Matplotlib绘图基础之配置参数详解
Matplotlib 提供了大量配置参数，这些参数可以但不限于让我们从整体上调整通过 Matplotlib 绘制的图形样式，这里面的参数还有很多是功能性的，和其他工具结合时需要用的配置。
通过plt.rcParams，可以查看所有的配置信息：
import matplotlib.pyplot as plt print(len(plt.rcParams)) #运行结果 312
总共居然有312个配置选项。
一一介绍所有的选项意义不大，具体可参考官方文档：https://matplotlib.org/stable/api/matplotlib_configuration_api.html#matplotlib.rcParams
本篇只是抛砖引玉，介绍几个常用的参数，目的是了解参数的使用方法和产生的效果。
1. 坐标轴
首先是坐标轴相关的配置，通过下面的代码可以看看有多个关于坐标轴的配置：
import matplotlib.pyplot as plt
count = 1
for key, val in plt.rcParams.items():
#只打印以 axes 开头的配置
if key.startswith("axes"):
print(key, " = ", val)
count += 1
#相关的配置有 38 个
print(f"axes 相关设置有: {count} 个")一共有38个关于坐标轴的配置。
挑选一些配置，看看修改前后的效果：
x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) plt.rcParams.update(plt.rcParamsDefault) fig = plt.figure() ax = fig.add_axes([0.1, 0.1, 0.8, 0.8]) ax.plot(x, y1, label="sin") ax.plot(x, y2, label="cos") ax.legend() plt.show()
修改了背景色，边框和网格：
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.rcParams.update(plt.rcParamsDefault)
plt.rc("axes", facecolor="#FFE4C4", edgecolor="#A52A2A", grid=True)
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.plot(x, y1, label="sin")
ax.plot(x, y2, label="cos")
ax.legend()
plt.show()
2. 网格
关于网格，除了通过坐标轴来设置，它还有自己的一些专门的设置选项：
count = 1
for key, val in plt.rcParams.items():
if key.startswith("grid"):
print(key, " = ", val)
count += 1
print(f"grid 相关设置有: {count} 个")
总共有5个相关的配置，设置看看效果。
代码和上面类似，这里只把设置部分的代码列出来。
plt.rcParams.update(plt.rcParamsDefault)
plt.rc("axes", grid=True)
plt.rc("grid", linestyle="solid", linewidth=2, color="g", alpha=0.5)
这是修改后的效果，修改前的效果和上一节中的一样。
3. 刻度
刻度相关的参数如下：
xcount = 1
ycount = 1
for key, val in plt.rcParams.items():
if key.startswith("xtick"):
print(key, " = ", val)
xcount += 1
if key.startswith("ytick"):
print(key, " = ", val)
ycount += 1
print(f"xtick 相关设置有: {xcount} 个")
print(f"ytick 相关设置有: {ycount} 个")
X轴刻度和Y轴刻度的相关设置各有21个。
设置方法和效果如下：
plt.rcParams.update(plt.rcParamsDefault)
plt.rc("xtick", color="g", direction="in")
plt.rc("ytick", color="r")
上面的示例分别设置X轴和Y轴的颜色，以及X轴的direction，direction="in" 表示刻度的小短线在图形内部，
Y轴没设置这个属性，它的刻度线是在图形外的。
4. 颜色列表
我们绘制图形的时候，一个图形中有多个曲线时，每个曲线默认就会使用不同的颜色。
这是因为配置中有一个默认的颜色列表，绘制多个图形时，会依次使用其中的颜色。
print(plt.rcParams["axes.prop_cycle"])
#运行结果
cycler('color',
['#1f77b4',
'#ff7f0e',
'#2ca02c',
'#d62728',
'#9467bd',
'#8c564b',
'#e377c2',
'#7f7f7f',
'#bcbd22',
'#17becf'])如果去查下颜色编码的话，可以看出，前两个颜色就是蓝色和红色。
所以上面的示例中的两条曲线都是蓝色和红色。
修改下这个默认的颜色列表，看看变化效果：
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
from matplotlib import cycler
colors = cycler(
"color", ["#9467bd", "#8c564b", "#e377c2", "#7f7f7f", "#bcbd22", "#17becf"]
)
plt.rcParams.update(plt.rcParamsDefault)
plt.rc("axes", prop_cycle=colors)
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.plot(x, y1, label="sin")
ax.plot(x, y2, label="cos")
ax.legend()
plt.show()
改变颜色列表之后，两条曲线的颜色都变了。
绘制曲线或者其他图形时，其实是有参数可以指定颜色的，为什么还需要这个颜色列表的配置？
这是因为，如果我们能够确定整体报告的风格，那么就可以在一开始就根据报告的风格设置好这个颜色列表，
然后绘制各种图形时就不需要指定颜色，极大简化后续的代码，也提高了代码的可维护性。
5. 总结
在配置 rcParams 时，我们可以根据需要修改各种选项，以达到更好的显示效果。
但需要注意的是，过多地修改 rcParams 可能会导致绘图缓慢或出现其他问题，因此需要根据实际情况进行合理的配置。
到此这篇关于Matplotlib绘图基础之配置参数详解的文章就介绍到这了,更多相关Matplotlib配置参数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python实现简单的获取图片爬虫功能,涉及Python使用urllib模块及正则模块操作页面元素获取图片的相关技巧,需要的朋友可以参考下2017-07-07
这篇文章主要介绍了基于Python的EasyGUI学习实践,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-05-05
这篇文章主要介绍了OpenCV基本操作之色彩空间，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-09-09
今天小编就为大家分享一篇对Django外键关系的描述，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-07-07
这篇文章主要介绍了Python 文件处理注意事项总结的相关资料,需要的朋友可以参考下2017-04-04
直方图均衡化可以达到增强图像显示效果的目的。最常用的比如去雾。本文就来实现直方图均衡化实现图像去雾，感兴趣的可以了解一下2021-06-06
关于Python ImportError: No module named&nb
最近多个小伙伴儿问“ImportError: No module named xxx“，应该怎么样解决，下面小编给大家带来了关于Python ImportError: No module named 通用解决方法，感兴趣的朋友一起看看吧2022-11-11
下面小编就为大家分享一篇wxPython之解决闪烁的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-01-01
端口扫描是非常实用的，不止用在信息安全方面，日常的运维也用得到。本文将利用Python编写一个简单的端口扫描器，需要的可以参考一下2022-04-04
这篇文章主要为大家详细介绍了python实现简单倒计时功能，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-04-04
最新评论