Python-matplotlib库之核心对象
matplotlib库之核心对象
- Figure
- Figure作用
- Figure常用属性
- Figure常用方法
- Figure对象的创建
- 隐式创建（通过 pyplot）
- 显式创建
- 使用subplots()一次性创建 Figure 和 Axes
- Axes（绘图区）
- Axes创建方式
- Axes基本绘图功能
- Axes绘图的常用参数
- Axes图例参数
- Axes注释参数
- 注释箭头参数（arrowprops）
- 文本框参数（bbox）
- 其它注释参数
- Axes的常用方法
- 基本设置
- 刻度与网格边框
- 图例与注释
- 图形样式
- Axis（坐标轴）
- 获取axis对象
- 刻度位置（Locator）
- 刻度格式（Formatter）
- 隐藏坐标轴或刻度
- 隐藏刻度
- 隐藏边框和设置边框
- 自定义刻度外观
- 共享X轴
- 共享X轴时的legend设置
- 设置对数坐标
- axes和axis的对比
Figure
-🍑 顶级容器，包含所有绘图元素（如 Axes、标题、图例等）。
-🍑 类似于一张空白画布，可以在上面放置多个图表。
Figure作用
-🍑 控制整体图形的尺寸（如figsize=(8, 6)）、分辨率（dpi=100）、背景颜色，图名称等。
-🍑 管理多个子图（Axes）的布局。
-🍑 处理图形的保存（如 PNG、PDF）和显示。
-🍑 设置全局标题和其他装饰元素。
Figure常用属性
| 属性 | 说明 | 示例 |
|---|---|---|
| figsize | 图形尺寸（宽 × 高，英寸） | fig = plt.figure(figsize=(8, 6)) |
| dpi | 分辨率（每英寸点数） | fig = plt.figure(dpi=300) |
| facecolor | 背景颜色 | fig = plt.figure(facecolor=‘lightgray’) |
| edgecolor | 边框颜色 | fig = plt.figure(edgecolor=‘black’) |
| linewidth | 边框线宽 | fig = plt.figure(linewidth=2) |
| num | 设置figure的编号或者名称 | fig = plt.figure(num=“figure_168”) |
Figure常用方法
| 方法 | 说明 | 示例 |
|---|---|---|
| add_subplot() | 添加子图（按网格布局） | ax = fig.add_subplot(2, 2, 1)（2×2 网格的第 1 个） |
| add_axes() | 添加自定义位置和大小的子图 | ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])（左下角开始） |
| subplots() | 一次性创建多个子图（返回 Figure 和 Axes 数组） | fig, axes = plt.subplots(2, 2) |
| delaxes() | 删除指定的 Axes | fig.delaxes(ax) |
| suptitle() | 设置全局标题， plt也有此方法 | fig.suptitle(‘Main Title’, fontsize=16) |
| text() | 在任意位置添加文本， plt也有此方法 | fig.text(0.5, 0.95, ‘Annotation’, ha=‘center’) |
| savefig() | 保存图形到文件 | fig.savefig(‘plot.png’, dpi=300, bbox_inches=‘tight’) |
| show() | 显示图形（在交互式环境中） | fig.show() |
| canvas.draw() | 强制重绘图形 | fig.canvas.draw() |
| tight_layout() | 自动调整子图布局，避免元素重叠， plt也有此方法 | fig.tight_layout() |
| subplots_adjust() | 手动调整子图参数（边距、间距等）， plt也有此方法 | fig.subplots_adjust(hspace=0.5, wspace=0.3) |
| set_size_inches() | 动态调整图形尺寸 | fig.set_size_inches(12, 8) |
| clear() | 清除图形所有内容，但保留 Figure 对象 | fig.clear() |
| get_children() | 获取所有子元素（包括 Axes、文本等） | children = fig.get_children() |
| number | 获取 Figure 编号（唯一标识） | print(fig.number) |
code:
import matplotlib.pyplot as pltfig = plt.figure(figsize=(6, 6), dpi=100, num="Example_168",linewidth=10, facecolor='lightgray') # 创建Figure对象ax1 = fig.add_subplot(211) # 2行1列，第1个子图
