网友需求系列01-Python-matplotlib定制化刻度（主副）绘制
今天我们开始「粉丝要求绘图系列」的第一篇推文 ，这个系列我会筛选出需求较多的一类图进行绘制讲解，当然，绘图的数据我们尽可能的全部分享出来(即使涉及一些论文数据，我们也会根据情况进行虚构处理的)，本期的推文重要涉及的知识点如下：
- Python-matplotlib 定制化图例绘制
- Python-双Y轴绘制图表元素完善
- 双Y轴图例等熟悉添加
Python-matplotlib 定制化图例绘制
本期的推文绘制我们的参考图例来源于以下图表：
可以看出：
- 图表是双Y轴的绘制
- 图表的x轴刻度绘制较为复杂(也是本期的重点内容)，如下：
由于没有原始数据，我们使用Python进行虚构，构造的数据预览如下(部分)：
data列用于绘制柱形图(bar plot),line_data列用于绘制第二个Y轴的点线图(line plot)
数据处理
通过观察原始图表，我们可以知道，原图的x轴刻度是一年的12个月份，即[2,4,6,8,10,12]的重复，由于较难对刻度进行ticker的编写，这里我们直接采用最粗暴的方法-直接命名刻度label方法进行操作，构建方式如下：
tick_label = ['',"2",'','4','','6','','8','','10','','12']*4
这里我是虚构的4年数据哈，而使用‘’用于替代不显示的[1,3,5,7,9,11]的刻度位置，接下来我们直接绘图。
初步绘图探索
要想绘制该类刻度形式，我们就需要灵活操作主(major)、副(minor)刻度范围及刻度label,绘图代码如下：
from matplotlib.pyplot import MultipleLocator
plt.rcParams['font.family'] = "Times New Roman"
x = np.arange(len(data_all_df))
fig,ax = plt.subplots(figsize=(9,5),dpi=100)
bar_plot = ax.bar(x,data_all_df["data"].values,color="gray",width=.5)
#定制化操作
#设置轴范围
ax.set_ylim(bottom=-30,top=300)
ax.set_xlim(left=-.7,right=47.7)
ax.set_xticks(x) #设置这一步操作，要不然刻度往左移
ax.spines["top"].set_visible(False)
#设置x轴刻度label
ax.set_xticklabels(tick_label)
#设置主副刻度
#把x轴的主刻度间隔设置为.5，并存在变量里
x_major_locator=MultipleLocator(1)
#把x轴的副刻度间隔设置为.5，并存在变量里
x_minor_locator=MultipleLocator(.5)
#调用刻度设置
ax.xaxis.set_minor_locator(x_minor_locator)
ax.xaxis.set_major_locator(x_major_locator)
ax.tick_params(axis='y',direction='in',labelsize=8,length=3.5)
ax.tick_params(axis='x',which="major",direction='in',bottom=False,labelsize=8,length=3,width=.4)
#定制化副刻度
ax.tick_params(axis="x",which="minor",direction="out",length=10,width=.4)
#设置刻度轴脊的位置：较重要的方法
ax.spines['bottom'].set_position(('data', 0))
知识点：
- 设置主副刻度
x_major_locator=MultipleLocator(1)
#把x轴的副刻度间隔设置为.5，并存在变量里
x_minor_locator=MultipleLocator(.5)
#调用刻度设置
ax.xaxis.set_minor_locator(x_minor_locator)
ax.xaxis.set_major_locator(x_major_locator)
- 刻度形式操作
ax.tick_params(axis='y',direction='in',labelsize=8,length=3.5)
ax.tick_params(axis='x',which="major",direction='in',bottom=False,labelsize=8,length=3,width=.4)
ax.tick_params(axis="x",which="minor",direction="out",length=10,width=.4)
- 设置刻度轴脊的位置：较重要的方法
ax.spines['bottom'].set_position(('data', 0))
可视化结果如下：
我们可以发现，图中的刻度已经蛮符合胡子hi要求了（如下）：
但是当我继续想添加年份的分割刻度时，已这种方式为基础的绘图将很难实现，最终我们选择直接主刻度定义年份，副刻度定义月份的操作，通过对其定制化操作，达到我们的绘图需求。
绘图完善
这里我们直接给出代码，如下：
from matplotlib.pyplot import MultipleLocator
import matplotlib.ticker as ticker
plt.rcParams['font.family'] = "Times New Roman"
x = np.arange(len(data_all_df))
fig,ax = plt.subplots(figsize=(9,5),dpi=100)
