基础示例

基础设置

首先进行基础的全局设置，无论是绘制什么图形，这些代码都是必不可少的

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

# 进行必要的全局设置，让matplotlilb支持中文
plt.rcParams.update(
    {
        "font.sans-serif": "SimSun",
        "axes.unicode_minus": False,
    }
)

绘图样式

增添一个绘图样式

myenv = {
    "figure.figsize": (4.8, 3.6),  # 定义图片的长宽
    # figure.figsize和dpi相乘就是图片长宽的具体像素值
    "savefig.dpi": 200,  # savefig.dpi是保存图片时的分辨率参数
    "figure.dpi": 150,  # figure.dpi是临时显示图片时的分辨率参数
    # plot或scatter的每个系列的marker不一样
    "axes.prop_cycle": cycler(
        marker=["o", "^", "s"],
        color=plt.get_cmap("Set1")(np.arange(0, 9, 3)),
    ),
    # 线粗和标记大小
    "lines.linewidth": 1,  # 默认值
    "lines.markersize": 3,  # 和上述分辨率配合较好
    # 经验证明下述文字大小和上述分辨率配合较好
    "legend.fontsize": 8,
    "xtick.labelsize": 12,
    "ytick.labelsize": 12,
    "axes.labelsize": 12,
    "mathtext.fontset": "stix",  # 公式字体，此项不要修改
}

绘制基本图形

with plt.rc_context(myenv):
    fig, axe = plt.subplots(1, 1)
    # ========绘制========
    x_array = [1, 3, 5, 7, 9]
    y_array = (2, 7, 1, 4, 3)
    y_array2 = [8, 6, 4, 2, 0]
    axe.plot(x_array, y_array, label="图例1")
    axe.plot(x_array, y_array2, label="图例2")
    # 详细说明：https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.legend.html
    axe.legend()
    axe.set_ylabel("数量")
    axe.set(xlabel="时间/h")
    # ========整体布局========
    # 防止xlabel或者ylabel超出保存或者显示范围
    fig.tight_layout()
    # 注意show或者save要写在with里面
    plt.show()
    # svg一般优于png，导出svg格式的图像时savefig.dpi将不起作用
    fig.savefig("matplotlib绘图基础_1.svg")

绘制的图片如下

绘制复杂图形

下面的例子引入了多种详细设置，例如多子图、共x轴、设置刻度、设置标题、xlabel和ylabel使用latex语法等

with plt.rc_context(myenv):
    fig, axes = plt.subplots(2, 1, figsize=(6.4, 7.2), sharex=True)
    # ========绘制========
    x_array = np.array([1, 3, 5, 7, 9])
    y_array = np.array([0.11, 0.03, 0.05, 0.02, 0.07])
    y_array2 = np.array([0.13, 0.10, 0.07, 0.08, 0.09])
    axes[0].plot(x_array, y_array, label="图例1")
    axes[0].plot(x_array, y_array2, label="图例2")
    # 这里loc可以不填，系统会自动挑一个最好的位置
    # 详细说明：https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.legend.html
    axes[0].legend(bbox_to_anchor=(1, 1), loc="upper left")
    # 使用名称设置css4颜色
    axes[1].bar(x_array, y_array2[::-1] * 100, color="goldenrod", label="图例3")
    axes[1].legend()
    # ========轴标签和轴刻度========
    # axes[0].xaxis和axes[1].xaxis指向同一个xaxis
    axes[0].xaxis.set_major_locator(plt.MultipleLocator(2))
    axes[0].xaxis.set_minor_locator(plt.MultipleLocator(0.4))
    axes[0].yaxis.set_major_locator(plt.MultipleLocator(0.03))
    axes[0].yaxis.set_major_formatter("{:.1%}".format)
    # 注意set_ylabel和set(xlabel=)作用相同
    axes[0].set_ylabel("某某速率$\\frac{\\mathrm{d}^2\\varepsilon}{\\mathrm{d}x^2}$")
    axes[0].set(ylim=(0, 0.16))
    axes[1].set(xlabel="时间 $h$", xlim=(0.5, 9.5), ylim=(6, 18))
    axes[1].yaxis.set_major_locator(plt.MultipleLocator(4))
    # ========各类标题========
    # 整张图片的总标题
    fig.suptitle("总标题")
    # plt.show的Windows窗口的标题
    fig.canvas.manager.set_window_title("窗口标题")
    # 每个子图自己的标题
    axes[0].set_title("子图1标题")
    # ========整体布局========
    # 防止xlabel或者ylabel超出保存或者显示范围
    fig.tight_layout()
    # 子图共用x轴的视觉效果
    fig.subplots_adjust(wspace=0, hspace=0)
    # 注意show或者save要写在with里面
    plt.show()
    #svg一般优于png，导出svg格式的图像时savefig.dpi将不起作用
    fig.savefig("matplotlib绘图基础_2.svg")

绘制的图片如下

折线图样式说明

用名称访问CSS4颜色和XKCD颜色

colormap

官网colormap一览

颜色系列分为两种，一种是由固定的N个颜色组成，使用方式为用形如plt.get_cmap(“Accent”)(np.arange(2,7))的方式获取该颜色系列指定序号的颜色，或用形如plt.get_cmap(“Accent”)(4)的方式获取一个颜色。
还有一种是渐变色，接收一个0~1之间的浮点数，使用方式为用形如plt.get_cmap(“Blues”)(np.linspace(0,1,n))的方式获取n种“等距”的颜色。
注意不能写成方括号！这是因为诸如plt.get_cmap(“Blues”)这样的函数返回的是一个类，加上圆括号表示构造对象。

marker