图表自定义

调整 Matplotlib 图表的外观，可以使其更清晰、信息量更大、视觉上更具吸引力。默认设置是功能性的，但自定义功能允许精确控制数据信息的呈现方式。调整标题、标签、颜色和图例等元素，有助于观众快速准确地理解可视化内容。改进 Matplotlib 图表的常用方法在此详细介绍。

添加标题和坐标轴标签

没有标签的图表通常没有意义。至少，你应该为图表提供一个标题，并为 x 轴和 y 轴提供标签，以解释图表所代表的内容以及轴测量的是什么。

你可以使用 matplotlib.pyplot 中的 title()、xlabel() 和 ylabel() 函数（通常导入为 plt）来添加这些。

import matplotlib.pyplot as plt
import numpy as np

# 示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(8, 4)) # 控制图表大小
plt.plot(x, y1)
plt.plot(x, y2)

# 添加标题和标签
plt.title("正弦波和余弦波")
plt.xlabel("X轴值")
plt.ylabel("Y轴值")

plt.show()

这些简单的添加会立即使图表变得易于理解。你还可以自定义这些文本元素的字体大小和其他属性，例如：plt.title("正弦波和余弦波", fontsize=14)。

添加图例

在同一坐标轴上绘制多个数据集时，图例对于区分它们非常重要。要创建图例，首先需要为每个 plot() 调用添加一个 label 参数 (parameter)。然后，调用 plt.legend() 来显示图例框。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(8, 4))

# 为图例添加标签
plt.plot(x, y1, label="正弦波")
plt.plot(x, y2, label="余弦波")

plt.title("带有图例的正弦波和余弦波")
plt.xlabel("X轴值")
plt.ylabel("Y轴值")

# 显示图例
plt.legend()

plt.show()

Matplotlib 会自动找到图例的合适位置，但你可以使用 loc 参数指定位置（例如，plt.legend(loc='upper right')）。常见位置包括 'best'、'upper right'（右上）、'upper left'（左上）、'lower left'（左下）、'lower right'（右下）、'right'（右侧）、'center left'（中左）、'center right'（中右）、'lower center'（中下）、'upper center'（中上）和 'center'（居中）。

控制颜色、线条样式和标记 (token)

通过指定颜色、线条样式和标记类型，你可以显著改变绘制的线条和点的外观。

• 颜色： 可以通过几种方式指定：
  • 短颜色代码（例如，'r' 代表红色，'g' 代表绿色，'b' 代表蓝色，'k' 代表黑色）。
  • 完整颜色名称（例如，'red' 红色，'green' 绿色，'blue' 蓝色，'black' 黑色，'cyan' 青色，'magenta' 品红色，'yellow' 黄色）。
  • 十六进制颜色代码（例如，'#FF5733'）。
  • RGB 或 RGBA 元组（例如，(0.1, 0.2, 0.5) 或 (0.1, 0.2, 0.5, 0.7) 用于透明度）。
• 线条样式： 控制线条本身的外观。常见样式包括：
  • '-' 或 'solid'（默认）
  • '--' 或 'dashed'（虚线）
  • ':' 或 'dotted'（点线）
  • '-.' 或 'dashdot'（点划线）
  • 'None' 或 ' '（无线条）
• 标记： 指定在每个数据点放置的符号。对于散点图或区分点较少的线条很有用。例如：
  • 'o'（圆形）
  • '.'（点）
  • ','（像素）
  • 's'（方形）
  • '+'（加号）
  • 'x'（叉号）
  • '^'（向上三角形）
  • '*'（星形）

这些通常可以组合在一个格式字符串中（例如，'r--o' 表示带有圆形标记的红色虚线），或者使用 color=、linestyle= 和 marker= 等关键字参数 (parameter)指定。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 20) # 点数较少，可清晰看到标记
y1 = np.sin(x)
y2 = np.cos(x)
y3 = y1 * y2

plt.figure(figsize=(10, 5))

# 使用颜色、线条样式和标记自定义图表
plt.plot(x, y1, color='blue', linestyle='--', marker='o', label='正弦波（虚线，圆形）')
plt.plot(x, y2, color='#f03e3e', linestyle=':', marker='s', label='余弦波（点线，方形，红色）') # 使用十六进制颜色
plt.plot(x, y3, 'g-.^', label='乘积（点划线，三角形，绿色）') # 使用格式字符串

plt.title("自定义图表样式")
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.legend(loc='lower left')

plt.show()

