2.3 样式与美化

2.3 样式与美化

Matplotlib 进阶绘图：2.3 样式与美化

2.3.1 样式（Styles）：快速定制图表外观

Matplotlib 提供了多种方式来定制图表样式，其中最便捷的方法之一是使用样式表（stylesheets）。样式表是一组预定义的样式参数，可以快速应用于图表，改变其整体外观。

1. 使用预定义样式表

Matplotlib 内置了多种预定义样式表，可以通过 plt.style.use() 函数来应用。你可以使用 plt.style.available 查看所有可用的样式表。

import matplotlib.pyplot as plt
import numpy as np
# 查看可用的样式表
print(plt.style.available)
# 生成示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 应用 'ggplot' 样式
plt.style.use('ggplot')
# 绘制图形
plt.plot(x, y)
plt.title('Plot with ggplot style')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.show()
# 应用 'seaborn-v2-darkgrid' 样式
plt.style.use('seaborn-v2-darkgrid')
# 绘制图形
plt.plot(x, y)
plt.title('Plot with seaborn-v2-darkgrid style')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.show()
# 恢复默认样式
plt.style.use('default')
​

代码详解：

• plt.style.available: 打印 Matplotlib 中所有可用的样式表名称。

• plt.style.use('样式名称'): 应用指定的样式表。例如，'ggplot' 和 'seaborn-v2-darkgrid' 是两个常用的样式表，它们分别模拟了 R 语言的 ggplot2 库和 Seaborn 库的风格。

• plt.style.use('default'): 将样式恢复到 Matplotlib 的默认设置。

Mermaid 图：样式表应用流程

2. 自定义样式表

除了使用预定义的样式表，你还可以创建自定义样式表，以满足更个性化的需求。自定义样式表是一个文本文件（通常以 .mplstyle 为扩展名），其中包含了 Matplotlib 的配置参数。

创建自定义样式表 (custom_style.mplstyle)：

axes.facecolor: lightgray
axes.edgecolor: black
axes.grid: True
axes.grid.axis: y
axes.grid.linestyle: --
axes.titlecolor: darkblue
axes.titlesize: large
xtick.direction: in
ytick.direction: in
xtick.major.size: 8
ytick.major.size: 8
grid.color: gray
grid.linestyle: -
grid.linewidth: 0.5
figure.facecolor: white
figure.edgecolor: white
savefig.facecolor: white
savefig.edgecolor: white
font.family: sans-serif
font.sans-serif: Arial, Helvetica, Liberation Sans, DejaVu Sans, Bitstream Vera Sans, sans-serif
​

应用自定义样式表：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 应用自定义样式表
plt.style.use('./custom_style.mplstyle')  # 假设 custom_style.mplstyle 文件在当前目录下
plt.plot(x, y)
plt.title('Plot with Custom Style')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.show()
​

代码详解：

• plt.style.use('./custom_style.mplstyle'): 使用 plt.style.use() 函数并指定自定义样式表文件的路径来应用自定义样式。

3. 临时样式设置 (with style):

有时候你只想在代码的某个特定部分应用某种样式，而不想影响全局样式设置。可以使用 with plt.style.context('样式名称') 上下文管理器来实现临时样式设置。

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
z = np.cos(x)
# 绘制默认样式的图形
plt.plot(x, y, label='sin(x)')
# 使用 'dark_background' 样式绘制第二个图形 (临时样式)
with plt.style.context('dark_background'):
    plt.plot(x, z, label='cos(x)', color='cyan') # 可以覆盖样式表中的颜色设置
plt.title('Plots with Different Styles')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.legend()
plt.show()
​

代码详解：

• with plt.style.context('dark_background'):: 创建一个样式上下文，在这个上下文内的绘图操作将应用 'dark_background' 样式。上下文结束后，样式将恢复到之前的设置。