ax2 = fig.add_subplot(212) # 2行1列，第2个子图
ax3 = fig.add_axes([0.2, 0.2, 0.2, 0.2])ax1.plot([1, 2, 3], [4, 5, 6]) # 折线图
ax2.scatter([1, 2, 3], [4, 5, 6]) # 散点图fig.suptitle('Two Subplots Example', fontsize=16) # 设置全局标题
fig.subplots_adjust(hspace=0.6) # 增加子图间距
fig.text(0.5, 0.3, 'Common X Label', ha='center', fontsize=12) # 添加文本注释
fig.savefig('example.png', dpi=300, bbox_inches='tight')plt.show()
Figure对象的创建
隐式创建（通过 pyplot）
code:
import matplotlib.pyplot as pltplt.plot([1, 2, 3], [4, 5, 6]) # 自动创建Figure和Axes
fig = plt.gcf() # 获取当前Figure对象
显式创建
code:fig = plt.figure(figsize=(10, 5), dpi=100) # 直接创建Figure
ax = fig.add_subplot(111) # 添加一个Axes
ax.plot([1, 2, 3], [4, 5, 6])
使用subplots()一次性创建 Figure 和 Axes
code:
fig, axes = plt.subplots(2, 2, figsize=(10, 8)) # 创建2×2网格的子图
axes[0, 0].plot([1, 2]) # 左上角子图
Axes（绘图区）
-🍓 实际的绘图区域，包含具体的数据可视化。
-🍓 绘制具体图表（如折线图、散点图）。
-🍓 设置标题、图例、网格等。
-🍓 管理两个或三个 Axis 对象：X 轴、Y 轴（3D 图还有 Z 轴）。
-🍓 一个Figure可包含多个axes。
Axes创建方式
- 🍌 使用 plt.subplots()，见figure的创建方式。
- 🍌 使用 plt.subplot()。
x_data = np.linspace(0, 10, 100)# 创建四个子图
ax1 = plt.subplot(221)
ax2 = plt.subplot(222)
ax3 = plt.subplot(223)
ax4 = plt.subplot(224)# 在每个子图中绘制不同的数据
ax1.plot(x_data, np.sin(x_data))
ax2.plot(x_data, np.cos(x_data))
ax3.plot(x_data, np.tan(x_data))
ax4.plot(x_data, np.exp(-x_data))plt.tight_layout()
plt.show()
- 🍌 使用 fig.add_axes()，在指定位置添加自定义大小的 Axes，fig.add_axes(left, bottom, width, height)
– 当需要创建非常规的子图排列，例如嵌套坐标系或者大小不同的子图时，就可以使用该方法。
– 添加插入图：若要在主图内部添加一个小图来展示局部细节，就可以使用该方法。
– 精细控制位置：当你需要对子坐标系的位置进行精确控制时，就可以使用该方法。
import matplotlib.pyplot as pltfig = plt.figure(figsize=(6, 4))# 添加主坐标系
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax1.plot([1, 2, 3, 4], [1, 4, 2, 3])
ax1.set_title('Main Plot')# fig.add_axes(left, bottom, width, height)
# left：坐标系左侧边缘与图形左侧的距离比例。
# bottom：坐标系下侧边缘与图形底部的距离比例。
# width：坐标系的宽度占图形宽度的比例。
# height：坐标系的高度占图形高度的比例。
ax2 = fig.add_axes([0.5, 0.5, 0.3, 0.3]) # 位置相对于图形
ax2.plot([1, 2, 3, 4], [1, 2, 3, 4], 'r--')
ax2.set_title('Insert')plt.show()
Axes基本绘图功能
-🍐 折线图（plot），折线图一般用于展示数据随连续变量（如时间）的变化趋势。
-🍐 散点图（scatter），散点图主要用于展示两个变量之间的关系，还能通过颜色或大小来表示第三个变量。
-🍐 柱状图（bar/barh），柱状图适用于比较不同类别之间的数据差异。
-🍐 直方图（hist），直方图可用于展示数据的分布情况。
import matplotlib.pyplot as plt
import numpy as npx0 = np.linspace(0, 10, 100)
y0 = np.sin(x0)fig, ax_old = plt.subplots(2, 2)
