4.13Python数据处理篇之Matplotlib系列(十三)---轴的设置

目录

目录

• 目录
• 前言
• （一）设置轴的范围
  • 1.同时对于x,y轴设置
    • （1）语法说明
    • （2）源代码
    • （3）输出效果
  • 2.分别对与x,y轴的设置
    • （1）语法说明
    • （2）源代码
    • （3）输出效果
• （二）设置刻度的大小
  • 1.普通的刻度设置
    • （1）说明
    • （2）源代码
    • （3）输出效果
  • 2.添加文本的刻度设置
    • （1）说明
    • （2）源代码
    • （3）输出效果
  • 3.主副刻度的设置
    • （1）说明
    • （2）源代码
    • （3）输出效果
• （三）设置轴的数据
  • 1.说明：
  • 2.源代码
  • 3.输出效果：
• （四）设置axes脊柱
  • 1.属性列表
  • 2.实例1-修改默认的坐标样式
    • （1）.说明：
    • （2）.源代码：
    • （3）.输出效果：
  • 3.实例2-带箭头的坐标系
    • （1）说明：
    • （2）源代码：
    • （3）输出效果：
    • 作者：Mark
    • 日期：2019/03/13 周三

前言

本章节讲的是关于轴的设置，尽可能举例多种情况。

（一）设置轴的范围

1.同时对于x,y轴设置

（1）语法说明

plt.axis([xmin, xmax, ymin, ymax])

（2）源代码

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 数据
x = np.linspace(-10, 10, 100)
y = x**2

# 绘图
plt.plot(x, y)

# 设置轴的范围
plt.axis([-6, 7, -1, 30])

# 展示
plt.show()

（3）输出效果

2.分别对与x,y轴的设置

（1）语法说明

1. 对于x轴：plt.xlim(start, end)
2. 对于y轴：plt.ylim(start, end)

如果是使用ax对象设置范围的话，则可在前加set_命令

ax.set_xlim(start, end), ax.set_ylim(start, end), 其他的命令类似如此。

（2）源代码

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 数据
x = np.linspace(-10, 10, 100)
y = x**2

# 绘图
plt.plot(x, y)

# 设置轴的范围
plt.xlim(-3, 8)
plt.ylim(-2, 50)

# 展示
plt.show()

（3）输出效果

（二）设置刻度的大小

1.普通的刻度设置

（1）说明

x轴的刻度：plt.xticks(item)

y轴的刻度：plt.yticks(item)

（2）源代码

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 数据
x = np.linspace(-10, 10, 100)
y = x**2

# 绘图
plt.plot(x, y)

# 设置轴的刻度
plt.xticks(range(-8, 8, 2))
plt.yticks([0, -3, -6, 7, 15, 20, 37, 48, 72])

# 展示
plt.show()

（3）输出效果

2.添加文本的刻度设置

（1）说明

其实就是在设置刻度的基础上，在添加一个列表，来显示刻度。

如：plt.xticks(['数据'], ["标签"])

（2）源代码

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 数据
x = np.linspace(-10, 10, 100)
y = x**2

# 绘图
plt.plot(x, y)

# 设置轴的刻度
plt.xticks(range(-8, 8, 2))
plt.yticks([0, 40, 60], ["bad", 'good', "best"])

# 展示
plt.show()

（3）输出效果

3.主副刻度的设置

（1）说明

1. 需要导入：from matplotlib.ticker import MultipleLocator, FormatStrFormatter 模块
2. 主刻度:（y轴同理）
   1. 倍数：ax.xaxis.set_major_locator(MultipleLocator(倍数))
   2. 文本格式：ax.xaxis.set_major_formatter(FormatStrFormatter('%占位数.小数点数f'))
3. 副刻度：（将"major"改为"minor"即可）
   1. 倍数：ax.xaxis.set_minor_locator(MultipleLocator(倍数))
   2. 文本格式：ax.xaxis.set_minor_formatter(FormatStrFormatter('%占位数.小数点数f'))

（2）源代码

# 导入模块
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
import numpy as np

# 数据
x = np.linspace(-30, 30, 100)
y = x**2

# 绘图
plt.plot(x, y)

ax = plt.gca()
# 设置轴的主刻度
# x轴
ax.xaxis.set_major_locator(MultipleLocator(20))  # 设置20倍数
ax.xaxis.set_major_formatter(FormatStrFormatter('%5.1f'))  # 设置文本格式

