Python数据可视化-第3章-图表辅助元素的定制

教材

本书为《Python数据可视化》一书的配套内容，本章为第3章-图表辅助元素的定制
本章主要介绍了图表辅助元素的定制，包括认识常用的辅助元素、设置坐标轴的标签、设置刻度范围和刻度标签、添加标题和图例、显示网格、添加参考线和参考区域、添加注释文本、添加表格。

参考

政务可视化设计经验-图表习惯

数据可视化设计必修课（一）：图表篇

一文讲透 | 大屏数据可视化图表选用指南

第3章图表辅助元素的定制

3.1 认识图表常用的辅助元素

图表的辅助元素是指除了根据数据绘制的图形之外的元素，常用的辅助元素包括坐标轴、标题、图例、网格、参考线、参考区域、注释文本和表格，它们都可以对图形进行补充说明。

3.2 设置坐标轴的标签、刻度范围和刻度标签

3.2.1 设置坐标轴的标签

xlabel()函数

使用pyplot模块的xlabel()函数可以设置x轴的标签。

xlabel(xlabel, fontdict=None, labelpad=None, **kwargs)

xlabel：表示x轴标签的文本。
fontdict：表示控制标签文本样式的字典。
labelpad：表示标签与x轴轴脊间的距离。

ylabel()函数

使用pyplot模块的ylabel()函数可以设置y轴的标签。

ylabel(ylabel, fontdict=None, labelpad=None, **kwargs)

ylabel：表示y轴标签的文本。
fontdict：表示控制标签文本样式的字典。
labelpad：表示标签与y轴轴脊的距离。

注意

Axes对象使用set_xlabel()方法可以设置x轴的标签，使用set_ylabel()方法可以设置y轴的标签。set_xlabel()、set_ylabel()方法与xlabel()、ylabel()函数的参数用法相同。

案例

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.show()

3.2.2 设置刻度范围和刻度标签

设置刻度范围xlim()和ylim()

使用pyplot模块的xlim()和ylim()函数分别可以设置或获取x轴和y轴的刻度范围。

xlim(left=None, right=None,  emit=True, auto=False, *, xmin=None, xmax=None)

left:表示x轴刻度取值区间的左位数。
right:表示x轴刻度取值区间的右位数。
emit:表示是否通知限制变化的观察者，默认为True。
auto：表示是否允许自动缩放x轴，默认为True。

此外，Axes对象可以使用set_xlim()或set_ylim()方法设置x轴或y轴的刻度范围。

设置刻度标签 xticks()或yticks()

使用pyplot模块的xticks()或yticks()函数可以设置x轴或y轴的刻度线位置和刻度标签。

xticks(ticks=None, labels=None, **kwargs)

ticks：表示刻度显示的位置列表，该参数可以设置为空列表，以此禁用x轴的刻度。
labels：表示指定位置刻度的标签列表。

此外，Axes对象可以使用set_xticks()或set_yticks()方法设置x轴或y轴的刻度线位置，使用set_xticklabels()或set_yticklabels()方法设置x轴或y轴的刻度标签。

案例

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
# plt.plot(x, y1, x, y2)
# # 设置 x 轴和 y 轴的标签
# plt.xlabel("x轴")
# plt.ylabel("y轴")
# # 设置 x 轴的刻度范围和刻度标签
# plt.xlim(x.min() * 1.5, x.max()  * 1.5)
# plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
#                                                    r'$0$', r'$\pi/2$', r'$\pi$'])

fig,ax = plt.subplots()
ax.plot(x, y1, x, y2)
ax.set_xlabel("x轴")
ax.set_ylabel("y轴")
ax.set_xlim(x.min() * 1.5, x.max()  * 1.5)
ax.set_xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',   
                                                    r'$0$', r'$\pi/2$', r'$\pi$'])

plt.show()

实例1:2019年中国电影票房排行榜

# 01_film_rankings
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams["axes.unicode_minus"] = False
labels = ["哪吒之魔童降世", "流浪地球", "复仇者联盟4:终局之战", 
          "疯狂的外星人", "飞驰人生", "烈火英雄", "蜘蛛侠:英雄远征", 
          "速度与激情:特别行动", "扫毒2天地对决", "大黄蜂","惊奇队长", 
          "比悲伤更悲伤的故事", "哥斯拉2:怪兽之王", "阿丽塔:战斗天使", 
          "银河补习班"]
bar_width = [48.57, 46.18, 42.05, 21.83, 17.03, 16.70, 14.01, 13.84, 
             12.85, 11.38, 10.25, 9.46, 9.27, 8.88, 8.64]
y_data = range(len(labels))
fig = plt.figure()
ax = fig.add_subplot(111)
ax.barh(y_data, bar_width, height=0.2, color='orange') 
# 设置 x 轴和 y 轴的标签
ax.set_xlabel("总票房(亿元)")
ax.set_ylabel("电影名称")
# 设置 y 轴的刻度线位置、刻度标签
ax.set_yticks(y_data)
ax.set_yticklabels(labels)
plt.show()

