Matplotlib——图形的完善修饰plt.legend、plt.gca、set

发布时间：2024-12-01 18:24

如何在Python中使用matplotlib绘制图表：使用pyplot库 #生活技巧# #数码产品使用技巧# #设计软件使用技巧#

图例的注释plt.legend()

plt.legend(loc=’’, title=,fontsize=12, frameon=True, fancybox=True, framealpha=0.2, borderpad=0.3, ncol=1, markerfirst=True, markerscale=1, bbox_to_anchor=,numpoints=1, handlelength=3.5,shadow=)
参数意义：
**loc:**图例位置(‘best’=0, ‘upper right’=1, ‘upper left’=2, ‘lower left’=3, ‘lower right’=4, ‘right’=5, ‘center left’=6, ‘center right’=7, ‘lower center’=8, ‘upper center’=9, ‘center’=10) ，使用了bbox_to_anchor，则该项无效
frameon： 是否显示图例边框
fontsize：字体大小
ncol： 图例的列的数量，默认为1
shadow: 是否为图例边框添加阴影
fancybox: 是否将图例框的边角设为圆形
fancybox: 有4个参数，第一个代表横坐标是图形宽度的几倍，第二个代表纵坐标，同理，第三和第四个表示框的长度和宽度
在这里插入图片描述

画布参数

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

**num:**图像编号或名称
**figsize:**指定figure的宽和高，单位为英寸；
dpi:参数指定绘图对象的分辨率
**facecolor:**背景颜色
**edgecolor:**边框颜色
**frameon:**是否显示边框

fig=plt.figure() ax=fig.add_axes([a,b,c,d]) 12

fig.add_axes的参数意义：
将图像移动（a,b）个单位
**a:**距离最左边距离
**b:**距离最下边距离
**c、d:**以左下角为起点的画布长和宽

plt.title(sting,family,size,color,style,loc)

**string：**标题内容
**family：**字体类别
**size：**字体大小
**color：**字体大小
**style：**风格
**loc：**位置

数据的横坐标修改

注意需要将要作为横坐标标签的索引使用pd.to_datetime转换

import numpy as np import pandas as pd import os import matplotlib.pyplot as plt import matplotlib as mpl os.chdir(r'C:\Users\MAR\Desktop\新建文件夹') #读取数据 data=pd.read_csv(r'my_csv_date.csv',encoding='gbk') print(data) print(data.dtypes) #！！！！必须将数据转换成日期型，否则出现没有日期数据无法转换 #data['顺序']=pd.to_datetime(data['顺序'])#和下面一句功能一样 data.顺序=pd.to_datetime(data.顺序) #计算出按照‘顺序’作为索引的平均值 data1=data.groupby(by='顺序').mean() print(data1) print(data1.dtypes) #解决中文乱码问题 plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False #获取当前坐标 ax=plt.gca() data_format=mpl.dates.DateFormatter('%Y-%m-%d') ax.xaxis.set_major_formatter(data_format) # # 设置多少标签 xlocator= mpl.ticker.LinearLocator(12) # # 自动设置主要标签 ax.xaxis.set_major_locator(xlocator) plt.plot(data1.index,data1.属1,linestyle='-',linewidth=3,color='blue') plt.xticks(rotation= -45) plt.show()

1234567891011121314151617181920212223242526272829303132333435363738

在这里插入图片描述

为图形添加文本

import numpy as np import pandas as pd import os import matplotlib.pyplot as plt import matplotlib as mpl os.chdir(r'C:\Users\MAR\Desktop\新建文件夹') #读取数据,不修改 data=pd.read_csv(r'my_csv_date.csv',encoding='gbk') print(data) #将数据重新设置索引分组 plt.bar(x=data.index.values,height=data.属1,linestyle='-',linewidth=3,color='lightblue',\ tick_label=data.顺序) plt.xticks(data.index,rotation= -45) #未对信息处理 plt.show() #对信息求和处理 data=data.groupby(by='顺序').sum() print(data) plt.bar(x=data.index.values,height=data.属1,linestyle='-',linewidth=3,color='lightblue',\ tick_label=data.index) plt.xticks(data.index,rotation= -45) #无指向型注释文本 plt.text(-1,6,'最大属性',fontsize=15,color='red') #有指向型，xy表示箭头位置，xytext表示文本开始位置，arrow是字典类型的数据 plt.annotate('最大位置',xy=(2,20),xytext=(4,17),color='orange',fontsize=15,\ arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color='red')) plt.show()

1234567891011121314151617181920212223242526272829

注释文本可箭头位置方法如图中绿色线的交点所示，对数据进行重新设置索引后再处理
在这里插入图片描述