这篇文章是一些细致化要求，因为论文的图有时候确实需要各种微调= =
第三篇文章是Seaborn的API以及一些例子
可操作对象有很多如图figure，坐标系axes，坐标轴axis，网格grid，图例legend，文本text，标注annotation，刻度Ticks等等
下面只介绍基本常用的对象如Figure、Axes、Lines、Legend与Ticks。
ax.plot(x_data,y_data)
当我们执行上述命令时，实际上是创建了Lines对象，因此可通过下面的参数传值进去，定制化Lines对象的属性，大致参数有：
| 参数 | 默认值 |
|---|---|
| lines.linewidth | 1.5 |
| lines.linestyle | - |
| lines.color | C0 |
| lines.marker | None |
| lines.markerfacecolor | auto |
| lines.markeredgecolor | auto |
| lines.markeredgewidth | 1.0 |
| lines.markersize | 6 |
| lines.dash_joinstyle | round |
| lines.dash_capstyle | butt |
| lines.solid_joinstyle | round |
| lines.solid_capstyle | projecting |
| lines.antialiased | True |
| lines.dashed_pattern | 3.7, 1.6 |
| lines.dashdot_pattern | 6.4, 1.6, 1, 1.6 |
| lines.dotted_pattern | 1, 1.65 |
| lines.scale_dashes | True |
| markers.fillstyle | full |
import matplotlib.pyplot as plt
import numpy as np
x_data = np.array([1.0, 2.0, 3.0])
y_data = np.array([3.0, 6.0, 9.0])
fig, ax = plt.subplots()
lines_specification = {'linewidth':2.0, 'marker':'o', 'color':'r','markersize':10}
ax.plot(x_data,y_data,**lines_specification)
plt.show()
接下来的对象以此类推，需要明确的是这些对象究竟是在什么时候创建的，然后把其作为参数传入即可，也可在第二章中设定style。具体例子的体会放在第三篇文章。
fig = plt.figure()
fig.subplots_adjust(top=0.8)
ax1 = fig.add_subplot(211)
ax1.set_ylabel('volts')
ax1.set_title('a sine wave')
| 参数 | 默认值 |
|---|---|
| axes.facecolor | white |
| axes.edgecolor | black |
| axes.linewidth | 0.8 |
| axes.grid | False |
| axes.grid.axis | both |
| axes.grid.which | major |
| axes.titlesize | large |
| axes.titleweight | normal |
| axes.titlepad | 6.0 |
| axes.labelsize | medium |
| axes.labelpad | 4.0 |
| axes.labelweight | normal |
| axes.labelcolor | black |
| axes.axisbelow | line |
| axes.formatter.limits : | -7, 7 |
| axes.formatter.use_locale | False |
| axes.formatter.use_mathtext | False |
| axes.formatter.min_exponent | 0 |
| axes.formatter.useoffset | True |
| axes.formatter.offset_threshold | 4 |
| axes.spines.left | True |
| axes.spines.bottom | True |
| axes.spines.top | True |
| axes.spines.right | True |
| axes.unicode_minus | True |
| axes.prop_cycle | cycler(‘color’, [‘1f77b4’, ‘ff7f0e’, ‘2ca02c’, ‘d62728’, ‘9467bd’, ‘8c564b’, ‘e377c2’, ‘7f7f7f’, ‘bcbd22’, ‘17becf’]) |
| axes.autolimit_mode | data |
| axes.xmargin | .05 |
| axes.ymargin | .05 |
| polaraxes.grid | True |
| axes3d.grid | True |
| 参数 | 默认值 |
|---|---|
| xtick.top | False |
| xtick.bottom | True |
| xtick.labeltop | False |
| xtick.labelbottom | True |
| xtick.major.size | 3.5 |
| xtick.minor.size | 2 |
| xtick.major.width | 0.8 |
| xtick.minor.width | 0.6 |
| xtick.major.pad | 3.5 |
| xtick.minor.pad | 3.4 |
| xtick.color | black |
| xtick.labelsize | medium |
| xtick.direction | out |
| xtick.minor.visible | False |
| xtick.major.top | True |
| xtick.major.bottom | True |
| xtick.minor.top | True |
| xtick.minor.bottom | True |
| xtick.alignment | center |
| 参数 | 默认值 |
|---|---|
| legend.loc | best |
| legend.frameon | True |
| legend.framealpha | 0.8 |
| legend.facecolor | inherit |
| legend.edgecolor | 0.8 |
| legend.fancybox | True |
| legend.shadow | False |
| legend.numpoints | 1 |
| legend.scatterpoints | 1 |
| legend.markerscale | 1.0 |
| legend.fontsize | medium |
| legend.title_fontsize | None . |
| legend.borderpad | 0.4 |
| legend.labelspacing | 0.5 |
| legend.handlelength | 2.0 |
| legend.handleheight | 0.7 |
| legend.handletextpad | 0.8 |
| legend.borderaxespad | 0.5 |
| legend.columnspacing | 2.0 |
fig = plt.figure(1)
fig , axs = plt.subplots(2,2)
| 参数 | 默认值 |
|---|---|
| figure.titlesize | large |
| figure.titleweight | normal |
| figure.figsize | 6.4, 4.8 |
| figure.dpi | 100 |
| figure.facecolor | white |
| figure.edgecolor | white |
| figure.frameon | True |
| figure.max_open_warning | 20 |