• 在 with 语句块内，可以像平常一样进行绘图操作，样式表会被临时应用。

• 可以在临时样式上下文中覆盖样式表中的某些参数，例如在 'dark_background' 样式下，我们仍然可以指定 color='cyan' 来改变线条颜色。

2.3.2 美化 (Beautification)：精细调整图表元素

除了使用样式表快速改变图表外观，Matplotlib 还提供了丰富的 API 用于精细调整图表的各个元素，例如颜色、线条、标记、文本、坐标轴、图例等，从而实现更精细化的美化。

1. 颜色 (Colors)

Matplotlib 提供了多种方式来指定颜色：

• 颜色名称 (Color Names): 使用预定义的颜色名称，例如 'red', 'blue', 'green', 'black', 'white', 'gray' 等。Matplotlib 支持的颜色名称可以在官方文档中查阅。

• 十六进制颜色码 (Hex Codes): 使用十六进制颜色码，例如 '#FF0000' (红色), '#008000' (绿色), '#0000FF' (蓝色)。

• RGB 元组 (RGB Tuple): 使用 RGB 元组，例如 (1, 0, 0) (红色), (0, 0.5, 0) (深绿色), (0, 0, 1) (蓝色)。RGB 值的范围是 0 到 1。

• RGBA 元组 (RGBA Tuple): 使用 RGBA 元组，包含透明度 alpha 值，例如 (1, 0, 0, 0.5) (半透明红色)。Alpha 值的范围是 0 (完全透明) 到 1 (完全不透明)。

• 灰度值 (Grayscale Value): 使用灰度值字符串，例如 '0.7' (浅灰色)。灰度值的范围是 0 (黑色) 到 1 (白色)。

• Colormaps (颜色映射): 用于将数值数据映射到颜色，常用于绘制热图、等高线图等。Colormaps 是一个更高级的话题，这里暂不深入讨论。

代码示例：颜色应用

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 5)
y1 = [1, 3, 2, 4, 5]
y2 = [2, 4, 3, 5, 6]
y3 = [3, 5, 4, 6, 7]
plt.plot(x, y1, color='red', label='Color Name: red')
plt.plot(x, y2, color='#008000', label='Hex Code: #008000 (green)')
plt.plot(x, y3, color=(0, 0, 1), label='RGB Tuple: (0, 0, 1) (blue)')
plt.plot(x, y1 + 1, color=(0.5, 0.5, 0.5, 0.5), linestyle='--', label='RGBA Tuple: (0.5, 0.5, 0.5, 0.5) (gray, alpha=0.5)')
plt.plot(x, y2 + 1, color='0.8', linestyle=':', label='Grayscale: 0.8')
plt.title('Color Examples')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.legend()
plt.show()
​

2. 线条 (Lines)

可以定制线条的颜色 (color)、线型 (linestyle)、线宽 (linewidth)、透明度 (alpha) 等属性。

• linestyle: 常用的线型包括：

  • '-' 或 'solid' (实线，默认)

  • '--' 或 'dashed' (虚线)

  • '-.' 或 'dashdot' (点划线)

  • ':' 或 'dotted' (点线)

  • 'None' 或 '' (无线条)

• linewidth: 线宽，数值类型，单位为磅 (points)。

• alpha: 线条透明度，数值类型，范围 0 到 1。

代码示例：线条样式

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 5)
y = [1, 3, 2, 4, 5]
plt.plot(x, y, linestyle='-', linewidth=2, label='Solid, linewidth=2')
plt.plot(x, y + 1, linestyle='--', linewidth=1.5, label='Dashed, linewidth=1.5')
plt.plot(x, y + 2, linestyle='-.', linewidth=1, label='Dashdot, linewidth=1')
plt.plot(x, y + 3, linestyle=':', linewidth=0.5, label='Dotted, linewidth=0.5')
plt.plot(x, y + 4, linestyle='None', marker='o', label='No line, marker=o') # 无线条，只显示标记
plt.title('Line Style Examples')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.legend()
plt.show()
​

3. 标记 (Markers)

