一文帶你掌握Matplotlib風(fēng)格與樣式
1. Matplotlib 風(fēng)格
為了滿足不同的應(yīng)用需求， Matplotlib 中包含了 28 種不同的風(fēng)格，在進(jìn)行繪圖時(shí)，可以根據(jù)需要選擇不同的繪圖風(fēng)格。使用以下代碼可以獲取 Matplotlib 中所有可用的風(fēng)格：
import matplotlib as mpl from matplotlib import pyplot as plt # 查看 Matplotlib 可用繪圖風(fēng)格 print(plt.style.available)
打印出的可用風(fēng)格如下：
['Solarize_Light2', '_classic_test_patch', '_mpl-gallery', '_mpl-gallery-nogrid', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']
使用 plt.style.use("style") 可以修改默認(rèn)的繪圖風(fēng)格，其中 style 為 Matplolib 中可用的風(fēng)格：
import matplotlib as mpl
from matplotlib import pyplot as plt
import numpy as np
# 設(shè)置默認(rèn)繪圖風(fēng)格為 seaborn-darkgrid
plt.style.use("seaborn-darkgrid")
x = np.linspace(0, 2 * np.pi, 100)
y = np.cos(x)
plt.plot(x, y)
plt.show()
可以看到，與在《Matplotlib圖形繪制》中繪制的相同圖形相比，其風(fēng)格具有較大差別。除此之外， Maplotlib 中還有一些非常有意思的風(fēng)格，例如手繪風(fēng)格：
import matplotlib as mpl from matplotlib import pyplot as plt import numpy as np # 啟用手繪風(fēng)格 plt.xkcd() x = np.linspace(0, 2 * np.pi, 100) y = np.cos(x) plt.plot(x, y) plt.show()
可以看到，使用手繪風(fēng)格的方法十分簡單，只需要在繪圖前，調(diào)用 plt.xkcd() 函數(shù)即可：
import matplotlib as mpl from matplotlib import pyplot as plt import numpy as np # 啟用手繪風(fēng)格 plt.xkcd() data = [[10., 20., 30., 20.],[40., 25., 53., 18.],[6., 22., 52., 19.]] x = np.arange(4) plt.bar(x + 0.00, data[0], color = 'b', width = 0.25) plt.bar(x + 0.25, data[1], color = 'g', width = 0.25) plt.bar(x + 0.50, data[2], color = 'r', width = 0.25) plt.show()
除了 Matplotlib 自帶的預(yù)設(shè)風(fēng)格外，我們也可以通過自定義顏色和樣式來構(gòu)建滿足需求的自定義風(fēng)格。
2. 使用自定義顏色
2.1 自定義顏色
Matplotlib 中有多種定義顏色的方法，常見的方法包括：
三元組 (
Triplets)：顏色可以描述為一個(gè)實(shí)數(shù)三元組，即顏色的紅、藍(lán)、綠分量，其中每個(gè)分量在[0,1]區(qū)間內(nèi)。因此，(1.0, 0.0, 0.0)表示純紅色，而(1.0, 0.0, 1.0)則表示粉色。四元組 (
Quadruplets)：它們前三個(gè)元素與三元組定義相同，第四個(gè)元素定義透明度值。此值也在[0,1]區(qū)間內(nèi)。將圖形渲染到圖片文件中時(shí)，使用透明顏色可以使繪制圖形與背景進(jìn)行混合。預(yù)定義名稱：
Matplotlib將標(biāo)準(zhǔn)HTML顏色名稱解釋為實(shí)際顏色。例如，字符串red即可表示為紅色。同時(shí)一些某些顏色的具有簡潔的別名，如下表所示：
HTML顏色字符串：Matplotlib可以將HTML顏色字符串解釋為實(shí)際顏色。這些字符串被定義為#RRGGBB，其中RR、GG和BB分別是使用十六進(jìn)制編碼的紅色、綠色和藍(lán)色分量。灰度字符串：
Matplotlib將浮點(diǎn)值的字符串表示形式解釋為灰度，例如0.75表示中淺灰色。
2.2 使用自定義顏色繪制曲線圖
通過設(shè)置 plt.plot() 函數(shù)的參數(shù) color (或等效的簡寫為 c )，可以設(shè)置曲線的顏色，如下所示：
