不要迷信默认设置¶

导入相关的包：

In [1]:

import numpy as np
import matplotlib.pyplot as plt

生成三角函数：

In [2]:

x = np.linspace(-np.pi, np.pi)
c, s = np.cos(x), np.sin(x)

默认绘图¶

In [3]:

%matplotlib inline
 
# 画图
p = plt.plot(x,c)
p = plt.plot(x,s)
 
# 在脚本中需要加上这句才会显示图像
plt.show()

默认效果如图所示，我们可以修改默认的属性来得到更漂亮的结果。

图¶

图像以 Figure # 为窗口标题，并且数字从 1 开始，figure() 函数的主要参数如下：

In [ ]:

# 设置图像大小
f = plt.figure(figsize=(10,6), dpi=80)
 
# 画图
p = plt.plot(x,c)
p = plt.plot(x,s)
 
# 在脚本中需要加上这句才会显示图像
plt.show()

设置线条颜色，粗细，类型¶

首先，我们使用 figure() 函数来创建一幅新图像，并且指定它的大小，使得长宽比更合适。

然后，我们使用 color, linewidth, linestyle 参数，指定曲线的颜色，粗细，类型：

In [4]:

# 设置图像大小
f = plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
p = plt.plot(x, c, color="blue", linewidth=2.5, linestyle="-")
p = plt.plot(x, s, color="red",  linewidth=2.5, linestyle="-")
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

也可以像 Matlab 中一样使用格式字符来修改参数：

表示颜色的字符参数有：

表示类型的字符参数有：

In [5]:

# 设置图像大小
f = plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
p = plt.plot(x, c, 'b-', 
         x, s, 'r-', linewidth=2.5)
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

设置横轴纵轴的显示区域¶

我们希望将坐标轴的显示区域放大一些，这样可以看到所有的点，可以使用 plt 中的 xlim 和 ylim 来设置：

In [6]:

# 设置图像大小
p = plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
p = plt.plot(x, c, 'b-', 
         x, s, 'r-', linewidth=2.5)
 
########################################################################
 
# 设置显示范围
p = plt.xlim(x.min() * 1.1, x.max() * 1.1)
p = plt.ylim(c.min() * 1.1, c.max() * 1.1)
 
########################################################################
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

设置刻度¶

对于三教函数来说，我们希望将 x 轴的刻度设为与 $\pi$ 有关的点，可以使用 plt 中的 xticks 和 yticks 函数，将需要的刻度传入：

In [7]:

# 设置图像大小
f = plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
p = plt.plot(x, c, 'b-', 
         x, s, 'r-', linewidth=2.5)
 
# 设置显示范围
plt.xlim(x.min() * 1.1, x.max() * 1.1)
plt.ylim(c.min() * 1.1, c.max() * 1.1)
 
###########################################################################
 
# 设置刻度
p = plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
p = plt.yticks([-1, 0, 1])
 
###########################################################################
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

设定 x 轴 y 轴标题¶

我们想让刻度的位置显示的是含有 $\pi$ 的标识而不是浮点数，可以在 xticks 中传入第二组参数，这组参数代表对应刻度的显示标识。这里，我们使用 latex 的语法来显示特殊符号（使用 $$ 包围的部分）：

In [8]:

# 设置图像大小
f = plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
p = plt.plot(x, c, 'b-', 
         x, s, 'r-', linewidth=2.5)
 
# 设置显示范围
plt.xlim(x.min() * 1.1, x.max() * 1.1)
plt.ylim(c.min() * 1.1, c.max() * 1.1)
 
# 设置刻度及其标识
p = plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], 
               ['$-\pi$', '$-\pi/2$', '$0$', '$\pi/2$', '$\pi$'], fontsize ='xx-large')
p = plt.yticks([-1, 0, 1], 
               ['$-1$', '$0$', '$+1$'], fontsize ='xx-large')
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