在这里插入图片描述

3.3 添加标题和图例

3.3.1 添加标题 title()函数

使用pyplot模块的title()函数可以添加图表标题。

title(label, fontdict=None, loc='center', pad=None, **kwargs)

label:表示标题的文本。
fontdict:表示控制标题文本样式的字典。
loc:表示标题的对齐样式。
pad:表示标题与图表顶部的距离，默认为None。

Axes对象还可以使用set_title()方法为图表添加标题。

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
plt.xlim(x.min() * 1.5, x.max()  * 1.5)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
plt.title("正弦曲线和余弦曲线")
plt.show()

3.3.2 添加图例 legend()函数

在这里插入图片描述
使用pyplot模块的legend()函数可以为图表添加图例。

legend(handles, labels, loc, bbox_to_anchor, ncol, title, shadow, fancybox, *args, **kwargs)

handles:表示由图形标识构成的列表。
labels:表示由图例项构成的列表。
loc:用于控制图例在图表中的位置。loc参数的两种形式的取值及说明如下图
bbox_to_anchor：用于控制图例的布局。
ncol:表示图例的列数，默认值为1。
title：表示图例的标题，默认值为None。
shadow ：表示是否在图例后面显示阴影，默认值为None。
fancybox：表示是否为图例设置圆角边框，默认值为None

在使用pyplot的绘图函数绘图时，若已经预先通过label参数指定了显示于图例的标签，则后续可以直接调用legend()函数添加图例。
若未预先指定应用于图例的标签，则后续在调用legend()函数时为handles和labels参数传值即可。

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
lines = plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
plt.xlim(x.min() * 1.5, x.max()  * 1.5)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
plt.title("正弦曲线和余弦曲线")
# 添加图例
plt.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)
plt.show()

3.3.3 实例2：支付宝月账单报告（添加标题和图例）

支付宝月账单报告的饼图中每个扇形的含义均标注到圆外，由于代表每个扇形含义的文字长短不一且数量偏多，导致图表显得比较杂乱。

本实例要求将原饼图中所有的标注文字移动到图例中，以图例的形式来标注每个扇形代表的含义，并且在饼图正上方位置添加标题。

# 02_monthly_bills_of_alipay
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
kinds = ['购物', '人情往来', '餐饮美食', '通信物流', '生活日用', '交通出行', '休闲娱乐', '其他']
money_scale = [800 / 3000, 100 / 3000, 1000 / 3000, 200 / 3000, 
               300 / 3000, 200 / 3000, 200 / 3000, 200 / 3000]
dev_position = [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1]
plt.pie(money_scale, autopct='%3.1f%%', shadow=True, 
        explode=dev_position, startangle=90)
# 添加标题
plt.title('支付宝月账单报告')
# 添加图例
plt.legend(kinds, loc='upper right', bbox_to_anchor=[1.3, 1.1])  
plt.show()

3.4 显示网格

3.4.1 显示指定样式的网格 grid()函数

网格是从刻度线开始延伸，贯穿至整个绘图区域的辅助线条，它能帮助人们轻松地查看图形的数值。网格可以分为垂直网格和水平网格，这两种网格既可以单独使用，也可以同时使用。

使用pyplot模块的grid()函数可以显示图表中的网格。

#grid(b=None, which='major', axis='both', **kwargs) 
grid(visible=None, which='major', axis='both', **kwargs)

b：表示是否显示网格。新版本不采用b作为参数名
visible:表示是否显示网格。
which：表示显示网格的类型，支持’ major’ （主刻度网格线）、’ minor’ （次要刻度网格线）、’ both’ （两者）三种取值，默认为major。
axis：表示显示哪个方向的网格，支持’both’（两者）、‘x’（垂直网格）和’y’ （水平网格）三种取值，默认为’both’ 。
linewidth 或 lw：网格线的宽度。

