Github完整程式碼連結

嗨嗨，今天一如往常，上班遇到困難馬上google，但在無意間查詢別的資訊時，看到一篇非常非常有趣的文章(我會在下面的參考文章附上喔)，過去我在畫視覺化圖時，也都是使用plt.xxx，然後要什麼功能就馬上google，接著就是貼上，每次寫的視覺化程式都不太一樣xd，心裡只是想反正可以work就好，這篇文章完全打中了我xd，作者一開始也是這樣，但他決定好好搞明白並分享給大家，而我也決定在跪著看完這篇文章後，分享給大家，我所學習到觀念

1. 動機

每次我在要畫視覺畫圖時，總是去google上找尋別人的code，然後就來個複製，修改成我要的後就貼上了，要什麼功能再繼續google，但是我也遇到一樣的疑惑，就是很常會發現有些看似不同的方法卻達到了一樣的效果，而隨著每次查詢資料的不同，都來個很不一樣的code，但明明可能根本就是一樣的功能，像是作者提到如果要設定標題名稱有以下兩種寫法，那我到底應該要用哪種方法?

plt.title()
ax.set_title()

舉例:

import matplotlib.pyplot as plt
​
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [66, 28, 32, 58, 18, 2, 99, 77, 66, 58]
​
fig, ax = plt.subplots()
​
plt.plot(x, y)
plt.title('Title Method 1')
​
plt.show()

import matplotlib.pyplot as plt
​
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [66, 28, 32, 58, 18, 2, 99, 77, 66, 58]
​
fig, ax = plt.subplots()
​
plt.plot(x, y)
ax.set_title('Title Method 2')
​
plt.show()

2. matplotlib圖片構造

matplotlib圖片構造

在開始講解任何用法前(plt/ax/fig)，我想先帶大家瞭解matplotlib圖片構造

圖片來源: 官網(https://matplotlib.org/1.5.1/faq/usage_faq.html#parts-of-a-figure)

• 圖片講解
• Figure: 指的是畫布，也就是當我們要畫圖時，要先創建一個畫布，才能在上面加上各種圖片(元素)

fig = plt.figure()

• Axes:
• axis是指x或y軸，而axes指的是複數形式(二維就有兩個座標軸、三維就有三個)，也就是figure中一個元素(圖片)的整套座標軸
• 比喻: Figure為畫布，axes就是你要放到畫布上的任何物體，像是我們要畫小河、學校、公園，學校就是一個axes，公園與小河也個別是一個axes
• 每次我們在figure中增加一個subplot，其實就是增加一套座標軸
• 所以如果今天figure中只有一張圖，那ax...和plt....控制的圖片就是一樣的，效果也會是一樣的(解惑了我們一開始的問題)
• Axis: ax.axis / ax.yaxis
• x,y坐標軸
• 每個坐標軸由豎線和數字構成(就是我們的刻度和值)，而每個豎線也為一個axis的subplot，所以ax.xaxis也有axes這個對象，對每個axes進行編輯就會影響xaxis圖片上的樣子

關鍵字: matplotlib圖片中的各個部位名稱

有了這張圖我們可以根據要進行修改的部分，依照圖片上的名稱進行查詢如何編輯

圖片來源: 官網(https://matplotlib.org/tutorials/introductory/usage.html)

3. plt 與 ax 的差別

Matplotlib中，兩種畫圖的方式

• plt.figure(): 這是matplotlib所提供的一個api，可以快速地透過plt.來畫圖，但如果想要更細緻，也就是控制到更細的部分來畫圖，就要使用第二種方法

import matplotlib.pyplot as plt
​
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [66, 28, 32, 58, 18, 2, 99, 77, 66, 58]
​
plt.figure(figsize = (10, 10))
plt.subplot(221)
​
​
plt.plot(x, y)
plt.title('Method 1')
​
plt.show()

• fig, ax = plt.subplots(): 透過指定figure和axes來進行畫圖，對axes進行單獨更細緻的操作

import matplotlib.pyplot as plt
​
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [66, 28, 32, 58, 18, 2, 99, 77, 66, 58]
​
fig, ax = plt.subplots(figsize = (10, 10))
​
ax.plot(x, y)
ax.set_title('Method 2')
​
plt.show()