import numpy as np import matplotlib.pyplot as plt def pdf(x, mu, sigma): a = 1. / (sigma * np.sqrt(2. * np.pi)) b = -1. / (2. * sigma ** 2) return a * np.exp(b * (x - mu) ** 2) x = np.linspace(-6, 6, 1000) for i in range(5): samples = np.random.standard_normal(50) mu, sigma = np.mean(samples), np.std(samples) plt.plot(x, pdf(x, mu, sigma), color = str(.15*(i+1))) plt.plot(x, pdf(x, 0., 1.), color = 'k') plt.plot(x, pdf(x, 0.2, 1.), color = '#00ff00') plt.plot(x, pdf(x, 0.4, 1.), color = (0.9,0.9,0.0)) plt.plot(x, pdf(x, 0.4, 1.), color = (0.9,0.9,0.0,0.8)) plt.show()
2.3 使用自定義顏色繪制散點(diǎn)圖
可以以同樣的方式像控制曲線圖一樣控制散點(diǎn)圖的顏色，有兩種可用的形式：
- 為所有點(diǎn)使用相同的顏色 ：所有點(diǎn)都將以相同的顏色顯示。
- 為每個(gè)點(diǎn)定義不同的顏色：為每個(gè)點(diǎn)提供不同的顏色。
2.3.1 為所有點(diǎn)使用相同的顏色
利用從二元高斯分布中提取的兩組點(diǎn) y_1 和 y_2 ，每一組中點(diǎn)的顏色相同：
import numpy as np import matplotlib.pyplot as plt y_1 = np.random.standard_normal((150, 2)) y_1 += np.array((-1, -1)) # Center the distrib. at <-1, -1> y_2 = np.random.standard_normal((150, 2)) y_2 += np.array((1, 1)) # Center the distrib. at <1, 1> plt.scatter(y_1[:,0], y_1[:,1], color = 'c') plt.scatter(y_2[:,0], y_2[:,1], color = 'b') plt.show()
2.3.2 為每個(gè)點(diǎn)定義不同的顏色
我們有時(shí)會(huì)遇到這樣的繪圖場景，需要為不同類別的點(diǎn)使用不同的顏色進(jìn)行繪制，以觀察不同類別間的差異情況。以Fisher’s iris數(shù)據(jù)集為例，其數(shù)據(jù)集中數(shù)據(jù)類似如下所示：
5.0,3.3,1.4,0.2,Iris-setosa 7.0,3.2,4.7,1.4,Iris-versicolo
數(shù)據(jù)集的每個(gè)點(diǎn)都存儲(chǔ)在以逗號(hào)分隔的列表中。最后一列給出每個(gè)點(diǎn)的標(biāo)簽(標(biāo)簽包含三類： Iris-virginica 、 Iris-versicolor 和 Iris-Vertosa )。在示例中，這些點(diǎn)的顏色將取決于它們的標(biāo)簽，如下所示：
import numpy as np
import matplotlib.pyplot as plt
label_set = (
b'Iris-setosa',
b'Iris-versicolor',
b'Iris-virginica',
)
def read_label(label):
return label_set.index(label)
data = np.loadtxt('iris.data', delimiter = ',', converters = { 4 : read_label })
color_set = ('c', 'y', 'm')
color_list = [color_set[int(label)] for label in data[:,4]]
plt.scatter(data[:,0], data[:,1], color = color_list)
plt.show()
對于三種可能的標(biāo)簽，我們分別指定一種唯一的顏色，顏色在 color_set 中定義，標(biāo)簽在 label_set 中定義。 label_set 中的第 i 個(gè)標(biāo)簽與 color_set 中的第 i 個(gè)顏色相關(guān)聯(lián)。然后我們利用它們把標(biāo)簽列表轉(zhuǎn)換成顏色列表 color_list 。然后只需調(diào)用 plt.scatter() 一次即可顯示所有點(diǎn)及其顏色。
除了以上方法外，我們也可以通過對三個(gè)不同的類別單獨(dú)調(diào)用 plt.scatter() 來實(shí)現(xiàn)，但這將需要更多的代碼。另外需要注意的是：如果兩點(diǎn)有可能有相同的坐標(biāo)，但有不同的標(biāo)簽，顯示的顏色將是后繪制點(diǎn)的顏色，我們也可以使用帶有透明通道的顏色值，用來顯示重疊點(diǎn)。
2.4 為散點(diǎn)圖中數(shù)據(jù)點(diǎn)的邊使用自定義顏色