还可以使用Axes对象的grid()方法显示网格。
若坐标轴没有刻度，则将无法显示网格。

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
lines = plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
plt.xlim(x.min() * 1.5, x.max()  * 1.5)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
plt.title("正弦曲线和余弦曲线")
# 添加图例
plt.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)
# 显示网格
# 参数的作用：
# True 表示显示网格 x y both
plt.grid(visible=True, axis='y', linewidth=0.3)
plt.show()

3.4.2 实例3：汽车速度与制动距离的关系（添加网格）

# 03_vehicle_speed_and_braking_distance
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
x_speed = np.arange(10, 210, 10)
y_distance = np.array([0.5, 2.0, 4.4, 7.9, 12.3, 
                       17.7, 24.1, 31.5, 39.9, 49.2,
                       59.5, 70.8, 83.1, 96.4, 110.7,
                       126.0, 142.2, 159.4, 177.6, 196.8])
plt.scatter(x_speed, y_distance, s=50, alpha=0.9, linewidths=0.3)
# 设置 x 轴的标签、刻度标签
plt.xlabel('速度(km/h)')
plt.ylabel('制动距离(m)')
plt.xticks(x_speed)
# 显示网格
plt.grid(True, linewidth=0.3)
plt.show()

在这里插入图片描述

3.5 添加参考线和参考区域

3.5.1 添加参考线 axhline()函数和axvline()函数

参考线是一条或多条贯穿绘图区域的线条，用于为绘图区域中图形数据之间的比较提供参考依据，比如目标线、平均线、预算线等。参考线按方向的不同可分为水平参考线和垂直参考线。

使用pyplot模块的axhline()函数可以为图表添加水平参考线。

axhline(y=0, xmin=0, xmax=1, linestyle='-', **kwargs)

y:表示水平参考线的y坐标。
xmin:表示水平参考线的起始位置，默认为0。
xmax:表示水平参考线的终止位置，默认为1。
linestyle:表示水平参考线的类型，默认为实线。

使用pyplot模块的axvline()函数可以为图表添加垂直参考线。

axvline(x=0, ymin=0, ymax=1, linestyle='-', **kwargs)

x:表示垂直参考线的x坐标。
ymin:表示垂直参考线的起始位置，默认为0。
ymax:表示垂直参考线的终止位置，默认为1。
linestyle:表示垂直参考线的类型，默认为实线。

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
lines = plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
plt.xlim(x.min() * 1.5, x.max()  * 1.5)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
plt.title("正弦曲线和余弦曲线")
# 添加图例
plt.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)
# 显示网格
plt.grid(True, axis='y', linewidth=0.3)
# 添加参考线
plt.axvline(x=0, linestyle='--')
plt.axhline(y=0, linestyle='--')
plt.show()

3.5.2 添加参考区域 axhspan()函数和 axvspan()函数

使用pyplot模块的axhspan()函数可以为图表添加水平参考区域。

axhspan(ymin, ymax, xmin=0, xmax=1, **kwargs)

ymin:表示水平跨度的下限，以数据为单位。
ymax:表示水平跨度的上限，以数据为单位。
alpha:表示参考区域的透明度。

使用pyplot模块的axvspan()函数可以为图表添加垂直参考区域。

axvspan(xmin, xmax, ymin=0, ymax=1, **kwargs)

xmin:表示垂直跨度的下限。
xmax:表示垂直跨度的上限。
alpha:表示参考区域的透明度。

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
lines = plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
plt.xlim(x.min() * 1.5, x.max()  * 1.5)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
plt.title("正弦曲线和余弦曲线")
# 添加图例
plt.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)
# 显示网格
plt.grid(True, axis='y', linewidth=0.3)
# 添加参考线
plt.axvline(x=0, linestyle='--')
plt.axhline(y=0, linestyle='--')
# 添加参考区域
plt.axvspan(xmin=0.5, xmax=2.0, alpha=0.3)
plt.axhspan(ymin=0.5, ymax=1.0, alpha=0.3)
plt.show()

3.5.3 实例4:全校高二年级各班男女生英语成绩评估

已知某高校对高二年级学生进行模拟考试后，统计了高二年级每个班级的英语学科平均成绩，并计算出全体高二年级的英语平均成绩为88.5。
本实例要求根据下表的数据，绘制展示各班男生、女生英语平均成绩的柱形图，并在该柱形图中标注出代表全体高二年级英语平均成绩的参考线 。