4. 簡單實作一下

Step1: 導入套件和創建數據

import matplotlib.pyplot as plt
​
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y1 = [66, 28, 32, 58, 18, 2, 99, 77, 66, 58]
y2 = [58,2,8,10,66,32,28,58,66,66]
​

Step2: 創建畫布

fig, ax = plt.subplots(figsize = (10, 10))

Step3: 畫圖

ax.plot(x, y1)
ax.plot(x, y2)

Step4: 設定標題

## 標題
ax.set_title('Method 2')
ax.set_xlabel('Label X', fontsize = 'x-large', fontfamily = 'sans-serif', color = 'white', fontstyle = 'italic')
ax.set_ylabel('Label Y', fontsize = 10, fontfamily = 'sans-serif', color = 'blue', fontstyle = 'oblique')

Step5: 設定x軸和y軸屬性

## x y軸的屬性設定
## aspect : {'auto', 'equal'} or num
ax.set_aspect('auto')
## 於軸上顯示較小的刻度
ax.minorticks_on()
## 設定x軸的範圍
ax.set_xlim(0, 8)
## 設定網格
## which : {'major', 'minor', 'both'}
ax.grid(which = 'major', axis = 'both')

Step6: 設定坐標軸tick和更多細節

## 設定座標軸tick和更多細節
​
## 設定x軸字體(旋轉、大小、顏色)
ax.xaxis.set_tick_params(rotation = 50, labelsize = 20, colors = 'w')
## 取得x軸範圍
start, end = ax.get_xlim()
## 設定x軸刻度以0.5為單位
ax.xaxis.set_ticks(np.arange(start, end, 0.5))
## 將y軸刻度顯示在右邊
ax.yaxis.tick_right()

完整程式碼

import matplotlib.pyplot as plt
import numpy as np
​
​
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y1 = [66, 28, 32, 58, 18, 2, 99, 77, 66, 58]
y2 = [58,2,8,10,66,32,28,58,66,66]
​
​
fig, ax = plt.subplots(figsize = (10, 10))
​
ax.plot(x, y1)
ax.plot(x, y2)
​
## 標題
ax.set_title('Method 2')
ax.set_xlabel('Label X', fontsize = 'x-large', fontfamily = 'sans-serif', color = 'white', fontstyle = 'italic')
ax.set_ylabel('Label Y', fontsize = 10, fontfamily = 'sans-serif', color = 'blue', fontstyle = 'oblique')
​
​
## x y軸的屬性設定
## aspect : {'auto', 'equal'} or num
ax.set_aspect('auto')
## 於軸上顯示較小的刻度
ax.minorticks_on()
## 設定x軸的範圍
ax.set_xlim(0, 8)
## 設定網格
## which : {'major', 'minor', 'both'}
ax.grid(which = 'major', axis = 'both')
​
​
## 設定座標軸tick和更多細節
​
## 設定x軸字體(旋轉、大小、顏色)
ax.xaxis.set_tick_params(rotation = 50, labelsize = 20, colors = 'w')
## 取得x軸範圍
start, end = ax.get_xlim()
## 設定x軸刻度以0.5為單位
ax.xaxis.set_ticks(np.arange(start, end, 0.5))
## 將y軸刻度顯示在右邊
ax.yaxis.tick_right()
​
## 顯示圖片
plt.show()

這個觀念真的讓我受用許多，我只能說太牛了xd，瞭解了這個觀念後，以後再畫圖就能很快知道現在再控制的元件是什麼，也能快速查詢其功能，當然因為觀念是不變的道理，所以很多地方會與原文相似，如果作者看到了很介意的話，隨時與我聯絡，我會馬上撤掉喔

Reference

https://zhuanlan.zhihu.com/p/93423829?fbclid=IwAR3T5a_BSi0bjZasVbTaRVmtVuBDL2T5IeBCixPXqzegwx6d2DNnkJwQ-jM

https://matplotlib.org/1.5.1/faq/usage_faq.html#parts-of-a-figure

https://matplotlib.org/tutorials/introductory/usage.html