【Python基础】深入浅出讲明白如何用Python画好各种图

原创于 2025-04-15 20:45:34 发布

· 885 阅读

17 ·

版权

文章标签：

#python #开发语言 #matplotlib

Python 专栏收录该内容

10 篇文章

订阅专栏

文章目录

写在前面
一、图形整体设置
- （一）单图设置
- （二）子图设置
二、线条样式参数（适用于折线图 plt.plot）
三、散点图参数（plt.scatter）
四、坐标轴设置
五、标题和图例
- - 1. title: 图形标题
  - 2. legend: 图例
六、网格和背景
- - 1. grid: 显示网格
  - 2. axis: 坐标轴显示模式
七、保存图形
八、高级参数
- - rcParams: 全局默认参数设置
  - 子图布局
九、子图与单图的语法对比
十、子图专用功能示例
十一、语法差异总结
十二、常见问题

写在前面

不知道看到这篇博客的小伙伴是遇到什么问题才来看我这边篇博客，为了不浪费大家的时间，博主先简单介绍一下为什么要写这篇博客。
博主最近在画图，但是遇到一个问题，就是相似的图要画很多遍，可能就只是稍微改几个参数，几行代码，这样子写几个方法的话代码重复率太高了，于是乎博主想写一个万能的画图代码，该代码只需要完成基本参数的设置，其他的无需改动，可以实现自动画图。
为了实现该想法，我们就必须要知道画图需要提供什么，所以本篇博客将会先介绍plt的一些基本用法，了解这些用法之后再将其转化为我们的目标代码。

一、图形整体设置

通过 plt.figure() 或 plt.subplots() 设置全局参数。

（一）单图设置

figsize: 图形尺寸，单位英寸

plt.figure(figsize=(8, 4))  # 宽度8英寸，高度4英寸

dpi: 分辨率（每英寸像素数）

plt.figure(dpi=100)  # 默认分辨率

facecolor/edgecolor: 图形背景和边框颜色

plt.figure(facecolor='lightgray', edgecolor='black')

（二）子图设置

使用 plt.subplots() 创建多个子图，并通过返回的 axes 对象控制每个子图的参数。

通过 plt.subplots() 的参数设置整体属性：

fig, axes = plt.subplots(
    nrows=2, 
    ncols=2, 
    figsize=(10, 8),          # 图形尺寸
    facecolor='lightgray',    # 背景色
    dpi=100,                 # 分辨率
    sharex=True,             # 共享 X 轴
    sharey=True,             # 共享 Y 轴
    subplot_kw={'projection': ccrs.PlateCarree()}  # 子图专用参数（如地图投影）
)

单个子图的参数设置

通过 axes 对象逐个设置属性：

# 设置第一个子图
axes[0,0].plot(x, y, color='red', linewidth=2, marker='o')
axes[0,0].set_title("Subplot 1", fontsize=12, color='blue')
axes[0,0].set_xlabel("X Axis", fontsize=10)
axes[0,0].set_ylabel("Y Axis", fontsize=10)
axes[0,0].grid(True, linestyle='--', alpha=0.5)
axes[0,0].tick_params(axis='x', rotation=45)  # 旋转 X 轴刻度

坐标轴范围与刻度

单图：plt.xlim(0, 10)
子图：

axes[0,0].set_xlim(0, 10)         # 设置 X 轴范围
axes[0,0].set_xticks([0, 5, 10])  # 设置刻度位置
axes[0,0].set_xticklabels(['Start', 'Mid', 'End'])  # 设置刻度标签

图例与颜色条

单图：plt.legend(), plt.colorbar()
子图：

# 添加图例
axes[0,0].plot(x, y, label="Data")
axes[0,0].legend(loc='upper right', fontsize=8)
# 添加颜色条（需关联到绘图对象）
contour = axes[1,0].contourf(x_grid, y_grid, data, cmap='viridis')
fig.colorbar(contour, ax=axes[1,0], label='Values')  # 指定关联的子图

子图展开
二维的子图也可以通过flatten展开为一维的形式，这样进行一个一个画图的时候比较方便。

axes = axes.flatten()

展开后的遍历方式：axes[i]
展开前的遍历方式：axes[i, j]

二、线条样式参数（适用于折线图 plt.plot）

通过 linestyle、color 等参数控制线条外观。

1. color (或 c): 颜色

支持颜色名称（如 ‘red’）、十六进制（‘#FF0000’）、RGB 元组（(1,0,0)）。

plt.plot(x, y, color='green')

