【8】python_matplotlib改变横坐标和纵坐标上的刻度(ticks)、sagemath-list_plot()调整图例(legend)中点的数量、Matplotlib画各种论文图

1.python_matplotlib改变横坐标和纵坐标上的刻度(ticks)

用matplotlib画二维图像时，默认情况下的横坐标和纵坐标显示的值有时达不到自己的需求，需要借助xticks()和yticks()分别对横坐标x-axis和纵坐标y-axis进行设置。

import numpy as np
import matplotlib.pyplot as plt
x = range(1,13,1)
y = range(1,13,1)
plt.plot(x,y)
plt.xticks(x)
plt.show()

参考文档：xticks()函数介绍      yticks()函数介绍

xticks()中有3个参数：

xticks(locs, [labels], **kwargs)  # Set locations and labels

locs参数为数组参数(array_like, optional)，表示x-axis的刻度线显示标注的地方，即ticks放置的地方，

• 第一如果希望显示1到12所有的整数，就可以将locs参数设置为range(1,13,1)，
• 第二个参数也为数组参数(array_like, optional)，可以不添加该参数，表示在locs数组表示的位置添加的标签，labels不赋值，在这些位置添加的数值即为locs数组中的数。

xticks()函数中，locs参数为数组x，即1到12所有的整数， 即画出的图像会在这12个位置画出ticks，即上图中的刻度线。

当赋予labels的值为空时，则在locs决定的位置上虽然会画出ticks，但不会显示任何值。

import numpy as np
import matplotlib.pyplot as plt
x = range(1,13,1)
y = range(1,13,1)
plt.plot(x,y)
plt.xticks(x,())
plt.show()

对于labels参数，我们可以赋予其任意其它的值，如人名，月份等等。

import numpy as np
import matplotlib.pyplot as plt
x = range(1,13,1)
y = range(1,13,1)
plt.plot(x,y)
plt.xticks(x, ('Tom','Dick','Harry','Sally','Sue','Lily','Ava','Isla','Rose','Jack','Leo','Charlie'))
plt.show()

可以显示月份：

import numpy as np
import matplotlib.pyplot as plt
import calendar
x = range(1,13,1)
y = range(1,13,1)
plt.plot(x,y)
plt.xticks(x, calendar.month_name[1:13],color='blue',rotation=60)
plt.show()

这里添加了 calendar 模块，用于显示月份的名称。calendar.month_name[1:13]即1月份到12月份每个月份的名称的数组。后面的参数color='blue'表示将标签颜色置为蓝色，rotation表示标签逆时针旋转60度。

通过上个示例，可看出第3个参数关键字参数**kwargs用于控制labels，具体可通过Text属性中的定义，添加到该参数中，关于其定义可参考在 Text 查询。

另外，通过第1个参数locs可以看出，xticks()函数还可以用来设置使x轴上ticks隐藏，即将空数组赋予它，则没有tick会显示在x轴上，此处参考：x轴数值隐藏。

import numpy as np
import matplotlib.pyplot as plt
import calendar
x = range(1,13,1)
y = range(1,13,1)
plt.plot(x,y)
plt.xticks([])
plt.show()

可看出x轴上没有tick显示：

同理，对于yticks()函数定义和xticks()函数定义完全相同。对于第一个例子，如果希望在y轴上的刻度线也显示1到12所有的整数，则将lens(1,13,1)赋予yticks()的locs参数即可：

import numpy as np
import matplotlib.pyplot as plt
import calendar
x = range(1,13,1)
y = range(1,13,1)
plt.plot(x,y)
plt.xticks(x)
plt.yticks(y)
plt.show()

综上，可以设计一个x轴为月份，y为星期的图像：

import numpy as np
import matplotlib.pyplot as plt
import calendar
from datetime import *
x = range(1,13,1)
y = range(1,13,1)
plt.plot(x,y)
plt.xticks(x, calendar.month_name[1:13],color='blue',rotation=60)
today = datetime(2018, 9, 10)
a=[]
for i in range(12):
    a.append(calendar.day_name[today.weekday()+(i%7)])
plt.yticks(y,a,color='red')
plt.show()