移动坐标轴的位置¶

现在坐标轴的位置是在边界上，而且有上下左右四条，我们现在想将下面和左边的两条移动到中间，并将右边和上面的两条去掉：

In [9]:

# 设置图像大小
f = plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
plt.plot(x, c, 'b-', 
         x, s, 'r-', linewidth=2.5)
 
# 设置显示范围
plt.xlim(x.min() * 1.1, x.max() * 1.1)
plt.ylim(c.min() * 1.1, c.max() * 1.1)
 
# 得到轴的句柄
ax = plt.gca()
# ax.spines参数表示四个坐标轴线
# 将右边和上边的颜色设为透明
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
 
###################################################################################
 
# 将 x 轴的刻度设置在下面的坐标轴上
ax.xaxis.set_ticks_position('bottom')
# 设置位置
ax.spines['bottom'].set_position(('data',0))
 
# 将 y 轴的刻度设置在左边的坐标轴上
ax.yaxis.set_ticks_position('left')
# 设置位置
ax.spines['left'].set_position(('data',0))
 
###################################################################################
 
# 设置刻度及其标识
p = plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], 
           ['$-\pi$', '$-\pi/2$', '$0$', '$\pi/2$', '$\pi$'], fontsize ='xx-large')
p = plt.yticks([-1, 0, 1], 
           ['$-1$', '$0$', '$+1$'], fontsize ='xx-large')
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

加入图例¶

使用 legend() 加入图例：

In [10]:

# 设置图像大小
plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
plt.plot(x, c, 'b-', 
         x, s, 'r-', linewidth=2.5)
 
# 设置显示范围
plt.xlim(x.min() * 1.1, x.max() * 1.1)
plt.ylim(c.min() * 1.1, c.max() * 1.1)
 
# 得到画图的句柄
ax = plt.gca()
 
# ax.spines参数表示四个坐标轴线
# 将右边和上边的颜色设为透明
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
 
# 将 x 轴的刻度设置在下面的坐标轴上
ax.xaxis.set_ticks_position('bottom')
# 设置位置
ax.spines['bottom'].set_position(('data',0))
 
# 将 y 轴的刻度设置在左边的坐标轴上
ax.yaxis.set_ticks_position('left')
# 设置位置
ax.spines['left'].set_position(('data',0))
 
# 设置刻度及其标识
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], 
           ['$-\pi$', '$-\pi/2$', '$0$', '$\pi/2$', '$\pi$'], fontsize ='xx-large')
plt.yticks([-1, 0, 1], 
           ['$-1$', '$0$', '$+1$'], fontsize ='xx-large')
 
##################################################################################################
 
# 加入图例，frameon表示去掉图例周围的边框
l = plt.legend(['cosine', 'sine'], loc='upper left', frameon=False)
 
##################################################################################################
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

注释特殊点¶

我们可以使用 anotate 函数来注释特殊的点，假设我们要显示的点是 $2\pi/3$：

In [11]:

# 设置图像大小
plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
plt.plot(x, c, 'b-', 
         x, s, 'r-', linewidth=2.5)
 
# 设置显示范围
plt.xlim(x.min() * 1.1, x.max() * 1.1)
plt.ylim(c.min() * 1.1, c.max() * 1.1)
 
# 得到画图的句柄
ax = plt.gca()
 
# ax.spines参数表示四个坐标轴线
# 将右边和上边的颜色设为透明
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
 
# 将 x 轴的刻度设置在下面的坐标轴上
ax.xaxis.set_ticks_position('bottom')
# 设置位置
ax.spines['bottom'].set_position(('data',0))
 
# 将 y 轴的刻度设置在左边的坐标轴上
ax.yaxis.set_ticks_position('left')
# 设置位置
ax.spines['left'].set_position(('data',0))
 
# 设置刻度及其标识
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], 
           ['$-\pi$', '$-\pi/2$', '$0$', '$\pi/2$', '$\pi$'], fontsize ='xx-large')
plt.yticks([-1, 0, 1], 
           ['$-1$', '$0$', '$+1$'], fontsize ='xx-large')
 