# 04_average_score_of_english
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
men_means = (90.5, 89.5, 88.7, 88.5, 85.2, 86.6)
women_means = (92.7, 87.0, 90.5, 85.0, 89.5, 89.8)
ind = np.arange(len(men_means))  # 每组柱形的 x 位置
width = 0.2                      # 各柱形的宽度
fig = plt.figure()
ax = fig.add_subplot(111)
ax.bar(ind - width / 2, men_means, width, label='男生平均成绩')
ax.bar(ind + 0.2, women_means, width, label='女生平均成绩')
ax.set_title(' 高二各班男生、女生英语平均成绩')
ax.set_ylabel('分数')
ax.set_xticks(ind)
ax.set_xticklabels(['高二1班', '高二2班', '高二3班', '高二4班', '高二5班', '高二6班'])
# 添加参考线
ax.axhline(88.5, ls='--', linewidth=1.0, label='全体平均成绩')
ax.legend(loc="lower right")
plt.show()

3.6 添加注释文本

注释文本按注释对象的不同主要分为指向型注释文本和无指向型注释文本，其中指向型注释文本一般是针对图表某一部分的特定说明，无指向型注释文本一般是针对图表整体的特定说明。

3.6.1 添加指向型注释文本 annotate()函数

指向型注释文本是指通过指示箭头的注释方式对绘图区域的图形进行解释的文本，它一般使用线条连接说明点和箭头指向的注释文字。

使用pyplot模块的annotate()函数可以为图表添加指向型注释文本。

annotate(s, xy, *args, **kwargs)

s：表示注释文本的内容。
xy：表示被注释对象的坐标位置，接收元组（x,y）。
xytext ：表示注释文本所在的坐标位置，接收元组（x,y）。
bbox：表示注释文本的边框属性。
arrowprops ：表示指示箭头的属性。
arrowprops 参数接收一个包含若干键的字典，通过向字典中添加键值对以控制箭头的显示。常见的控制箭头的键包括width（箭头宽度）、headwidth（头宽）、headlength（头长）、arrowstyle（箭头类型）等。键arrowstyle代表箭头的类型，该键对应的值及其类型如下图所示。

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
lines = plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
plt.xlim(x.min() * 1.5, x.max()  * 1.5)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
plt.title("正弦曲线和余弦曲线")
# 添加图例
plt.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)
# 显示网格
plt.grid(True, axis='y', linewidth=0.3)
# 添加参考线
plt.axvline(x=0, linestyle='--')
plt.axhline(y=0, linestyle='--')
# 添加参考区域
plt.axvspan(xmin=0.5, xmax=2.0, alpha=0.3)
plt.axhspan(ymin=0.5, ymax=1.0, alpha=0.3)
# 添加指向型注释文本
plt.annotate("最小值",
             xy=(-np.pi / 2, -1.0),
             xytext=(-(np.pi / 2), -0.5),
             arrowprops=dict(arrowstyle="->"))
plt.show()

在这里插入图片描述

3.6.2 添加无指向型注释文本 text()函数

无指向型注解文本是指仅使用文字的注释方式对绘图区域的图形进行说明的文本。

使用pyplot模块的text()函数可以为图表添加无指向型注释文本。

text(x, y, s, fontdict=None, withdash=<deprecated parameter>, **kwargs)

x, y:表示x坐标和y坐标，用于确定注释文本的位置。
s:表示注释文本的内容。
horizontalalignment或ha：表示水平对齐的方式，可以取值为’center’、‘right’或 ‘left’。
verticalalignment或va：表示垂直对齐的方式，可以取值为’center’、‘top’、‘bottom’、‘baseline’或’center_baseline’

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
lines = plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
plt.xlim(x.min() * 1.5, x.max()  * 1.5)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
plt.title("正弦曲线和余弦曲线")
# 添加图例
plt.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)
# 显示网格
plt.grid(True, axis='y', linewidth=0.3)
# 添加参考线
plt.axvline(x=0, linestyle='--')
plt.axhline(y=0, linestyle='--')
# 添加参考区域
plt.axvspan(xmin=0.5, xmax=2.0, alpha=0.3)
plt.axhspan(ymin=0.5, ymax=1.0, alpha=0.3)
# 添加指向型注释文本
plt.annotate("最小值",
             xy=(-np.pi / 2, -1.0),
             xytext=(-(np.pi / 2), -0.5),
             arrowprops=dict(arrowstyle="->"))
# 添加无指向型注释文本
plt.text(3.10, 0.10, "y=sin(x)", bbox=dict(alpha=0.2))
plt.show()