| figure.subplot.left | 0.125 |
| figure.subplot.right | 0.9 |
| figure.subplot.bottom | 0.11 |
| figure.subplot.top | 0.88 |
| figure.subplot.wspace | 0.2 |
| figure.subplot.hspace | 0.2 |
| figure.autolayout | False |
| figure.constrained_layout.use | False |
| figure.constrained_layout.h_pad | 0.04167 |
| figure.constrained_layout.w_pad | 0.04167 |
| figure.constrained_layout.hspace | 0.02 |
| figure.constrained_layout.wspace | 0.02 |
plt.savefig('my_fig.jpg')
| 参数 | 默认值 |
|---|---|
| savefig.dpi | figure |
| savefig.facecolor | white |
| savefig.edgecolor | white |
| savefig.format | png |
| savefig.bbox | standard |
| savefig.pad_inches | 0.1 |
| savefig.jpeg_quality | 95 |
| savefig.directory | ~ |
| savefig.transparent | False |
| savefig.orientation | portrait |
这些参数具体可取的值，除了默认值还有哪些，就可以参见官方的API
比如点进去markers，就可以看到marker的所有可能取值：
配置方式有两种：通过style文件与通过rc文件。
import matplotlib as mpl
print(mpl.matplotlib_fname()) # matplotlibrc文件所在路径
print(mpl.get_configdir()) # 自己设计的style文件所放路径
axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16
然后将其放在matplotlib_configdir/stylelib/my_style.mplstyle，便可以通过下面方式使用
（matplotlib_configdir由mpl.get_configdir()获得)
print(plt.style.available)
# output
['seaborn-dark', 'dark_background', 'seaborn-pastel', 'seaborn-colorblind', 'tableau-colorblind10', 'seaborn-notebook', 'seaborn-dark-palette', 'grayscale', 'seaborn-poster', 'seaborn', 'bmh', 'seaborn-talk', 'seaborn-ticks', '_classic_test', 'ggplot', 'seaborn-white', 'classic', 'Solarize_Light2', 'seaborn-paper', 'fast', 'fivethirtyeight', 'seaborn-muted', 'seaborn-whitegrid', 'seaborn-darkgrid', 'seaborn-bright', 'seaborn-deep']
plt.style.use('ggplot')
with plt.style.context('dark_background'):
plt.plot(np.sin(np.linspace(0, 2 * np.pi)), 'r-o')
# rcParams通过dict一个个参数进行动态设置
mpl.rcParams['lines.linewidth'] = 2
mpl.rcParams['lines.color'] = 'r'
# rc通过设定对象"lines"，传入keyword argument进行多个设置
mpl.rc('lines', linewidth=4, color='g')
可通过浏览一下A sample matplotlibrc file查看大概有哪些对象，哪些参数是可以设置的
FIgureCanvas与Renderer主要处理不同的UI，如wxPython或者Jupyter Notebook上等一些交互细节，而Artist则是对Figure上要展示的最基本部件，一般情况下只需要理会Artist。
最基本的Artist对象分为两类，一个是graphical objects的Primitives，另一个是容纳多个primitives的Containers，大致有：
所以，创建一个图的整体逻辑是：
创建一个Container对象，如Figure对象，然后调用Container.method来继续创建容器对象如Axes或者基础的部件Primitives如Lines
对比一下这两种写法：
fig1 = plt.figure(1)
ax11 = fig1.add_subplot(1,2,1)
ax12 = fig1.add_subplot(1,2,2)
fig2 = plt.figure(2)
ax21 = fig2.add_axes([0.15, 0.1, 0.7, 0.3])
ax22 = fig2.add_axes([0.25, 0.25, 0.5, 0.5])
plt.show()
因此subplot是一个Axes的特殊情况，在调用figure对象的add_subplot方法来创建一个plot对象(一个规则的Axes对象)或者调用figure对象的add_axes方法来创建一个axes对象，可以设置在Figure中的位置(left, bottom, width, height)。因此之前的ax.plot(x_data, y_data)实际上就是利用axes对象的plot方法创建一个Line2D对象即Primitives
四种容量最大到小的Container Artist对象：
Figure、Axes、Axis、Tick
fig.axes访问有关的axes对象fig.suptitle('Figure Title')设定的标题最后通过一个代码理解，Matplotlib这个库的代码逻辑：
创建Container对象，访问Container包含的对象，区分开Primitives与Containers对象，然后就可以精确访问与设置相关属性了。
fig = plt.figure() # 创建一个Figure对象
rect = fig.patch # 取出Figure对象这个Container包含的Patch对象
rect.set_facecolor('lightgoldenrodyellow') #设置Patch的color
# 调用Figure对象方法创建下一级Axes Container对象
ax1 = fig.add_axes([0.1, 0.3, 0.4, 0.4])
rect = ax1.patch # 取出Axes对象包含的patch对象
rect.set_facecolor('lightslategray') # patch是个Primitives对象
# 取出axis中的ticklabels与ticklines
for label in ax1.xaxis.get_ticklabels():
# label is a Text instance
label.set_color('red')
label.set_rotation(45) # label是个text对象，是Primitives
label.set_fontsize(16)
for line in ax1.yaxis.get_ticklines():
# line is a Line2D instance
line.set_color('green')
line.set_markersize(25) # line对象是Primitives
line.set_markeredgewidth(3)
plt.show()
总的来说，要熟练使用Matplotlib库还是有点麻烦的，不过知道了整个库的设计逻辑以及组织结构，调用起来查起来也相当快，代码应该也能看懂了，库API也会查了，美滋滋～
但还是很繁琐呀，因此下一篇就了解一下高度封装matplotlib的seaborn简易API，以及学习一些Examples。
列一下逻辑：