matplotlib绘制极坐标图最全面总结

怼烎@ 2023-06-25 03:08 2阅读 0赞

### 文章目录 ###

*  matplotlib绘图总结
 *   *  基础概念图示
     *  接口说明
     *  基础操作
     *   *  1 图像本身设置
         *   *  1.1 图像的长宽比例设置
             *  1.2 图像的清晰度
         *  1 标题
         *   *  1.1 修改标题
         *  2，网格线设置
         *  3，点设置
         *  4 坐标轴设置
         *   *  4.1 设置坐标轴的范围
             *  4.2 隐藏坐标轴，只显示刻度
             *  4.3 将网格放在图下边
         *  图例设置
         *   *  1，将图例放在图外
             *  2，设置图例的位置
             *  3，设置图例的列数
     *  实例展示
     *   *  一极坐标两条线
         *  一个窗口多张图
         *  更改横纵坐标轴刻度
     *  常见问题汇总
     *   *  1，无法正确显示中文
     *  属性大全
     *   *  颜色样式
         *  线条风格
         *  线条标记
         *  参考文献

# matplotlib绘图总结 #

## 基础概念图示 ##

![Alt][]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70]

> 在绘图结构中，figure创建窗口，subplot创建子图。所有的绘画只能在子图上进行。plt表示当前子图，若没有就创建一个子图。所有你会看到一些教程中使用plt进行设置，一些教程使用子图属性进行设置。他们往往存在对应功能函数。

## 接口说明 ##

`axex:` 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示  
`figure:` 控制dpi、边界颜色、图形大小、和子区( subplot)设置  
`font:` 字体集（font family）、字体大小和样式设置  
`grid:` 设置网格颜色和线性  
`legend:` 设置图例和其中的文本的显示  
`line:` 设置线条（颜色、线型、宽度等）和标记  
`patch:` 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。  
`savefig:` 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。  
`verbose:`设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。  
`xticks和yticks:` 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。  
`xlim、ylim：` 设置横纵坐标轴范围  
`xlabel、ylabel:` 设置坐标轴名称

## 基础操作 ##

### 1 图像本身设置 ###

#### 1.1 图像的长宽比例设置 ####

调整大小，更符合画的图像的长宽比例

plt.rcParams['figure.figsize'] = (8.0, 4.0) # 设置figure_size尺寸

#### 1.2 图像的清晰度 ####

plt.rcParams['savefig.dpi'] = 300 # 图片像素
    plt.rcParams['figure.dpi'] = 300 # 分辨率

### 1 标题 ###

#### 1.1 修改标题 ####

主要是针对多图问题。如果只有一张图那么使用`plt.title("你的名字")`即可。多图问题需要使用`ax.set_titile("name")`

import matplotlib.pyplot as plt
    import numpy as np
    plt.figure(figsize=(6, 6.5))
    for i in range(4):
        ax = plt.subplot(221+i)
        alpha = 0.98 / 4 * i + 0.01
        ax.set_title('%.3f' % alpha)
        t1 = np.arange(0.0, 1.0, 0.01)
        for n in [1, 2, 3, 4]:
            plt.plot(t1, t1 ** n, label="n=%d" % n)
        leg = plt.legend(loc='best', ncol=4, mode="expand", shadow=True)
        leg.get_frame().set_alpha(alpha)
    
    plt.savefig('1.png')
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 1]

### 2，网格线设置 ###

[连接][Link 1]

### 3，点设置 ###

[参考][Link 2]  
marker就是描述的点的样式

plt.plot(x, y1, marker='o', mec='r', mfc='w')

### 4 坐标轴设置 ###

#### 4.1 设置坐标轴的范围 ####

括号里是起始数值和结束数值。

plt.xlim((-5, 5))
    plt.ylim((-2, 2))

#### 4.2 隐藏坐标轴，只显示刻度 ####

实现此功能，但是用到的不是坐标轴参数！而是去掉图的边框。效果图如下  
设置前：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 2]  
设置后：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 3]

#### 4.3 将网格放在图下边 ####

ax表示开始图中的区域

ax.set_axisbelow(True)

设置之前：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 4]  
设置之后：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 5]

### 图例设置 ###

图例所有[属性连接][Link 3]

