前言
建议把代码复制到pycharm等IDE上面看实际效果，方便理解嗷❤️
第六部分：保存与导出图表
在实际的应用场景中，我们不仅需要在程序中展示图表，有时候还需要将这些图表保存为文件，以便在其他地方使用，比如插入文档、报告或网页中。matplotlib 提供了非常方便的保存图表功能。
6.1 保存为图片文件
matplotlib 可以将生成的图表保存为多种格式的图片文件，比如 PNG、JPG、SVG 等。我们可以通过 savefig() 函数来完成这个操作。
示例：保存图表为 PNG 文件
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 添加标题 plt.title('保存为 PNG 文件的示例') # 保存图表为 PNG 文件 plt.savefig('my_plot.png') # 显示图表 plt.show()
解释：
plt.savefig('my_plot.png')：将当前的图表保存为名为my_plot.png的图片文件。默认保存为 PNG 格式。
关键点：
savefig()的参数是文件名，可以指定文件格式。如果没有明确指定格式，它会根据文件名的后缀来确定格式。例如，my_plot.jpg会保存为 JPG 文件。
savefig()可以在plt.show()之前或之后调用，但推荐在plt.show()之前保存，这样不会受后续图表显示的影响。
6.2 保存为高分辨率图片
有时候我们需要保存高分辨率的图片，比如用于打印或发布。可以通过 dpi 参数设置分辨率。
示例：保存为高分辨率图片
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 添加标题 plt.title('保存为高分辨率 PNG 文件的示例') # 保存图表为高分辨率的 PNG 文件，dpi 参数设置分辨率 plt.savefig('high_res_plot.png', dpi=300) # 显示图表 plt.show()
解释：
dpi=300：设置图像分辨率为 300 DPI（每英寸像素数），这在出版或打印中通常是常用的高分辨率标准。
6.3 保存为不同文件格式
matplotlib 支持多种文件格式，常见的格式有：
- PNG：位图格式，常用于网页和应用程序中。
- JPG：另一种常用的位图格式，但通常会有压缩损失。
- SVG：矢量图格式，适合在网页中显示，并且在缩放时不会失真。
- PDF：矢量图格式，适合用于打印和高质量展示。
示例：保存为不同文件格式
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 添加标题 plt.title('保存为多种格式的示例') # 保存为 PNG 文件 plt.savefig('plot.png') # 保存为 JPG 文件 plt.savefig('plot.jpg') # 保存为 SVG 文件 plt.savefig('plot.svg') # 保存为 PDF 文件 plt.savefig('plot.pdf') # 显示图表 plt.show()
解释：
- 根据文件的后缀名自动保存为相应的格式。
- 矢量图 (SVG, PDF) 在放大和缩小时不会失真，适合用于需要缩放的场景。
6.4 调整图表的保存尺寸
我们可以通过 figsize 参数来控制保存的图片大小，figsize 以英寸为单位。
示例：设置图片尺寸并保存
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表，并设置图像大小为 10x6 英寸 plt.figure(figsize=(10, 6)) # 绘制图表 plt.plot(x, y) # 添加标题 plt.title('设置图片尺寸并保存') # 保存图表为指定尺寸的 PNG 文件 plt.savefig('custom_size_plot.png') # 显示图表 plt.show()
解释：
plt.figure(figsize=(10, 6))：设置图像的宽度为 10 英寸，高度为 6 英寸。这样可以控制保存图像的实际尺寸。
6.5 解决中文乱码问题
在绘制带有中文标题或标签的图表时，可能会遇到显示乱码的问题。这是由于 matplotlib 默认使用的字体不支持中文。我们可以通过设置字体来解决这个问题。
示例：解决中文显示乱码
