matplotlib绘图问题_matplotlib 子图共享颜色条-优快云博客

本文链接：https://blog.youkuaiyun.com/u011698800/article/details/107992862

本文汇总了使用Matplotlib进行高效绘图的多种技巧，包括风格控制、坐标轴调整、颜色填充、边框控制、圆类图形绘制、图例调整、图片引入、散点图优化、图片内容保存、字体使用、网格线放置、坐标轴字体调整、多个图片共享颜色条、单独保存颜色条、字体整体控制、去除保存图片空白、直方图调整、坐标轴格式调整等内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

20200813 -

引言

颜色、图标参考地址：

各种图片的画廊

Top 50 matplotlib Visualizations – The Master Plots (with full python code)

这里记录以下关于绘图过程中，使用matplotlib时遇到的一些问题。

风格控制
修改坐标轴间距
区域内填充颜色
控制边框
圆类图形绘制
调整图例
引入其他图片
大量点的散点图
仅保存图片内容
字体使用
网格线放置在底层
调整坐标轴字体
多个图片共享颜色条
单独保存颜色条
字体整体控制
横线绘制，并添加具体数值
绘制直线并带有方差的带(band)
调整seaborn绘图中标号和线大小
解决seaborn绘图中图例无线风格的问题
调整直方图中各个形状的宽度
调整坐标轴数字格式
How to zoomed a portion of image and insert in the same plot in matplotlib

问题

1. 风格控制

文章[1]中列举了一些风格控制的方式，不过这部分我一直没关注过，一直都是使用的默认风格。
一次使用过程中，在修改风格之后，希望还原最开始的风格，可以使用下面的命令。

matplotlib.rcdefaults()

2. 修改坐标轴间距

import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator
#从pyplot导入MultipleLocator类，这个类用于设置刻度间隔
  
x_values=list(range(11))
y_values=[x**2 for x in x_values]
plt.plot(x_values,y_values,c='green')
plt.title('Squares',fontsize=24)
plt.tick_params(axis='both',which='major',labelsize=14)
plt.xlabel('Numbers',fontsize=14)
plt.ylabel('Squares',fontsize=14)
x_major_locator=MultipleLocator(1)
#把x轴的刻度间隔设置为1，并存在变量里
y_major_locator=MultipleLocator(10)
#把y轴的刻度间隔设置为10，并存在变量里
ax=plt.gca()
#ax为两条坐标轴的实例
ax.xaxis.set_major_locator(x_major_locator)
#把x轴的主刻度设置为1的倍数
ax.yaxis.set_major_locator(y_major_locator)
#把y轴的主刻度设置为10的倍数
plt.xlim(-0.5,11)
#把x轴的刻度范围设置为-0.5到11，因为0.5不满一个刻度间隔，所以数字不会显示出来，但是能看到一点空白
plt.ylim(-5,110)
#把y轴的刻度范围设置为-5到110，同理，-5不会标出来，但是能看到一点空白
plt.show()

具体见文章[2]。

3. 区域内填充颜色

类似于不规则形状中进行颜色的填充，matplotlib提供了三种API（我只看到这几种目前）：

- fill
- fill_between
- fill_betweenx

第一种是给定点的坐标，然后多边形内进行颜色填充；另外两种是给定线然后进行填充。
具体见示例[3][4]。

4. 控制边框

前面提到了控制坐标轴（边框）间距内容，这里专门针对边框进行说明，首先是边框的可视化，这里有两种方案[5]：

plt.axis('off')  
plt.xticks([])  
plt.yticks([])

ax = plt.gca()
ax.spines['top'].set_visible(False)
ax.spines['bottom'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.spines['right'].set_visible(False)

如果要设置边框线的粗细。

ax.spines['bottom'].set_linewidth('2.0')

关于其他的控制风格，可以查看文章[6]。

5.圆类图形绘制[7]

ell1 = Ellipse(xy = (0.0, 0.0), width = 4, height = 8, \
					angle = 30.0, facecolor= 'yellow', alpha=0.3)
cir1 = Circle(xy = (0.0, 0.0), radius=2, alpha=0.5)
ax.add_patch(ell1)
ax.add_patch(cir1)

