python数据分析|Matplotlib属性及注解 matplotlib|axes|annotate|坐标轴|py

文章目录

Axes绘图的方法
Axes关于坐标轴的方法
- Axes.set_xticks(self, ticks, minor=False)
- Axes.set_xticklabels(self, labels, fontdict=None, minor=False, **kwargs)
注解annotate
鼠标滑过显示隐藏内容用annotate实现

大多数图标修饰工作主要有两种方式：使用程序性的pyplot接口（即matplotlib.pyplot）和更多面向对象原生的matplotlibAPI。
matplotlib主要就是理解figure(画布)、axes(坐标系)、axis(坐标轴)三者之间的关系。

文章图片

除去set_axis_off,set_axis_on,set_axisbelow，其他去掉set_前缀都可以做为plt.subplot的参数。 【python数据分析|Matplotlib属性及注解】

plt.subplot(211, sharex=ax1, sharey=ax1, label='label',alpha=0.5, fc='r', yscale='log')

Axes绘图的方法

方法	说明
Axes.plot	将y对x绘制为线条或标记。
Axes.errorbar	将y与x绘制为带有错误栏的线和/或标记。
Axes.scatter	y与y的散点图
Axes.plot_date	绘制强制轴以将浮点数视为日期的图。
Axes.step	绘制一个阶梯图。
Axes.loglog	在x轴和y轴上使用对数缩放绘制图。
Axes.semilogx	在x轴上绘制具有对数比例的图。
Axes.semilogy	用y轴上的对数比例绘制图。
Axes.fill_between	填充两条水平曲线之间的区域。
Axes.fill_betweenx	填充两条垂直曲线之间的区域。
Axes.bar	绘制条形图。
Axes.barh	绘制水平条形图。
Axes.bar_label	标记条形图。
Axes.stem	创建一个茎图。
Axes.eventplot	在给定位置绘制相同的平行线。
Axes.pie	绘制饼图。
Axes.stackplot	绘制堆积面积图。
Axes.broken_barh	绘制矩形的水平序列。
Axes.vlines	在每个x上绘制从ymin到ymax的垂直线。
Axes.hlines	在从xmin到xmax的每个y上绘制水平线。
Axes.fill	绘制填充的多边形。
Axes.axhline	在轴上添加一条水平线。
Axes.axhspan	在轴上添加水平跨度（矩形）。
Axes.axvline	在轴上添加一条垂直线。
Axes.axvspan	在轴上添加垂直跨度（矩形）。
Axes.axline	添加无限长的直线。
Axes.acorr	绘制x的自相关。
Axes.angle_spectrum	绘制角度光谱。
Axes.cohere	绘制x和y之间的相干性。
Axes.csd	绘制交叉光谱密度。
Axes.magnitude_spectrum	绘制幅度谱。
Axes.phase_spectrum	绘制相位谱。
Axes.psd	绘制功率谱密度。
Axes.specgram	绘制频谱图。
Axes.xcorr	绘制x和y之间的互相关。
Axes.clabel	标注等高线图。
Axes.contour	绘制轮廓线。
Axes.contourf	绘制填充轮廓。
Axes.imshow	将数据显示为图像，即在2D常规栅格上。
Axes.matshow	将2D矩阵或数组的值绘制为颜色编码的图像。
Axes.pcolor	创建具有非规则矩形网格的伪彩色图。
Axes.pcolorfast	创建具有非规则矩形网格的伪彩色图。
Axes.pcolormesh	创建具有非规则矩形网格的伪彩色图。
Axes.spy	绘制2D阵列的稀疏模式。
Axes.get_xaxis_transform	获取用于绘制x轴标签，刻度线和网格线的转换。
Axes.get_yaxis_transform	获取用于绘制y轴标签，刻度线和网格线的转换。
Axes.get_data_ratio	返回缩放数据的纵横比。

