Matplotlib配置了配色方案和默认设置，主要用来准备用于发布的图片。有两种方式可以设置参数，即全局参数定制和rc设置方法。
查看matplotlib的rc参数：
import matplotlib as plt print(plt.ra_params)
1.全局参数定制
Matplotlib的全局参数可以通过编辑配置文件设置
import matplotlib as plt print(plt.matplotlib_fname) #显示当前用户的配置文件目录
查找到当前用户的配置文件目录，然后用编辑器打开，修改matplotlib文件，即可修改配置参数。
2.rc参数设置
使用Python编程修改rc参数，rc参数及其取值如下表1~3
表1 rc参数名称及其取值
| rc参数 | 解释 | 取值 |
| lines.linewidth | 线条宽度 | 取0~10的数值，默认1.5 |
| lines.linestyle | 线条样式 | 取“-”“--”“-.”“：”4种，默认为“-” |
| lines.marker | 线条上点的形状 | 可取“o”“D”等20种，默认为None |
| lines,markersize | 点的大小 | 取0~10的数值，默认为1 |
表2 线条样式lines.linestyle的取值 linestyle取值意义linestyle取值意义-实线-.点线--长虚线:短虚线
| linestyle取值 | 意义 | linestyle取值 | 意义 |
| - | 实线 | -. | 点线 |
| -- | 长虚线 | : | 短虚线 |
表3 lines.marker参数的取值
| marker取值 | 意义 | marker取值 | 意义 |
| 'o' | 圆圈 | '.' | 点 |
| 'D' | 菱形 | 's' | 正方形 |
| 'h' | 六边形1 | '*' | 星号 |
| 'H' | 六边形2 | 'd' | 小菱形 |
| '-' | 水平线 | 'v' | 一角朝下的三角形 |
| '8' | 八边形 | '<' | 一角朝左的三角形 |
| 'p' | 五边形 | '>' | 一角朝右的三角形 |
| '，' | 像素 | '^' | 一角朝上的三角形 |
| ' ' | 加号 | '|' | 竖线 |
| 'None' | 无 | 'x' | X |
需要注意的是，由于默认的Pyplot字体并不支持中文符的显示，因此需要通过设置font.sans-serif参数改变绘图时的字体，使得图形可以正常显示中文。同时，由于更换字体后，会导致坐标轴中的部分字符无法显示，因此需要同时更改axes.unicode_minus参数。
plt.rcParams['font.family'] = ['SimHei'] #用来显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示符号
如果需要在坐标轴上显示时间，可以利用DateFormatter提供的功能进行设置，常用代码如下：
from matplotlib.dates import DateFormatter
plt.gca().xaxis.set_major_formatter(DateFormatter('%y/%m/%d'))
#自动旋转X轴的刻度，适应坐标轴
plt.gcf().autofmt_xdate()除了设置线条的字体的rc参数外，还有设置文本、箱线图、坐标轴、刻度、图例、标记、图片、图像保存等rc参数。
例1.rc参数设置例1
import numpy as np
import matplotlib.pyplot as plt
fig,ax = plt.subplots()
#配置中文显示
plt.rcParams['font.family'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示符号
def f(t):
return np.cos(2*np.pi*t)
x1 = np.arange(0.0,4.0,0.5)
x2 = np.arange(0.0,4.0,0.01)
plt.figure(1)
plt.subplot(2,2,1)
plt.plot(x1,f(x1),'bo',x2,f(x2),'k')
plt.title('子图1')
plt.subplot(2,2,2)
plt.plot(x2,f(x2),'r--')
plt.title('子图2')
plt.show()OUT：
例2.rc参数设置例2
fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = ' ',label = 'two') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three') ax.legend(loc = 'best')
OUT:
可以用set_xticks设置X轴刻度
例3.用set_xticks设置刻度
fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = ' ',label = 'two') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three') ax.set_xticks([0,5,10,15,20,25,30,35]) ax.legend(loc = 'best')
OUT:
可以用set_xticklabels改变刻度，设置刻度的旋转角度及字体等。
例4.用set_xticklabels改变刻度
fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = ' ',label = 'two') ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'v',label = 'three') ax.set_xticklabels(['x1','x2','x3','x4','x5'],rotation = 30,fontsize = 'large') ax.legend(loc = 'best')
OUT：
其中，rotation参数表示X坐标标签的旋转角度；fontsize为字号，可以取值为“xx-small”“x-small”“small”“medium”“large”“x-large”“xx-large”“smaller”“None”。
3.绘图的填充
3.1调用函数fill_between()实现曲线下面部分的填充
x = np.linspace(0,1,500) y = np.sin(3*np.pi*x)*np.exp(-4*x) fig,ax = plt.subplots() plt.plot(x,y) plt.fill_between(x,0,y,facecolor = 'green',alpha = 0.3)
其中，参数x表示整个X轴都覆盖；0表示覆盖的下限；y表示覆盖的上限时y这条曲线，facecolor表示覆盖区域的颜色；alpha表示覆盖区域的透明度[0,1]，其值越大，表示越不透明
3.2 部分区域填充
plt.fill_between(x[15:300],0,0.4,facecolor = 'green',alpha = 0.3)
3.3 两条曲线之间的区域填充
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,500) y1 = np.sin(3*np.pi*x)*np.exp(-4*x) y2 = y1 0.2 plt.plot(x,y1,'b') plt.plot(x,y2,'r') plt.fill_between(x,y1,y2,facecolor = 'green',alpha = 0.3) plt.show()
3.4 直接使用fill进行绘图的填充
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1,500) y = np.sin(3*np.pi*x)*np.exp(-4*x) fig,ax = plt.subplots() ax.fill(x,y) plt.show()
到此这篇关于python设置Pyplot的动态rc参数、绘图的填充的文章就介绍到这了,更多相关python设置Pyplot内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！