ax = ax_old.flatten()
ax[0].plot(x0, y0, 'b-', lw=2) # 蓝色实线，线宽为2
ax[0].set_title('Sine Wave')
ax[0].set_xlabel('X')
ax[0].set_ylabel('Y')x1 = np.random.rand(50)
y1 = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)ax[1].scatter(x1, y1, c=colors, s=sizes, alpha=0.5) # alpha 为透明度
ax[1].set_title('Scatter Plot')categories = ['A', 'B', 'C', 'D', 'E']
values = [25, 35, 30, 20, 40]# ax[2].bar(categories, values, color='skyblue') # 垂直柱状图
ax[2].barh(categories, values) # 水平柱状图
ax[2].set_title('Bar Chart')data = np.random.randn(1000)
ax[3].hist(data, bins=30, color='lightgreen', alpha=0.7)
ax[3].set_title('Histogram')
fig.tight_layout()
plt.show()
Axes绘图的常用参数
| 参数 | 说明 | 示例 |
|---|---|---|
| color，c | 颜色：支持名称、RGB、HTML 颜色代码 | color=‘red’ |
| linestyle，ls | 线型：‘-’, ‘–’, ‘-.’, ‘:’, ‘None’ | linestyle=‘–’，ls=“–” |
| linewidth， lw | 线宽 | linewidth=2 |
| marker | 标记：‘o’, ‘s’, ‘^’, ‘x’, ‘+’ | marker=‘o’ |
| markersize， ms | 标记大小 | markersize=6 |
| markerfacecolor，mfc | 标记填充色 | markerfacecolor=‘blue’ |
| markeredgecolor，mec | 标记边框色 | markeredgecolor=‘black’ |
| alpha | 透明度 | alpha=0.7 |
| label | 图例标签 | label=‘Sine’ |
import matplotlib.pyplot as plt
import numpy as npx = np.linspace(0, 10, 100)
y0 = np.sin(x)
y1 = np.cos(x)fig, ax = plt.subplots()
ax.plot(x, y0, x, y1,color='red', # 颜色：支持名称、RGB、HTML 颜色代码, color可简写为clinestyle='--', # 线型：'-', '--', '-.', ':', 'None', linestyle简写为lslinewidth=2, # 线宽, linewidth简写为lwmarker='o', # 标记：'o', 's', '^', 'x', '+'markersize=6, # 标记大小, markersize简写为msmarkerfacecolor='blue',# 标记填充色, markerfacecolor简写为mfcmarkeredgecolor='black',# 标记边框色, markeredgecolor简写为mecalpha=0.7, # 透明度label='Sine') # 图例标签
plt.show()
Axes图例参数
| 参数 | 说明 | 示例 |
|---|---|---|
| loc | 位置：‘best’, ‘upper right’, ‘lower left’ 等 | loc=‘lower right’ |
| frameon | 显示图例边框 | frameon=True |
| framealpha | 边框透明度 | framealpha=0.8 |
| shadow | 添加阴影 | shadow=True |
| fontsize | 字体大小 | fontsize=10 |
| ncol | 图例分栏数 | ncol=2 |
import matplotlib.pyplot as plt
import numpy as npx = np.linspace(0, 10, 100)
y0 = np.sin(x)
y1 = np.cos(x)fig, ax = plt.subplots()
ax.plot(x, y0, label="sin")
ax.plot(x, y1, label="cos")
ax.legend(loc='upper right', # 位置：'best', 'upper right', 'lower left' 等frameon=True, # 显示图例边框framealpha=0.8, # 边框透明度shadow=False, # 添加阴影fontsize=10, # 字体大小ncol=2) # 图例分栏数
plt.show()
Axes注释参数
