《Python数据可视化编程实战》—— 1.9 为项目设置matplotlib参数

简介:

本节书摘来异步社区《Python数据可视化编程实战》一书中的第1章,第1.9节,作者:【爱尔兰】Igor Milovanović,更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.9 为项目设置matplotlib参数

Python数据可视化编程实战
本节介绍matplotlib使用的各种配置文件的位置,以及使用这些配置文件的意义。同时还将介绍配置文件中的具体配置项。

1.9.1 准备工作

如果不想在每次使用matplotlib时都在代码开始部分进行配置(像前一节我们做的那样),就需要为不同的项目设定不同的默认配置项。本节将介绍如何做到这一点。这种配置方式使得配置项与代码分离,从而使代码更加整洁。此外,你可以很容易在同事间甚至项目间分享配置模板。

1.9.2 配置方法

假设一个项目对于matplotlib的特性参数总会设置相同的值,就没有必要在每次编写新的绘图代码时都进行相同的配置。取而代之的,应该是在代码之外,使用一个永久的文件设定matplotlib参数默认值。

通过matplotlibrc``来配置文件,matplotlib提供了对这种配置方式的支持。在matplotlibrc文件中包含了绝大部分可以变更的属性。

1.9.3 配置过程说明

配置文件可能存在于三个不同的位置,而它们的位置决定了它们的应用范围。这三个位置分别说明如下。

当前工作目录:即代码运行的目录。在当前目录下,可以为目录所包含的当前项目代码定制matplotlib配置项。配置文件的文件名是matplotlibrc。
用户级.matplotlib/matplotlibrc文件(Per user .matplotlib/matplotlibrc):通常是在用户的$HOME目录下(在Windows系统中,也就是Documents and Settings目录)。可以用matplotlib.get_configdir()命令来找到当前用户的配置文件目录。请参考随后的命令示例。
安装*级配置文件(Per installation configuration file):*通常在python的site-packages目录下。这是系统级配置,不过在每次重新安装matplotlib后,配置文件会被覆盖。因此如果希望保持持久有效的配置,最好选择在用户级配置文件中进行设置。对于笔者来说,目前对本配置文件的最佳应用方式,是将其作为默认配置模板。如果在用户级配置文件已经比较混乱,或者需要为新项目做全新配置时,可以基于该配置文件进行设置。
在shell中运行下面的命令,即可打印出配置文件目录的位置:

$ python -c 'import matplotlib as mpl; print mpl.get_configdir()'

配置文件包括以下配置项。

axes:设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示。
backend:设置目标输出TkAgg和GTKAgg。
figure:控制dpi、边界颜色、图形大小和子区(subplot)设置。
font:字体集(font family)、字体大小和样式设置。
grid:设置网格颜色和线型。
legend:设置图例和其中文本的显示。
line:设置线条(颜色、线型、宽度等)和标记。
patch:是填充2D空间的图形对象,如多边形和圆。控制线宽、颜色和抗锯齿设置等。
savefig:可以对保存的图形进行单独设置。例如,设置渲染的文件的背景为白色。
text:设置字体颜色、文本解析(纯文本或latex标记)等。
verbose:设置matplotlib在执行期间信息输出,如silent、helpful、debug和debug-annoying。
xticks和yticks:为x、y轴的主刻度和次刻度设置颜色、大小、方向,以及标签大小。

####1.9.4 补充说明
相关文章
|
5天前
|
Python
python函数的参数学习
学习Python函数参数涉及五个方面:1) 位置参数按顺序传递,如`func(1, 2, 3)`;2) 关键字参数通过名称传值,如`func(a=1, b=2, c=3)`;3) 默认参数设定默认值,如`func(a, b, c=0)`;4) 可变参数用*和**接收任意数量的位置和关键字参数,如`func(1, 2, 3, a=4, b=5, c=6)`;5) 参数组合结合不同类型的参数,如`func(1, 2, 3, a=4, b=5, c=6)`。
10 1
|
14天前
|
数据采集 JSON 数据可视化
【python】python懂车帝数据可视化(代码+报告)
【python】python懂车帝数据可视化(代码+报告)
|
26天前
|
机器学习/深度学习 数据可视化 数据处理
Python数据可视化:探索Matplotlib库的强大功能
本文将深入探讨Python中用于数据可视化的重要工具之一——Matplotlib库。通过介绍Matplotlib库的基本概念、常用功能和实际应用案例,帮助读者更好地了解如何利用Matplotlib创建各种吸引人的数据图表。
|
18天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
20天前
|
存储 Shell iOS开发
【Python 学习篇】 Python环境变量设置指南 (A Guide to Setting Python Environment Variables)
【Python 学习篇】 Python环境变量设置指南 (A Guide to Setting Python Environment Variables)
44 1
|
22天前
|
数据可视化 数据挖掘 Python
Python中的数据可视化工具Matplotlib简介与实践
在本文中,我们将介绍Python中常用的数据可视化工具Matplotlib,包括其基本概念、常用功能以及实际应用。通过学习Matplotlib,读者可以更好地理解和运用数据可视化技术,提升数据分析与展示的能力。
|
24天前
|
数据可视化 数据挖掘 Python
Python数据可视化实战指南
本文将介绍如何利用Python中的数据可视化工具,如Matplotlib和Seaborn,结合实例详细演示如何创建各种图表,包括折线图、柱状图、饼图等,帮助读者快速掌握数据可视化的技巧和应用。
|
25天前
|
算法 开发者 Python
【Python 基础扫盲 】self参数、__init__方法和.__str__方法的用处和区别?
【Python 基础扫盲 】self参数、__init__方法和.__str__方法的用处和区别?
20 0
|
26天前
|
数据可视化 数据挖掘 API
Python数据分析中的数据可视化:Matplotlib与Seaborn的比较
在Python数据分析领域,数据可视化是至关重要的一环。本文将深入探讨两大流行的数据可视化库Matplotlib与Seaborn的异同,帮助读者更好地选择适合自身需求的工具。
|
30天前
|
数据可视化 数据挖掘 API
Python数据可视化利器Matplotlib详解
本文将深入探讨Python中常用的数据可视化库Matplotlib,介绍其基本概念、常见绘图函数和实例应用。通过学习Matplotlib,读者可以掌握如何利用Python进行数据可视化,展示数据分析结果。