與 color 參數(shù)控制點(diǎn)的顏色一樣，可以使用 edgecolor 參數(shù)控制數(shù)據(jù)點(diǎn)的邊的顏色，可以為每個(gè)點(diǎn)的邊設(shè)置相同的顏色：
import numpy as np import matplotlib.pyplot as plt data = np.random.standard_normal((100, 2)) plt.scatter(data[:,0], data[:,1], color = '1.0', edgecolor='r') plt.show()
除了為每個(gè)點(diǎn)的邊設(shè)置相同的顏色外，也可以像在為每個(gè)點(diǎn)定義不同的顏色部分中介紹的一樣為每個(gè)點(diǎn)的邊設(shè)置不邊的顏色。
2.5 使用自定義顏色繪制條形圖
控制繪制條形圖使用的顏色與曲線圖和散點(diǎn)圖的工作原理相同，即通過可選參數(shù) color ：
import numpy as np import matplotlib.pyplot as plt w_pop = np.array([5., 30., 45., 22.]) m_pop = np.array( [5., 25., 50., 20.]) x = np.arange(4) plt.barh(x, w_pop, color='m') plt.barh(x, -m_pop, color='c') plt.show()
同樣，使用 plt.bar() 和 plt.barh() 函數(shù)自定義顏色繪制條形圖的工作方式與 plt.scatter() 完全相同，只需設(shè)置可選參數(shù) color ，同時(shí)也可以參數(shù) edgecolor 控制條形邊的顏色。`
import numpy as np
import matplotlib.pyplot as plt
values = np.random.random_integers(99, size = 50)
color_set = ('c', 'm', 'y', 'b')
color_list = [color_set[(len(color_set) * val) // 100] for val in values]
plt.bar(np.arange(len(values)), values, color = color_list)
plt.show()
2.6 使用自定義顏色繪制餅圖
自定義餅圖顏色的方法類似于條形圖：
import numpy as np
import matplotlib.pyplot as plt
color_set = ('c', 'm', 'y', 'b')
values = np.random.rand(6)
plt.pie(values, colors = color_set)
plt.show()
餅圖接受使用 colors 參數(shù)(注意，此處是 colors ，而不是在 plt.plot() 中使用的 color )的顏色列表。但是，如果顏色數(shù)少于輸入值列表中的元素?cái)?shù)，那么 plt.pie() 將循環(huán)使用顏色列表中的顏色。在示例中，使用包含四種顏色的列表，為了給包含六個(gè)值的餅圖著色，其中有兩個(gè)顏色將使用兩次。
2.7 使用自定義顏色繪制箱型圖
使用以下代碼，修改箱型圖中線條顏色：
import numpy as np
import matplotlib.pyplot as plt
values = np.random.randn(100)
b = plt.boxplot(values)
for name, line_list in b.items():
for line in line_list:
line.set_color('m')
plt.show()
2.8 使用色彩映射繪制散點(diǎn)圖
如果要在圖形中使用多種顏色，逐個(gè)定義每種顏色并不是最佳方案，色彩映射可以解決此問題。色彩映射用一個(gè)變量對應(yīng)一個(gè)值(顏色)的連續(xù)函數(shù)定義顏色。 Matplotlib 提供了幾種常見的顏色映射；大多數(shù)是連續(xù)的顏色漸變。色彩映射在 matplotib.cm 模塊中定義，提供創(chuàng)建和使用色彩映射的函數(shù)，它還提供了預(yù)定義的色彩映射選擇。
函數(shù) plt.scatter() 接受 color 參數(shù)的值列表，當(dāng)提供 cmap 參數(shù)值時(shí)，這些值將被解釋為色彩映射的索引：
import numpy as np import matplotlib.cm as cm import matplotlib.pyplot as plt n = 256 angle = np.linspace(0, 8 * 2 * np.pi, n) radius = np.linspace(.5, 1., n) x = radius * np.cos(angle) y = radius * np.sin(angle) plt.scatter(x, y, c = angle, cmap = cm.hsv) plt.show()
在 matplotlib.cm 模塊中提供了大量預(yù)定義的色彩映射，其中 cm.hsv 包含全光譜的顏色。
