环境

开发工具

VSCode

库的版本

numpy==1.26.4
matplotlib==3.10.1
ipympl==0.9.7

教材

本书为《Python数据可视化》一书的配套内容，本章为第6章 坐标轴的定制
本章主要介绍了坐标轴的定制，包括向任意位置添加坐标轴、定制刻度、隐藏轴脊和移动轴脊。

参考

第6章-坐标轴的定制

6.1 坐标轴概述

在绘制图表的过程中，matplotlib会根据所绘图表的类型决定是否在绘图区域中显示坐标系，或者显示哪种类型的坐标系。

import matplotlib.pyplot as plt
# 获取当前坐标轴信息 gca = get current axis
cur_ax = plt.gca()
print(cur_ax,type(cur_ax)) 
print(" ".join([i for i in dir(cur_ax) if not i.startswith('__')]))
print(cur_ax.spines)

输出如下：

Axes(0.125,0.11;0.775x0.77) <class ‘matplotlib.axes._axes.Axes’>
ArtistList acorr add_artist add_callback add_child_axes add_collection add_container add_image add_line add_patch add_table angle_spectrum annotate apply_aspect arrow artists autoscale autoscale_view axes axhline axhspan axis axison axline axvline axvspan bar bar_label barbs barh bbox boxplot broken_barh bxp callbacks can_pan can_zoom child_axes cla clabel clear clipbox cohere collections containers contains contains_point contour contourf convert_xunits convert_yunits csd dataLim drag_pan draw draw_artist ecdf end_pan errorbar eventplot figure fill fill_between fill_betweenx findobj fmt_xdata fmt_ydata format_coord format_cursor_data format_xdata format_ydata get_adjustable get_agg_filter get_alpha get_anchor get_animated get_aspect get_autoscale_on
…
get_yscale get_yticklabels get_yticklines get_yticks get_zorder grid has_data have_units hexbin hist hist2d hlines ignore_existing_data_limits images imshow in_axes indicate_inset indicate_inset_zoom inset_axes invert_xaxis invert_yaxis is_transform_set label_outer legend legend_ lines locator_params loglog magnitude_spectrum margins matshow minorticks_off minorticks_on mouseover name patch patches pchanged pcolor pcolorfast pcolormesh phase_spectrum pick pickable pie plot plot_date properties psd quiver quiverkey redraw_in_frame relim remove remove_callback reset_position scatter secondary_xaxis secondary_yaxis semilogx semilogy set set_adjustable set_agg_filter set_alpha set_anchor set_animated set_aspect set_autoscale_on set_autoscalex_on set_autoscaley_on
…
set_yticks set_zorder sharex sharey specgram spines spy stackplot stairs stale stale_callback start_pan stem step sticky_edges streamplot table tables text texts tick_params ticklabel_format title titleOffsetTrans transAxes transData transLimits transScale tricontour tricontourf tripcolor triplot twinx twiny update update_datalim update_from use_sticky_edges viewLim violin violinplot vlines xaxis xaxis_date xaxis_inverted xcorr yaxis yaxis_date yaxis_inverted zorder
<matplotlib.spines.Spines object at 0x000001E84C3D5CA0>

6.2 向任意位置添加坐标轴 axes()函数

matplotlib支持向画布的任意位置添加自定义大小的绘图区域，同时显示坐标轴。通过pyplot模块的axes()函数创建一个Axes类的对象，并将Axes类的对象添加到当前画布中。

axes(arg=None, projection=None, polar=False, aspect, frame_on, **kwargs)

arg：支持None、4-tuple中任一取值，其中None表示使用subplot(111)添加的与画布同等大小的Axes 对象，4-tuple表示由4个浮点型元素（取值范围为0~1）组成的元组 (left, bottom, width, height) 。
projection：表示坐标轴的类型，可以是None、‘aitoff’、‘hammer’、‘lambert’、‘mollweide’、'polar’或’rectilinear’中的任一取值，也可以是自定义的类型。
polar：表示是否使用极坐标，若设为True，则其作用等价于projection=‘polar’。

import matplotlib.pyplot as plt
# 0.2,0.5,0.3,0.3 分别代表 左、下、宽、高
ax = plt.axes((0.2, 0.5, 0.3, 0.3))
ax.plot([1, 2, 3, 4, 4])
ax2 = plt.axes((0.6, 0.4, 0.2, 0.2))
ax2.plot([1, 2, 4, 4, 5])
plt.show()

输出如下:

还可以使用Figure类对象的add_axes()方法向当前画布的任意位置上添加Axes类对象

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(10, 6))
ax = fig.add_axes([0.2, 0.5, 0.3, 0.3])
# 0.2,0.5,0.3,0.3 分别代表 左、下、宽、高
ax.plot([1, 2, 3, 4, 4])
ax2 = fig.add_axes([0.6, 0.4, 0.2, 0.2])
ax2.plot([1, 2, 4, 3, 4])   
plt.show()

