python matplotlib.axes相关属性设置(绘图方式、坐标轴、坐标刻度、文本等)

简介: 为什么要用 ax ,而不是 plt 呢?因为在绘制子图过程中,对于每一个子图的不同设置,ax 可以直接实现对于单个子图的设定,因此掌握必要的 ax 设置命令尤为重要!

最近在学习python 绘图时,常常使用到这样一个类:matplotlib.axes

其继承关系如下:

20210426115314355.png

为什么要用 ax ,而不是 plt 呢?

因为在绘制子图过程中,对于每一个子图的不同设置,ax 可以直接实现对于单个子图的设定,因此掌握必要的 ax 设置命令尤为重要!


参数传递,返回新的 AXES 对象:

matplotlib.axes.Axes(fig,rect,*,facecolor = None,frameon = True,sharex = None,sharey = None,label = ‘’,xscale = None,yscale = None,box_aspect = None,** kwargs)


以下,总结了一些 ax 的常用方式:


一、绘图



1、基本


Axes.plot 将y对x绘制为线条或标记。
Axes.errorbar 将y与x绘制为带有错误栏的线和/或标记。
Axes.scatter  y与y的散点图
Axes.plot_date  绘制强制轴以将浮点数视为日期的图。
Axes.step 绘制一个阶梯图。
Axes.loglog 在x轴和y轴上使用对数缩放绘制图。
Axes.semilogx 在x轴上绘制具有对数比例的图。
Axes.semilogy 用y轴上的对数比例绘制图。
Axes.fill_between 填充两条水平曲线之间的区域。
Axes.fill_betweenx  填充两条垂直曲线之间的区域。
Axes.bar  绘制条形图。
Axes.barh 绘制水平条形图。
Axes.bar_label  标记条形图。
Axes.stem 创建一个茎图。
Axes.eventplot  在给定位置绘制相同的平行线。
Axes.pie  绘制饼图。
Axes.stackplot  绘制堆积面积图。
Axes.broken_barh  绘制矩形的水平序列。
Axes.vlines 在每个x上绘制从ymin到ymax的垂直线。
Axes.hlines 在从xmin到xmax的每个y上绘制水平线。
Axes.fill 绘制填充的多边形。


2、跨度,光谱,填充,2D数组。


Axes.axhline  在轴上添加一条水平线。
Axes.axhspan  在轴上添加水平跨度(矩形)。
Axes.axvline  在轴上添加一条垂直线。
Axes.axvspan  在轴上添加垂直跨度(矩形)。
Axes.axline 添加无限长的直线。
Axes.acorr  绘制x的自相关。
Axes.angle_spectrum 绘制角度光谱。
Axes.cohere 绘制x和y之间的相干性。
Axes.csd  绘制交叉光谱密度。
Axes.magnitude_spectrum 绘制幅度谱。
Axes.phase_spectrum 绘制相位谱。
Axes.psd  绘制功率谱密度。
Axes.specgram 绘制频谱图。
Axes.xcorr  绘制x和y之间的互相关。
Axes.clabel 标注等高线图。
Axes.contour  绘制轮廓线。
Axes.contourf 绘制填充轮廓。
Axes.imshow 将数据显示为图像,即在2D常规栅格上。
Axes.matshow  将2D矩阵或数组的值绘制为颜色编码的图像。
Axes.pcolor 创建具有非规则矩形网格的伪彩色图。
Axes.pcolorfast 创建具有非规则矩形网格的伪彩色图。
Axes.pcolormesh 创建具有非规则矩形网格的伪彩色图。
Axes.spy  绘制2D阵列的稀疏模式。


二、坐标轴



1、外部


Axes.axis 获取或设置某些轴属性的便捷方法。
Axes.set_axis_off 关闭x和y轴。
Axes.set_axis_on  开启x和y轴。
Axes.set_frame_on 设置是否绘制轴矩形补丁。
Axes.get_frame_on 获取是否绘制了轴矩形补丁。
Axes.set_axisbelow  设置轴刻度线和网格线是在图上方还是下方。
Axes.get_axisbelow  获取轴刻度和网格线是在图上方还是下方。
Axes.grid 增加网格线。
Axes.get_facecolor  获取轴的表面色。
Axes.set_facecolor  设置轴的表面色。


