Python中如何使用matplotlib绘图建立画布及坐标系

发布时间：2021-12-17 14:12:14 作者：小新
来源：亿速云阅读：652

# Python中如何使用matplotlib绘图建立画布及坐标系

## 一、引言

Matplotlib是Python中最著名的数据可视化库之一，广泛应用于科学计算、工程分析和商业数据可视化领域。建立画布和坐标系是使用Matplotlib进行绘图的基础步骤，本文将详细介绍如何通过`matplotlib.pyplot`模块创建画布、建立坐标系，并展示常见配置方法。

---

## 二、安装与基础导入

在开始前，请确保已安装Matplotlib库：
```bash
pip install matplotlib

基础导入方式：

import matplotlib.pyplot as plt

三、创建画布（Figure）

1. 隐式创建画布

当直接调用绘图函数（如plt.plot()）时，Matplotlib会自动创建一个默认画布：

plt.plot([1, 2, 3], [4, 5, 6])
plt.show()

2. 显式创建画布

通过plt.figure()函数可自定义画布属性：

fig = plt.figure(
    figsize=(8, 6),      # 画布尺寸（宽,高，单位英寸）
    dpi=100,             # 分辨率
    facecolor='#f0f0f0',  # 背景色
    edgecolor='black'     # 边框颜色
)
plt.show()

关键参数说明： - figsize：控制画布物理尺寸 - num：可为画布指定编号或标题 - constrained_layout：自动调整子图间距（设为True推荐使用）

四、建立坐标系（Axes）

1. 单坐标系创建

fig = plt.figure()
ax = fig.add_subplot(111)  # 参数含义：行数、列数、子图索引
ax.plot([1, 2, 3], [4, 5, 6])
plt.show()

2. 多坐标系创建

使用subplots()函数快速创建网格状坐标系：

fig, axes = plt.subplots(
    nrows=2, 
    ncols=2,
    figsize=(10, 8)
)
# 访问特定坐标系
axes[0, 0].plot([1, 2, 3], [4, 5, 6])
axes[1, 1].scatter([1, 2, 3], [4, 5, 6])
plt.show()

3. 高级布局方式

使用GridSpec实现非均匀布局：

import matplotlib.gridspec as gridspec

fig = plt.figure()
gs = gridspec.GridSpec(2, 2, width_ratios=[1, 2], height_ratios=[4, 1])
ax1 = fig.add_subplot(gs[0, 0])
ax2 = fig.add_subplot(gs[0, 1])
ax3 = fig.add_subplot(gs[1, :])
plt.show()

五、坐标系常用配置

1. 坐标轴设置

ax = plt.gca()  # 获取当前坐标系
ax.set_xlim(0, 10)          # X轴范围
ax.set_ylim(0, 100)         # Y轴范围
ax.set_xlabel('Time (s)')   # X轴标签
ax.set_ylabel('Temperature (℃)') 
ax.set_title('Data Trend')  # 标题

2. 网格与刻度

ax.grid(True, linestyle='--', alpha=0.6)  # 显示网格
ax.set_xticks([0, 5, 10])                # 自定义刻度
ax.set_xticklabels(['Start', 'Mid', 'End'])  # 刻度标签

3. 双坐标轴

fig, ax1 = plt.subplots()
ax2 = ax1.twinx()  # 共享X轴的新Y轴
ax1.plot([1,2,3], [10,20,30], 'g-')
ax2.plot([1,2,3], [45,32,16], 'b--')
plt.show()

六、样式定制

1. 使用样式表

plt.style.use('ggplot')  # 内置样式：'seaborn', 'dark_background'等

2. 自定义样式

通过rcParams全局配置：

plt.rcParams.update({
    'font.size': 12,
    'lines.linewidth': 2,
    'axes.prop_cycle': plt.cycler('color', ['#1f77b4', '#ff7f0e'])
})

七、完整示例

import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 建立画布和坐标系
fig, ax = plt.subplots(figsize=(10, 6))

# 绘图及配置
ax.plot(x, y, label='sin(x)')
ax.fill_between(x, y, alpha=0.2)
ax.legend()
ax.set_title('Sine Wave Demonstration')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

plt.tight_layout()
plt.show()

八、总结

画布（Figure）是绘图的基础容器，可通过plt.figure()显式创建
坐标系（Axes）是实际绘制数据的区域，支持单图和多图布局
通过subplots()和GridSpec可实现灵活布局
丰富的配置选项可满足各类可视化需求

掌握这些基础操作后，可以进一步学习Matplotlib的高级功能如3D绘图、动画和交互式图表制作。 “`

该文档共约1050字，采用Markdown格式编写，包含代码示例、参数说明和可视化演示，适合作为技术教程使用。