Axes关于坐标轴的方法

方法	说明
Axes.axis	获取或设置某些轴属性的便捷方法。
Axes.set_axis_off	关闭x和y轴。
Axes.set_axis_on	开启x和y轴。
Axes.set_frame_on	设置是否绘制轴矩形补丁。
Axes.get_frame_on	获取是否绘制了轴矩形补丁。
Axes.set_axisbelow	设置轴刻度线和网格线是在图上方还是下方。
Axes.get_axisbelow	获取轴刻度和网格线是在图上方还是下方。
Axes.grid	增加网格线。
Axes.get_facecolor	获取轴的表面色。
Axes.set_facecolor	设置轴的表面色。
Axes.invert_xaxis	反转x轴。
Axes.xaxis_inverted	返回x轴是否沿“反”方向定向。
Axes.invert_yaxis	反转y轴。
Axes.yaxis_inverted	返回y轴是否沿“反”方向定向。
Axes.set_xlim	设置x轴范围。
Axes.get_xlim	返回x轴范围。
Axes.set_ylim	设置y轴范围。
Axes.get_ylim	返回y轴范围。
Axes.set_xbound	设置x轴的上下边界。
Axes.get_xbound	以递增顺序返回x轴的上下边界。
Axes.set_ybound	设置y轴的上下边界。
Axes.get_ybound	以递增顺序返回y轴的上下边界。
Axes.set_xlabel	设置x轴的标签。
Axes.get_xlabel	获取xlabel文本字符串。
Axes.set_ylabel	设置y轴的标签。
Axes.get_ylabel	获取ylabel文本字符串。
Axes.set_title(self, label, fontdict=None, loc=None, pad=None, *, y=None)	为轴设置标题。fontdict：{‘fontsize’: rcParams[‘axes.titlesize’],‘fontweight’: rcParams[‘axes.titleweight’], ‘color’: rcParams[‘axes.titlecolor’],‘verticalalignment’: ‘baseline’,‘horizontalalignment’: loc}。loc : {‘center’, ‘left’, ‘right’}
Axes.get_title(self, loc=“center”)	获取轴标题。left，center，right。
Axes.legend	在轴上放置一个图例。
Axes.get_legend	返回Legend实例，如果未定义图例，则返回None。
Axes.get_legend_handles_labels(self, legend_handler_map=None)	返回图例的句柄和标签
Axes.set_xscale	设置x轴比例。
Axes.get_xscale	返回xaxis的比例尺（以str表示）。
Axes.set_yscale	设置y轴比例。
Axes.get_yscale	返回yaxis的比例尺（以str表示）。
Axes.set_xticks	设置xaxis的刻度位置。
Axes.get_xticks	返回数据坐标中xaxis的刻度位置。
Axes.set_xticklabels	使用字符串标签列表设置xaxis的标签。
Axes.get_xticklabels	获取xaxis的刻度标签。
Axes.get_xmajorticklabels	返回xaxis的主要刻度标签，作为的列表Text。
Axes.get_xminorticklabels	返回xaxis的次刻度标签，作为的列表Text。
Axes.get_xgridlines	返回xaxis的网格线作为Line2Ds的列表。
Axes.get_xticklines	以x的列表形式返回xaxis的刻度线Line2D。
Axes.xaxis_date	设置轴刻度和标签，以将沿x轴的数据视为日期。
Axes.set_yticks	设置yaxis的刻度位置。
Axes.get_yticks	返回数据坐标中yaxis的刻度位置。
Axes.set_yticklabels	使用字符串标签列表设置yaxis标签。
Axes.get_yticklabels	获取yaxis的刻度标签。
Axes.get_ymajorticklabels	返回yaxis的主要刻度标签，作为的列表Text。
Axes.get_yminorticklabels	返回yaxis的次要刻度标签，作为的列表Text。
Axes.get_ygridlines	返回yaxis的网格线作为Line2Ds的列表。
Axes.get_yticklines	返回yaxis的刻度线作为Line2Ds的列表。
Axes.yaxis_date	设置轴刻度和标签，以将沿y轴的数据视为日期。
Axes.minorticks_off	去除轴上的细小滴答声。
Axes.minorticks_on	在轴上显示较小的刻度。
Axes.ticklabel_format	配置ScalarFormatter默认情况下用于线性轴。
Axes.tick_params	更改刻度线，刻度线标签和网格线的外观。
Axes.set_major_locator(self, locator)	设定刻度位置。locator : ~matplotlib.ticker.Locator