import matplotlib.pyplot as plt # 导入中文字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体 # 解决负号 '-' 显示为方块的问题 plt.rcParams['axes.unicode_minus'] = False # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 绘制图表，添加中文标题和标签 plt.plot(x, y) plt.title('折线图示例') plt.xlabel('X轴') plt.ylabel('Y轴') # 显示图表 plt.show()
解释：
plt.rcParams['font.sans-serif'] = ['SimHei']：设置默认字体为SimHei（黑体），以支持中文字符显示。
plt.rcParams['axes.unicode_minus'] = False：避免负号显示为方块。
至此，我们已经完成了 matplotlib 的基本操作，并掌握了保存图表的方式。在今后的应用中，可以根据需求保存图表为各种格式，并控制图像的尺寸和分辨率。同时也学会了如何处理中文字符显示的问题。
接下来我们继续深入，学习 matplotlib 的更多高级功能，例如：
- 绘制 3D 图形
- 动态图表
- 动画的创建
第七部分：高级图表定制
在实际的数据可视化中，我们可能不仅仅满足于绘制简单的图表。为了让图表更具表现力和可读性，matplotlib 提供了许多高级的定制功能。这部分内容会深入讲解如何控制图表中的各个元素，使其更贴合实际需求。
7.1 设置坐标轴的范围与刻度
有时候，matplotlib 会自动根据数据的范围来设置坐标轴的范围，但这并不总是理想的。在某些场景下，我们可能需要手动调整坐标轴的范围，以突出重点数据。我们可以使用 xlim() 和 ylim() 方法来设置坐标轴的范围。
示例：手动设置坐标轴范围
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 手动设置 X 轴和 Y 轴的范围 plt.xlim(0, 6) # 设置 X 轴范围为 0 到 6 plt.ylim(0, 30) # 设置 Y 轴范围为 0 到 30 # 添加标题和坐标轴标签 plt.title('手动设置坐标轴范围的示例') plt.xlabel('X 轴') plt.ylabel('Y 轴') # 显示图表 plt.show()
解释：
plt.xlim(0, 6)：设置 X 轴的显示范围为 0 到 6。plt.ylim(0, 30)：设置 Y 轴的显示范围为 0 到 30。
拓展：
- 在一些动态数据可视化中，坐标轴范围的设置可以根据实际需要动态调整，从而使得数据更直观。
7.2 自定义坐标轴刻度
除了坐标轴的范围，有时候我们也需要更改刻度的显示，比如让刻度间隔更大或更小，或是使用特定的数字或文本作为刻度标记。
示例：自定义刻度
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 自定义 X 轴和 Y 轴的刻度 plt.xticks([0, 1, 2, 3, 4, 5, 6], ['零', '一', '二', '三', '四', '五', '六']) # 自定义 X 轴刻度为中文 plt.yticks([0, 5, 10, 15, 20, 25, 30], ['0', '5', '10', '15', '20', '25', '30']) # 添加标题和坐标轴标签 plt.title('自定义刻度的示例') plt.xlabel('X 轴') plt.ylabel('Y 轴') # 显示图表 plt.show()
解释：
plt.xticks()：自定义 X 轴的刻度及显示内容，可以是数字、文本或其他符号。plt.yticks()：自定义 Y 轴的刻度及显示内容。
7.3 添加网格线
为了使数据更加清晰直观，特别是在查看大范围的数据时，网格线 (Grid) 是一个很有用的工具。matplotlib 允许我们为图表添加水平和垂直网格线，并可以定制网格线的样式。
示例：添加网格线
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 添加网格线，并设置样式 plt.grid(True, linestyle='--', color='grey', alpha=0.7) # 添加标题和坐标轴标签 plt.title('添加网格线的示例') plt.xlabel('X 轴') plt.ylabel('Y 轴') # 显示图表 plt.show()
解释：
plt.grid(True)：开启网格线，True表示显示网格线。linestyle：设置网格线的线型，例如虚线'--'。color：设置网格线的颜色。alpha：设置网格线的透明度，值为 0 到 1，越接近 1 越不透明。
拓展：