- 🍉 annotate(text, xy, xytext=None, xycoords=‘data’, textcoords=None,
arrowprops=None, bbox=None, **kwargs)
| 参数 | 说明 | 示例 |
|---|---|---|
| text | 注释文本内容 | ‘最大值’, f’温度: {temp}°C’ |
| xy | 箭头指向的点坐标（x, y） | (2.5, 3.7) |
| xytext | 文本的位置坐标（默认与 xy 相同） | (4, 3) 或 (30, -20)（若使用偏移量） |
| xycoords | xy 的坐标系类型 | ‘data’（默认，数据坐标）‘axes fraction’（轴比例） |
| textcoords | xytext 的坐标系类型（若为偏移量，需设置为 ‘offset points’） | ‘offset points’（像素偏移）、‘data’ |
注释箭头参数（arrowprops）
- 🍉 通过字典传递， arrowprops=dict()
| 参数 | 说明 | 示例 |
|---|---|---|
| arrowstyle | 箭头样式 ‘-’（无箭头）、‘->’（单线箭头）、‘simple’（实心箭头） | |
| color | 箭头颜色 | color =‘black’, ‘#FF0000’ |
| edgecolor | 箭头框颜色 | edgecolor=‘red’ |
| width | 箭身宽度（点为单位）width = 1.5 | |
| headwidth | 箭头宽度（点为单位） | headwidth =8 |
| shrink | 箭头两端与 xy 和 xytext 的距离（比例值） | 0.05（表示收缩 5%） |
| connectionstyle | 连接样式（用于弯曲箭头） | ‘arc3,rad=0.3’（弧度为 0.3 的曲线） |
文本框参数（bbox）
- 🍉 控制文本周围的边框样式，通过字典传递, bbox=dict()
| 参数 | 说明 | 示例 |
|---|---|---|
| boxstyle | 边框样式 ‘round’（圆角） | ‘square,pad=0.5’（方角，内边距 0.5） |
| facecolor | 背景颜色 | ‘white’, ‘yellow’, (1,1,1,0.5)（带透明度） |
| edgecolor | 边框颜色 | ‘black’, ‘red’ |
| alpha | 透明度 | 0.5 |
其它注释参数
| 参数 | 说明 | 示例 |
|---|---|---|
| fontsize | 文本字体大小 | 12, ‘large’ |
| fontweight | 文本字体粗细 | ‘bold’, ‘normal’ |
| color | 文本颜色 | ‘blue’, ‘#00FF00’ |
| ha / horizontalalignment | 文本水平对齐方式 | ‘center’, ‘left’, ‘right’ |
| va / verticalalignment | 文本垂直对齐方式 | ‘center’, ‘bottom’, ‘top’ |
| rotation | 文本旋转角度（度） | 45, ‘vertical’ |
x = np.linspace(0, 10, 100)
y0 = np.sin(x)
y1 = np.cos(x)
plt.plot(x, y0, x, y1)plt.annotate('max_value',xy=(1.57, 1), # 注释点坐标xytext=(3, 0.8), # 文本位置arrowprops=dict(color='red', # 箭头颜色edgecolor='red', # 箭头框颜色shrink=0.05, # 箭头与文本的距离width=1.5, # 箭身宽度headwidth=8 # 箭头宽度),fontsize=12, fontweight="bold", fontstyle='italic', rotation=10,bbox=dict(boxstyle="round,pad=0.3", fc="white", ec="white", alpha=0.5))
plt.show()
Axes的常用方法
基本设置
| 方法 | 说明 | 示例 |
|---|---|---|
| title | 设置子图标题 | ax.set_title(‘Temperature Plot’) |
| xlabel, ylabel | 设置坐标轴标签 | ax.set_xlabel(‘Time (s)’) |
| xlim, ylim | 设置坐标轴范围 | ax.set_xlim(0, 10) |
| xticks, yticks | 设置刻度位置和标签 | ax.set_xticks([0, 5, 10]) |
| set_xticklabels | 设置刻度标签 | ax.set_xticklabels([‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’]) |
| flatten | 将axes如果是2维的，变成1维进行访问，ax[1,1]变成ax[3]，便于书写和循环 | axes.flattern() |