Axes.set_xticks(self, ticks, minor=False) 设置x轴刻度，默认情况下刻度也有标签。

ticks:此参数是x轴刻度位置的列表。
minor:此参数用于设置主要刻度线还是设置次要刻度线

Axes.set_xticklabels(self, labels, fontdict=None, minor=False, **kwargs) 用字符串标签列表设置xaxis标签。

labels:此参数是字符串标签的列表。
fontdict:此参数是控制刻度标签外观的字典。
默认值方块是：{‘fontsize’: rcParams[‘axes.titlesize’],
‘fontweight’: rcParams[‘axes.titleweight’],
‘verticalalignment’: ‘baseline’,
‘horizontalalignment’: loc}
minor:默认值：False，是否设置次要刻度线标签而不是主要刻度线标签。

import numpy as np import matplotlib.pyplot as pltdef main(): fig = plt.figure() ax = fig.add_subplot(1, 1, 1) ax.plot(np.random.randn(1000).cumsum()) ticks = ax.set_xticks([0, 250, 500, 750, 1000]) label = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'], rotation=30, fontsize='small') ax.set_title('My') ax.set_xlabel("Stages") plt.show()if __name__ == '__main__': main()

注解annotate annotate用于在图形上给数据添加文本注解，而且支持带箭头的划线工具，方便我们在合适的位置添加描述信息。

Axes.annotate(s, xy, *args, **kwargs)

s：注释文本的内容
xy：被注释的坐标点，二维元组形如(x,y)
xytext：注释文本的坐标点，也是二维元组，默认与xy相同
xycoords：被注释点的坐标系属性，允许输入的值如下

属性值	含义
‘figure points’	以绘图区左下角为参考，单位是点数
‘figure pixels’	以绘图区左下角为参考，单位是像素数
‘figure fraction’	以绘图区左下角为参考，单位是百分比
‘axes points’	以子绘图区左下角为参考，单位是点数（一个figure可以有多个axex，默认为1个）
‘axes pixels’	以子绘图区左下角为参考，单位是像素数
‘axes fraction’	以子绘图区左下角为参考，单位是百分比
‘data’	以被注释的坐标点xy为参考 (默认值)
‘polar’	不使用本地数据坐标系，使用极坐标系

textcoords ：注释文本的坐标系属性，默认与xycoords属性值相同，也可设为不同的值。除了允许输入xycoords的属性值，还允许输入以下两种：

属性值	含义
‘offset points’	相对于被注释点xy的偏移量（单位是点）
‘offset pixels’	相对于被注释点xy的偏移量（单位是像素）

arrowprops：箭头的样式，dict（字典）型数据，如果该属性非空，则会在注释文本和被注释点之间画一个箭头。如果不设置’arrowstyle’ 关键字，则允许包含以下关键字：

关键字	含义
width	箭头的宽度（单位是点）
headwidth	箭头头部的宽度（点）
headlength	箭头头部的长度（点）
shrink	箭头两端收缩的百分比（占总长）
?	任何的关键字

如果设置了‘arrowstyle’关键字，以上关键字就不能使用。允许的值有：

箭头的样式	属性
‘-’	None
‘->’	head_length=0.4,head_width=0.2
‘-[’	widthB=1.0,lengthB=0.2,angleB=None
’	-
'-	>’
‘<-’	head_length=0.4,head_width=0.2
‘<->’	head_length=0.4,head_width=0.2
'<	-’
'<	-
‘fancy’	head_length=0.4,head_width=0.4,tail_width=0.4
‘simple’	head_length=0.5,head_width=0.5,tail_width=0.2
‘wedge’	tail_width=0.3,shrink_factor=0.5

annotation_clip : 布尔值，可选参数，默认为空。设为True时，只有被注释点在子图区内时才绘制注释；设为False时，无论被注释点在哪里都绘制注释。仅当xycoords为‘data’时，默认值空相当于True。

示例：设置了箭头的颜色和缩进

import numpy as np import matplotlib.pyplot as plt fig, ax = plt.subplots() # 绘制一个余弦曲线 t = np.arange(0.0, 5.0, 0.01) s = np.cos(2*np.pi*t) line, = ax.plot(t, s, lw=2) # 绘制一个黑色，两端缩进的箭头 ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5), xycoords='data', arrowprops=dict(facecolor='black', shrink=0.05) ) ax.set_ylim(-2, 2) plt.show()