除了基本的添加网格线功能，matplotlib 允许我们对网格线进行更高级的自定义。例如，我们可以单独为 X 轴或 Y 轴添加网格线，改变网格线的密度、样式、颜色等。这些功能特别适用于精细化的图表设计，使数据更容易解读。
7.3.1 为特定轴添加网格线
我们不一定需要为所有的轴都添加网格线。有时，数据只需要在某个特定方向上进行参照。可以通过 axis 参数指定网格线仅应用于 X 轴或 Y 轴。
示例：仅为 Y 轴添加网格线
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 仅为 Y 轴添加网格线 plt.grid(True, axis='y', linestyle='--', color='grey', alpha=0.7) # 添加标题 plt.title('仅为 Y 轴添加网格线') # 显示图表 plt.show()
解释：
axis='y'：表示仅为 Y 轴添加网格线。如果想只为 X 轴添加网格线，可以将axis设置为'x'。- 这样可以避免图表中过多的视觉干扰，突出某个方向的数据信息。
7.3.2 设置网格线的间隔与密度
在某些场景下，默认的网格线密度可能过高或过低。我们可以通过设置主刻度 (major) 和次刻度 (minor) 来控制网格线的间隔与密度。
示例：为次刻度添加网格线
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 设置主刻度和次刻度 plt.minorticks_on() # 打开次刻度 plt.grid(which='major', linestyle='-', linewidth='0.5', color='black') # 主刻度网格线 plt.grid(which='minor', linestyle=':', linewidth='0.5', color='grey') # 次刻度网格线 # 添加标题 plt.title('为次刻度添加网格线') # 显示图表 plt.show()
解释：
plt.minorticks_on()：打开次刻度。which='major'：设置主刻度的网格线样式。which='minor'：设置次刻度的网格线样式。
7.3.3 自定义网格线的样式与线宽
matplotlib 允许我们通过不同的线型、线宽、颜色等选项，灵活地调整网格线的外观，使其与图表的整体风格保持一致。
示例：自定义网格线的线型与线宽
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y) # 自定义网格线的样式与线宽 plt.grid(True, linestyle='-.', linewidth=2, color='green') # 添加标题 plt.title('自定义网格线样式与线宽') # 显示图表 plt.show()
解释：
linestyle='-.':：使用点划线的样式作为网格线（类似于点划线）。linewidth=2: 将网格线的宽度设置为 2，这比默认的线宽更粗，更容易看清。
拓展：
- 在有多个数据系列的复杂图表中，不同的网格线样式有助于将重要数据与背景信息区分开。可以尝试不同的线型，如
'-','--',':'等，调整视觉效果。 - 同时，使用
alpha参数可以设置网格线的透明度，以避免网格线过于突出影响数据阅读。
7.3.4 控制网格线的显示层次 (zorder)
matplotlib 中的每个图形元素都有一个 zorder，决定了它们在图表中的显示顺序。通过控制网格线的 zorder，我们可以确保它们出现在数据线条的上方或下方。
示例：调整网格线的 zorder
import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建图表 plt.plot(x, y, zorder=2) # 数据线条的 zorder 为 2 # 将网格线的 zorder 设置为 1，这样网格线会在数据线的下方 plt.grid(True, linestyle='--', color='grey', zorder=1) # 添加标题 plt.title('调整网格线的显示层次') # 显示图表 plt.show()
解释：
zorder=2: 设置数据线条的显示顺序为 2（较高的顺序）。zorder=1: 设置网格线的显示顺序为 1，使其显示在数据线条的下方。
拓展：
- 通过调节
zorder，我们可以让网格线与图表中的其他元素保持适当的层次关系。特别是在有多个数据系列和复杂背景的图表中，合理的zorder设置可以极大提升图表的可读性。
【Python篇】matplotlib超详细教程-由入门到精通（下篇）2；https://developer.aliyun.com/article/1617469
