python画图常规设置方式

python绘图的包大家应该不会陌生，但是，对图的常规设置不一定会知道（其实自己也是才知道的），比如：坐标轴的字体大小、颜色设置；标题的字体颜色大小设置；线的粗细、颜色；图片风格的设置等。了解这些常规设置必定会让图片更加美观。

下面就具体来说说matplotlib中有哪些常规设置。

我主要总结了这几个函数：

plt.style.use()函数；可以对图片的整体风格进行设置。可以通过plt.style.availabel知道一共有多少种主题。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import matplotlib as mpl
print plt.style.availabel

我们试用其中两个主题。

plt.style.use("fivethirtyeight")
data = np.random.randn(50)
plt.scatter(range(50), data)

with plt.style.context(('dark_background')):
 plt.plot(np.sin(np.linspace(0, 2 * np.pi)), 'r-o') # "r-o"表示红色的点用线连接起来。
plt.show()

mpl.rcParams()函数；这个函数可以设置图片的坐标轴以及标题的字体大小、颜色、宽度等。同时，也可以用mpl.rcParams.keys（）进行查看有哪些设置。

mpl.rcParams['xtick.labelsize'] = 16
mpl.rcParams["ytick.color"] = 'b'
plt.plot(range(50), data, 'g^')
plt.show()

这张图就通过rcParams（）函数设置了y轴的字体颜色，x轴的字体大小。同时，将点的marker变成了三角形、颜色变为了绿色。

mpl.rc（）函数；它可以用来设置线的粗细、风格、颜色等。

mpl.rc('lines', linewidth=4, color='r', linestyle='-.')
plt.plot(data)

fontdict()函数；也可以来办同样的事情。

font = {'family' : 'monospace',
   'weight' : 'bold',
   'size'  : 'larger',
   'color' : "r"
   }
plt.scatter(range(50), data)
plt.xlabel("number", fontdict=font)

font()字典中主要存在这么几类键：

font.family ；一共有5种设置： serif sans-serif cursive antasy monospace

font.style ；一种有3种设置：normal italic oblique

font.variant ；一共有2种设置：normal or small-caps

font.weight ；一共有4种设置：normal, bold, bolder, lighter

font.stretch ；一共有13种设置：

ultra-condensed, extra-condensed, condensed, semi-condensed, normal, semi-expanded, expanded, extra-expanded, ultra-expanded, wider, and narrower. font.size ；默认值是10pt

plt.setp（）函数；也是可以设置线的粗细以及颜色，还可以设置坐标轴的方向，位置。

例如：

setp(lines, 'linewidth', 2, 'color', 'r')

借用帮助文档上的一个例子：

import numpy as np
import matplotlib.pyplot as plt
data = {'Barton LLC': 109438.50,
   'Frami, Hills and Schmidt': 103569.59,
   'Fritsch, Russel and Anderson': 112214.71,
   'Jerde-Hilpert': 112591.43,
   'Keeling LLC': 100934.30,
   'Koepp Ltd': 103660.54,
   'Kulas Inc': 137351.96,
   'Trantow-Barrows': 123381.38,
   'White-Trantow': 135841.99,
   'Will LLC': 104437.60}
group_data = list(data.values())
group_names = list(data.keys())
group_mean = np.mean(group_data)
fig, ax = plt.subplots()
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
   title='Company Revenue')

可以看到x轴坐标斜向45°旋转了，整个图片变得更加美观了。为了对数据更加一步分析，做下面操作：

def currency(x, pos):
 """The two args are the value and tick position"""
 if x >= 1e6:
   s = '${:1.1f}M'.format(x*1e-6)
 else:
   s = '${:1.0f}K'.format(x*1e-3)
 return s
formatter = FuncFormatter(currency)
fig, ax = plt.subplots(figsize=(6, 8))
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')

ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
   title='Company Revenue')
ax.xaxis.set_major_formatter(formatter)

fig, ax = plt.subplots(figsize=(8, 8))
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')

# 以所有收益的平均值画一条垂直线，看哪些公司是超越平均收益的
ax.axvline(group_mean, ls='--', color='r')

# 标注新成立的公司
for group in [3, 5, 8]:
 ax.text(145000, group, "New Company", fontsize=10,
     verticalalignment="center")

# 将标题移动一点，与图片保持一点距离。
ax.title.set(y=1.05)
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
   title='Company Revenue')
ax.xaxis.set_major_formatter(formatter)
ax.set_xticks([0, 25e3, 50e3, 75e3, 100e3, 125e3])
plt.show()

现在好了，可以直观的看出哪些公司是新成立得，同时哪些公司的收益是超越平均水平的。对之后的数据分析和统计都是有非常大的帮助的。

来源：https://blog.csdn.net/llh_1178/article/details/78603562