输出如下：

6.3 定制刻度

6.3.1 定制刻度的位置和格式

matplotlib.ticker模块中提供了两个类：Locator和Formatter，分别代表刻度定位器和刻度格式器，用于指定刻度线的位置和刻度标签的格式。

刻度定位器

Locator是刻度定位器的基类，它派生了很多子类，通过这些子类构建的刻度定位器可以指定刻度的间隔及刻度的位置。

matplotlib.dates模块中还提供了很多与日期时间相关的定位器，关于这些定位器的说明如下表所示。

matplotlib也支持自定义刻度定位器，我们只需要定义一个Locator 的子类，并在该子类中重写___call__()方法即可。
使用matplotlib的set_major_locator()或set_minor_locator()方法设置坐标轴的主刻度或次刻度的定位器。

刻度格式器

Formatter是刻度格式器的基类, 它派生了很多子类，通过这些子类构建的刻度格式器可以调整刻度标签的格式。Formatter的常见子类如表所示。

matplotlib.dates模块中还提供了很多与日期时间相关的格式器，关于这些格式器的说明如下表所示。

matplotlib也支持自定义刻度格式器，只需要定义一个Formatter的子类，并在该子类中重写___call__()方法即可。
使用matplotlib的set_major_formatter()或set_minor_formatter()方法可以设置坐标轴的主刻度或次刻度的格式器。

import matplotlib.pyplot as plt
from datetime import datetime
from matplotlib.dates import DateFormatter, HourLocator
ax = plt.gca()
# 创建一个HourLocator定位器，间隔为2小时
hour_loc = HourLocator(interval=2)
# 将hour_loc设为x轴的主刻度定位器
date_fmt = DateFormatter('%Y/%m/%d')
ax.xaxis.set_major_locator(hour_loc)
ax.xaxis.set_major_formatter(date_fmt)
plt.tick_params(labelrotation=30)

输出如下：

代码如下：

import matplotlib.pyplot as plt
from matplotlib.dates import HourLocator, DateFormatter
import numpy as np
from datetime import datetime, timedelta

# 生成时间序列数据
start_time = datetime.now().replace(hour=0, minute=0, second=0, microsecond=0)
time_points = [start_time + timedelta(hours=i) for i in range(0,10,2)]

# 0.2,0.5,0.3,0.3 分别代表 左、下、宽、高
ax = plt.axes((0.2, 0.5, 0.3, 0.3))
# 绘制时间序列数据
ax.plot(time_points, [1, 2, 3, 4, 4])

# 创建一个HourLocator定位器，间隔为2小时
hour_loc = HourLocator(interval=2,)
# 创建一个DateFormatter格式器，格式为“小时:分钟”
date_fmt = DateFormatter("%H:%M")
# 将hour_loc设为x轴的主刻度定位器
ax.xaxis.set_major_locator(hour_loc)
# 将date_fmt设为x轴的主刻度格式器
ax.xaxis.set_major_formatter(date_fmt)
plt.tick_params(labelrotation=30)

# ax2 = plt.axes((0.6, 0.4, 0.2, 0.2))
# ax2.plot([1, 2, 4, 4, 5])
plt.show()

6.3.2 定制刻度的样式 tick_params()函数

在matplotlib中，坐标轴的刻度有着固定的样式，例如，刻度线的方向是朝外的，刻度线的颜色是黑色的等。使用tick_params()函数可以定制刻度的样式。

tick_params(axis='both', **kwargs)

axis：表示选择操作的轴，可以取值为’x’、‘y’或’both’，默认为’both’。
which：表示刻度的类型，可以取值为’major’、‘minor’或’both’，默认为’major’。
direction：表示刻度线的方向，可以取值为’in’、‘out’或’inout’。
length：表示刻度线的长度，单位为磅。
width：表示刻度线的宽度，单位为磅。
color：表示刻度线的颜色。
pad：表示刻度线与刻度标签的距离。
labelsize：表示刻度标签的字体大小。
labelcolor：表示刻度标签的颜色。
bottom，top，left，right：表示是否显示下方、上方、左方、右方的刻度线。
labelrotation：表示刻度标签旋转的角度。

import matplotlib.pyplot as plt
from matplotlib.dates import HourLocator, DateFormatter
plt.tick_params(direction='out', length=6, width=2, colors='r')