在这里插入图片描述

多学一招：matplotlib编写数学表达式

matplotlib中自带mathtext引擎，通过该引擎可以自动识别使用annotate()或text()函数传入的数学字符串，并解析成对应的数学表达式。
数学字符串有着固定的格式，它要求字符串以美元符号“$”为首尾字符，且首尾字符中间包裹数学表达式。

'$数学表达式$'

为保证字符串中的所有字符能以字面的形式显示，数学字符串需要配合“r”使用
在这里插入图片描述

\alpha”和“\beta”的后面还可以增加上标和下标，其中上标使用符号“^”表示，下标使用符号“_”表示。
在这里插入图片描述

matplotlib中使用“ \frac{}{}”可以编写分数形式的数字字符串，“\frac”的后面的两个中括号分别代表分数的分子和分母。
在这里插入图片描述
还可以编写分数嵌套的数学字符串。

3.6.3 实例5:2013—2019财年阿里巴巴淘宝和天猫平台的GMV（添加注释文本）

柱形图经常会与注释文本配合使用，在柱形的顶部标注柱形对应的具体数值。2.2.2节实例中的柱形图描述了阿里巴巴淘宝和天猫平台的GMV，但图中的矩形条缺少具体的数值。

本实例要求对前面的柱形图进行调整，在每个柱形的顶部添加无指向型注释文本，并设置y轴的标签。

# 05_taobao_and_tianmao_GMV
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.arange(1, 8)
y = np.array([10770, 16780, 24440, 30920, 37670, 48200, 57270])
bar_rects = plt.bar(x, y, tick_label=["FY2013", "FY2014", "FY2015",
                                      "FY2016", "FY2017", "FY2018", "FY2019"], width=0.5)
# 添加无指向型注释文本
def autolabel(rects):
    """ 在每个矩形条的上方附加一个文本标签, 以显示其高度"""
    for rect in rects:
        height = rect.get_height()    #  获取每个矩形条的高度
        plt.text(rect.get_x() + rect.get_width() / 2, height + 300, s='{}'.format(height),
                 ha='center', va='bottom')
autolabel(bar_rects)
plt.ylabel('GMV(亿元)')
plt.show()

在这里插入图片描述

3.7 添加表格

3.7.1 添加自定义样式的表格table()函数

使用pyplot模块的table()函数可以为图表添加数据表格。

table(cellText=None, cellColours=None, cellLoc='right', colWidths=None, …, **kwargs)

cellText：表示表格单元格中的数据，可以是一个二维列表。
cellColours：表示单元格的背景颜色。
cellLoc：表示单元格文本的对齐方式，支持’left’、‘center’、‘right’三种取值，默认值为’right’。
colWidths：表示每列的宽度。
rowLabels：表示行标题的文本。
rowLoc：表示行标题的对齐方式，支持‘left’、‘center’、‘right’三种取值，默认值是‘left’ 。
colLabels：表示列标题的文本。
colColours：表示列标题所在单元格的背景颜色。
colLoc：表示列标题的对齐方式, 默认为左对齐。
loc：表示表格与绘图区域的对齐方式。

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
lines = plt.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
plt.xlabel("x轴")
plt.ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
plt.xlim(x.min() * 1.5, x.max()  * 1.5)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
plt.title("正弦曲线和余弦曲线")
# 添加图例
plt.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)
# 显示网格
plt.grid(True, axis='y', linewidth=0.3)
# 添加参考线
plt.axvline(x=0, linestyle='--')
plt.axhline(y=0, linestyle='--')
# 添加参考区域
plt.axvspan(xmin=0.5, xmax=2.0, alpha=0.3)
plt.axhspan(ymin=0.5, ymax=1.0, alpha=0.3)
# 添加指向型注释文本
plt.annotate("最小值",
             xy=(-np.pi / 2, -1.0),
             xytext=(-(np.pi / 2), -0.5),
             arrowprops=dict(arrowstyle="->"))
# 添加无指向型注释文本
plt.text(3.10, 0.10, "y=sin(x)", bbox=dict(alpha=0.2))
# 添加表格
plt.table(cellText=[[6, 6, 6], [8, 8, 8]], 
          colWidths=[0.1] * 3, 
          rowLabels=['第1行', '第2行'], 
          colLabels=['第1列', '第2列', '第3列'], loc='lower right')
plt.show()