2. linestyle (或 ls): 线型

可选值：‘-’（实线）, ‘–’（虚线）, ‘-.’（点划线）, ‘:’（点线）。

plt.plot(x, y, linestyle='--')

3. linewidth (或 lw): 线宽

plt.plot(x, y, linewidth=3)

4. marker: 数据点标记

可选值：‘o’（圆点）, ‘s’（方块）, ‘^’（三角形）, ‘*’（星号）。

plt.plot(x, y, marker='o')

5. markersize (或 ms): 标记大小

plt.plot(x, y, marker='s', markersize=8)

6. markerfacecolor/markeredgecolor: 标记填充色和边框色

plt.plot(x, y, marker='o', markerfacecolor='red', markeredgecolor='black')

7. alpha: 透明度（0-1）

plt.plot(x, y, alpha=0.5)  # 半透明

三、散点图参数（plt.scatter）

专用于 scatter() 的参数：

1. s: 点的大小（标量或数组）

plt.scatter(x, y, s=50)  # 统一大小

2. c: 颜色（支持数组映射颜色）

plt.scatter(x, y, c=z, cmap='viridis')  # z为数值数组，映射到颜色

3. edgecolors: 点的边框颜色

plt.scatter(x, y, edgecolors='black')

四、坐标轴设置

通过 plt.xlim()、plt.xticks() 等函数调整坐标轴。

1. xlim/ylim: 坐标轴范围

plt.xlim(0, 10)
plt.ylim(-5, 5)

2. xticks/yticks: 刻度位置和标签

plt.xticks([0, 1, 2], ['A', 'B', 'C'])  # 设置刻度位置和标签

3. xlabel/ylabel: 坐标轴标签

plt.xlabel('Time (s)', fontsize=12, color='blue')

4. tick_params: 刻度属性

plt.tick_params(axis='x', direction='out', length=8, width=2, colors='red')

五、标题和图例

1. title: 图形标题

plt.title('Temperature Trend', fontsize=14, loc='left')  # 左对齐

2. legend: 图例

plt.plot(x, y, label='Line 1')
plt.legend(loc='upper right', fontsize=10, shadow=True)

六、网格和背景

1. grid: 显示网格

plt.grid(True, linestyle='--', alpha=0.6)

2. axis: 坐标轴显示模式

plt.axis('off')          # 关闭坐标轴
plt.axis('equal')        # 等比例坐标轴

七、保存图形

通过 plt.savefig() 保存为文件。

1. dpi: 保存分辨率

plt.savefig('plot.png', dpi=300)

2. bbox_inches: 去除白边

plt.savefig('plot.png', bbox_inches='tight')

3. transparent: 透明背景

plt.savefig('plot.png', transparent=True)

八、高级参数

rcParams: 全局默认参数设置

plt.rcParams['font.family'] = 'SimHei'  # 设置中文字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

子图布局

fig, axes = plt.subplots(2, 2, figsize=(10, 8))
axes[0,0].plot(x, y)

九、子图与单图的语法对比

1. 创建图形

单图：直接使用 plt.figure() 和 plt.plot()。

plt.figure(figsize=(6, 4))
plt.plot(x, y)

子图：通过 plt.subplots() 创建 axes 对象，再对每个子图单独操作。

fig, axes = plt.subplots(2, 2, figsize=(12, 8))  # 2x2 子图
axes[0,0].plot(x, y)  # 第一个子图

2. 设置标题和标签

单图：使用 plt.title(), plt.xlabel()。

plt.title("Single Plot")
plt.xlabel("X Axis")

子图：通过 axes 对象调用方法。

axes[0,0].set_title("Subplot 1")
axes[0,0].set_xlabel("X Axis")

3. 调整布局

单图：使用 plt.tight_layout() 自动调整。

plt.tight_layout()

子图：手动调整间距或使用 constrained_layout。

plt.subplots_adjust(wspace=0.3, hspace=0.4)  # 调整子图间距
# 或创建时指定：
fig, axes = plt.subplots(2, 2, constrained_layout=True)