尝试这些选项可以帮助你创建视觉上独特且信息丰富的图表。

设置坐标轴范围和刻度

Matplotlib 会根据你的数据自动确定 x 轴和 y 轴的范围。但是，你可能希望设置特定的范围，也许是为了关注某个特定区域或在多个图表之间保持一致性。为此，请使用 plt.xlim() 和 plt.ylim()。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(8, 4))
plt.plot(x, y)

# 设置坐标轴范围
plt.xlim(-1, 11)
plt.ylim(-1.5, 1.5)

plt.title("带有自定义坐标轴范围的正弦波")
plt.xlabel("X轴（扩展范围）")
plt.ylabel("Y轴（扩展范围）")

plt.show()

你还可以使用 plt.xticks() 和 plt.yticks() 控制坐标轴刻度的位置和标签。这对于突出显示特定值或提高可读性很有用。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

plt.figure(figsize=(8, 4))
plt.plot(x, y)

# 为X轴设置自定义刻度位置和标签
tick_locations = [0, np.pi / 2, np.pi, 3 * np.pi / 2, 2 * np.pi]
tick_labels = ['0', 'π/2', 'π', '3π/2', '2π']
plt.xticks(tick_locations, tick_labels)

# 为Y轴设置自定义刻度位置
plt.yticks([-1, 0, 1])

plt.title("带有自定义刻度的正弦波")
plt.xlabel("角度（弧度）")
plt.ylabel("正弦值")

plt.show()

添加文本和标注

有时，你需要直接在绘图区域上添加文本，以标记 (token)特定特征或提供额外上下文 (context)。plt.text() 函数在图表内的指定坐标处放置文本。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = x**2

plt.figure(figsize=(8, 4))
plt.plot(x, y)

# 在坐标 (x=2, y=20) 处添加文本
plt.text(2, 20, "这里有一个有趣的点", fontsize=10, color='red')

plt.title("带文本标注的图表")
plt.xlabel("X值")
plt.ylabel("X的平方")

plt.show()

对于指出特定数据点，plt.annotate() 通常更合适。它允许你添加文本，并附带一个从文本指向特定坐标的箭头。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(8, 4))
plt.plot(x, y)

# 标注第一个峰值
peak_x = np.pi / 2
peak_y = np.sin(peak_x)
plt.annotate('第一个峰值',
             xy=(peak_x, peak_y), # 要标注的点
             xytext=(peak_x + 1, peak_y + 0.5), # 文本位置
             arrowprops=dict(facecolor='black', shrink=0.05, width=1, headwidth=8))

plt.title("带标注和箭头的图表")
plt.xlabel("X值")
plt.ylabel("正弦值")
plt.ylim(-1.5, 2) # 调整Y轴范围为标注留出空间

plt.show()

使用网格线

网格线可以使图表上的值更易于读取，特别是对于精确比较。你可以通过 plt.grid(True) 启用它们。你还可以自定义它们的外观（例如，linestyle、color、alpha）。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 50)
y = np.log(x + 1)

plt.figure(figsize=(8, 4))
plt.plot(x, y, marker='.')

# 添加网格线
plt.grid(True, linestyle='--', alpha=0.6) # 虚线，略透明的网格

plt.title("带网格的对数图")
plt.xlabel("X值")
plt.ylabel("log(X + 1)")

plt.show()

应用样式

Matplotlib 包含几种预定义样式，可以通过一个命令改变图表的整体外观（颜色、字体、背景等）。你可以使用 print(plt.style.available) 列出可用样式，并使用 plt.style.use('style_name') 应用其中一个。这是快速实现专业或特定美观效果（例如模仿 ggplot2 或 FiveThirtyEight 的图表）的方法。

import matplotlib.pyplot as plt
import numpy as np

# 在绘图前应用样式
plt.style.use('seaborn-v0_8-darkgrid') # 示例样式

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(8, 4))
plt.plot(x, y1, label="正弦")
plt.plot(x, y2, label="余弦")

plt.title("使用 'seaborn-v0_8-darkgrid' 样式的图表")
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.legend()

plt.show()

# 如果后续图表需要，记得重置样式
# plt.style.use('default')

通过结合这些自定义方法，你可以将基本图表转换为清晰、引人注目且可用于发布的定制化可视化内容，以适应你的特定数据和受众。请记住，有效的自定义能够提升清晰度；避免添加会使图表混乱或偏离主要信息的元素。