2、轴的范围、方向、标签、标题、图例


Axes.invert_xaxis 反转x轴。
Axes.xaxis_inverted 返回x轴是否沿“反”方向定向。
Axes.invert_yaxis 反转y轴。
Axes.yaxis_inverted 返回y轴是否沿“反”方向定向。
Axes.set_xlim 设置x轴范围。
Axes.get_xlim 返回x轴范围。
Axes.set_ylim 设置y轴范围。
Axes.get_ylim 返回y轴范围。
Axes.set_xbound 设置x轴的上下边界。
Axes.get_xbound 以递增顺序返回x轴的上下边界。
Axes.set_ybound 设置y轴的上下边界。
Axes.get_ybound 以递增顺序返回y轴的上下边界。
Axes.set_xlabel 设置x轴的标签。
Axes.get_xlabel 获取xlabel文本字符串。
Axes.set_ylabel 设置y轴的标签。
Axes.get_ylabel 获取ylabel文本字符串。
Axes.set_title  为轴设置标题。
Axes.get_title  获取轴标题。
Axes.legend 在轴上放置一个图例。
Axes.get_legend 返回Legend实例,如果未定义图例,则返回None。
Axes.get_legend_handles_labels  返回图例的句柄和标签
Axes.set_xscale 设置x轴比例。
Axes.get_xscale 返回xaxis的比例尺(以str表示)。
Axes.set_yscale 设置y轴比例。
Axes.get_yscale 返回yaxis的比例尺(以str表示)。
Axes.set_xticks 设置xaxis的刻度位置。
Axes.get_xticks 返回数据坐标中xaxis的刻度位置。
Axes.set_xticklabels  使用字符串标签列表设置xaxis的标签。
Axes.get_xticklabels  获取xaxis的刻度标签。
Axes.get_xmajorticklabels 返回xaxis的主要刻度标签,作为的列表Text。
Axes.get_xminorticklabels 返回xaxis的次刻度标签,作为的列表Text。
Axes.get_xgridlines 返回xaxis的网格线作为Line2Ds的列表。
Axes.get_xticklines 以x的列表形式返回xaxis的刻度线Line2D。
Axes.xaxis_date 设置轴刻度和标签,以将沿x轴的数据视为日期。
Axes.set_yticks 设置yaxis的刻度位置。
Axes.get_yticks 返回数据坐标中yaxis的刻度位置。
Axes.set_yticklabels  使用字符串标签列表设置yaxis标签。
Axes.get_yticklabels  获取yaxis的刻度标签。
Axes.get_ymajorticklabels 返回yaxis的主要刻度标签,作为的列表Text。
Axes.get_yminorticklabels 返回yaxis的次要刻度标签,作为的列表Text。
Axes.get_ygridlines 返回yaxis的网格线作为Line2Ds的列表。
Axes.get_yticklines 返回yaxis的刻度线作为Line2Ds的列表。
Axes.yaxis_date 设置轴刻度和标签,以将沿y轴的数据视为日期。
Axes.minorticks_off 去除轴上的细小滴答声。
Axes.minorticks_on  在轴上显示较小的刻度。
Axes.ticklabel_format 配置ScalarFormatter默认情况下用于线性轴。
Axes.tick_params  更改刻度线,刻度线标签和网格线的外观。


三、投影



Axes.get_xaxis_transform  获取用于绘制x轴标签,刻度线和网格线的转换。
Axes.get_yaxis_transform  获取用于绘制y轴标签,刻度线和网格线的转换。
Axes.get_data_ratio 返回缩放数据的纵横比。


具体的绘制方式可见下方网址,包括其他的设定

matplotlib.axes

参考自:https://matplotlib.org/stable/api/axes_api.html#axis-limits


相关文章
|
10月前
|
存储 机器学习/深度学习 人工智能
多模态RAG实战指南:完整Python代码实现AI同时理解图片、表格和文本
本文探讨了多模态RAG系统的最优实现方案,通过模态特定处理与后期融合技术,在性能、准确性和复杂度间达成平衡。系统包含文档分割、内容提取、HTML转换、语义分块及向量化存储五大模块,有效保留结构和关系信息。相比传统方法,该方案显著提升了复杂查询的检索精度(+23%),并支持灵活升级。文章还介绍了查询处理机制与优势对比,为构建高效多模态RAG系统提供了实践指导。
2534 0
多模态RAG实战指南:完整Python代码实现AI同时理解图片、表格和文本
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
660 8
|
Python
Matplotlib 绘图标记
Matplotlib 绘图标记
295 2
|
移动开发 数据可视化 数据挖掘
利用Python实现数据可视化:以Matplotlib和Seaborn为例
【10月更文挑战第37天】本文旨在引导读者理解并掌握使用Python进行数据可视化的基本方法。通过深入浅出的介绍,我们将探索如何使用两个流行的库——Matplotlib和Seaborn,来创建引人入胜的图表。文章将通过具体示例展示如何从简单的图表开始,逐步过渡到更复杂的可视化技术,帮助初学者构建起强大的数据呈现能力。
|
机器学习/深度学习 自然语言处理 API
如何使用阿里云的语音合成服务(TTS)将文本转换为语音?本文详细介绍了从注册账号、获取密钥到编写Python代码调用TTS服务的全过程
如何使用阿里云的语音合成服务(TTS)将文本转换为语音?本文详细介绍了从注册账号、获取密钥到编写Python代码调用TTS服务的全过程。通过简单的代码示例,展示如何将文本转换为自然流畅的语音,适用于有声阅读、智能客服等场景。
4937 3
|
数据可视化 JavaScript 前端开发
Python中交互式Matplotlib图表
【10月更文挑战第20天】Matplotlib 是 Python 中最常用的绘图库之一,但默认生成的图表是静态的。通过结合 mpld3 库,可以轻松创建交互式图表,提升数据可视化效果。本文介绍了如何使用 mpld3 在 Python 中创建交互式散点图、折线图和直方图,并提供了详细的代码示例和安装方法。通过添加插件,可以实现缩放、平移和鼠标悬停显示数据标签等交互功能。希望本文能帮助读者掌握这一强大工具。
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
914 5
|
自然语言处理 算法 数据挖掘
探讨如何利用Python中的NLP工具,从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理(NLP)在文本分析中的应用,从被动收集到主动分析的过程。通过Python代码示例,详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术,帮助读者理解如何有效利用NLP工具进行文本数据分析。
355 2
|
机器学习/深度学习 自然语言处理 大数据
使用Python进行文本情感分析
【10月更文挑战第2天】使用Python进行文本情感分析
553 3

推荐镜像

更多