还可以使用Axes类对象的tick_params()方法或Axis类的set_tick_params()方法定制刻度的样式。

6.3.3 实例1：深圳市24小时的平均风速

本实例要求根据下表的数据，将时间列的数据作为x轴的刻度标签，将风速列的数据作为y轴的数据，使用plot()方法绘制反映深圳市24小时平均风速的折线图 。

# 01_average_wind_speed_in_shenzhen
import numpy as np
from datetime import datetime
import matplotlib.pyplot as plt
from matplotlib.dates import DateFormatter, HourLocator
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
dates = ['201910240','2019102402','2019102404','2019102406',
         '2019102408','2019102410','2019102412', '2019102414',
         '2019102416','2019102418','2019102420','2019102422','201910250' ]
x_date = [datetime.strptime(d, '%Y%m%d%H') for d in dates]
y_data = np.array([7, 9, 11, 14, 8, 15, 22, 11, 10, 11, 11, 13,  8])
fig = plt.figure()
ax = fig.add_axes((0.0, 0.0, 1.0, 1.0))
ax.plot(x_date, y_data, '->', ms=8, mfc='#FF9900')
ax.set_title(' 深圳市24小时的平均风速')
ax.set_xlabel('时间（h）')
ax.set_ylabel('平均风速(km/h)')
# 设置 x 轴主刻度的位置和格式
date_fmt = DateFormatter('%H:%M')
ax.xaxis.set_major_formatter(date_fmt)
ax.xaxis.set_major_locator(HourLocator(interval=2))
ax.tick_params(direction='in', length=6, width=2, labelsize=12)
ax.xaxis.set_tick_params(labelrotation=45)
plt.show()

输出如下：

6.4 隐藏轴脊

6.4.1 隐藏全部轴脊

matplotlib中的直角坐标系默认有4个轴脊，分别是上轴脊、下轴脊、左轴脊和右轴脊，其中上轴脊和右轴脊并不经常使用，有些情况下可以将上轴脊和右轴脊隐藏。
使用pyplot的axis()函数可以设置或获取一些坐标轴的属性，包括显示或隐藏坐标轴的轴脊。

axis(option, *args, **kwargs)

以上函数的参数option可以接收布尔值或字符串，其中布尔值True或False表示显示或隐藏轴脊及刻度；字符串通常是以下任一取值：
‘on’：显示轴脊和刻度，效果等同于True。
‘off’：隐藏轴脊和刻度，效果等同于False。
‘equal’：通过更改轴限设置等比例。
‘scaled’：通过更改绘图框的尺寸设置等比例。
‘tight’：设置足够大的限制以显示所有的数据。
‘auto’：自动缩放。
Axes类的对象也可以使用axis()方法隐藏坐标轴的轴脊

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes
polygon = mpathes.RegularPolygon(xy=(0.5, 0.5), numVertices=6, radius=0.2, color='g')
ax = plt.axes((0.3, 0.3, 0.5, 0.5))
ax.add_patch(polygon)
# 隐藏全部轴脊
ax.axis('off')
plt.show()

多学一招：patches模块

matplotlib.patches是专门用于绘制路径和形状的模块，该模块中提供了一些表示形状（诸如箭头、圆形、长方形等）的类，通过创建这些类的对象可以快速绘制常见的形状。常见形状对应的类及说明如下表所示。

以创建正多边形为例，RegularPolygon类构造方法的语法格式如下所示：

RegularPolygon(xy, numVertices, radius=5, orientation=0, **kwargs)

xy：表示中心点的元组(x,y) 。
numVertices：表示多边形顶点的数量。
radius：表示从中心点到每个顶点的距离。
orientation：表示多边形旋转的角度（以弧度为单位）。

polygon = mpathes.RegularPolygon((0.5, 0.5), numVertices=5, 
radius=0.3, color='y')

通过Axes对象的add_patch()方法将图形添加到画布中。

ax = plt.axes([0.3, 0.3, 0.5, 0.5])
ax.add_patch(polygon)

6.4.2 隐藏部分轴脊

matplotlib可以只隐藏坐标轴的部分轴脊，只需要访问spines属性先获取相应的轴脊，再调用set_color()方法将轴脊的颜色设为none即可。

matplotlib可以通过set_ticks_position()方法设置刻度线为’none’，通过set_yticklabels()方法设置刻度标签为空列表。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes
xy = np.array([0.5,0.5])
polygon = mpathes.RegularPolygon(xy, 5, radius=0.2,color='y')
ax = plt.axes((0.3, 0.3, 0.5, 0.5))
ax.add_patch(polygon)
# 依次隐藏上轴脊、左轴脊和右轴脊
ax.spines['top'].set_color('none')
ax.spines['left'].set_color('none')
ax.spines['right'].set_color('none')
# 插入如下代码
ax.yaxis.set_ticks_position('none')
ax.set_yticklabels([])
plt.show()

