建议收藏！Matplotlib常见组件设置整理
继上一篇文章为大家介绍了plt和ax绘图的区别后，这篇文章结合我自己的一些使用经历，为大家整理了Matplotlib中比较常用的一些组件设置。
个人认为用Matplotlib画出一张图来不难，难的是对于一些细节东西的设置，可能在一个小小的细节处理上就得百度好久，所以可以先点收藏了再看，需要的时候可以及时找出来看看。
先上一张官方绘制的关于各个组件在一张图中的名词解释，通过这张图可以很直观地感受到什么是legend，什么是tick……，遇到不会设置的也可以照着图搜索对应的文档，下面具体讲讲。
注：下方的图片均使用fig,ax = plt.subplots()的方式生成
设置显示中文字体
Matplotlib中默认将中文显示为乱码的◻，如下面这种情况
fig,ax = plt.subplots()
ax.plot(['北京','上海','深圳'],[1,3,5])
plt.show()
所以在绘图前可以通过下面的代码解决这个问题
plt.rcParams['font.sans-serif'] = ['SimHei']
# SimHei：微软雅黑
# FangSong：仿宋
# 这两个是我常用的，其他的可以上网搜一搜
fig,ax = plt.subplots()
ax.plot(['北京','上海','深圳'],[1,3,5])
plt.show()
设置标题(title)
函数：ax.set_title
利用fontdict和loc参数可以分别对字体和标题位置进行设置
fig,ax = plt.subplots()
ax.plot(['北京','上海','深圳'],[1,3,5])
#设置16px的字体大小，将标题显示在左侧
ax.set_title('标题',fontdict={'size':16},loc = 'left')
plt.show()
边框(spine)的显示问题
函数：ax.spines[loc].set_visible(False)
一般的图表中，Matplotlib会默认显示出图形的spine，英文其实不太好翻译，谷歌翻译成脊柱？？？
我一般把他叫做边框，就是图形上下左右的四条边线，如图
我觉得这个边框加上去其实挺丑的，正常使用中有些时候仅仅需要左边left和底部bottom的spine，也有时候四条边框都不需要，可以这么设置：
fig,ax = plt.subplots()
ax.plot(['北京','上海','深圳'],[1,3,5])
# 只要左边和底部的边框
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
plt.show()
图例设置(legend)
函数：ax.legend()
图例是对图形所展示的内容的解释，比如在一张图中画了三条线，那么这三条线都代表了什么呢？这时就需要做点注释。
要显示图例可以有两种方式：
# 第一种：
# plot的时候加上label,之后调用ax.legend()
fig,ax = plt.subplots()
ax.plot(['北京','上海','深圳'],[1,3,5],label='2010')
ax.plot(['北京','上海','深圳'],[2,4,6],label='2020')
ax.legend()
plt.show()
# 第二种：
# 使用ax.legend()按顺序设置好图例
fig,ax = plt.subplots()
ax.plot(['北京','上海','深圳'],[1,3,5])
ax.plot(['北京','上海','深圳'],[2,4,6])
ax.legend(['2010','2020'])
plt.show()
frameon和fontsize参数可以设置是否显示图例的边框以及图例中文字的大小。
图形与边框之间的留白控制
函数：ax.margins()
不知道大家绘图的时候有没有发现，Matplotlib中默认在我们所画的图形和边框之间留有空白，比如
要去掉这样的空白部分可以使用ax.margins()进行设置
fig,ax = plt.subplots()
ax.plot(['北京','上海','深圳'],[1,3,5])
ax.fill_between(['北京','上海','深圳'],[1,1,1],[1,3,5],color='#7b68ee')
# 可以设置四个方向都不留白，也可以单独设置留白的方向和宽度
ax.margins(0)
plt.show()
设置双坐标轴
函数：ax.twinx()
双坐标轴一般用于复合图表，同时表示两种图表的指标量纲不一，经典的使用场景如帕累托图。
使用中，需要对原有的ax使用.twinx()方法生成ax2，再利用ax2进行绘图
fig,ax = plt.subplots()
ax.plot(['北京','上海','深圳'],[1,3,5],color='r')
# 双坐标用法
ax2 = ax.twinx()
ax2.bar(['北京','上海','深圳'],[20,40,60],alpha=0.3)
plt.show()
坐标轴相关设置
在一张二维图中，关于坐标轴各个零件的术语如图所示
首先有横坐标xaxis和纵坐标yaxis（注意与axes区分），横纵坐标上的标签（也可以说是横纵坐标的名字）为xlabel和ylabel，横纵坐标上有刻度线tick，刻度上对应的刻度标签则是tick label。
具体设置时所对应的函数为
- xlabel -->
ax.set_xlabel() - ylabel -->
ax.set_ylabel() - tick和tick label -->
ax.tick_params，ax.xticks()，ax.yticks()
fig,ax = plt.subplots()
ax.scatter([3,2,1],[1,3,5],color='r')
ax.plot([3,2,1],[1,3,5],color='r')
# 分别设置xy轴的标签
ax.set_xlabel('x',fontsize=16)
ax.set_ylabel('y',fontsize=16)
fig,ax = plt.subplots()
ax.scatter([3,2,1],[1,3,5],color='r')
ax.plot([3,2,1],[1,3,5],color='r')
# fontsize设置刻度标签的大小
# direction控制刻度是朝内还是朝外显示
ax.tick_params(labelsize=14,direction='in')
网格线(grid)设置
函数：ax.grid()
网格线多用于辅助查看具体的数值大小，横纵坐标都可以设置相应的网格线，视具体情况而论。
fig,ax = plt.subplots()
ax.plot([1,2,3],[4,2,6],color='r')
# b参数设置是否显示网格
# axis参数设置在哪个轴上显示网格线，可选参数为'x','y','both'
ax.grid(b=True,axis='y')
常用的图表组件设置就总结到这里，有写错的地方也欢迎拍砖！