#### 1，将图例放在图外 ####

主要是用到了`bbox_to_anchor`属性，相关[参考][Link 4]

ax4.legend(loc=2, bbox_to_anchor=(0.5, -0.4))

bbox\_to\_anchor关键字为手动设置图例提供了很大帮助。主要参数设置为(x\_loc, y\_loc)，其中，参数设置参考下图：也可设置负数  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 6]

#### 2，设置图例的位置 ####

plt.legend(loc = 0)

<table> 
 <thead> 
  <tr> 
   <th>位置字符串描述</th> 
   <th>位置编码</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>‘best’</td> 
   <td>0</td> 
  </tr> 
  <tr> 
   <td>‘upper right’</td> 
   <td>1</td> 
  </tr> 
  <tr> 
   <td>‘upper left’</td> 
   <td>2</td> 
  </tr> 
  <tr> 
   <td>‘lower left’</td> 
   <td>3</td> 
  </tr> 
  <tr> 
   <td>‘lower right’</td> 
   <td>4</td> 
  </tr> 
  <tr> 
   <td>‘right’</td> 
   <td>5</td> 
  </tr> 
  <tr> 
   <td>‘center left’</td> 
   <td>6</td> 
  </tr> 
  <tr> 
   <td>‘center right’</td> 
   <td>7</td> 
  </tr> 
  <tr> 
   <td>‘lower center’</td> 
   <td>8</td> 
  </tr> 
  <tr> 
   <td>‘upper center’</td> 
   <td>9</td> 
  </tr> 
  <tr> 
   <td>‘center’</td> 
   <td>10</td> 
  </tr> 
 </tbody> 
</table>

#### 3，设置图例的列数 ####

主要实现功能：实现图例的一行排开效果，主要用到了`nclo`属性，其数字就是列数，

ax.legend(loc=8, ncol=3)

![在这里插入图片描述][20200402135554413.png]

## 实例展示 ##

### 一极坐标两条线 ###

#导入包
    import matplotlib.pyplot as plt
    import numpy as np
    
    #创建数据
    x = np.linspace(-5, 5, 100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    
    #创建figure窗口
    plt.figure(num=3, figsize=(8, 5))
    #画曲线1
    plt.plot(x, y1)
    #画曲线2
    plt.plot(x, y2, color='blue', linewidth=5.0, linestyle='--')
    #设置坐标轴范围
    plt.xlim((-5, 5))
    plt.ylim((-2, 2))
    #设置坐标轴名称
    plt.xlabel('xxxxxxxxxxx')
    plt.ylabel('yyyyyyyyyyy')
    #设置坐标轴刻度
    my_x_ticks = np.arange(-5, 5, 0.5)
    my_y_ticks = np.arange(-2, 2, 0.3)
    plt.xticks(my_x_ticks)
    plt.yticks(my_y_ticks)
    
    #显示出所有设置
    plt.show()

结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 7]

### 一个窗口多张图 ###

import numpy as np
    import matplotlib.pyplot as plt
    
    x = np.arange(-5, 5, 0.1)
    y = x * 3
    
    # 一个窗口，多个图，多条数据
    # 将窗口分成2行1列，在第1个作图，并设置背景色
    sub1=plt.subplot(211, facecolor=(0.1843,0.3098,0.3098))  
    sub2=plt.subplot(212)   # 将窗口分成2行1列，在第2个作图
    sub1.plot(x,y)          # 绘制子图
    sub2.plot(x,y)          # 绘制子图
    
    # 添加一个子坐标系，rect=[左, 下, 宽, 高]
    axes1 = plt.axes([.2, .3, .1, .1], facecolor='y')  
    plt.plot(x, y)          # 绘制子坐标系
    # 添加一个子坐标系，rect=[左, 下, 宽, 高] 
    axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y')  
    plt.plot(x, y)
    
    plt.show()

结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 8]