参考链接：https://blog.csdn.net/Poul_henry/article/details/82590392?spm=1001.2014.3001.5501

2.sagemath-list_plot()调整图例(legend)中点的数量

sagemath中的list_plot画二维散点图时，本来落在二维空间的就是一些离散的点，所以想加上图例(legend)，在图例中显示和这些点相同的一个点，用以代表这些所有的点是表示了什么，但往往显示的是3个点，代码和效果如下：

a=range(10)
b=range(10)

plot1 = list_plot(zip(a,b),plotjoined=False,color=(0,.5,1),marker='o',ticks=[range(10),range(10)],legend_label='Original Data Points',legend_color='red',pointsize=50)

plot1.axes_labels(['x coordinate ','y coordinate'])
plot1.axes_labels_size(1.2)
plot1.legend(True)
plot1.show(frame=True,legend_loc='lower right',legend_markerscale=0.6,legend_font_size=10)

本来自己的原意是在legend中只出现1个圆点，1个点代表在这个二维空间中出现的10个点的意思是”Original Data Points“ ，但结果是出现了3个点，影响可读性。

为了增强可读性，使点的数量变为1个，自己去查了官方文档（PDF版本，可下载）: 2D Graphics - SageMath Documentation

该文档显示它的默认值为2，但由于这两个函数save()和show()都是包含于plot()函数中的参数，明确指出是作用于线条(line)。

•  将list_plot()的参数plotjoined改为True
•  当加入参数legend_numpoints，使legend_numpoints=1:

a=range(10)
b=range(10)

plot1 = list_plot(zip(a,b),plotjoined=True,color=(0,.5,1),marker='o',ticks=[range(10),range(10)],legend_label='Original Data Points',legend_color='red')

plot1.axes_labels(['x coordinate ','y coordinate'])
plot1.axes_labels_size(1.2)
plot1.legend(True)
plot1.show(frame=True,legend_loc='lower right',legend_numpoints=1,legend_markerscale=0.6,legend_font_size=10)

现在虽然知道legend_numpoints参数可以调节表示线条的图中legend里面点的数量，但对于离散的点，还是没有解决问题。

之后我又参考了python中matplotlib的关于legend官方文档：legend and legend_handler

里面有介绍legend类中的参数，里面有介绍两个参数：numpoints和scatterpoints:

numpoints作用于2D的线条，而scatterpoints作用于离散点。

这里也参考了stack overflow的一个问答：Setting a fixed size for points in legend 该问题是如何设置图例中点的大小，而不是点的数量。

所以考虑将legend_numpoints参数换作legend_scatterpoints，用于show()函数，并设置legend_scatterpoints=1。

代码改为：

a=range(10)
b=range(10)
plot1 = list_plot(zip(a,b),plotjoined=False,color=(0,.5,1),marker='o',ticks=[range(10),range(10)],legend_label='Original Data Points',legend_color='red',pointsize=50)

plot1.axes_labels(['x coordinate ','y coordinate'])
plot1.axes_labels_size(1.2)
plot1.legend(True)
plot1.show(frame=True,legend_loc='lower right',legend_scatterpoints=1,legend_markerscale=1.,legend_font_size=10)

效果完成，美观了。

参考链接：https://blog.csdn.net/Poul_henry/article/details/88561163?spm=1001.2014.3001.5501

3.Matplotlib画各种论文图

可以，保存svg，再转成emf矢量图贴在文章里。在线转换工具。

# coding=utf-8

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Arial']  # 如果要显示中文字体,则在此处设为：SimHei
plt.rcParams['axes.unicode_minus'] = False  # 显示负号

x = np.array([1, 2, 3, 4, 5, 6])
VGG_supervised = np.array([2.9749694, 3.9357018, 4.7440844, 6.482254, 8.720203, 13.687582])
VGG_unsupervised = np.array([2.1044724, 2.9757383, 3.7754183, 5.686206, 8.367847, 14.144531])
ourNetwork = np.array([2.0205495, 2.6509762, 3.1876223, 4.380781, 6.004548, 9.9298])