bar_plot = ax.bar(x,data_all_df["data"].values,color="gray",width=.5,label="Bar Charts",zorder=2)
#定制化操作
ax.set_ylabel("Bar_Data_Value",size=12)
ax.set_xlabel("Month",size=12,labelpad=15)
#ax.set_xlabel()
ax.set_ylim(bottom=0,top=300)
ax.set_xlim(left=-.5,right=47.5)
#设置主刻度
ax.set_xticks(np.arange(-.5, 48.5, step=12)) #设置这一步操作，要不然刻度往左移
#设置副刻度
ax.set_xticks(np.arange(0, 48, step=1),minor=True)
ax.spines["top"].set_visible(False)
#设置副刻度label
ax.set_xticklabels(tick_label,minor=True)
#添加 年数文本作为X轴信息
for i,text in zip([.125,.375,.625,.875],['2014','2015','2016','2017']):
ax.text(i,-.08,text,transform = ax.transAxes,va="center",ha="center",fontweight="bold")
#或者如下操作设置主刻度
# positions = [-.5,11.5,23.5,35.5,47.5]
# ax.xaxis.set_major_locator(ticker.FixedLocator(positions))
#添加双y轴：使用Axes.twinx()方法绘制
second_plot = ax.twinx()
#注意：这里必须要有, 后面的图例才可以生成
line_plot, = second_plot.plot(np.arange(len(data_all_df)),data_all_df["line_data"].values,"-D",
ms=4,c="k",lw=.9,label="Line Charts")
second_plot.set_ylim((0,10000))
second_plot.tick_params(axis='y',direction='in',labelsize=10,length=3.5)
second_plot.set_ylabel("Line_Data_Value",size=12)
second_plot.set_axisbelow(True)
second_plot.spines["top"].set_visible(False)
ax.tick_params(axis='y',direction='in',labelsize=10,length=3.5)
ax.tick_params(axis='x',which="major",direction='out',labelbottom=False,length=25,width=.5)
ax.tick_params(axis="x",which="minor",bottom=False,direction="out",length=3,width=.4,pad=.01)
ax.set_axisbelow(True)
# #添加图例
charts = [bar_plot, line_plot]
ax.legend(charts, [l.get_label() for l in charts],frameon=False)
plt.savefig(r'\double_y_axis_plot_excise.png',width=7,height=3,
dpi=900,bbox_inches='tight',facecolor='white')
知识点：
- 定义刻度位置及间隔
#设置主刻度
ax.set_xticks(np.arange(-.5, 48.5, step=12))
#设置副刻度
ax.set_xticks(np.arange(0, 48, step=1),minor=True)
- 使用Axes.twinx()添加双轴
second_plot = ax.twinx()
#注意：这里必须要有, 后面的图例才可以生成
line_plot, = second_plot.plot(np.arange(len(data_all_df)),data_all_df["line_data"].values,"-D",
ms=4,c="k",lw=.9,label="Line Charts")
注意：这里必须要有, 后面的图例才可以生成3. 定制年份的刻度label文本
#添加 年数文本作为X轴信息
for i,text in zip([.125,.375,.625,.875],['2014','2015','2016','2017']):
ax.text(i,-.08,text,transform = ax.transAxes,va="center",ha="center",fontweight="bold")
- 双Y轴图例添加
# #添加图例
charts = [bar_plot, line_plot]
ax.legend(charts, [l.get_label() for l in charts],frameon=False)
4.其他如刻度起始、间隔等设置大家可参考具体代码，根据自己需求进行修改。
最终我们的可视化结果如下：
总结
本篇推文较全面的练习了Python-matplotlib主副刻度的绘制 操作以及双Y轴图例的添加,大家可以好好参考下，为了大家更好的练习，我们也将提供练习数据和源码哦！获取方式如下：
绘制不易，感谢大家帮忙分享，关注本公众号（DataCharm）然后在公众号后台发送
网友系列01即可获知数据、源码免费下载链接，
举报
腾讯云开发者
