🚀前言

在数据可视化的过程中，图表的美观与易读性直接影响到数据传达的效果。Matplotlib作为Python中最流行的绘图库之一，提供了丰富的功能和灵活的设置选项，使得我们能够创建出专业且具有视觉冲击力的图表。然而，初学者常常会在图表设置上感到困惑，不知道如何调整图表的样式、颜色、标签及其他参数，以达到最佳的可视化效果。

在本篇文章《Matplotlib 图表的常用设置》中，我们将系统地介绍Matplotlib中常用的图表设置技巧。我们将涵盖图表的基本构建块，包括标题、坐标轴、图例、刻度以及颜色等方面的设置。通过具体的实例和代码示例，你将学会如何调整图表的各个细节，使其不仅能够有效传达信息，还能吸引观众的注意力。

🚀一、Matplotlib 图表的常用设置

🔎1.基本绘图函数 plot()

语法

matplotlib.pyplot.plot(x, y, format_string, **kwargs)

参数说明

示例

import matplotlib.pyplot as plt
#折线图
#range()函数创建整数列表
x=range(1,15,1)
y=range(1,42,3)
plt.plot(x,y)
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel('体温.xls') #导入Excel文件
#折线图
x =df['日期']                #x轴数据
y=df['体温']                 #y轴数据
plt.plot(x,y)
plt.show()

🦋1.1 颜色设置

颜色参数 color 支持多种颜色表示方式：

颜色循环设置

from cycler import cycler
colors = ['#1f77b4', '#ff7f0e', '#2ca02c']
plt.rcParams['axes.prop_cycle'] = cycler(color=colors)

🦋1.2 线条样式 linestyle

🦋1.3 标记样式 marker

标记修饰参数

• markerfacecolor (mfc): 标记填充色（如 mfc='w' 白色填充）
• markeredgecolor (mec): 标记边缘颜色
• markersize (ms): 标记大小

🦋1.4 综合应用示例

绘制体温折线图

import pandas as pd
import matplotlib.pyplot as plt
fig=plt.figure(figsize=(5,3),facecolor='yellow')
#导入Excel文件
df=pd.read_excel('体温.xls')
#折线图
x=df['日期']          #x轴数据
y=df['体温']          #y轴数据
plt.plot(x,y,color='m',linestyle='-',marker='o',mfc='w')
plt.show()

🦋1.5 其他常用设置

坐标轴与标题

• plt.xlabel("x轴标签")：设置x轴标签
• plt.ylabel("y轴标签")：设置y轴标签
• plt.title("图表标题")：设置标题

图例与注释

• plt.legend(["图例说明"])：添加图例
• plt.text(x, y, "注释文本")：在指定坐标添加文本
• plt.annotate("注释", xy=(x,y), xytext=(x1,y1), arrowprops=dict(arrowstyle="->"))

调整边距

plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)
# 或自动调整
plt.tight_layout()

🦋1.7 注意事项

1. 文件路径：确保Excel文件路径正确（如 体温.xls 在代码同级目录）。
2. 颜色值纠错：十六进制颜色 #FFFF00（黄色）而非 #FFFFOO。
3. 扩展功能：可结合Seaborn库美化图表，或使用plt.style选择预置主题（如 plt.style.use('ggplot')）。

🔎2.设置画布

🦋2.1 figure() 函数语法与参数

figure() 函数用于创建或激活画布，语法如下：

matplotlib.pyplot.figure(
    num=None,        # 画布编号或名称
    figsize=None,    # 画布尺寸
    dpi=None,        # 分辨率
    facecolor=None,  # 背景颜色
    edgecolor=None,  # 边框颜色
    frameon=True     # 是否显示边框
)

🦋2.2 参数说明

🦋2.3 示例代码

自定义黄色画布（尺寸 5x3 英寸）

import pandas as pd
import matplotlib.pyplot as plt
fig=plt.figure(figsize=(5,3),facecolor='yellow')
#导入Excel文件
df=pd.read_excel('体温.xls')
#折线图
x=df['日期']          #x轴数据
y=df['体温']          #y轴数据
plt.plot(x,y,color='m',linestyle='-',marker='o',mfc='w')
plt.show()

