基本构成
一幅图的基本构成部分包括以下几个部分：
- 图片对象 (figure)：整个绘图区域的边界框，可以包含一个或多个子图。
- 子图对象 (axes)：实际绘图区域，包含若干坐标轴、绘制的图像和文本标签等。
- 坐标轴 (axis)：显示子图数据范围并提供刻度标记和标签的对象。
- 图脊 (spine)：连接坐标轴和图像区域的线条，通常包括上下左右四条。
- 标题 (title)：描述整个图像内容的文本标签，通常位于图像的中心位置或上方，用于简要概括
图像的主题或内容。 - 刻度 (tick)：刻度标记，表示坐标轴上的数据值。
- 标签 (label)：用于描述坐标轴或图像的文本标签。
- 图例 (legend)：标识不同数据系列的图例，通常用于区分不同数据系列或数据类型。
- 艺术家 (artist)：在 Matplotlib 中，所有绘图元素都被视为艺术家对象，包括图像区域、子图区域、坐标轴、刻度、标签、图例等等。
Python 拥有多种用于数据可视化的工具。以下是一些常用的可视化工具：
- Matplotlib 是 Python 中最流行的绘图库之一，提供了广泛的绘图功能，包括折线图、散点图、柱状图、饼图等。它具有灵活性和广泛的定制选项，可以用于创建静态、交互式和动态的图形。
- Seaborn 建立在 Matplotlib 之上的高级统计数据可视化库。Seaborn 提供了一组美观且具有统计意义的图表样式和绘图功能，使得数据的可视化变得更加简单和直观。
- Plotly 是一个交互式的可视化库，支持多种图表类型，包括线图、散点图、柱状图、热力图等。
Plotly 提供了丰富的交互功能，可以在网页中创建动态和可交互的图形。
布局
图形对象(figure)
大小
可以使用 figure 函数，并指定figsize 参数来设置图像的宽度和高度。figsize 参数接受一个元组 (宽度, 高度)，单位为英寸。
分辨率
默认图片以一个 dpi (dots per inch，每英寸点数) 为 100 的分辨率显示。利用
import matplotlib.pyplot as plt
plt.rcParams['figure.dpi'] = 300 #将图像 dpi 提高到 300。
如果想保存图像到文件，可以使用 savefig 函数，并通过设置 dpi 参数来指定分辨率。例如，如
果希望保存图像为 300dpi 的高质量 PNG 文件，可以用
plt.savefig('plot_name.png', dpi=300)。
对于 Seaborn，
import seaborn as sns
sns.set(rc={"figure.dpi":300, 'savefig.dpi':300}) #修改图片分辨率。
当然，如果情况允许尽量导出矢量图，比如 SVG 格式。
边距
一张图少不了上下左右留白，这个留白就是边距 (margin)。
在 Matplotlib 默认情况下，图像周围边距为：
► figure.subplot.left: 0.125
► figure.subplot.right: 0.9
► figure.subplot.top: 0.88
► figure.subplot.bottom: 0.11
子图（axes）
Figure 中可以有不止一幅子图。
子图是指将整个图形区域划分为多个小的绘图区域，每个区域可以用于绘制不同的图形。
比较 plt.plot() 和 ax.plot()
简单来说，plt.plot() 相当于“提笔就画”。
ax.plot() 基于一个 Axes 对象来绘制图形，Axes 对象是一个图形窗口中的一个独立坐标系。使用面向对象接口时，需要显式地创建一个 Figure 对象和一个或多个 Axes 对象，并在指定的 Axes 对象上调用 plot() 方法进行绘图。
ax.plot() 适合更复杂的绘图需求，并且具有更高的灵活性。
创建管理子图
add_subplot() 和 subplot()
add_subplot() 和 subplot() 在功能上是相似的，都可以用于创建和管理图形中的子图。它们的主要区别在于使用方式和语法。
add_subplot()
add_subplot() 是 Figure 对象的方法，用于在特定的 Figure 上添加子图。
fig = plt.figure()
fig.add_subplot(nrows, ncols, index)。
# nrows 为子图的行数，ncols 为子图的列数，
# index 为当前子图的索引 (从 1 开始，先行后列顺序递增)。
因此，使用 add_subplot() 方法时，首先需要创建一个 Figure 对象，然后调用该方法来添加子图，并将子图对象存储在变量中以进行后续的操作。
subplot()
subplot()是 pyplot 模块的函数，用于在当前的图形中添加子图。
subplot() 语法为
plt.subplot(nrows, ncols, index)。
使用 subplot()函数时，不需要显式地创建 Figure 对象。可以直接调用 subplot()函数，并在同一个代码块中添加多个子图。
subplots()
在 Matplotlib 中，subplots 函数用于创建一个包含多个子图的图形布局，并返回一个包含子图对象的元组。
add_subplot() 和 subplot()是在一个figure基础上添加管理axes
subplots()是建立一个包含多个子图的figure
以下是使用 subplots 函数的基本步骤：
import matplotlib.pyplot as plt
fig, axes = plt.subplots(nrows, ncols)
# 其中 nrows和 ncols 是整数，分别表示子图行和列的数量。
# axes[i, j]表示在第 i 行和第 j 列的位置上的子图对象。
insert_axes & add_axes
insert_axes 和 add_axes 在指定位置插入特定宽高的子图。
位置、宽高这四个数值均为 0 和 1 之间的浮点数，代表百分比。insert_axes 是 Figure 对象的方法。
add_axes 是 Figure 对象或 Subplot 对象的方法，用于在指定的图形或子图中添加axes。
GridSpec
在 Matplotlib 中，GridSpec 是一个用于灵活地布局子图的工具。它允许在绘图区域中创建规则的网格，并指定每个子图的大小、位置和跨越的行列数。