# label在图示(legend)中显示。若为数学公式,则最好在字符串前后添加"$"符号
# color：b:blue、g:green、r:red、c:cyan、m:magenta、y:yellow、k:black、w:white、、、
# 线型：-  --   -.  :    ,
# marker：.  ,   o   v    <    *    +    1
plt.figure(figsize=(10, 5))
plt.grid(linestyle="--")  # 设置背景网格线为虚线
ax = plt.gca()
ax.spines['top'].set_visible(False)  # 去掉上边框
ax.spines['right'].set_visible(False)  # 去掉右边框

plt.plot(x, VGG_supervised, marker='o', color="blue", label="VGG-style Supervised Network", linewidth=1.5)
plt.plot(x, VGG_unsupervised, marker='o', color="green", label="VGG-style Unsupervised Network", linewidth=1.5)
plt.plot(x, ourNetwork, marker='o', color="red", label="ShuffleNet-style Network", linewidth=1.5)

group_labels = ['Top 0-5%', 'Top 5-10%', 'Top 10-20%', 'Top 20-50%', 'Top 50-70%', ' Top 70-100%']  # x轴刻度的标识
plt.xticks(x, group_labels, fontsize=12, fontweight='bold')  # 默认字体大小为10
plt.yticks(fontsize=12, fontweight='bold')
# plt.title("example", fontsize=12, fontweight='bold')  # 默认字体大小为12
plt.xlabel("Performance Percentile", fontsize=13, fontweight='bold')
plt.ylabel("4pt-Homography RMSE", fontsize=13, fontweight='bold')
plt.xlim(0.9, 6.1)  # 设置x轴的范围
plt.ylim(1.5, 16)

# plt.legend()          #显示各曲线的图例
plt.legend(loc=0, numpoints=1)
leg = plt.gca().get_legend()
ltext = leg.get_texts()
plt.setp(ltext, fontsize=12, fontweight='bold')  # 设置图例字体的大小和粗细

plt.savefig('./filename.svg', format='svg')  # 建议保存为svg格式,再用inkscape转为矢量图emf后插入word中
plt.show()

效果：

其余详细补充：

import matplotlib.pyplot as plt
from matplotlib.pyplot import figure
import numpy as np

figure(num=None, figsize=(2.8, 1.7), dpi=300)
# figsize的2.8和1.7指的是英寸，dpi指定图片分辨率。那么图片就是（2.8*300）*（1.7*300）像素大小

plt.plot(test_mean_1000S_n, 'royalblue', label='without threshold')
plt.plot(test_mean_1000S, 'darkorange', label='with threshold')
# 画图，并指定颜色

plt.xticks(fontproperties = 'Times New Roman', fontsize=8)
plt.yticks(np.arange(0, 1.1, 0.2), fontproperties = 'Times New Roman', fontsize=8)
# 指定横纵坐标的字体以及字体大小，记住是fontsize不是size。yticks上我还用numpy指定了坐标轴的变化范围。

plt.legend(loc='lower right', prop={'family':'Times New Roman', 'size':8})
# 图上的legend，记住字体是要用prop以字典形式设置的，而且字的大小是size不是fontsize，这个容易和xticks的命令弄混

plt.title('1000 samples', fontdict={'family' : 'Times New Roman', 'size':8})
# 指定图上标题的字体及大小

plt.xlabel('iterations', fontdict={'family' : 'Times New Roman', 'size':8})
plt.ylabel('accuracy', fontdict={'family' : 'Times New Roman', 'size':8})
# 指定横纵坐标描述的字体及大小

plt.savefig('F:/where-you-want-to-save.png', dpi=300, bbox_inches="tight")
# 保存文件，dpi指定保存文件的分辨率
# bbox_inches="tight" 可以保存图上所有的信息，不会出现横纵坐标轴的描述存掉了的情况

plt.show()
# 记住，如果你要show()的话，一定要先savefig，再show。如果你先show了，存出来的就是一张白纸。

参考链接：https://www.cnblogs.com/luckyplj/p/12906509.html