双纵坐标的绘图命令_Matplotlib绘图 | 快速定义图表样式的小技巧

Matpltlibrc file 设置图表属性

Matplotlib 在绘图过程中，每创建一个图表，都要对该图表内的样式(例如字体大小、颜色、分辨率、横纵坐标刻度、横纵坐标标签)设置一次，重复乏味，如下展示的是一个正弦函数曲线

X =np.linspace(-np.pi,np.pi,256,endpoint =True)
S = np.sin(X)plt.plot(X,S,color = "blue",linewidth = 3.0,linestyle = ":")

为了方便起见，matplotlib 提供一个 matplotlibrc 文件接口，来全局自定义图表属性(图表大小、DPI、线的宽度、坐标轴、样式、网格属性等)，使用方法为 rcParams 命令，一次定义,对接下来创建的全部图表的样式都起效，避免了来回调参的麻烦

rcParsms 参数是以字典键值对的形式声明，格式如下

matplotlib.rcParams['lines.linewidth'] = 2
matplotlib.rcParams['lines.linestyle'] = '--'

在创建图表之前，对全局参数进行设定，设定好了之后可以应用到全部图表中，不需要自己再进行逐一设置

mpl.rcParams['lines.linewidth'] = 2.5 #linewidth
mpl.rcParams['lines.linestyle'] = '-' #( mpl 是 matplotlib 的缩写)
plt.plot(X,S,color = 'red')

上面提到的 matplotlib.rcParams 的一种缩写方法为 mpl.rc() 函数

mpl.rc('lines', linewidth=4, linestyle='-.')
plt.plot(X,S,color = 'red')

如果不想使用之前设置的全局样式，也可以在图表绘制时单独设置，这样的话会直接把原来的样式覆盖掉即，例如这里只改变线条样式， linewidth 设为 “-.”，颜色设为橘黄色，其他参数不变：

除了上面说的常用属性设置之外，也可以利用 rcParams 改变横坐轴的坐标标签，大小，刻度颜色等；

mpl.rcParams['axes.grid'] =True
mpl.rcParams['axes.labelsize'] = 15
mpl.rcParams['axes.labelcolor'] ="red"mpl.rcParams['xtick.color'] = 'red'
mpl.rcParams['xtick.alignment'] = "center"plt.plot(X,S,color = 'orange')
plt.ylabel("Y")
plt.xlabel("X")

据官网介绍，rcParam 还支持 FONT、LaTex、TEXT、IMAGES、ANIMATION 等类别属性修改，足够日常绘表的需求

## Matplotlib configuration are currently divided into following parts:
##     - BACKENDS
##     - LINES
##     - PATCHES
##     - HATCHES
##     - BOXPLOT
##     - FONT
##     - TEXT
##     - LaTeX
##     - AXES
##     - DATES
##     - TICKS
##     - GRIDS
##     - LEGEND
##     - FIGURE
##     - IMAGES
##     - CONTOUR PLOTS
##     - ERRORBAR PLOTS
##     - HISTOGRAM PLOTS
##     - SCATTER PLOTS
##     - AGG RENDERING
##     - PATHS
##     - SAVING FIGURES
##     - INTERACTIVE KEYMAPS
##     - ANIMATION

具体详细内容可以参考官网文档：https://matplotlib.org/tutorials/introductory/customizing.html

Matplotlib 设置样式 style

看过 R 语言里的一些可视化包 ggplot2，recharts 做出来的图，与 matplotlib 一对比，觉得 matplotlib 的可视化效果差一点，下图是 ggplot 绘制得到的图表

如果仔细研究的话，其实 matplotlib 在可视化效果方面也是非常不错的，matlibplot 提供很强大的样式修改、切换机制，例如说我们看到某个图表样式比较不错，可以把它保存下为 style 文件并设置为 matplibplot 调用接口，下次再绘制相同样式图表时只需填充数据，调用一下即可

在定义样式之前，可以先预览一下matplotlib 提供的图表样式种类，在 matplotlib 3.1.1 版本中一共提供了 26个样式

print(plt.style.available)#print
['bmh','classic','dark_background','fast','fivethirtyeight','ggplot','grayscale','seaborn-bright','seaborn-colorblind','seaborn-dark-palette','seaborn-dark','seaborn-darkgrid','seaborn-deep','seaborn-muted','seaborn-notebook','seaborn-paper','seaborn-pastel','seaborn-poster','seaborn-talk','seaborn-ticks','seaborn-white','seaborn-whitegrid','seaborn','Solarize_Light2','tableau-colorblind10','_classic_test']

使用内置样式

样式使用方法相对比较简单，一行代码即可，这里设置的样式以 ggplot 为例

plt.style.use("ggplot")S = np.cos(X)
plt.plot(X,S)

混合样式使用

matplotlib 除了能够使用单一 style 之外，也可以把多个 style 混在一起使用，把样式名以列表形式存储即可；但在使用过程中，如果多个样式的属性发生冲突（一个样式背景为黑色，一个背景为白色），列表右边的样式会覆盖左边的；

plt.style.use(['fivethirtyeight','dark_background'])S = np.cos(X)
plt.plot(X,S)

自定义样式

也可以自己定义样式，样式里面属性以下面方式定义，存储

axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16

属性定义完之后存储在一个文件中，文件名格式需要有所要求：需后缀名为 .mplstyle ；调用时，利用 pyplot.use.style( "你的style 文件路径") 命令即可

>>> import matplotlib.pyplot as plt
>>> plt.style.use('./images/presentation.mplstyle')

临时图表样式

需要注意的是上面提到用 plt.style.use() 命令设置的是全局 style，后面创建图表后，默认使用的样式都是一样的；Matplotlib 在这里对于设置完全局样式之后，对于某一个图表想要设置为特定的样式，加入了临时样式的概念：

with plt.style.context('dark_background'):plt.plot(np.sin(np.linspace(0, 2 * np.pi)))
plt.show()

在上面的方法中，用 with 创建了一个临时样式，用到了 plt.style.context() 函数，创建的样式是有范围限制的，只对 with 范围内创建的图表格式有效