 plt.plot(x, y)  plt.show() 

【4×00】画布边框与坐标轴的移动

Matplotlib 所绘制的图表中的每个绘图元素，例如线条 Line2D、文字 Text、刻度等在内存中都有一个对象与之对应。

matplotlib.pyplot.gca() 函数用于获取当前的绘图区 Axes（Get Current Axes）

matplotlib.pyplot.gcf() 函数用于获取当前的画布 Figure（Get Current Figure）

例如：matplotlib.pyplot.plot() 实际上会通过 matplotlib.pyplot.gca() 获得当前的 Axes对象 ax，然后再调用 ax.plot() 方法实现真正的绘图。我们可以通过这种方法来实现画布边框的隐藏和坐标轴的移动。

应用举例：

import matplotlib.pyplot as plt import numpy as np  x = np.arange(0, 2*np.pi, np.pi/100) y = np.sin(x) plt.plot(x, y)  plt.xlabel('X axis') plt.ylabel('Y axis')  ticks = (0, np.pi/2, np.pi, 3*np.pi/2, 2*np.pi) labels = ('0', r'$frac{pi} {2}$', r'$pi$', r'$frac{3pi} {2}$', r'$2pi$') plt.xticks(ticks, labels) # 设置 x 坐标轴显示的数据  ax = plt.gca() # 获取当前的画布, gca = get current axes ax.spines['right'].set_visible(False) # 设置右边框不显示 ax.spines['top'].set_visible(False) # 设置上边框不显示 # ax.spines['top'].set_color('none')           # 设置颜色为无也可以  ax.xaxis.set_ticks_position('bottom') # 设置 x 坐标轴为下边框 ax.yaxis.set_ticks_position('left') # 设置 y 坐标轴为左边框 ax.spines['bottom'].set_position(('data', 0)) # 设置 x 轴在 (0, 0) 位置 ax.spines['left'].set_position(('data', 0)) # 设置 y 轴在 (0, 0) 位置  plt.show() 

【5×00】创建子图

子图的概念：在同一张画布中创建多个图像，方便对数据进行对比。

【5×01】方法一：add_subplot()

首先创建一个画布，然后利用 add_subplot() 方法填充子图，该方法接收三个参数，前两个参数表示子图有几行几列，最后一个参数表示第几个子图，如：fig.add_subplot(221) 表示总共有两行两列（2×2=4）一共4个子图，当前是第一个子图。若子图大于9个则用逗号隔开即可。

应用举例：

import numpy as np import matplotlib.pyplot as plt  x = np.arange(100)  fig = plt.figure(figsize=(12, 6))  ax1 = fig.add_subplot(221) # 第 1 个子图 ax1.plot(x, x)  ax2 = fig.add_subplot(222) # 第 2 个子图 ax2.plot(x, -x)  ax3 = fig.add_subplot(223) # 第 3 个子图 ax3.plot(x, x ** 2)  ax4 = fig.add_subplot(224) # 第 4 个子图 ax4.plot(-x, x ** 2)  plt.show() 

【5×02】方法二：pyplot.subplot()

matplotlib.pyplot.subplot() 方法和 add_subplot() 方法有点儿类似，同样接收三个参数，前两个参数表示子图有几行几列，最后一个参数表示第几个子图。

import numpy as np import matplotlib.pyplot as plt  x = np.arange(100)  plt.figure(figsize=(12, 6))  plt.subplot(221) # 第 1 个子图 plt.plot(x, x)  plt.subplot(222) # 第 2 个子图 plt.plot(x, x ** 2)  plt.subplot(223) # 第 3 个子图 plt.plot(x, x ** 3)  plt.subplot(224) # 第 4 个子图 plt.plot(x, x ** 4)  plt.show() 

【5×03】方法三：pyplot.subplots()

matplotlib.pyplot.subplots() 函数会将画布分割成指定的列和行，分割后依次在各个区域画图即可。注意与 matplotlib.pyplot.subplot() 略有差别。

fig, axes = plt.subplots 的意思是：plt.subplots 方法会返回一个包含 figure（画布） 和 axes（绘图区） 对象的元组，fig 和 axes 参数分别接收这两个对象，后期对不同绘图区进行处理即可。

import numpy as np import matplotlib.pyplot as plt  x = np.arange(100) fig, axes = plt.subplots(figsize=(12, 6), nrows=2, ncols=2) # 将画布分割为2行2列，起始值为0  axes[0][0].plot(x, x) # 绘制第1行第1列 axes[0][1].plot(x, -x) # 绘制第1行第2列 axes[1][0].plot(-x, x ** 2) # 绘制第2行第1列 axes[1][1].plot(x, -x ** 2) # 绘制第2行第2列  plt.show() 

【6×00】保存图像

matplotlib.pyplot.savefig() 方法可以将绘制的图像保存到本地，支持多种格式：eps, pdf, pgf, png, ps, raw, rgba, svg, svgz。

注意：因为调用 plt.show() 函数后，会创建一个新的空白的图片，所以在保存图片时注意要在 plt.show() 前调用 plt.savefig()

基本语法：matplotlib.pyplot.savefig(fname, dpi=None, facecolor='w', edgecolor='w', format=None, transparent=False)

应用举例：

import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] x = range(2, 26, 2) y = range(0, 12) a = [5, 10, 15, 20, 25, 30] b = [3, 4, 5, 6, 7, 8]  line1, = plt.plot(a, b) line2, = plt.plot(x, y)  plt.legend((line1, line2), ('图例一', '图例二'), loc=2, edgecolor='red', facecolor='#F5F5F5') plt.savefig('D:\data\pic.png', transparent=True) # 保存为透明文件 plt.show()