十、子图专用功能示例

1. 地图子图

使用 cartopy 在地图子图中添加地理元素：

import cartopy.crs as ccrs
import cartopy.feature as cfeature

# 创建带地图投影的子图
fig, ax = plt.subplots(subplot_kw={'projection': ccrs.PlateCarree()})

# 添加地理元素
ax.coastlines(linewidth=0.5)
ax.add_feature(cfeature.BORDERS, linestyle=':')
ax.add_feature(cfeature.LAND, facecolor='lightgray')
ax.gridlines(linestyle='--', alpha=0.5)
# 设置地图范围
ax.set_extent([-180, 180, -60, 90])  # 经度 [-180, 180]，纬度 [-60, 90]

2. 多子图共享颜色条

在多个子图之间共享一个颜色条：

fig, axes = plt.subplots(1, 2, figsize=(12, 4))
# 在两个子图中绘制数据
contour1 = axes[0].contourf(data1, cmap='viridis')
contour2 = axes[1].contourf(data2, cmap='viridis')
# 添加共享颜色条
fig.colorbar(contour1, ax=axes, orientation='horizontal', pad=0.2, label='Value')

3. 子图布局控制

自动调整间距
使用 constrained_layout=True 自动优化布局：

fig, axes = plt.subplots(2, 2, constrained_layout=True)

手动调整间距
通过 plt.subplots_adjust() 精确控制：


plt.subplots_adjust(
    left=0.1,     # 左边界
    right=0.9,    # 右边界
    bottom=0.1,   # 下边界
    top=0.9,      # 上边界
    wspace=0.3,   # 水平间距
    hspace=0.4    # 垂直间距
)

4. 完整示例：多子图参数设置

import matplotlib.pyplot as plt
import numpy as np
import cartopy.crs as ccrs
import cartopy.feature as cfeature

# 数据生成
x = np.linspace(0, 10, 100)
y = np.sin(x)
data = np.random.rand(10, 10)

# 创建 2x2 子图，包含一个地图子图
fig, axes = plt.subplots(2, 2, figsize=(12, 8), constrained_layout=True)

# --- 第一个子图：折线图 ---
axes[0,0].plot(x, y, color='red', linewidth=2, label='Sin(x)')
axes[0,0].set_title("Line Plot", fontsize=12)
axes[0,0].set_xlabel("X", fontsize=10)
axes[0,0].set_ylabel("Y", fontsize=10)
axes[0,0].legend(loc='upper right')
axes[0,0].grid(True, linestyle='--', alpha=0.5)

# --- 第二个子图：散点图 ---
axes[0,1].scatter(x, y, c=y, cmap='viridis', s=50, edgecolor='black')
axes[0,1].set_title("Scatter Plot", fontsize=12)
axes[0,1].set_xlabel("X", fontsize=10)

# --- 第三个子图：等高线图 ---
contour = axes[1,0].contourf(data, cmap='coolwarm')
axes[1,0].set_title("Contour Plot", fontsize=12)
fig.colorbar(contour, ax=axes[1,0], label='Intensity')

# --- 第四个子图：世界地图 ---
ax_map = axes[1,1]
ax_map = plt.subplot(2, 2, 4, projection=ccrs.PlateCarree())  # 指定地图投影
ax_map.coastlines(linewidth=0.5)
ax_map.add_feature(cfeature.BORDERS, linestyle=':')
ax_map.gridlines(linestyle='--', alpha=0.5)
ax_map.set_title("World Map", fontsize=12)

plt.savefig('subplots_demo.png', dpi=300, bbox_inches='tight')
plt.show()

十一、语法差异总结

功能	单图语法	子图语法
创建图形	plt.figure()	fig, axes = plt.subplots(…)
绘制数据	plt.plot(x, y)	axes[0,0].plot(x, y)
设置标题	plt.title(…)	axes[0,0].set_title(…)
设置坐标轴标签	plt.xlabel(…)	axes[0,0].set_xlabel(…)
设置坐标轴范围	plt.xlim(…)	axes[0,0].set_xlim(…)
添加图例	plt.legend()	axes[0,0].legend()
添加颜色条	plt.colorbar()	fig.colorbar(…, ax=axes[x,y])
调整布局	plt.tight_layout()	plt.subplots_adjust(…)

十二、常见问题

如何关闭某个子图的坐标轴？

axes[0,0].axis('off')  # 关闭第一个子图的坐标轴

如何为不同子图设置不同的投影？

# 创建时指定
fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)                   # 默认投影
ax2 = fig.add_subplot(1, 2, 2, projection=ccrs.PlateCarree())  # 地图投影

如何动态创建子图？

fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)  # 2x2 网格中的第一个
ax2 = fig.add_subplot(2, 2, 3)  # 第三个位置（左下角）