2.9 使用色彩映射繪制條形圖
plt.scatter() 函數(shù)內(nèi)置了對色彩映射的支持，其他一些繪圖函數(shù)也內(nèi)置支持色彩映射。但是，有些函數(shù)(如 plt.bar() )并未內(nèi)置對色彩映射的支持，在這種情況下， Matplotlib 可以從顏色映射顯式生成顏色：
import numpy as np import matplotlib.cm as cm import matplotlib.pyplot as plt import matplotlib.colors as col values = np.random.random_integers(99, size = 50) cmap = cm.ScalarMappable(col.Normalize(0, 99), cm.binary) plt.bar(np.arange(len(values)), values, color = cmap.to_rgba(values)) plt.show()
以上代碼首先創(chuàng)建色彩映射 cmap ，以便將 [0, 99] 范圍內(nèi)的值映射到 matplotlib.cm.binary 的顏色。然后，函數(shù) cmap.to_rgba 將值列表轉(zhuǎn)換為顏色列表。因此，盡管 plt.bar() 并未內(nèi)置色彩映射支持，但依舊可以使用并不復(fù)雜的代碼實(shí)現(xiàn)色彩映射。
2.10 創(chuàng)建自定義配色方案
Matplotlib 使用的默認(rèn)顏色考慮的主要對象是打印文檔或出版物。因此，默認(rèn)情況下，背景為白色，而標(biāo)簽、軸和其他注釋則顯示為黑色，在某些不同的使用環(huán)境中，我們可能需要使用的配色方案；例如，將圖形背景設(shè)置為黑色，注釋設(shè)置為白色。
在 Matplotlib 中，各種對象(如軸、圖形和標(biāo)簽)都可以單獨(dú)修改，但逐個(gè)更改這些對象的顏色配置并非最佳方案。我們可以使用在《Matplotlib安裝與配置》介紹的方法，通過修改配置集中改變所有對象，以配置其默認(rèn)顏色或樣式：
import numpy as np
import matplotlib as mpl
from matplotlib import pyplot as plt
mpl.rc('lines', linewidth = 2.)
mpl.rc('axes', facecolor = 'k', edgecolor = 'w')
mpl.rc('xtick', color = 'w')
mpl.rc('ytick', color = 'w')
mpl.rc('text', color = 'w')
mpl.rc('figure', facecolor = 'k', edgecolor ='w')
mpl.rc('axes', prop_cycle = mpl.cycler(color=[(0.1, .5, .75),(0.5, .5, .75)]))
x = np.linspace(0, 7, 1024)
plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))
plt.show()
3. 使用自定義樣式
3.1 控制線條樣式和線寬
在實(shí)踐中，除了顏色，大多數(shù)情況下我們還要對圖形的線條樣式等進(jìn)行控制，以為線條樣式添加多樣性。
3.1.1 線條樣式
import numpy as np import matplotlib.pyplot as plt def gaussian(x, mu, sigma): a = 1. / (sigma * np.sqrt(2. * np.pi)) b = -1. / (2. * sigma ** 2) return a * np.exp(b * (x - mu) ** 2) x = np.linspace(-6, 6, 1024) plt.plot(x, gaussian(x, 0., 1.), color = 'y', linestyle = 'solid') plt.plot(x, gaussian(x, 0., .5), color = 'c', linestyle = 'dashed') plt.plot(x, gaussian(x, 0., .25), color = 'm', linestyle = 'dashdot') plt.show()
使用 plt.plot() 的 linestyle 參數(shù)來控制曲線的樣式，其他可用線條樣式包括： solid 、 dashed 、 dotted 、 dashdot 。同樣，線條樣式設(shè)置不僅限于 plt.plot() ，任何由線條構(gòu)成的圖形都可以使用此參數(shù)，也可以說 linestyle 參數(shù)可用于所有涉及線條渲染的命令。例如，可以修改條形圖的線條樣式：
import numpy as np import matplotlib.pyplot as plt n = 10 a = np.random.random(n) b = np.random.random(n) x = np.arange(n) plt.bar(x, a, color='c') plt.bar(x, a+b, bottom=a, color='w', edgecolor='black', linestyle = 'dashed') plt.show()