刻度与网格边框
| 方法 | 说明 | 示例 |
|---|---|---|
| tick_params | 自定义刻度样式 | ax.tick_params(axis=‘x’, rotation=45) |
| grid | 显示 / 隐藏网格线 | ax.grid(True, linestyle=‘–’) |
| spines | 控制坐标轴边框 | ax.spines[‘top’].set_visible(False) |
图例与注释
| 方法 | 说明 | 示例 |
|---|---|---|
| legend | 添加图例 | ax.legend([‘Data 1’, ‘Data 2’]) |
| text | 在指定位置添加文本 | ax.text(2, 5, ‘Peak Value’) |
| annotate | 添加带箭头的注释 | ax.annotate(‘Max’, xy=(3, 10), arrowprops=dict(facecolor=‘black’)) |
code:
import matplotlib.pyplot as plt
import numpy as npfig, ax = plt.subplots(2, 1, num="Figure168")
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
ax[0].plot(x, y1)
ax[1].plot(x, y2)ax[0].spines["top"].set_visible(False)
ax[0].tick_params(axis='x', rotation=315)
ax[0].set_xticks([0, 1, 4])
ax[0].set_title("Sin")
ax[0].set_xlabel("x")
ax[0].set_ylabel("y")
ax[0].set_xlim(0, 5)
ax[0].set_ylim(-2, 2)
ax[0].legend("Sine Waveform")
ax[0].grid(True, linestyle='--')
ax[0].text(1, 1.5, 'This is the sin waveform')
ax[1].annotate('This is the cos waveform', xy=(4, 0.3), xytext=(1.5,0.7),arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=0.3'))
plt.tight_layout()
print(ax[0].get_title(), ax[0].get_xlabel(), ax[0].get_ylabel(), ax[0].get_xlim(), ax[0].get_ylim())result:
Sin x y (0.0, 5.0) (-2.0, 2.0)
图形样式
| 方法 | 说明 | 示例 |
|---|---|---|
| facecolor | 设置绘图区背景颜色 | ax.set_facecolor(‘#f0f0f0’) |
| alpha | 设置透明度 | ax.set_alpha(0.8) |
| aspect | 设置坐标轴纵横比 | ax.set_aspect(‘equal’) |
| twinx, twiny | 创建共享坐标轴的双 Y 轴 / 双 X 轴 | ax2 = ax.twinx() |
Axis（坐标轴）
- 🍎 Axes 的一部分，控制单个坐标轴的具体属性（如刻度、标签、范围）。
- 🍎 设置刻度位置（ticks）和标签（ticklabels）。
- 🍎 控制坐标轴范围（如xlim、ylim）。
- 🍎 管理坐标轴的缩放类型（线性、对数等）。
获取axis对象
- 🍓 ax.xaxis, ax.yaxis
刻度位置（Locator）
- 🍓 MultipleLocator(base)：固定间隔刻度（如 base=0.5 表示每 0.5 一个刻度）
- 🍓 MaxNLocator(nbins)：自动选择最多 nbins 个刻度
- 🍓 FixedLocator(locs)：自定义刻度位置（如 [1, 3, 5]）
- 🍓 AutoLocator()：自动定位（默认选项）
刻度格式（Formatter）
- 🍓 PercentFormatter(xmax)：百分比格式（如 xmax=1.0 时，0.5 → 50%）
- 🍓 StrMethodFormatter(“{x:.2f}”)：自定义字符串格式
- 🍓 FuncFormatter(func)：自定义函数格式化
- 🍓 NullFormatter()：不显示刻度标签
code:
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import PercentFormatter, StrMethodFormatter, FuncFormatter, NullFormatter
from matplotlib.ticker import MultipleLocator, MaxNLocator, FixedLocator, AutoLocatorfig, ax = plt.subplots(2, 1, figsize=(8, 5))# 获取x轴和y轴