🦋2.4 注意事项

1. 文件路径问题：

   • 确保 Excel 文件 体温.xls 存在于代码同级目录，或使用绝对路径（如 r'C:\data\体温.xls'）。
   • 若文件读取失败，检查 pandas 是否安装：pip install pandas openpyxl（需 openpyxl 支持 .xls）。

2. 颜色设置：

   • facecolor 和 edgecolor 支持多种格式：颜色名称（'red'）、十六进制（'#FF0000'）、RGB 元组（(1,0,0)）。

3. 画布与子图的关系：

   • 使用 plt.figure() 创建独立画布后，默认在当前画布上绘制图形。
   • 若需多子图布局，可结合 plt.subplots() 使用。

4. 分辨率与显示：

   • 高 dpi 值（如 dpi=300）适合保存高清图像，但可能增加内存消耗。
   • 某些 IDE 或 Jupyter Notebook 中，plt.show() 可能不会按 figsize 精确显示，建议导出为图片查看实际尺寸。

5. 边框控制：

   • frameon=False 会隐藏画布边框，但坐标轴仍保留。

6. 画布复用：

   • 通过 num 参数可激活已存在的画布：

     plt.figure(num='my_plot')  # 激活名为 'my_plot' 的画布
     

🔎3.设置坐标轴

🦋3.1 轴标题设置

函数说明

• **xlabel()**：设置x轴标题
• **ylabel()**：设置y轴标题

示例代码

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
df=pd.read_excel('体温.xls')               #导入Excel文件
#折线图
x=df['日期']                  #x轴数据
y=df['体温']                  #y轴数据
plt.plot(x,y,color='m',linestyle='-',marker='o',mfc='w')
plt.xlabel('2020年2月')        #x轴标题
plt.ylabel('基础体温')         #y轴标题
plt.show()

🦋3.3 坐标轴刻度设置

函数说明

• **xticks(locs, [labels], **kwargs)**：设置x轴刻度

  • locs：刻度位置（数组）
  • labels：刻度标签（数组，与locs长度一致）
• **yticks(locs, [labels], **kwargs)**：设置y轴刻度（参数同上）

示例代码 (1) 设置x轴为1~14的连续刻度

plt.xticks(range(1, 15, 1))  # 刻度位置：1到14，步长1

(2) 自定义x轴标签（带“日”的日期）

dates = ['1日', '2日', '3日', '4日', '5日', '6日', '7日', 
         '8日', '9日', '10日', '11日', '12日', '13日', '14日']
plt.xticks(range(1, 15, 1), dates)  # 刻度位置与标签一一对应

(3) 设置y轴体温刻度（35.4~38，间隔0.2）

plt.yticks([35.4, 35.6, 35.8, 36, 36.2, 36.4, 36.6, 
            36.8, 37, 37.2, 37.4, 37.6, 37.8, 38])

完整代码：

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
df=pd.read_excel('体温.xls')               #导入Excel文件
#折线图
x=df['日期']                  #x轴数据
y=df['体温']                  #y轴数据
plt.plot(x,y,color='m',linestyle='-',marker='o',mfc='w')
plt.xlabel('2020年2月')        #x轴标题
plt.ylabel('基础体温')         #y轴标题
plt.xticks(range(1,15,1))
# dates=['1日','2日','3日','4日','5日',
#        '6日','7日','8日','9日','10日',
#        '11日','12日','13日','14日']
# plt.xticks(range(1,15,1),dates)
plt.show()

🦋3.3 坐标轴范围设置

函数说明

• **xlim(left, right)**：设置x轴范围
• **ylim(bottom, top)**：设置y轴范围

示例代码

plt.xlim(1, 14)  # x轴范围：1~14
plt.ylim(35, 38) # y轴范围：35~38（更合理的体温区间）

🦋3.4 网格线设置

函数说明

• **grid(**kwargs)**：显示网格线

  • color：网格线颜色（支持颜色名称、十六进制等）
  • linestyle：线型（如 '-', '--', ':'）
  • linewidth：线宽（数值）
  • axis：方向（'x'仅x轴，'y'仅y轴）