由于在條形圖、餅圖等圖形中，默認(rèn)的邊線的顏色為白色，因此若要在白色背景上顯示這些邊線，需要通過 edgecolor 參數(shù)改變邊線的默認(rèn)顏色。
3.1.2 線寬
使用 linewidth 參數(shù)可以修改線條的粗細(xì)。默認(rèn)情況下， linewidth 設(shè)置為1個(gè)單位。利用線條的粗細(xì)可以在視覺上強(qiáng)調(diào)某條特定的曲線。
import numpy as np import matplotlib.pyplot as plt def gaussian(x, mu, sigma): a = 1. / (sigma * np.sqrt(2. * np.pi)) b = -1. / (2. * sigma ** 2) return a * np.exp(b * (x - mu) ** 2) x = np.linspace(-6, 6, 1024) for i in range(64): samples = np.random.standard_normal(50) mu, sigma = np.mean(samples), np.std(samples) plt.plot(x, gaussian(x, mu, sigma), color = '.75', linewidth = .5) plt.plot(x, gaussian(x, 0., 1.), color = 'c', linewidth = 3.) plt.show()
3.2 控制填充樣式
Matplotlib 提供了填充圖案用于填充平面。這些填充圖案，對于僅包含黑白兩色的圖形中具有重要作用。
import numpy as np import matplotlib.pyplot as plt n = 10 a = 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()
具有填充呈現(xiàn)性的函數(shù)(如 plt.bar() )都可以使用可選參數(shù) hatch 控制填充樣式，此參數(shù)的可選值包括： / ， \ ， | ， - ， + ， x ， o ， O ， . 和 * ，每個(gè)值對應(yīng)于不同的填充圖案； edgecolor 參數(shù)可用于控制填充圖案的顏色。
3.3 控制標(biāo)記
3.3.1 控制標(biāo)記樣式
在《Matplotlib圖形繪制》中，我們已經(jīng)了解了如何繪制曲線，并明白了曲線是由點(diǎn)之間的連線構(gòu)成的；此外，散點(diǎn)圖表示數(shù)據(jù)集中的每個(gè)點(diǎn)。而 Matplotlib 提供了多種形狀，可以用其他類型的標(biāo)記替換點(diǎn)的樣式。標(biāo)記的指定方式包括以下幾種：
- 預(yù)定義標(biāo)記：預(yù)定義的形狀，表示為
[0, 8]范圍內(nèi)的整數(shù)或某些預(yù)定義的字符串。 - 頂點(diǎn)列表：值對列表，用作形狀路徑的坐標(biāo)。
- 正多邊形：表示
N邊正多邊形的三元組(N, 0, angle)，其中angle為旋轉(zhuǎn)角度。 - 星形多邊形：它表示為三元組
(N, 1, angle)，代表N邊正星形，其中angle為旋轉(zhuǎn)角度。
import numpy as np import matplotlib.pyplot as plt a = 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()
可以看到，使用 marker 參數(shù)，可以為每個(gè)數(shù)據(jù)集合指定不同的標(biāo)記。
我們已經(jīng)學(xué)習(xí)了如何在散點(diǎn)圖中為每個(gè)點(diǎn)定義不同的顏色，如果我們需要為每個(gè)點(diǎn)定義不同樣式該怎么辦呢？問題在于，與 color 參數(shù)不同， marker 參數(shù)不接受標(biāo)記樣式列表作為輸入。因此，我們不能實(shí)現(xiàn) plt.scatter() 的單次調(diào)來顯示具有不同標(biāo)記的多個(gè)點(diǎn)集。解決方案是，將每種類型的數(shù)據(jù)點(diǎn)分隔置不同集合中，并為每個(gè)集合單獨(dú)調(diào)用 plt.scatter() 調(diào)用：
import numpy as np
import matplotlib.pyplot as plt
label_list = (
b'Iris-setosa',
b'Iris-versicolor',
b'Iris-virginica',
)
colors = ['c','y','m']
def read_label(label):
return label_list.index(label)
data = np.loadtxt('iris.data', delimiter = ',', converters = { 4 : read_label })
marker_set = ('^', 'x', '.')