### 更改横纵坐标轴刻度 ###

显示x轴的刻标以及对应的标签  
`xticks(原始数据横坐标数组, 替代的数组 )`

import matplotlib.pyplot as plt
    import numpy as np
    
    # 创建数据
    x = np.linspace(-5, 5, 100)
    y1 = np.sin(x)
    
    # 创建figure窗口
    plt.figure(num=3, figsize=(8, 5))
    # 画曲线1
    plt.plot(x, y1)
    
    # 设置坐标轴范围
    plt.xlim((-5, 5))  # 也可写成plt.xlim(-5, 5)
    plt.ylim((-2, 2))  # 也可写成plt.ylim(-2, 2)
    # 设置坐标轴名称
    
    plt.xlabel("Data sets", fontsize=13, fontweight='bold')
    plt.ylabel("Accuracy", fontsize=13, fontweight='bold')
    
    # 设置坐标轴刻度
    my_x_ticks = np.arange(-4, 4, 2)
    my_y_ticks = np.arange(-2, 2, 0.5)
    # 将原来的横坐标替换为 a b c d
    plt.xticks(my_x_ticks, ('a', 'b', 'c', 'd'))
    plt.yticks(my_y_ticks)
    # 显示出所有设置
    plt.show()

结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 9]

## 常见问题汇总 ##

### 1，无法正确显示中文 ###

[解决方案参考][Link 5]  
有两种方案，一种是每次在代码中配置，另外一种是修改配置文件，为了方便，我一般适用第一种。即在代码前边加上

import matplotlib.pyplot as plt
    #coding:utf-8
    plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
    plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
    #有中文出现的情况，需要u'内容'

## 属性大全 ##

### 颜色样式 ###

别名             颜色   
    
    b               蓝色  
    g               绿色
    r               红色  
    y               黄色
    c               青色
    k               黑色   
    m               洋红色 
    w               白色

如果这两种颜色不够用，还可以通过两种其他方式来定义颜色值：

1、使用`HTML十六进制字符串` color=’\#123456’  
2、使用合法的HTML`颜色名字`（’red’,’chartreuse’等）。

### 线条风格 ###

线条风格linestyle或ls         描述
    
    ‘-‘                         实线  
    ‘:’                         虚线   
    ‘–’                         破折线 
    ‘None’,’ ‘,’’               什么都不画    
    ‘-.’                        点划线

### 线条标记 ###

标记maker            描述
    
    ‘o’                 圆圈  
    ‘.’                 点
    ‘D’                 菱形  
    ‘s’                 正方形
    ‘h’                 六边形1    
    ‘*’                 星号
    ‘H’                 六边形2    
    ‘d’                 小菱形
    ‘_’                 水平线 
    ‘v’                 一角朝下的三角形
    ‘8’                 八边形 
    ‘<’                 一角朝左的三角形
    ‘p’                 五边形 
    ‘>’                 一角朝右的三角形
    ‘,’                 像素  
    ‘^’                 一角朝上的三角形
    ‘+’                 加号  
    ‘\  ‘               竖线
    ‘None’,’’,’ ‘       无   
    ‘x’                 X

### 参考文献 ###

[参考链接：数据架构师][Link 6]  
[参考链接：xtingjie][xtingjie]  
[参考链接：煲饭酱][Link 7]  
[参考链接：开码牛][Link 8]

> 强烈推荐  
> 如果忘记可以看这篇[Python–matplotlib绘图][Python_matplotlib]

[Alt]: https://img-blog.csdnimg.cn/20191225091537620.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_8,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191225092030809.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2020031112430975.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[Link 1]: https://blog.csdn.net/weixin_41789707/article/details/81035997
[Link 2]: https://blog.csdn.net/helunqu2017/article/details/78629136
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200401231521156.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200401231542675.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200401205830631.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200401205853412.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[Link 3]: https://blog.csdn.net/helunqu2017/article/details/78641290
[Link 4]: https://blog.csdn.net/John_xyz/article/details/54754937
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200402134948968.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[20200402135554413.png]: https://img-blog.csdnimg.cn/20200402135554413.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/2019122509303258.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20191225094418522.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20191225101757635.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[Link 5]: https://www.zhihu.com/question/25404709
[Link 6]: https://blog.csdn.net/luanpeng825485697/article/details/78508819
[xtingjie]: https://blog.csdn.net/xtingjie/article/details/71156743
[Link 7]: https://blog.csdn.net/weixin_40040404/article/details/81185564
[Link 8]: https://blog.csdn.net/helunqu2017/article/details/78736415
[Python_matplotlib]: https://blog.csdn.net/guoziqing506/article/details/78975150