在 Matplotlib 中，add_gridspec 函数可以用来创建复杂的图形布局。它允许你在图形中创建多个子图，并指定它们的位置和大小。
使用 add_gridspec 函数的基本步骤如下：
import matplotlib.pyplot as plt。
fig = plt.figure()。
gs = fig.add_gridspec(nrows, ncols)
# 其中 nrows 和ncols 是整数，分别表示行和列的数量。
main_ax = fig.add_subplot(grid[:-1, 1:])
y_hist = fig.add_subplot(grid[:-1, 0], xticklabels=[])
x_hist = fig.add_subplot(grid[-1, 1:], yticklabels=[])
# 最后可以使用 GridSpec 对象创建子图，gs[i, j]表示在第 i 行和第 j 列的位置创建一个子图。可以使用切片语法来指定多个位置。
装饰
艺术家（artist）
在 Matplotlib 中，艺术家 (artist) 是指图形的每个可见 (甚至没那么明显的) 元素，如图脊、图轴、坐标轴、标题、标签、图例、线条、网格、色块等等。
每个艺术家对象都有自己的默认属性和方法，用于控制其外观和行为。
图脊（spine）
在 Matplotlib 中，图脊 (spine) 是指图形中的边框线，用于界定图形的边界。
图脊由四条边框线组成：
上脊 (top spine)、下脊 (bottom spine)、左脊 (left spine)
和右脊 (right spine)。
这些脊线可以通过 Matplotlib 的 Axes.spines 属性进行访问和定制。
ax.spines['bottom'].set_color('r')
#设置下脊颜色位红色（red）
ax.spines['bottom'].set_position(('axes',0.5))
# 设置下脊位置为中间，取值范围为 [0, 1], 0.5 代表中间
ax.spines['right'].set(alpha = 0.2)
# 设置右脊透明值为0.2
ax.spines['left'].set(edgecolor = 'r',
linestyle = '--', linewidth = 1)
# 设置左脊颜色为红色，虚线，宽度为1
轴（axis）
在 Matplotlib 中，图轴 (axis) 是指图形中的坐标轴，用于表示数据的数值范围和刻度。图轴包括轴线 (axis line)、刻度 (tick)、轴标签 (axis label) 等艺术家。
如果一个图片对象包含多个轴对象，则每个轴对象都有自己的艺术家。
ax.set_xlim(-15,15); ax.set_ylim(-1.5, 1.5);
ax.set_xticks(np.linspace(-4*np.pi, 4*np.pi, 5))
ax.set_xticklabels([r'$-4\pi$',r'$-2\pi$',
r'$0\pi$',r'$2\pi$', r'$4\pi$'])
ax.tick_params(axis = 'x',
direction = 'in',
color = 'b',
width = 1,
length = 10)
注释
一幅图的注释可以如下常见类型。
► 标题 (title)，对应函数为 matplotlib.pyplot.title() 或 ax.set_title()；
► 横轴标题 (x axis label)，对应函数为 matplotlib.pyplot.xlabel() 或
ax.set_xlabel()；
► 纵轴标题 (y axis label)，对应函数为 matplotlib.pyplot.ylabel() 或
ax.set_ylabel()；
► 图例 (legend)，对应函数为 matplotlib.pyplot.legend()；
► 文字 (text)，对应函数为 matplotlib.pyplot.text()；
► 注解 (annotation)，对应函数为 matplotlib.pyplot.annotate()。
考虑时间成本、美观效果、可编辑性等因素，如果后期制作加入各种注释更为方便的话，不建议大家耗费精力通过编程方式在图片中添加注释。
视角
在 Matplotlib 中，ax.view_init(elev, azim, roll) 方法用于设
置三维坐标轴的视角，也叫相机照相位置。这个方法接受三个参数：elev、azim 和 roll，
它们分别表示仰角、方位角和滚动角。
► 仰角 (elevation)：elev 参数定义了观察者与 xy 平面之间的夹角，也就是观察者与 xy 平面之间的旋转角度。当 elev 为正值时，观察者向上倾斜，负值则表示向下倾斜。
► 方位角 (azimuth)：azim 参数定义了观察者绕 z 轴旋转的角度。它决定了观察者在 xy 平面上的位置。azim 的角度范围是 −180 到 180 度，其中正值表示逆时针旋转，负值表示顺时针旋转。
► 滚动角 (roll)：roll 参数定义了绕观察者视线方向旋转的角度。它决定了观察者的头部倾斜程度。正值表示向右侧倾斜，负值表示向左侧倾斜。
风格
图像的风格指的是图表的整体外观和样式，包括配色方案、线条类型、图脊、图轴、线条宽度、字体、标记符号等等设计元素。
Matplotlib 提供了一系列的预定义风格，可以通过设置来改变图表的外观。以下是Matplotlib 中常用的一些图像风格类型：
► "default"是 Matplotlib 的默认风格，使用蓝色线条和绿色网格。
► "classic"是一种经典的 Matplotlib 风格，使用黑色线条和白色背景，类似于传统的
Matplotlib 版本。
► "ggplot"模仿了 R 语言中的 ggplot 库的外观，使用灰色网格和彩色线条。
► "fivethirtyeight"模仿了流行的数据新闻网站 FiveThirtyEight 的外观，使用红色和蓝色
线条，以及灰色网格。
► "dark_background"使用深色背景和亮色线条，适合用于暗色主题的环境。
► "seaborn"模仿了 Seaborn 库的外观，使用柔和的颜色和灰色网格。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