for i, marker in enumerate(marker_set):
data_subset = np.asarray([x for x in data if x[4] == i])
plt.scatter(data_subset[:,0], data_subset[:,1], color = colors[i], marker = marker)
plt.show()
對于 plt.plot() ，也可以使用相同的標(biāo)記參數(shù)訪問標(biāo)記樣式。當(dāng)數(shù)據(jù)點(diǎn)密集時(shí)，每個(gè)點(diǎn)都使用標(biāo)記進(jìn)行顯示將會(huì)導(dǎo)致圖片混亂，因此 Matplotlib 提供了 markevery 參數(shù)，允許每隔 N 個(gè)點(diǎn)顯示一個(gè)標(biāo)記：
import numpy as np import matplotlib.pyplot as plt x = np.linspace(-6, 6, 1024) y_1 = np.sinc(x) y_2 = np.sinc(x) + 1 plt.plot(x, y_1, marker = 'x', color = '.75') plt.plot(x, y_2, marker = 'o', color = 'k', markevery = 64) plt.show()
3.3.1 控制標(biāo)記大小
標(biāo)記的大小可選參數(shù) s 進(jìn)行控制：
import numpy as np import matplotlib.pyplot as plt a = 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()
標(biāo)記的大小由 plt.scatter() 的參數(shù) s 設(shè)置，但應(yīng)注意它設(shè)置的是標(biāo)記的表面積倍率而非半徑。 plt.scatter() 函數(shù)還可以接受列表作為 s 參數(shù)的輸入，其表示每個(gè)點(diǎn)對應(yīng)的大小：
import numpy as np import matplotlib.pyplot as plt m = 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()
plt.plot() 函數(shù)允許在 markersize (或簡寫為 ms )參數(shù)的幫助下更改標(biāo)記的大小，但是此參數(shù)不接受列表作為輸入。
3.3.3 創(chuàng)建自定義標(biāo)記
雖然 Matplotlib 提供了多種標(biāo)記形狀。但是在某些情況下我們可能仍然找不到適合具體需求的形狀。例如，我們可能希望使用公司徽標(biāo)等作為形狀。
在 Matplotlib 中，將形狀描述為一條路徑——一系列點(diǎn)的連接。因此，如果要定義我們自己的標(biāo)記形狀，必須提供一系列的點(diǎn)：
import numpy as np import matplotlib.path as mpath from matplotlib import pyplot as plt shape_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()
通過以上示例，可以看到，所有帶有標(biāo)記的 plt 繪圖函數(shù)都有一個(gè)可選參數(shù) marker ，其參數(shù)值可以是預(yù)定義的 Matplotlib 標(biāo)記，也可以是自定義的路徑實(shí)例，路徑對象在 matplotlib.path 模塊中定義。
Path 對象的構(gòu)造函數(shù)將坐標(biāo)列表和指令列表作為輸入；每個(gè)坐標(biāo)一條指令，使用一個(gè)列表將坐標(biāo)和指令融合在一起，然后將坐標(biāo)列表和指令傳遞給路徑構(gòu)造函數(shù)，如下所示：
u, v, codes = zip(*shape_description) my_marker = mpath.Path(np.asarray((u, v)).T, codes)
形狀是通過光標(biāo)的移動(dòng)來描述的：
MOVETO：此指令將光標(biāo)移動(dòng)到指定的坐標(biāo)，并不畫線。LINETO：這將在光標(biāo)當(dāng)前點(diǎn)和目標(biāo)點(diǎn)之間繪制直線，并將光標(biāo)移動(dòng)至目標(biāo)點(diǎn)。CLOSEPOLY：此指令僅用于關(guān)閉路徑，每個(gè)形狀都以這條指示結(jié)束。