输出如下：

6.4.3 实例2：深圳市24小时的平均风速（隐藏部分轴脊）

在6.3.3小节的实例1中，折线图显示了全部的轴脊，但其内部的右轴脊和上轴脊并未起到任何作用，因此本实例要求隐藏折线图的右轴脊和上轴脊。

# 02_average_wind_speed_in_shenzhen(2)
import numpy as np
from datetime import datetime
import matplotlib.pyplot as plt
from matplotlib.dates import DateFormatter, HourLocator
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
dates = ['201910240','2019102402','2019102404','2019102406',
         '2019102408','2019102410','2019102412', '2019102414',
         '2019102416','2019102418','2019102420','2019102422','201910250' ]
x_date = [datetime.strptime(d, '%Y%m%d%H') for d in dates]
y_data = np.array([7, 9, 11, 14, 8, 15, 22, 11, 10, 11, 11, 13,  8])
fig = plt.figure()
ax = fig.add_axes((0.0, 0.0, 1.0, 1.0))
ax.plot(x_date, y_data, '->', ms=8, mfc='#FF9900')
ax.set_title('深圳市24小时的平均风速')
ax.set_xlabel('时间（h）')
ax.set_ylabel('平均风速(km/h)')
date_fmt = DateFormatter('%H:%M')
ax.xaxis.set_major_formatter(date_fmt)
ax.xaxis.set_major_locator(HourLocator(interval=2))
ax.tick_params(direction='in', length=6, width=2, labelsize=12)
ax.xaxis.set_tick_params(labelrotation=45)
# 隐藏上轴脊和右轴脊
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
plt.show()    

输出入下：

6.5 移动轴脊

6.5.1 移动轴脊的位置

matplotlib的Spine类中提供了一个可以设置轴脊位置的set_position()方法，通过这个方法可以将轴脊放置到指定的位置，以满足一些特定场景的需求。

set_position(self, position)

以上方法的position参数表示轴脊的位置，它接收一个元组(position_type, amount)，该元组中的第1个元素position_type代表位置的类型，第2个元素amount代表数量。
position_type支持以下任一取值。
‘outward’：表示将轴脊置于移出数据区域指定点数的位置。
‘axes’：表示将轴脊置于坐标系中的指定位置（amount范围为0.0~1.0）。
‘data’ ：表示将轴脊置于指定的数据坐标的位置。
position参数还支持以下两个特殊的轴脊位置：
‘center’：值为(‘axes’, 0.5)。
‘zero’ ：值为(‘data’, 0.0)。
需要注意的是，轴脊是刻度线和刻度标签的载体，当我们移动轴脊的位置时，刻度线和刻度标签会跟着轴脊的位置一起移动。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpathes
xy = np.array([0.5,0.5])
polygon = mpathes.RegularPolygon(xy, 5, radius=0.2,color='y')
ax = plt.axes((0.3, 0.3, 0.5, 0.5))
ax.add_patch(polygon)
# 隐藏上轴脊和右轴脊
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
# 移动轴脊的位置
ax.spines['left'].set_position(('data', 0.5))
ax.spines['bottom'].set_position(('data', 0.5))
plt.show()

6.5.2 实例3：正弦与余弦曲线

正弦曲线和余弦曲线都属于周期性波浪线，它们在一个2π周期内重复出现。

本实例要求先生成100个位于-2 π和2 π之间的等差数列，再求等差数列中各个数值的正弦值和余弦值，根据这些正弦值和余弦值绘制曲线。

# 03_sin_and_cos
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
x_data = np.linspace(-2 * np.pi, 2 * np.pi, 100)
y_one = np.sin(x_data)
y_two = np.cos(x_data)
fig = plt.figure()
ax = fig.add_axes((0.2, 0.2, 0.7, 0.7)) 
ax.plot(x_data, y_one, label='正弦曲线 ')
ax.plot(x_data, y_two, label='余弦曲线 ')
ax.legend()
ax.set_xlim(-2 * np.pi, 2 * np.pi)
ax.set_xticks([-2  * np.pi, -3 * np.pi / 2, -1 * np.pi, -1 * np.pi / 2, 
               0, np.pi / 2, np.pi, 3  * np.pi / 2, 2  * np.pi])
ax.set_xticklabels([r'$-2\pi$', r'$-3\pi/2$', r'$-\pi$', r'$-\pi/2$ ', r'$0$', 
                    r'$\pi/2$', r'$\pi$', r'$3\pi/2$', r'$2\pi$'])
ax.set_yticks([-1.0, -0.5, 0.0, 0.5, 1.0])
ax.set_yticklabels([-1.0, -0.5, 0.0, 0.5, 1.0])
# 隐藏右轴脊和上轴脊
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 移动左轴脊和下轴脊的位置
ax.spines['left'].set_position(('data', 0))
ax.spines['bottom'].set_position(('data', 0))
plt.show()