前言
matplotlib 提供的所有绘图都带有默认样式。虽然这可以进行快速绘图，但有时可能需要自定义绘图的颜色和样式，以对绘制更加精美、符合审美要求的图像。matplotlib 的设计考虑到了此需求，很容易调整 matplotlib 图形的样式。
控制填充样式
matplotlib 提供了填充图案用于填充平面。这些填充图案，对于仅包含黑白两色的图形中具有重要作用。
importnumpyasnpimportmatplotlib.pyplotaspltn=10a=np.random.random(n) b=np.random.random(n) x=np.arange(n) plt.bar(x, a, color='w', hatch='x', edgecolor='black') plt.bar(x, a+b, bottom=a, color='w', edgecolor='black', hatch='/') plt.show()
Tips：具有填充呈现性的函数(如 pyplot.bar() )接受可选参数hatch控制填充样式，此参数的可选值包括："/"， "\"， "|"， "-"， "+"， "x"， "o"， "O"，"."和"*"，每个值对应于不同的填充图案；edgecolor参数可用于控制图案填充的颜色。
控制标记样式
在《详解常见统计图的绘制》中，我们已经了解了如何如何绘制曲线，并明白了曲线是由点之间的连线构成的；此外，散点图表示数据集中的每个点。而 matplotlib 提供了多种形状，可以用其他类型的标记替换点的样式。
标记的指定方式包括以下几种：
1. 预定义标记：预定义的形状，表示为 [0, 8] 范围内的整数或某些预定义的字符串。
2. 顶点列表：值对列表，用作形状路径的坐标。
3. 正多边形：表示 N 边正多边形的三元组 (N, 0, angle)，其中 angle 为旋转角度。
4. 星形多边形：它表示为三元组 (N, 1, angle)，代表 N 边正星形，其中 angle 为旋转角度。
importnumpyasnpimportmatplotlib.pyplotasplta=np.random.standard_normal((100, 2)) a+=np.array((-1, -1)) b=np.random.standard_normal((100, 2)) b+=np.array((1, 1)) plt.scatter(a[:,0], a[:,1], color='m', marker='x') plt.scatter(b[:,0], b[:,1], color='c', marker='^') plt.show()
Tips：使用marker参数，可以为每个数据集合集合指定不同的标记。
我们已经在《Matplotlib使用自定义颜色绘制统计图》中学习了如何在散点图中为每个点定义不同的颜色，如果我们需要为每个点定义不同样式该怎么办呢？问题在于，与 color 参数不同，marker 参数不接受标记样式列表作为输入。因此，我们不能实现 plt.scatter() 的单次调来显示具有不同标记的多个点集。解决方案是，将每种类型的数据点分隔置不同集合中，并为每个集合单独调用 pyplot.scatter() 调用：
importnumpyasnpimportmatplotlib.pyplotaspltlabel_list= ( b'Iris-setosa', b'Iris-versicolor', b'Iris-virginica', ) colors= ['c','y','m'] defread_label(label): returnlabel_list.index(label) data=np.loadtxt('iris.data', delimiter=',', converters= { 4 : read_label }) marker_set= ('^', 'x', '.') fori, markerinenumerate(marker_set): data_subset=np.asarray([xforxindataifx[4] ==i]) plt.scatter(data_subset[:,0], data_subset[:,1], color=colors[i], marker=marker) plt.show()
对于 pyplot.plot()，也可以使用相同的标记参数访问标记样式。当数据点密集时，每个点都使用标记进行显示将会导致图片混乱，因此 matplotlib 提供了 markevery 参数，允许每隔 N 个点显示一个标记：
importnumpyasnpimportmatplotlib.pyplotaspltx=np.linspace(-6, 6, 1024) y_1=np.sinc(x) y_2=np.sinc(x) +1plt.plot(x, y_1, marker='x', color='.75') plt.plot(x, y_2, marker='o', color='k', markevery=64) plt.show()
控制标记大小
标记的大小可选参数 s 进行控制：
importnumpyasnpimportmatplotlib.pyplotasplta=np.random.standard_normal((100, 2)) a+=np.array((-1, -1)) b=np.random.standard_normal((100, 2)) b+=np.array((1, 1)) plt.scatter(a[:,0], a[:,1], c='m', s=100.) plt.scatter(b[:,0], b[:,1], c='c', s=25.) plt.show()
Tips：标记的大小由 plt.scatter() 的参数 s 设置，但应注意它设置的是标记的表面积倍率而非半径。
plt.scatter() 函数还可以接受列表作为s参数的输入，其表示每个点对应一个大小：
importnumpyasnpimportmatplotlib.pyplotaspltm=np.random.standard_normal((1000, 2)) r_list=np.sum(m**2, axis=1) plt.scatter(m[:, 0], m[:, 1], c='w', edgecolor='c', marker='o', s=32.*r_list) plt.show()
Tips：plt.plot() 函数允许在 markersize (或简写为 ms )参数的帮助下更改标记的大小，但是此参数不接受列表作为输入。
创建自定义标记
虽然 matplotlib 提供了多种标记形状。但是在某些情况下我们可能仍然找不到适合具体需求的形状。例如，我们可能希望使用公司徽标等作为形状。
在 matplotlib 中，将形状描述为一条路径——一系列点的连接。因此，如果要定义我们自己的标记形状，必须提供一系列的点：
importnumpyasnpimportmatplotlib.pathasmpathfrommatplotlibimportpyplotaspltshape_description= [ ( 1., 2., mpath.Path.MOVETO), ( 1., 1., mpath.Path.LINETO), ( 2., 1., mpath.Path.LINETO), ( 2., -1., mpath.Path.LINETO), ( 1., -1., mpath.Path.LINETO), ( 1., -2., mpath.Path.LINETO), (-1., -2., mpath.Path.LINETO), (-1., -1., mpath.Path.LINETO), (-2., -1., mpath.Path.LINETO), (-2., 1., mpath.Path.LINETO), (-1., 1., mpath.Path.LINETO), (-1., 2., mpath.Path.LINETO), ( 0., 0., mpath.Path.CLOSEPOLY), ] u, v, codes=zip(*shape_description) my_marker=mpath.Path(np.asarray((u, v)).T, codes) data=np.random.rand(8, 8) plt.scatter(data[:,0], data[:, 1], c='m', marker=my_marker, s=75) plt.show()
Tips：所有带有标记的图形的 pyplot 函数都有一个可选参数 marker，其参数值可以是预定义的 matplotlib 标记，也可以是自定义的路径实例，路径对象在 matplotlib.path 模块中定义。
Path 对象的构造函数将坐标列表和指令列表作为输入；每个坐标一条指令，使用一个列表将坐标和指令融合在一起，然后将坐标列表和指令传递给路径构造函数，如下所示：
u, v, codes=zip(*shape_description) my_marker=mpath.Path(np.asarray((u, v)).T, codes)
形状是通过光标的移动来描述的：
- MOVETO：此指令将光标移动到指定的坐标，并不画线。
- LINETO：这将在光标当前点和目标点之间绘制直线，并将光标移动至目标点。
- CLOSEPOLY：此指令仅用于关闭路径，每个形状都以这条指示结束。
理论上，任何形状都是可能的，我们只需要描述它的路径。但在实践中，如果想使用复杂的形状，最好可以提前进行转换工作。
