【matplotlib基础】--样式表

Matplotlib库 由于诞生的比较早,所以其默认的显示样式很难符合现在的审美,这也是它经常为人诟病的地方。

不过,经过版本更迭之后,现在 Matplotlib 已经内置了很多样式表,

通过使用不同的样式表,可以整体改变绘制图形的风格,不用再调整一个个显示参数。

1. 样式表的使用

1.1. 所有内置样式表

首先,查看内置的样式表有哪些:

python 复制代码
import matplotlib.pyplot as plt

plt.style.available

1.2. 使用样式表的方式

使用样式表的方式有两种:

一种是全局样式表设置,比如:

python 复制代码
plt.style.use("ggplot")

随后的代码中,所有绘制的图形都是 ggplot 风格。

另一种局部样式表设置,比如:

python 复制代码
with plt.style.context("classic"):
    # 绘制图形
    pass

这种方式,样式表只在 with 范围内生效。

2. 不同样式表的效果

下面演示几种风格差异比较大的样式表。

首先,封装一个绘制图形的函数。

python 复制代码
def draw():
    x = np.array(range(10))
    y = np.random.randint(10, 100, 10)
    
    fig = plt.figure(figsize=[6,4])
    fig.add_subplot(211)
    plt.plot(x, y)
    
    fig.add_subplot(212)
    plt.hist(y)

2.1. classic 风格

python 复制代码
with plt.style.context("classic"):
    draw()

2.2. Solarize_Light2 风格

python 复制代码
with plt.style.context("Solarize_Light2"):
    draw()

2.3. bmh 风格

python 复制代码
with plt.style.context("bmh"):
    draw()

2.4. dark_background 风格

python 复制代码
with plt.style.context("dark_background"):
    draw()	

2.5. fast 风格

python 复制代码
with plt.style.context("fast"):
    draw()

2.6. ggplot 风格

python 复制代码
with plt.style.context("ggplot"):
    draw()

2.7. seaborn 风格

seaborn是公认颜值比较高的绘图库,所以 Matplotlib 也支持很多种seaborn风格。

这里使用的是默认的 seaborn 风格。

python 复制代码
with plt.style.context("seaborn-v0_8"):
    draw()

3. 总结

内置的样式表方便易用,提供了许多预定义的样式,可以快速帮助我们创建美观的图表。

使用内置的样式表还有个好处是可以保持图表的统一风格,使得图表具有更高的可读性和可维护性。

Matplotlib提供的丰富的样式表,可以满足不同类型的绘图需求,并且还可以通过自定义样式表来实现更加个性化的绘图效果。

相关推荐
PyHaVolask4 分钟前
Python进阶教程:随机数、正则表达式与异常处理
python·正则表达式·异常处理·随机数生成
折翼的恶魔20 分钟前
数据分析:合并二
python·数据分析·pandas
三体世界3 小时前
测试用例全解析:从入门到精通(1)
linux·c语言·c++·python·功能测试·测试用例·测试覆盖率
Python私教3 小时前
Django全栈班v1.04 Python基础语法 20250912 下午
后端·python·django
xchenhao3 小时前
Scikit-Learn 对糖尿病数据集(回归任务)进行全面分析
python·机器学习·回归·数据集·scikit-learn·特征·svm
xchenhao3 小时前
Scikit-learn 对加州房价数据集(回归任务)进行全面分析
python·决策树·机器学习·回归·数据集·scikit-learn·knn
这里有鱼汤3 小时前
发现一个高性能回测框架,Python + Rust,比 backtrader 快 250 倍?小团队必备!
后端·python
☼←安于亥时→❦3 小时前
数据分析之Pandas入门小结
python·pandas
带娃的IT创业者3 小时前
《Python Web部署应知应会》No3:Flask网站的性能优化和实时监测深度实战
前端·python·flask
赴3354 小时前
图像拼接案例,抠图案例
人工智能·python·计算机视觉