# y轴
ax.yaxis.set_major_locator(MultipleLocator(100))  # 设置100倍数
ax.yaxis.set_major_formatter(FormatStrFormatter('%1.2f'))  # 设置文本格式

# 设置轴的副刻度
# x轴
ax.xaxis.set_minor_locator(MultipleLocator(5))  # 设置10倍数
# ax.xaxis.set_minor_formatter(FormatStrFormatter('%2.1f'))  # 设置文本格式

# y轴
ax.yaxis.set_minor_locator(MultipleLocator(50))  # 设置50倍数
# ax.yaxis.set_minor_formatter(FormatStrFormatter('%1.0f'))  # 设置文本格式

# 设置网格
ax.xaxis.grid(True, which='major')  # x坐标轴的网格使用主刻度
ax.yaxis.grid(True, which='minor')  # y坐标轴的网格使用次刻度

# 展示
plt.show()

（3）输出效果

（三）设置轴的数据

1.说明：

以x轴的数为日期，再以plt.gcf().autofmt_xdate()来旋转显示日期数据。

2.源代码

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 数据
N = 4
y = np.random.randint(-20, 20, (1, N)).flatten()

x = ["2019-3-13", "2019-3-14", "2019-3-15", "2019-3-16"]

# 绘图
plt.plot(x, y)

# 旋转日期显示
plt.gcf().autofmt_xdate()

# 展示
plt.show()

3.输出效果：

（四）设置axes脊柱

1.属性列表

ax.spines[' '].xxx	说明	默认值
set_visible(bool)	边框的可见性	True
ax.xaxis.set_ticks_position({"top","left"……})	刻度的显示位置	外面(不是ax.spines[' '].)
set_position({"top","left"……}）	边框的位置	左下角为交点
set_color(string)	边框的颜色	“black"（当值为None也是隐藏）
set_linewidth(int)	边框的宽度	1
set_linestyle(string)	边框的线性	”-“

2.实例1-修改默认的坐标样式

（1）.说明：

设置反方向(y轴同理):

x轴反向:ax.invert_xaxis()

（2）.源代码：

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 数据
x = np.linspace(-10, 10, 100)
y = x**2

# 绘图
plt.plot(x, y)

ax = plt.gca()
# ===设置脊(边框)===
# 1.隐藏上与右的边框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_color(None)

# 2.设置颜色
ax.spines['left'].set_color('b')
ax.spines['bottom'].set_color('r')

# 3.设置线宽
ax.spines['left'].set_linewidth(5)
ax.spines['bottom'].set_linewidth(3)

# 4.设置线形
ax.spines['left'].set_linestyle('--')
ax.spines['left'].set_linestyle('-.')

# 5.设置交点位置（0， 35）
ax.spines['left'].set_position(('data', 0))
ax.spines['bottom'].set_position(('data', 35))

# 6.设置数据显示的位置
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('right')

# 7.设置反方向(y轴同理)
ax.invert_xaxis()  # x轴反向

# 展示
plt.show()

（3）.输出效果：

3.实例2-带箭头的坐标系

（1）说明：

需要导入：import mpl_toolkits.axisartist as axisartist

大致步骤如下：

1. 隐藏原有的边框坐标系
2. 创建新的坐标系
3. 添加箭头

注意：再创建新的坐标系时ax.new_floating_axis(0, 0)

1. 第一个参数：0表示横线，1表示竖线
2. 第二格参数：表示经过那个坐标点。

（2）源代码：

# 导入模块
import matplotlib.pyplot as plt
import mpl_toolkits.axisartist as axisartist

import numpy as np

# 数据
x = np.linspace(-10, 10, 100)
y = x**2

# 创建画布
fig = plt.figure(figsize=(4, 6))
ax = axisartist.Subplot(fig, 111)
# 将绘图区对象添加到画布中
fig.add_axes(ax)

# ===带箭头坐标系的设置===
# 1.隐藏原有的边框坐标系
ax.axis[:].set_visible(False)

# 2.创建新的坐标系
ax.axis["x"] = ax.new_floating_axis(0, 0)
ax.axis["y"] = ax.new_floating_axis(1, 0)

# 3.添加箭头
ax.axis["x"].set_axisline_style("->", size=2.0)
ax.axis["y"].set_axisline_style("->", size=1.0)

# 绘图
ax.plot(x, y)

# 展示
plt.show()

（3）输出效果：

作者：Mark

日期：2019/03/13 周三