标记用于在数据点处显示符号，可以定制标记的形状 (marker)、大小 (markersize)、颜色 (markerfacecolor, markeredgecolor)、边框线宽 (markeredgewidth) 等属性。

• marker: 常用的标记形状包括：

  • 'o' (圆圈)

  • '^' (三角形)

  • 's' (正方形)

  • '*' (星号)

  • '+' (加号)

  • 'x' (叉号)

  • 'D' (菱形)

  • 'd' (小菱形)

  • '.' (点)

  • ',' (像素)

  • 更多标记类型请参考 Matplotlib 文档。

• markersize: 标记大小，数值类型，单位为磅 (points)。

• markerfacecolor: 标记填充颜色。

• markeredgecolor: 标记边框颜色。

• markeredgewidth: 标记边框线宽。

代码示例：标记样式

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 5)
y = [1, 3, 2, 4, 5]
plt.plot(x, y, marker='o', markersize=10, markerfacecolor='blue', markeredgecolor='black', markeredgewidth=1, label='Marker: o')
plt.plot(x, y + 1, marker='^', markersize=8, markerfacecolor='none', markeredgecolor='red', markeredgewidth=2, label='Marker: ^, no facecolor') # 空心标记
plt.plot(x, y + 2, marker='s', markersize=12, markerfacecolor='green', markeredgecolor='green', alpha=0.7, label='Marker: s, alpha=0.7') # 透明度标记
plt.plot(x, y + 3, marker='*', markersize=15, markerfacecolor='yellow', markeredgecolor='orange', label='Marker: *')
plt.title('Marker Style Examples')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.legend()
plt.show()
​

4. 文本 (Text)

Matplotlib 提供了丰富的文本控制功能，可以定制标题 (title)、坐标轴标签 (xlabel, ylabel)、图例标签 (label)、文本注释 (annotate, text) 等文本元素的字体、大小、颜色、样式、位置等属性。

• 字体 (Font): 可以使用 fontproperties 参数或全局设置来控制字体。可以设置字体族 (family)、字体风格 (style)、字体粗细 (weight)、字体大小 (size) 等。

• 颜色 (Color): 使用 color 参数设置文本颜色。

• 对齐方式 (Alignment): 可以使用 ha (horizontalalignment) 和 va (verticalalignment) 参数设置水平和垂直对齐方式。

• 旋转角度 (Rotation): 使用 rotation 参数设置文本旋转角度。

代码示例：文本样式

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
# 设置标题样式
plt.title('Sine Wave', fontsize=20, fontweight='bold', color='darkblue', fontfamily='serif')
# 设置坐标轴标签样式
plt.xlabel('Time (s)', fontsize=14, color='gray')
plt.ylabel('Amplitude', fontsize=14, color='gray', rotation=0, labelpad=20) # rotation=0 使ylabel水平显示，labelpad调整标签与轴线的距离
# 添加文本注释
plt.annotate('Peak', xy=(np.pi/2, 1), xytext=(np.pi/2 + 1, 1.2),
             arrowprops=dict(facecolor='black', shrink=0.05),
             fontsize=12)
# 设置图例样式 (在 plt.plot() 中使用 label 参数，然后在 plt.legend() 中显示)
plt.plot(x, np.cos(x), label='Cosine Wave', linestyle='--')
plt.legend(loc='upper right', fontsize=10, frameon=False) # frameon=False 去除图例边框
plt.show()
​

5. 坐标轴 (Axes)

可以定制坐标轴的范围 (xlim, ylim)、刻度 (xticks, yticks)、刻度标签 (xticklabels, yticklabels)、轴线颜色 (spines)、网格线 (grid) 等属性。

• 范围 (Limits): plt.xlim(xmin, xmax) 和 plt.ylim(ymin, ymax) 设置 x 和 y 轴的显示范围。

• 刻度 (Ticks): plt.xticks(ticks, labels) 和 plt.yticks(ticks, labels) 设置刻度位置和标签。ticks 是刻度位置的列表，labels 是刻度标签的列表（可选）。