示例代码

plt.grid(
    color='0.7',        # 浅灰色（0~1的灰度值）
    linestyle='--',     # 虚线
    linewidth=0.8,      # 线宽
    alpha=0.5           # 透明度（0~1）
)

🦋3.5 注意事项与常见问题

(1) 中文乱码问题

# 设置中文字体（需系统支持）
plt.rcParams['font.sans-serif'] = ['SimHei']      # 黑体
# 或使用其他字体（如微软雅黑）
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

# 解决负号显示
plt.rcParams['axes.unicode_minus'] = False

(2) 文件路径与依赖

• 确保Excel文件路径正确（绝对路径或相对路径）
• 安装必要依赖：

  pip install pandas openpyxl
  

(3) 刻度优化技巧

• 自动刻度调整：使用 plt.Locator 类自动生成合理刻度

  from matplotlib.ticker import MultipleLocator
  plt.gca().xaxis.set_major_locator(MultipleLocator(2))  # x轴每隔2单位显示刻度
  

(4) 饼图网格线特殊处理

• 饼图默认不显示网格线，需设置 frame=True：

  plt.pie(sizes, labels=labels, autopct='%1.1f%%', frame=True)
  plt.grid(True)  # 显示网格线
  

🦋3.6 综合示例

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
df=pd.read_excel('体温.xls')               #导入Excel文件
#折线图
x=df['日期']                  #x轴数据
y=df['体温']                  #y轴数据
plt.plot(x,y,color='m',linestyle='-',marker='o',mfc='w')
plt.xlabel('2020年2月')        #x轴标题
plt.ylabel('基础体温')         #y轴标题
dates=['1日','2日','3日','4日','5日',
       '6日','7日','8日','9日','10日',
       '11日','12日','13日','14日']
plt.xticks(range(1,15,1),dates)
plt.xlim(1,14)
plt.ylim(35,45)
plt.show()

🔎4.添加文本标签

🦋4.1 text() 函数语法与参数

语法

matplotlib.pyplot.text(
    x, y,                # 标签坐标
    s,                   # 文本内容
    fontdict=None,       # 字体属性字典
    withdash=False,      # 是否使用虚线文本（已弃用）
    **kwargs             # 其他文本样式参数
)

参数说明

🦋4.2 示例代码与解析

为体温折线图添加数据标签

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
df=pd.read_excel('体温.xls')               #导入Excel文件
#折线图
x=df['日期']                  #x轴数据
y=df['体温']                  #y轴数据
plt.plot(x,y,color='m',linestyle='-',marker='o',mfc='w')
plt.xlabel('2020年2月')        #x轴标题
plt.ylabel('基础体温')         #y轴标题

#设置x轴刻度及标签
dates=['1日','2日','3日','4日','5日',
       '6日','7日','8日','9日','10日',
       '11日','12日','13日','14日']
plt.xticks(range(1,15,1),dates)
plt.yticks([35.4,35.6,35.8,36,36.2,36.4,36.6,36.8,
            37,37.2,37.4,37.6,37.8,38])
for a,b in zip(x,y):
    plt.text(a,b+0.05,'%.1f'%b,ha = 'center',va = 'bottom',fontsize=9)
plt.show()

🦋4.3 关键参数说明

(1) 对齐方式

• horizontalalignment（ha）：水平对齐，可选值：'left', 'center', 'right'。
• verticalalignment（va）：垂直对齐，可选值：'top', 'center', 'bottom', 'baseline'。