以上分别是进行椭圆和圆形的绘制，其中椭圆的角度参数是360度调整的，上述代码已经经过了测试，可以运行。

6. 调整图例相关内容

《Matplotlib调整图例相关内容》

7. 引入其他图片

之前这里的一个需求就是，将某个图片导入到框中，然后在图片上进行编辑，但是找了找都没找到相关的内容，还是在官网的代码上发现了内容[8]，例如如果要显示一个图片。

import matplotlib.pyplot as plt
import matplotlib.cbook as cbook

# A sample image
with cbook.get_sample_data('grace_hopper.jpg') as image_file:
    image = plt.imread(image_file)

fig, ax = plt.subplots()
ax.imshow(image)
ax.axis('off')  # clear x-axis and y-axis

这个仅仅将图片显示，还有另外的示例可以查看。如果要将图片放置在某个位置可以参考问答[9]。

8. 大量点的散点图

在绘图过程中，如果含有大量的点，在将图片保存在pdf格式的时候，会导致图片加载特别慢，而且打开pdf文件的时候，会看到类似动画一样，点逐个显示出出来。这样的过程是正常的，毕竟要保存非常多点的信息，这样的pdf图片插入到论文中，会导致论文也加载特别慢。但是如果保存为类似png图片的话，那么很多其他的内容也会失真。一种解决方案就是在绘图的操作中加入参数rasterized = True，这样可以保证除了这些点其他元素，例如图例等依然是类似矢量图一样不失真[10]。

plt.scatter(test_points[:, 0], test_points[:, 1], alpha = 0.8, 
                label = label[i], color = colors[i], s = 20, rasterized = True)

9. 仅保存图片内容

有时候，在保存图片的时候，在坐标轴旁边有大量的空白位置，这样插入图片的时候，就发现标题和图片内容相差太远。问答[11]给出了解决方案。其中一种是通过控制一些参数，这个方案没有尝试，而是尝试了另外一种方案。

fig.savefig('out.png', bbox_inches='tight', pad_inches=0)

这种方法在插入图例在图片外面的时候也尝试过；我觉得要懂得原理的话，还是要深入理解matploblib的原理，每部分都是什么作用。

10. 字体使用

在使用jupyter进行字体设置的时候，准备更换为“Time New Roman”，上面第一个虽然指出了如何设置，但是本质上还是需要linux系统的支持，首先从windows系统中找到字体，并传到相应位置，可以参考文章[17]。

然后再记得删除matplot的缓存

rm ~/.cache/matplotlib -rf

然后使用下面的命令全局设置即可：

plt.rcParams["font.family"] = "serif"
plt.rcParams["font.serif"] = ["Times New Roman"]

11. 网格线放置在底层

在默认情况下，绘制好了相关数据之后，采用命令plt.grid()可以添加网格，但是如果直接添加的话，可能会导致网格线出现在原来上面，就跟做PPT时候，对象在哪个层一样，解决方法[12]如下：

    ax.set_axisbelow(True)
    ax.yaxis.grid(color='gray', linestyle='dashed')

12. 调整坐标轴字体

具体见[13]。

import matplotlib.pyplot as plt
# We prepare the plot  
fig, ax = plt.subplots()

# We change the fontsize of minor ticks label 
ax.tick_params(axis='both', which='major', labelsize=10)
ax.tick_params(axis='both', which='minor', labelsize=8)

13. 多个图片共享颜色条

Matplotlib 2 Subplots, 1 Colorbar
How to Plot Only One Colorbar for Multiple Plot Using Matplotlib
在使用过程中，比较重要的是，参数vmax,vmin的设置，多个图片一定要设置一致，这样他们才能共享同一个颜色条。

14. 单独保存颜色条

之前的时候，涉及到单独保存图例，具体内容见《Matplotlib调整图例相关内容》。对于颜色条来说，大致思路思路是一样的，参考问答[14]。

import pylab as pl
import numpy as np

a = np.array([[0,1]])
pl.figure(figsize=(9, 1.5))
img = pl.imshow(a, cmap="Blues")
pl.gca().set_visible(False)
cax = pl.axes([0.1, 0.2, 0.8, 0.6])
pl.colorbar(orientation="h", cax=cax)
pl.savefig("colorbar.pdf")