文章图片

示例：用不同的坐标体系绘制注释

import numpy as np import matplotlib.pyplot as plt # 以步长0.005绘制一个曲线 x = np.arange(0, 10, 0.005) y = np.exp(-x/2.) * np.sin(2*np.pi*x) fig, ax = plt.subplots() ax.plot(x, y) ax.set_xlim(0, 10) ax.set_ylim(-1, 1) # 被注释点的数据轴坐标和所在的像素 xdata, ydata = https://www.it610.com/article/5, 0 xdisplay, ydisplay = ax.transData.transform_point((xdata, ydata)) # 设置注释文本的样式和箭头的样式 bbox = dict(boxstyle="round", fc="0.8") arrowprops = dict( arrowstyle = "->", connectionstyle = "angle,angleA=0,angleB=90,rad=10") # 设置偏移量 offset = 72 # xycoords默认为'data'数据轴坐标，对坐标点（5,0）添加注释 # 注释文本参考被注释点设置偏移量，向左2*72points，向上72points ax.annotate('data = https://www.it610.com/article/(%.1f, %.1f)'%(xdata, ydata), (xdata, ydata), xytext=(-2*offset, offset), textcoords='offset points', bbox=bbox, arrowprops=arrowprops) # xycoords以绘图区左下角为参考，单位为像素 # 注释文本参考被注释点设置偏移量，向右0.5*72points，向下72points disp = ax.annotate('display = (%.1f, %.1f)'%(xdisplay, ydisplay), (xdisplay, ydisplay), xytext=(0.5*offset, -offset), xycoords='figure pixels', textcoords='offset points', bbox=bbox, arrowprops=arrowprops) plt.show()

文章图片

示例：极坐标上的注释，在极坐标系绘图，并在极坐标系设置被注释点，以绘图区的百分比为参数放置注释文本。

import numpy as np import matplotlib.pyplot as plt # 绘制一个极地坐标，再以0.001为步长，画一条螺旋曲线 fig = plt.figure() ax = fig.add_subplot(111, polar=True) r = np.arange(0,1,0.001) theta = 2 * 2*np.pi * r line, = ax.plot(theta, r, color='#ee8d18', lw=3) # 对索引为800处画一个圆点，并做注释 ind = 800 thisr, thistheta = r[ind], theta[ind] ax.plot([thistheta], [thisr], 'o') ax.annotate('a polar annotation', xy=(thistheta, thisr),# 被注释点遵循极坐标系，坐标为角度和半径 xytext=(0.05, 0.05),# 注释文本放在绘图区的0.05百分比处 textcoords='figure fraction', arrowprops=dict(facecolor='black', shrink=0.05),# 箭头线为黑色，两端缩进5% horizontalalignment='left',# 注释文本的左端和低端对齐到指定位置 verticalalignment='bottom', ) plt.show()

文章图片

鼠标滑过显示隐藏内容用annotate实现

创建[点，注释]对的列表，默认情况下，注释不可见
每次检测到鼠标移动时，都会注册一个函数“on_move”
on_move函数遍历每个点和注释，如果鼠标现在位于其中一个点上，则使其关联的注释可见，如果不是，则使其不可见。

import matplotlib.pyplot as plt fig = plt.figure() po_annotation = [] for i in range(0, 10): x = i y = x**2 point, = plt.plot(x, y, 'o') annotation = plt.annotate(('x='+str(x), 'y='+str(y)), xy=(x+0.1, y+0.1), xycoords='data', xytext=(x+0.7, y+0.7), textcoords='data', horizontalalignment="left", arrowprops=dict(arrowstyle="simple",connectionstyle="arc3,rad=-0.1"), bbox=dict(boxstyle="round", facecolor="w",edgecolor="0.5", alpha=0.9) ) annotation.set_visible(False) po_annotation.append([point, annotation]) def on_move(event): visibility_changed = False for point, annotation in po_annotation: should_be_visible = (point.contains(event)[0] == True) # print(point.contains(event)[0]) if should_be_visible != annotation.get_visible(): visibility_changed = True annotation.set_visible(should_be_visible) if visibility_changed: plt.draw() on_move_id = fig.canvas.mpl_connect('motion_notify_event', on_move) plt.show()