需要源码和PPT请点赞关注收藏后评论区留言私信~~~

设置pyplot的动态rc参数

pyplot使用rc配置文件来自定义图形的各种默认属性，被称为rc配置或rc参数

在pyplot中几乎所有的默认属性都是可以控制的，例如视图窗口大小以及每英寸点数、线条宽度、颜色和样式、坐标轴、坐标和网格属性、文本、字体等

两种方式可以设置参数，即全局参数定制和rc设置方法。 查看matplotlib的rc参数：   import matplotlib as plt       print(plt.rc_params())

1.使用参数字典

参数众多 常用参数：

Axes：设置坐标轴边界、颜色、坐标 刻度值大小和网格的显示；

Figure：设置边界颜色、图形大小和子区；

Font：设置字号、字体和样式；

Grid：设置网格颜色和线型；

Legend：设置图例和其中的文本显示；

Lines：设置线条颜色、宽度、线型等；

Savefig：对保存图像进行单独设置；

Xtick和ytick：X、Y轴的主刻度和次刻度设置颜色、大小、方向和标签大小。

全局参数定制

import matplotlib as plt 
       print(plt.matplotlib_fname())  
       #显示当前用户的配置文件目录

 查找到当前用户的配置文件目录，然后用编辑器打  开，修改matplotlibrc文件，即可修改配置参数

2. 线条的常用rc参数名称、解释与取值

常用线条类型解释

 

需要注意的是，由于默认的Pyplot字体并不支持中文字符的显示，因此需要通过设置font.sans-serif参数改变绘图时的字体，使得图形可以正常显示中文。同时，由于更改字体后，会导致坐标轴中的部分字符无法显示，因此需要同时更改axes.unicode_minus参数

添加以下两行代码即可在matplotlib中显示中文

plt.rcParams['font.family'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False  #用来正常显示负号

 除了设置线条和字体的rc参数外，还有设置文本、箱线图、坐标轴、刻度、图例、标记、图片、图像保存等rc参数

rc参数设置示例1

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import matplotlib
%matplotlib inline
fig ,axes = plt.subplots()
#配置中文显示
plt.rcParams['font.family'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False  
def f(t):
    return np.cos(2*np.pi*t)
x1 = np.arange(0.0,4.0,0.5)
x2 = np.arange(0.0,4.0,0.01)
plt.figure(1)
plt.subplot(2,2,1)
plt.plot(x1,f(x1),'bo',x2,f(x2),'k')
plt.title('子图1')
plt.subplot(2,2,2)
plt.plot(np.cos(2*np.pi*x2),'r--')
plt.title('子图2')
plt.show()

 rc参数设置示例2

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one')
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = '+',label = 'two')
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three')
ax.legend(loc = 'best')

 set_xticks设置刻度

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one')
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = '+',label = 'two')
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three')
ax.set_xticks([0,5,10,15,20,25,30,35])
ax.legend(loc = 'best')

 用set_xticklabels改变刻度

 

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one')
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = '+',label = 'two')
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three')
ax.set_xticklabels(['x0','x1','x2','x3','x4','x5'],rotation = 30,fontsize = 'large')
ax.legend(loc = 'best')

其中rotation参数表示X坐标标签的旋转角度，fontsize为字号

3 绘图的填充

（1）调用函数fill_between() 实现曲线下面部分的填充

x：第一个参数表示覆盖的区域， x，表示整个x都覆盖

0：表示覆盖的下限

y：表示覆盖的上限是y这个曲线

facecolor：覆盖区域的颜色

alpha：覆盖区域的透明度[0,1],其值越大，表示越不透明

x = np.linspace(0,1,500)
y = np.sin(3*np.pi*x)*np.exp(-4*x)
fig,ax = plt.subplots()
plt.plot(x,y)
plt.fill_between(x, 0, y, facecolor = 'green', alpha = 0.3)

 （2）部分区域的填充

plt.fill_between(x[15:300], 0, 0.4, facecolor='green', alpha=0.3)

（3）两条曲线之间的区域填充

import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,1,500)
y1=np.sin(3*np.pi*x)*np.exp(-4*x)
y2 = y1 + 0.2
plt.plot(x, y1,'b')
plt.plot(x, y2, 'r')
plt.fill_between(x, y1, y2, facecolor='green', alpha=0.3)
plt.show() 

 （4）利用fill进行绘图的填充：

import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,1,500)
y=np.sin(3*np.pi*x)*np.exp(-4*x)
fig,ax=plt.subplots()
ax.fill(x,y)
plt.show()

 4 绘图注释

绘图时有时需要在图表中加文本注解 这时可以通过text函数在指定的位置（x,y）加入文本注解； 通过annotate()在指定位置实现指向型注释

Matplotlib对LaTeX有一定的支持，在Matplotlib中，可以使用LaTeX的命令来编辑公式，只需要在字符串前面加一个r即可

1 指向型注释annotate() 2. 无指向型注释text()

示例如下

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#配置中文显示
plt.rcParams['font.family'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False  
x=np.arange(-10,11,1)
y=x*x
plt.plot(x,y)
plt.title('这是一个标题示例')
plt.text(-2.5,30,'funciton y=x*x')
plt.show()
plt.annotate('这是一个示例',xy=(0,1), xytext=(-2,22),arrowprops={'headwidth':10,'facecolor':'r'})

 如在柱状图上加入文本数字，可以清楚地显示每个类别的数量。如6个城市8月份的日均最高气温

plt.rcParams['font.family'] = ['SimHei']
data = [25,30,32,34,34,23]
label = ['青海','兰州','北京','上海','广州','拉萨']
plt.xticks(range(len( data)),label)
plt.xlabel('城市')
plt.ylabel('温度')
plt.title('六城市8月份日均最高气温')
plt.bar(range(len( data)),data)
for x,y in zip(range(len(data)),data):
    plt.text(x,y,y,ha = 'center',va = 'bottom')
plt.show()

 创作不易 觉得有帮助请点赞关注收藏~~~