(2) 常用样式参数

(3) 动态调整位置

• 偏移值：通过 b + 0.05 将标签上移，避免与数据点重叠。
• 格式化文本：f'{b:.1f}' 或 '%.1f' % b 保留1位小数。

🦋4.4 注意事项

1. 文件路径与依赖：

   • 确保 Excel 文件存在且路径正确。
   • 安装依赖库：pip install pandas openpyxl。

2. 中文显示问题：

   • 若 SimHei 不可用，替换为其他中文字体（如 'Microsoft YaHei'）。
   • 在 Linux 系统中可能需要额外安装中文字体包。

3. 标签重叠处理：

   • 若数据点密集导致标签重叠，可调整偏移量或使用 rotation 旋转标签。
   • 高级场景可使用 adjustText 库自动调整标签位置：

     from adjustText import adjust_text
     texts = [plt.text(a, b, f'{b:.1f}') for a, b in zip(x, y)]
     adjust_text(texts)  # 自动调整标签位置
     

4. 性能优化：

   • 数据量较大时，避免为每个点添加标签，可选择性标注关键点。

🦋4.5 扩展应用：标注特殊点

标记最高体温点

max_temp = y.max()
max_idx = y.idxmax()
plt.text(
    x[max_idx], max_temp + 0.1,
    f'最高体温: {max_temp:.1f}℃',
    ha='center',
    va='bottom',
    color='red',
    fontweight='bold'
)

🔎5.设置标题和图例

🦋5.1 图表标题设置

函数语法

matplotlib.pyplot.title(
    label,           # 标题文本
    fontdict=None,   # 字体样式字典
    loc='center',    # 标题水平位置
    pad=None,        # 标题与图表顶部的间距
    **kwargs         # 其他文本样式参数
)

参数说明

示例代码

plt.title(
    '14天基础体温折线图',  # 标题内容
    fontsize=18,          # 字体大小（注意：应为整数，非字符串）
    loc='left',           # 标题左对齐
    color='navy',         # 字体颜色
    pad=15                # 标题与图表的间距
)

🦋5.2 图例设置

函数语法

matplotlib.pyplot.legend(
    labels=None,        # 图例标签列表
    loc='best',         # 图例位置（见表14.3）
    bbox_to_anchor=None, # 图例微调坐标（元组）
    fontsize=10,        # 字体大小
    **kwargs            # 其他样式参数
)

参数说明 (1) 基本用法

(2) 图例位置参数 loc

(3) 微调位置 bbox_to_anchor 通过元组 (num1, num2) 调整图例位置：

• num1：左右偏移（值越大越右）
• num2：上下偏移（值越大越上）

示例：

plt.legend(
    ['体温'],
    loc='upper right',
    bbox_to_anchor=(1.2, 1),  # 向右上方微调
    fontsize=10
)

🦋5.3 综合示例与代码

完整标题与图例设置

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
df=pd.read_excel('体温.xls')               #导入Excel文件
#折线图
x=df['日期']                  #x轴数据
y=df['体温']                  #y轴数据
plt.plot(x,y,color='m',linestyle='-',marker='o',mfc='w')
plt.xlabel('2020年2月')        #x轴标题
plt.ylabel('基础体温')         #y轴标题

#设置x轴刻度及标签
dates=['1日','2日','3日','4日','5日',
       '6日','7日','8日','9日','10日',
       '11日','12日','13日','14日']
plt.xticks(range(1,15,1),dates)
plt.yticks([35.4,35.6,35.8,36,36.2,36.4,36.6,36.8,
            37,37.2,37.4,37.6,37.8,38])
for a,b in zip(x,y):
    plt.text(a,b+0.05,'%.1f'%b,ha = 'center',va = 'bottom',fontsize=9)
plt.title('14天基础体温曲线图',fontsize='18')
plt.legend(('体温',),loc='upper right',fontsize=10)
plt.show()

🦋5.4 注意事项

1. 字体大小参数类型：

   • fontsize 应为整数（如 fontsize=18），而非字符串（避免 fontsize='18'）。

2. 手动图例标签的陷阱：

   • 手动指定图例时需确保标签顺序与绘图顺序一致，推荐在绘图时直接使用 label 参数：

     plt.plot(x, y, label='体温变化')
     plt.legend()  # 自动读取label
     

3. 图例位置微调：

   • 当图例被画布边缘截断时，使用 bbox_to_anchor 调整位置，或扩大画布边距：

     plt.subplots_adjust(right=0.8)  # 右侧留出20%空白
     

4. 多线条图例处理：

   • 若图表中有多条线，需为每条线指定 label：

     plt.plot(x1, y1, label='数据1')
     plt.plot(x2, y2, label='数据2')
     plt.legend()
     