# 加入图例，frameon表示图例周围是否需要边框
l = plt.legend(['cosine', 'sine'], loc='upper left', frameon=False)
 
####################################################################################
 
# 数据点
t = 2 * np.pi / 3
 
# 蓝色虚线
plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
 
# 该点处的 cos 值
plt.scatter([t,],[np.cos(t),], 50, color ='blue')
 
# 在对应的点显示文本
plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$', # 文本
             xy=(t, np.sin(t)), # 数据点坐标位置
             xycoords='data',   # 坐标相对于数据
             xytext=(+10, +30), # 文本位置坐标
             textcoords='offset points', # 坐标相对于数据点的坐标
             fontsize=16,       # 文本大小
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) # 箭头
 
# 红色虚线
p = plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
 
# 该点处的 sin 值
p = plt.scatter([t,],[np.sin(t),], 50, color ='red')
 
# 显示文本
p = plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
             xy=(t, np.cos(t)), xycoords='data',
             xytext=(-90, -50), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
 
 
#####################################################################################
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

最后调整¶

调整刻度值的大小，并让其显示在曲线上方。

In [12]:

# 设置图像大小
plt.figure(figsize=(10,6), dpi=80)
 
# 画图，指定颜色，线宽，类型
plt.plot(x, c, 'b-', 
         x, s, 'r-', linewidth=2.5)
 
# 设置显示范围
plt.xlim(x.min() * 1.1, x.max() * 1.1)
plt.ylim(c.min() * 1.1, c.max() * 1.1)
 
# 得到画图的句柄
ax = plt.gca()
 
# ax.spines参数表示四个坐标轴线
# 将右边和上边的颜色设为透明
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
 
# 将 x 轴的刻度设置在下面的坐标轴上
ax.xaxis.set_ticks_position('bottom')
# 设置位置
ax.spines['bottom'].set_position(('data',0))
 
# 将 y 轴的刻度设置在左边的坐标轴上
ax.yaxis.set_ticks_position('left')
# 设置位置
ax.spines['left'].set_position(('data',0))
 
# 设置刻度及其标识
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], 
           ['$-\pi$', '$-\pi/2$', '$0$', '$\pi/2$', '$\pi$'], fontsize ='xx-large')
plt.yticks([-1, 0, 1], 
           ['$-1$', '$0$', '$+1$'], fontsize ='xx-large')
 
# 加入图例，frameon表示图例周围是否需要边框
l = plt.legend(['cosine', 'sine'], loc='upper left', frameon=False)
 
# 数据点
t = 2 * np.pi / 3
 
# 蓝色虚线
plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
 
# 该点处的 cos 值
plt.scatter([t,],[np.cos(t),], 50, color ='blue')
 
# 在对应的点显示文本
plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$', # 文本
             xy=(t, np.sin(t)), # 数据点坐标位置
             xycoords='data',   # 坐标相对于数据
             xytext=(+10, +30), # 文本位置坐标
             textcoords='offset points', # 坐标相对于数据点的坐标
             fontsize=16,       # 文本大小
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) # 箭头
 
# 红色虚线
p = plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
 
# 该点处的 sin 值
p = plt.scatter([t,],[np.sin(t),], 50, color ='red')
 
# 显示文本
p = plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
             xy=(t, np.cos(t)), xycoords='data',
             xytext=(-90, -50), textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
 
 
#####################################################################################
 
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(16)
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))
 
####################################################################################
 
# 在脚本中需要加上这句才会显示图像
# plt.show()

The devil is in the details.

原文: https://nbviewer.jupyter.org/github/lijin-THU/notes-python/blob/master/06-matplotlib/06.09-do-not-trust-the-defaults.ipynb