理論上，任何形狀都是可能的，我們只需要描述它的路徑。但在實(shí)踐中，如果想使用復(fù)雜的形狀，最好可以提前進(jìn)行轉(zhuǎn)換工作。
相關(guān)鏈接
總結(jié)
到此這篇關(guān)于Matplotlib風(fēng)格與樣式的文章就介紹到這了,更多相關(guān)Matplotlib風(fēng)格與樣式內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python自動(dòng)化測試?yán)鱯elenium詳解
Selenium是一種常用的Web自動(dòng)化測試工具，支持多種編程語言和多種瀏覽器，可以模擬用戶的交互行為，自動(dòng)化地執(zhí)行測試用例和生成測試報(bào)告。Selenium基于瀏覽器驅(qū)動(dòng)實(shí)現(xiàn)，結(jié)合多種定位元素的方法，可以實(shí)現(xiàn)各種復(fù)雜的Web應(yīng)用程序的測試2023-04-04
Python中利用LSTM模型進(jìn)行時(shí)間序列預(yù)測分析的實(shí)現(xiàn)
這篇文章主要介紹了Python中利用LSTM模型進(jìn)行時(shí)間序列預(yù)測分析的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
Sentry的安裝、配置、使用教程(Sentry日志手機(jī)系統(tǒng))
Sentry?是一個(gè)實(shí)時(shí)事件日志記錄和聚合平臺(tái)，由于ExceptionLess官方提供的客戶端只有.Net/.NetCore平臺(tái)和js的，本文繼續(xù)介紹另一個(gè)日志收集系統(tǒng)Sentry，感興趣的朋友一起看看吧2022-07-07
Python?Watchdog實(shí)現(xiàn)實(shí)時(shí)監(jiān)控文件系統(tǒng)
Python?Watchdog是一個(gè)優(yōu)秀的第三方庫,用于實(shí)現(xiàn)高效的文件系統(tǒng)監(jiān)控,本文將為大家詳細(xì)介紹一下Python如何使用Watchdog實(shí)現(xiàn)實(shí)時(shí)監(jiān)控文件,需要的可以參考下2023-11-11
Pytorch之8層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)Cifar-10圖像分類驗(yàn)證集準(zhǔn)確率94.71%
這篇文章主要介紹了Pytorch之8層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)Cifar-10圖像分類驗(yàn)證集準(zhǔn)確率94.71%問題，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-03-03
這篇文章主要介紹了Pandas 連接合并函數(shù)merge()詳解，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
Python編寫車票訂購系統(tǒng)?Python實(shí)現(xiàn)快遞收費(fèi)系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了Python編寫車票訂購系統(tǒng)，Python實(shí)現(xiàn)快遞收費(fèi)系統(tǒng)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-08-08
python神經(jīng)網(wǎng)絡(luò)tfrecords文件的寫入讀取及內(nèi)容解析
這篇文章主要為大家介紹了python神經(jīng)網(wǎng)絡(luò)tfrecords文件的寫入讀取及內(nèi)容解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
Python實(shí)現(xiàn)圖書借閱管理系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了Python實(shí)現(xiàn)圖書借閱管理系統(tǒng)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-03-03
跟老齊學(xué)Python之編寫類之一創(chuàng)建實(shí)例
上兩篇文章雖然已經(jīng)對類有了一點(diǎn)點(diǎn)模糊概念，但是，閱讀前面一講的內(nèi)容的確感到累呀，都是文字，連代碼都沒有。本講就要簡單多了，嘗試走一個(gè)類的流程。2014-10-10