🔎6.添加注释

🦋6.1 annotate() 函数语法与核心参数

语法

plt.annotate(
    text,               # 注释文本内容
    xy,                 # 被注释点的坐标（数据坐标系）
    xytext=None,        # 注释文本的坐标（默认与xy相同）
    xycoords='data',    # 被注释点的坐标系统
    arrowprops=None,    # 箭头样式字典
    **kwargs            # 其他文本样式参数（如字体、颜色）
)

🦋6.2 坐标系统详解（xycoords）

常用坐标系设置

示例

# 在数据点 (9, 37.1) 处添加注释，文本位于数据点右侧
plt.annotate('最高体温', xy=(9, 37.1), xycoords='data', xytext=(10.5, 37.1))

🦋6.3 箭头样式设置（arrowprops）

常用参数

示例

arrowprops = dict(
    arrowstyle='->',        # 简单箭头样式
    facecolor='red',       # 箭头颜色
    shrink=0.05,           # 箭头两端收缩5%
    linewidth=1.5,         # 箭头线宽
    edgecolor='black'      # 箭头边缘颜色
)

🦋6.4 完整示例与代码解析

标注最高体温点

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
df=pd.read_excel('体温.xls')               #导入Excel文件
#折线图
x=df['日期']                  #x轴数据
y=df['体温']                  #y轴数据
plt.plot(x,y,color='m',linestyle='-',marker='o',mfc='w')
plt.xlabel('2020年2月')        #x轴标题
plt.ylabel('基础体温')         #y轴标题

#设置x轴刻度及标签
dates=['1日','2日','3日','4日','5日',
       '6日','7日','8日','9日','10日',
       '11日','12日','13日','14日']
plt.xticks(range(1,15,1),dates)
plt.yticks([35.4,35.6,35.8,36,36.2,36.4,36.6,36.8,
            37,37.2,37.4,37.6,37.8,38])
for a,b in zip(x,y):
    plt.text(a,b+0.05,'%.1f'%b,ha = 'center',va = 'bottom',fontsize=9)
plt.title('14天基础体温曲线图',fontsize='18')
plt.legend(('体温',),loc='upper right',fontsize=10)
plt.annotate('最高体温', xy=(9,37.1), xytext=(10.5,37.1),
            xycoords='data',
            arrowprops=dict(facecolor='r', shrink=0.05))
plt.show()

🦋6.5 扩展应用与注意事项

(1) 多注释场景

# 标注最低体温点
min_temp = y.min()
min_idx = y.idxmin()
plt.annotate(
    '最低体温',
    xy=(x[min_idx], min_temp),
    xytext=(x[min_idx] - 2, min_temp - 0.2),
    arrowprops=dict(arrowstyle='wedge', color='blue')
)

(2) 高级箭头样式 使用 FancyArrowPatch 自定义箭头：

from matplotlib.patches import FancyArrowPatch

plt.annotate(
    '异常值',
    xy=(5, 36.8),
    xytext=(3, 37.5),
    arrowprops=dict(
        arrowstyle='fancy',
        connectionstyle='arc3,rad=0.3',  # 弧形箭头
        color='orange',
        mutation_scale=20  # 控制箭头大小
    )
)

(3) 注意事项

• 坐标系一致性：确保 xy 和 xytext 使用相同坐标系（默认为 'data'）。
• 文本遮挡处理：若注释文本重叠，调整 xytext 或使用 textcoords 参数指定文本坐标系：

  plt.annotate(
      '注释',
      xy=(0.5, 0.5),
      xycoords='axes fraction',    # 被注释点在子图中心
      xytext=(0.7, 0.7),          # 文本在子图的(70%,70%)位置
      textcoords='axes fraction'   # 文本使用子图百分比坐标系
  )
  

• 极坐标注释：若使用极坐标系（projection='polar'），需设置 xycoords='polar'。