x0_axis = ax[0].xaxis
y0_axis = ax[0].yaxis
x1_axis = ax[1].xaxis
y1_axis = ax[1].yaxis# 设置刻度位置
x0_axis.set_major_locator(MultipleLocator(1)) # 每1一个刻度
y0_axis.set_major_locator(MaxNLocator(10)) # 一共10个刻度值
x1_axis.set_major_locator(FixedLocator([0, 2, 4, 6])) # 固定的数值作为locator
y1_axis.set_major_locator(AutoLocator()) # 自动设置def data_covert(x, pos): # pos: 刻度位置return f'data{x:.1f}'# 设置刻度格式
x0_axis.set_major_formatter(StrMethodFormatter("{x:.3f}")) # 自定义字符串格式
y0_axis.set_major_formatter(PercentFormatter(xmax=1.0)) # 百分比格式x1_axis.set_major_formatter(FuncFormatter(data_covert)) # FuncFormatter(func)：自定义函数格式化
y1_axis.set_major_formatter(NullFormatter()) # NullFormatter()：不显示刻度标签x = np.linspace(0,10, 100)
y0 = np.sin(x)
y1 = np.cos(x)
ax[0].plot(x, y0)
ax[1].plot(x, y1)plt.show()
隐藏坐标轴或刻度
隐藏刻度
- 🍉 隐藏y轴的刻度，使用tick_params
– x1_axis.set_visible(False) # 隐藏刻度
– y1_axis.set_visible(False) # 隐藏刻度 - 🍉 隐藏y轴的刻度，使用tick_params
– ax[0].tick_params(axis=‘x’, which=‘both’, bottom=True, labelbottom=True) # ‘minor’, ‘major’, ‘both’
– ax[0].tick_params(axis=‘y’, which=‘both’, left=False, labelbottom=True)
隐藏边框和设置边框
- 🥒 ax[1].spines[‘top’].set_visible(False) # 隐藏边框
- 🥒 ax[1].spines[‘right’].set_visible(False) # 隐藏边框
- 🥒 ax[0].set_frame_on(False) # 隐藏所有边框
- 🥒 设置边框
– ax[1].spines[‘left’].set_linestyle(‘–’) # 设置边框线型
– ax[1].spines[‘bottom’].set_linestyle(‘-.’)
– ax[1].spines[‘left’].set_color(‘blue’) # 设置边框颜色
– ax[1].spines[‘bottom’].set_color(‘red’)
code:
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import MultipleLocator, MaxNLocatorfig, ax = plt.subplots(2, 1, figsize=(8, 5))# 获取x轴和y轴
x0_axis = ax[0].xaxis
y0_axis = ax[0].yaxis
x1_axis = ax[1].xaxis
y1_axis = ax[1].yaxis# 设置刻度位置
x0_axis.set_major_locator(MultipleLocator(1)) # 每1一个刻度
y0_axis.set_major_locator(MaxNLocator(10)) # 一共10个刻度值x1_axis.set_visible(False) # 隐藏刻度
y1_axis.set_visible(False) # 隐藏刻度# 隐藏y轴的刻度，使用tick_params
ax[0].tick_params(axis='x', which='both', bottom=True, labelbottom=True) # 'minor', 'major', 'both'
ax[0].tick_params(axis='y', which='both', left=False, labelbottom=True)# 隐藏边框
ax[1].spines['top'].set_visible(False) # 隐藏边框
ax[1].spines['right'].set_visible(False) # 隐藏边框
# ax[0].set_frame_on(False) # 隐藏所有边框
ax[1].spines['left'].set_linestyle('--') # 设置边框线型
ax[1].spines['bottom'].set_linestyle('-.')