得到如下结果。
在这里插入图片描述

但是这里需要注意的是，pl.axes这个部分，之前的时候一直没有参考过这个内容，最近在绘图的时候发现这类的应用经常有，可能需要单独来学习学习，还有一些调整空间的。调试这部分内容的时候，并没有去看官方文档，而是直接自己调试了，调试的结果就是，前面两个参数是横纵坐标，应该是以图像大小为单位，然后比例大小。后面两个参数呢，分别是按两个方向扩展的大小，就是说按横纵方向以图像大小为比例扩展多少。

15. 字体整体控制

平时在控制字体大小的时候，都是在调用某个api之后，在参数中指定fontsize，这种方法，实际上控制起来比较困难，特别是要控制的内容比较多的时候。那么比较好的方法，如果已经知道自己就是要使用这样的大小，可以在全局部分进行控制。在问答[15]中给出了答案。

import matplotlib.pyplot as plt

SMALL_SIZE = 8
MEDIUM_SIZE = 10
BIGGER_SIZE = 12

plt.rc('font', size=SMALL_SIZE)          # controls default text sizes
plt.rc('axes', titlesize=SMALL_SIZE)     # fontsize of the axes title
plt.rc('axes', labelsize=MEDIUM_SIZE)    # fontsize of the x and y labels
plt.rc('xtick', labelsize=SMALL_SIZE)    # fontsize of the tick labels
plt.rc('ytick', labelsize=SMALL_SIZE)    # fontsize of the tick labels
plt.rc('legend', fontsize=SMALL_SIZE)    # legend fontsize
plt.rc('figure', titlesize=BIGGER_SIZE)  # fontsize of the figure title

16. 去除保存图片的空白

在使用plt.savefig的时候，如果不进行参数的数值，四周将会有大量的留白，平时如果只是用于查看，倒是无所谓，但是如果插入到论文里，会产生大量的边界。

plt.savefig("test.png",bbox_inches='tight')

之前都是采用上面这个命令，但是即使这样，还是稍微有点空白。插入到论文中，就比较明显了。在问答[16]中提到了相关的解决方案，就是上述这个命令，但是在后面的回答中，还提到了pad_inches = 0这个参数，经过测试，使用这个命令是可行的，但是如果有坐标边框的话，会导致这个边框的黑线被一半截断，适当增大这个参数可以进行调整，可以设置为0.02这样的参数，比较合理也比较美观，这样插入到论文中就没那么明显了。

20. 调整直方图bar宽度和位置

seaborn默认绘制的直方图的结果bar的宽度可能不太合适，所以需要修改。

import pylab as plt
import seaborn as sns

tips = sns.load_dataset("tips")
fig, ax = plt.subplots()

sns.barplot(data=tips, ax=ax, x="time", y="tip", hue="sex")

def change_width(ax, new_value) :
    for patch in ax.patches :
        current_width = patch.get_width()
        diff = current_width - new_value

        # we change the bar width
        patch.set_width(new_value)

        # we recenter the bar
        patch.set_x(patch.get_x() + diff * .5)

change_width(ax, .35)
plt.show()

以上命令是好使的，如果是横向的直方图，那么可以修改相应为get_height及get_y。

21. 调整坐标轴数据格式（十进制的科学计数法）

正常情况下，如果数值比较大，那么matplotlib会自动进行科学计数法，当然也可以对范围进行指定利用接口，matplotlib.pyplot.ticklabel_format。但是这样出来结果的形式是1e10的样子，我想要 $1\times10^4$ 的样子。
搜索之后找到答案[16]，代码如下：

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.ticker as mticker

fig, ax = plt.subplots()

x = np.linspace(0, 300, 20)
y = np.linspace(0,300, 20)
y = y*1e16

ax.plot(x,y)

class MathTextSciFormatter(mticker.Formatter):
    def __init__(self, fmt="%1.2e"):
        self.fmt = fmt
    def __call__(self, x, pos=None):
        s = self.fmt % x
        decimal_point = '.'
        positive_sign = '+'
        tup = s.split('e')
        significand = tup[0].rstrip(decimal_point)
        sign = tup[1][0].replace(positive_sign, '')
        exponent = tup[1][1:].lstrip('0')
        if exponent:
            exponent = '10^{%s%s}' % (sign, exponent)
        if significand and exponent:
            s =  r'%s{\times}%s' % (significand, exponent)
        else:
            s =  r'%s%s' % (significand, exponent)
        return "${}$".format(s)

# Format with 2 decimal places
plt.gca().yaxis.set_major_formatter(MathTextSciFormatter("%1.2e"))

plt.show()