• 轴线 (Spines): ax.spines['top'].set_visible(False) 可以隐藏顶部轴线，ax.spines['right'].set_color('red') 可以设置右侧轴线颜色。

• 网格线 (Grid): plt.grid(True) 显示网格线，plt.grid(axis='x', linestyle='--') 只显示 x 轴虚线网格线。

代码示例：坐标轴样式

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
fig, ax = plt.subplots() # 创建子图
ax.plot(x, y)
# 设置坐标轴范围
ax.set_xlim(0, 10)
ax.set_ylim(-1.2, 1.2)
# 设置刻度位置和标签
ax.set_xticks([0, np.pi/2, np.pi, 3*np.pi/2, 2*np.pi, 10])
ax.set_xticklabels(['0', 'π/2', 'π', '3π/2', '2π', '10'])
ax.set_yticks([-1, 0, 1])
# 隐藏顶部和右侧轴线
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
# 设置底部和左侧轴线颜色和线宽
ax.spines['bottom'].set_color('gray')
ax.spines['left'].set_linewidth(2)
# 显示网格线
ax.grid(True, axis='y', linestyle=':') # 只显示 y 轴点线网格
plt.title('Axes Style Examples')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.show()
​

6. 图例 (Legend)

图例用于解释图中不同线条、标记或区域代表的含义。可以使用 plt.legend() 函数显示图例，并可以定制图例的位置 (loc)、字体 (fontsize)、边框 (frameon)、背景色 (facecolor)、阴影 (shadow) 等属性。

• loc: 图例位置，常用的值包括 'upper right', 'upper left', 'lower right', 'lower left', 'center right', 'center left', 'upper center', 'lower center', 'center', 'best' (自动选择最佳位置)。

• fontsize: 图例字体大小。

• frameon: 是否显示图例边框，True 或 False。

• facecolor: 图例背景色。

• shadow: 是否显示图例阴影，True 或 False。

代码示例：图例样式

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 2)
y1 = [1, 3]
y2 = [2, 4]
plt.plot(x, y1, label='Line 1', color='blue')
plt.plot(x, y2, label='Line 2', color='red')
plt.title('Legend Style Examples')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.legend(loc='upper left', fontsize=12, frameon=True, facecolor='lightgray', edgecolor='gray', shadow=True) # 添加边框、背景色和阴影
plt.show()
​

2.3.3 美化最佳实践

• 保持一致性： 在同一份报告或演示文稿中，保持图表风格的一致性非常重要。可以使用样式表或自定义函数来统一风格。

• 突出重点： 使用颜色、线条、标记等视觉元素来突出图表中的关键信息。避免过度装饰，以免分散注意力。

• 简洁明了： 图表应简洁易懂，避免信息过载。选择合适的图表类型，清晰标注坐标轴和图例，确保读者能够快速理解图表所表达的信息。

• 考虑受众： 根据受众的背景和需求，选择合适的样式和美化方案。例如，面向专业人士的图表可以更加简洁，而面向大众的图表可以更具吸引力。

• 善用样式表： 样式表是快速定制图表风格的有效工具。可以尝试使用不同的预定义样式表，或创建自定义样式表，提高绘图效率和风格统一性。

• 逐步调整： 美化是一个迭代的过程。可以先绘制基本图表，然后逐步调整各个元素，直到达到满意的效果。

总结

本节深入探讨了 Matplotlib 中的样式与美化技巧，包括使用样式表快速定制图表外观，以及精细调整图表元素的各种方法。通过代码实践和详细解释，我们学习了如何使用颜色、线条、标记、文本、坐标轴和图例等元素来美化图表，使其更具吸引力和信息量。掌握这些技巧，可以帮助你创建更专业、更有效的 Matplotlib 图表，提升数据可视化能力。希望这些内容能够帮助你在 Matplotlib 进阶绘图的道路上更进一步。