【愚公系列】《Python网络爬虫从入门到精通》041-Matplotlib 图表的常用设置

标题	详情
作者简介	愚公搬代码
头衔	华为云特约编辑，华为云云享专家，华为开发者专家，华为产品云测专家，CSDN博客专家，CSDN商业化专家，阿里云专家博主，阿里云签约作者，腾讯云优秀博主，腾讯云内容共创官，掘金优秀博主，亚马逊技领云博主，51CTO博客专家等。
近期荣誉	2022年度博客之星TOP2，2023年度博客之星TOP2，2022年华为云十佳博主，2023年华为云十佳博主，2024年华为云十佳博主等。
博客内容	.NET、Java、Python、Go、Node、前端、IOS、Android、鸿蒙、Linux、物联网、网络安全、大数据、人工智能、U3D游戏、小程序等相关领域知识。
欢迎	👍点赞、✍评论、⭐收藏

---

🚀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

参数	说明
x	x轴数据（列表/数组）
y	y轴数据（列表/数组）
format_string	控制曲线格式的字符串（颜色+线条+标记，如 'ro--'）
**kwargs	键值参数（如 linewidth=2, markersize=10）

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：

代码	颜色	其他方式示例
'b'	蓝色	'#0000FF'
'g'	绿色	(0, 1, 0)（RGB元组）
'r'	红色	'cyan'（颜色名称）
'c'	蓝绿色	0.5（灰度值）
'm'	洋红色	'xkcd:sky blue'（Xkcd颜色）
'y'	黄色	'tab:blue'（Tableau调色板）

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

代码	样式	示例
'-' 或 'solid'	实线（默认）	![实线]
'--' 或 'dashed'	虚线	![虚线]
':' 或 'dotted'	点线	![点线]
'-.' 或 'dashdot'	点划线	![点划线]

🦋1.3 标记样式 marker

代码	样式	说明
'o'	圆圈	实心圆标记
's'	正方形	实心正方形
'^'	上三角形	倒三角标记
'D'	菱形	大菱形标记
'*'	星号	五角星标记
'h'	六边形	竖六边形标记

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

参数	类型	说明	默认值	示例
num	int 或 str	画布标识符（编号或名称）。若 num 已存在，则激活该画布；否则新建画布。	None	num=1 或 num='my_plot'
figsize	tuple	画布尺寸 (宽度, 高度)，单位为英寸。	None (默认 (6.4, 4.8))	figsize=(8, 5)
dpi	int	分辨率（每英寸像素数），值越大图像越清晰。	None (默认 100)	dpi=300
facecolor	str 或颜色代码	背景颜色（支持名称、十六进制、RGB元组等）。	None (默认白色)	facecolor='#FFE4C4'
edgecolor	str 或颜色代码	边框颜色。	None (默认黑色)	edgecolor='blue'
frameon	bool	是否显示边框。	True	frameon=False

🦋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，