ax[1].spines['left'].set_color('blue') # 设置边框颜色
ax[1].spines['bottom'].set_color('red')x = np.linspace(0,10, 100)
y0 = np.sin(x)
y1 = np.cos(x)
ax[0].plot(x, y0)
ax[1].plot(x, y1)
plt.show()
自定义刻度外观
- 🍍 ax.tick_params设置
code:
ax.tick_params(axis='both', # 同时设置 X 和 Y 轴which='major', # 只设置主刻度length=5, # 刻度线长度width=1, # 刻度线宽度labelsize=10, # 标签字体大小direction='in', # 刻度线方向（in、out、inout）color='red', # 刻度线颜色labelcolor='blue' # 标签颜色
)
共享X轴
-🌹 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
-🌹 正常的只建立一个ax，第二个ax直接ax2 = ax1.twinx()，然后画图
code:
import matplotlib.pyplot as plt
import numpy as np# 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
fig, ax1 = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 第一个 Y 轴
ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.plot(x, y1, color='red')# 第二个 Y 轴（共享 X 轴）
ax2 = ax1.twinx()
ax2.set_ylabel('Y2', color='blue')
ax2.plot(x, y2, color='blue')plt.show()
共享X轴时的legend设置
-🌹 设置图例时，由于分别属于不同的ax，单独显示在同一位置时会覆盖。
-🌹 可以将两个图的线条和图例合并在一起，在某一个ax上显示。
-🌹 虽然是数轴的内容，但是通过axes设置。
code:
import matplotlib.pyplot as plt
import numpy as np# 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
fig, ax1 = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 第一个 Y 轴
ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.plot(x, y1, color='red', label='Sin')
# ax1.legend(loc='lower right') # 显示第一个图例，单独显示
# 第二个 Y 轴（共享 X 轴）
ax2 = ax1.twinx()
ax2.set_ylabel('Y2', color='blue')
ax2.plot(x, y2, color='blue', label='Cos')
# ax2.legend(loc='upper left') # 显示第二个图例，单独显示# 同时显示两个图例, 都在某一个ax上显示，另一个的ax不显示
# 将两个子图的线条和标签收集起来，创建一个统一的图例：
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax2.legend(lines1 + lines2, labels1 + labels2, loc='upper right')plt.tight_layout()
plt.show()
import matplotlib.pyplot as plt
import numpy as np# 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
fig, ax1 = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.plot(x, y1, color='red', label='Sin')ax2 = ax1.twinx()
ax2.set_ylabel('Y2', color='blue')
ax2.plot(x, y2, color='blue', label='Cos')# 分别放置图例
ax1.legend(loc='upper right', bbox_to_anchor=(1, 0.9)) # 上方
ax2.legend(loc='upper right', bbox_to_anchor=(1, 0.85)) # 上方plt.tight_layout()
plt.show()
设置对数坐标
- 🍓 虽然是数轴的东西，但是通过axes设置。
- 🍓 ax2.set_yscale(‘log’)色设置对数坐标。
mport matplotlib.pyplot as plt
import numpy as np
# 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
fig, ax1 = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
ax1.set_xscale('log') # X 轴为对数刻度y1 = np.sin(x)
y2 = np.cos(x)ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.plot(x, y1, color='red', label='Sin')ax2 = ax1.twinx()
ax2.set_ylabel('Y2', color='blue')
ax2.set_yscale('log') # X 轴为对数刻度
ax2.plot(x, y2, color='blue', label='Cos')plt.tight_layout()
plt.show()
axes和axis的对比
- 🌼 有些关于axis的性质要通过axes的方法取设置。
| 方法 | 说明 | 示例 |
|---|---|---|
| 维度 | Axes | Axis |
| 层级关系 | 属于 Figure，包含两个或三个 Axis 对象 | 属于 Axes，是其组成部分，但是多个axes可以共享一个axis |
| 实例数量 | 一个 Figure 可包含多个 Axes（如 2×2 网格有 4 个 Axes） | 每个 Axes 至少包含 X 轴和 Y 轴或 X、Y、Z 轴 |
| 绘图操作 | 通过plot()、scatter()等方法绘制数据 | 无直接绘图方法，主要控制坐标轴属性 |
| 属性设置 | 设置标题、图例、网格等全局元素 | 设置刻度、标签、范围等坐标轴特定元素 |
| 访问方式 | fig, axes = plt.subplots(2, 2)返回 Axes 数组 | ax.xaxis或ax.yaxis访问特定 Axis 对象 |