在这里插入图片描述

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y1, y2 = np.sin(x), np.cos(x)
fig = plt.figure(figsize=(12, 6))


ax1 = fig.add_subplot(2, 1, 1)
lines = ax1.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
ax1.set_xlabel("x轴")
ax1.set_ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
ax1.set_xlim(x.min() * 1.5, x.max()  * 1.5)
ax1.set_xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
ax1.set_title("正弦曲线和余弦曲线")

# 添加图例
ax1.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)

# 显示网格
ax1.grid(True, axis='y', linewidth=0.3)

# 添加参考线
ax1.axhline(y=0, linestyle='--')
ax1.axvline(x=0, linestyle='--')
# 添加参考区域
ax1.axvspan(xmin=0.5, xmax=2.0, alpha=0.3)
ax1.axhspan(ymin=0.5, ymax=1.0, alpha=0.3)
# 添加指向型注释文本
ax1.annotate("最大值",
             xy=(np.pi / 2, 1.0),
             xytext=(np.pi / 3, 0.5),
             arrowprops=dict(arrowstyle="->"))

# 添加无指向型注释文本
ax1.text(3.10, 0.10, "y=sin(x)", bbox=dict(alpha=0.2))
# 添加表格
ax1.table(cellText=[[6, 6, 6], [8, 8, 8]], 
          colWidths=[0.1] * 3, 
          rowLabels=['第1行', '第2行'], 
          colLabels=['第1列', '第2列', '第3列'], loc='lower right')


# 绘制第二个子图
ax2 = fig.add_subplot(2, 1, 2)
lines = ax2.plot(x, y1, x, y2)
# 设置 x 轴和 y 轴的标签
ax2.set_xlabel("x轴")
ax2.set_ylabel("y轴")
# 设置 x 轴的刻度范围和刻度标签
ax2.set_xlim(x.min() * 1.5, x.max()  * 1.5)
ax2.set_xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$',
                                                   r'$0$', r'$\pi/2$', r'$\pi$'])
# 添加标题
ax2.set_title("正弦曲线和余弦曲线2")

# 添加图例
ax2.legend(lines, ['正弦', '余弦'], shadow=True, fancybox=True)

# 显示网格
ax2.grid(True, axis='y', linewidth=0.3)

# 添加参考线
ax2.axhline(y=0, linestyle='--')
ax2.axvline(x=0, linestyle='--')
# 添加参考区域
ax2.axvspan(xmin=0.5, xmax=2.0, alpha=0.3)
ax2.axhspan(ymin=0.5, ymax=1.0, alpha=0.3)
# 添加指向型注释文本
ax2.annotate("最大值",
             xy=(np.pi / 2, 1.0),
             xytext=(np.pi / 3, 0.5),
             arrowprops=dict(arrowstyle="->"))

# 添加无指向型注释文本
ax2.text(3.10, 0.10, "y=sin(x)", bbox=dict(alpha=0.2))
# 添加表格
ax2.table(cellText=[[6, 6, 6], [8, 8, 8]], 
          colWidths=[0.1] * 3, 
          rowLabels=['第1行', '第2行'], 
          colLabels=['第1列', '第2列', '第3列'], loc='lower right')

# 子图ax1和ax2之间增加边框和距离
fig.subplots_adjust(left=0.1, bottom=0.1, right=0.9, top=0.9,
                    wspace=0.4, hspace=0.4)
plt.show()

在这里插入图片描述

3.7.2 实例6:果酱面包配料比例

美好的一天从早餐开始，果酱面包是一道深受大家喜爱的美食，无论是大人还是小孩，都对果酱面包赞不绝口。
本实例要求根据下表的数据，将配料名称列的数据作为图例项，将重量列的数据与总重量的比例作为数据，使用pie()绘制果酱面包配料比例的饼图，并将各种配料的重量以数据表格的形式添加到图表中，方便用户了解各种配料的占比和重量。

# 06_jam_bread_ingredients
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
kinds = ['面粉', '全麦粉', '酵母', '苹果酱', '鸡蛋', '黄油', '盐', '白糖']
weight = [250, 150, 4, 250, 50, 30, 4, 20]
total_weight = 0
for i in weight:
    total_weight += i
batching_scale = [i / total_weight for i in weight]
plt.pie(batching_scale, autopct='%3.1f%%')
plt.legend(kinds, loc='upper right', bbox_to_anchor=[1.1, 1.1])  
# 添加表格
plt.table(cellText=[weight], cellLoc='center', rowLabels=['重量(g)'], 
          colLabels=kinds, loc='lower center')
plt.show()