matplotlib 设置移动边框
matplotlib 设置移动边框
import numpy as np
import matplotlib.pyplot as plt
# 确定横坐标范围
x = np.linspace(-np.pi, np.pi, 300)
# 定义函数
y = np.cos(x)
# 绘制图形
plt.plot(x, y)
# 显示图像
plt.show()
绘制余弦曲线的代码在 Pycharm 中执行调用，执行的结果会弹出一个独立的桌面端图形界面。这里以二维图形为例，在 matplotlib 中的图形是由几个部分构成，如果想要更好的理解 matplotlib 模块，清楚这几个部分尤为的重要。由于本文主要介绍边框，因此只介绍与之相关的部分。
其中：
- ① 为 Figure 区域。Matplotlib 如果想要绘制各种图形，必须有一个类似画板的容器，这个容器就是 Figure，Figure 是一个独立的窗口，为二维图形的最大范围；
- ② 为 axes。axes 相当于是画纸，一个画板上可以有多个画纸，因此 Figure 区域中可以有多个 axes；
- ③ 为绘图数据区域；
- ④ 为图形的边框。图形的边框基本上就是图形的边界，每一个 axes 都有top、bottom、left以及right四个边框；
- ⑤ 为 axis。axis 是二维图形的刻度线，其中分为 x 刻度线和 y 刻度线；
通过上图可以看出其实所谓的刻度线是依附在边框上面的，我们可以指定刻度线依附在那个位置的边框上。
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 300)
y = np.cos(x)
plt.plot(x, y)
ax = plt.gca()
# x 刻度线参数：[ 'top' | 'bottom' | 'both' | 'default' | 'none' ]
ax.xaxis.set_ticks_position('top')
# y 刻度线参数：[ 'left' | 'right' | 'both' | 'default' | 'none' ]
ax.yaxis.set_ticks_position('right')
plt.show()
② axes 表示画纸，如果画板足够大，我们可以在画板上放置多张画纸，而在 matplotlib 中画板就是 figure，所以在一个 figure 画板中可以放置多个 axes 画纸。如果你要对画纸进行一些配置操作，就需要先告诉程序你要对那张画纸进行操作，如果画纸多我们可以进行指定，如果只有一个画纸我们只需要使用下面这个方法来获得当前的画纸。
# 获取当前 axes 类实例，gca 的英文全称 get current axes
ax = plt.gca()
有了需要进行配置的画纸，接下来就可以通过画纸来操作边框。边框操作由spines进行管理，spines方法提供了（top、bottom、left、right）四个方向边框的配置功能。
ax = plt.gca() # 获取当前画纸
>>> print(ax.spines)
OrderedDict([
('left', <matplotlib.spines.Spine object at 0x0000028F3723E400>),
('right', <matplotlib.spines.Spine object at 0x0000028F3723E518>),
('bottom', <matplotlib.spines.Spine object at 0x0000028F3723E630>),
('top', <matplotlib.spines.Spine object at 0x0000028F3723E748>)
])
通过输出结果可以看出，spines将top、bottom、left、right四个方向的边框通过类似字典的方式进行存储，如果我们想要获取指定方式的边框，只需要使用类似 Python 字典的方式进行访问。获取到了这些边框，接下来就可以单独的进行更改设置了。下面给出几个常用的spines函数：
函数 | 功能 |
|---|---|
set_color(color) | 设置边框颜色，参数为颜色，默认为 None |
set_linewidth(width) | 设置边框的宽度 |
set_visible(bool) | 是否显示边框，参数为 True 或 False |
set_position(position) | 设置边框的位置 |
set_color、set_visible和set_linewidth三个方法比较简单：
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 300)
y = np.cos(x)
plt.plot(x, y)
ax = plt.gca()
# 将左边框设置为红色并指定宽度
ax.spines['left'].set_color('red')
ax.spines['left'].set_linewidth(2)
# 将下边框设置为蓝色
ax.spines['bottom'].set_color('blue')
# 将右边框以及上边框隐藏
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
plt.show()
set_position(position)函数稍微有点复杂，其中的 position 参数可以为：
- (position type, amout) 两个元素的元组，position type 的值可以为'outward'、'axes'以及'data'，而 amout 为移动位置的距离；
- 字符串。这些字符串是一些特殊位置的标记，比如：'center' 对应 ('axes', 0.5)，'zero' 对应 ('data', 0.0)；
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 300)
y = np.cos(x)
plt.plot(x, y)
ax = plt.gca()
# 设置左边框的位置
ax.spines['left'].set_position(('outward', 10))
# 设置下边框的位置
ax.spines['bottom'].set_position(('axes', 0.5))
# ax.spines['bottom'].set_position('center')
# 设置右边框的位置
ax.spines['bottom'].set_position(('data', 0.0))
# ax.spines['bottom'].set_position('zero')
plt.show()
最常见的就是将坐标轴移动到数据的中心：
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 300)
y = np.cos(x)
plt.plot(x, y)
ax = plt.gca()
# 隐藏上边框和右边框
# 将颜色设置为空也能达到隐藏效果
ax.spines['top'].set_color(None)
ax.spines['right'].set_visible(False)
# 将左边框和下边框移动到数据的中心位置
ax.spines['bottom'].set_position(('data', 0.0))
ax.spines['left'].set_position('center')
plt.show()
