人生苦短，我用 Python
前文传送门：
小白学 Python 数据分析（2）：Pandas （一）概述
小白学 Python 数据分析（3）：Pandas （二）数据结构 Series
小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame
小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据
小白学 Python 数据分析（6）：Pandas （五）基础操作（2）数据选择
小白学 Python 数据分析（7）：Pandas （六）数据导入
小白学 Python 数据分析（8）：Pandas （七）数据预处理
小白学 Python 数据分析（9）：Pandas （八）数据预处理（2）
小白学 Python 数据分析（10）：Pandas （九）数据运算
小白学 Python 数据分析（11）：Pandas （十）数据分组
小白学 Python 数据分析（12）：Pandas （十一）数据透视表（pivot_table）
小白学 Python 数据分析（13）：Pandas （十二）数据表拼接
小白学 Python 数据分析（14）：Pandas （十三）数据导出
小白学 Python 数据分析（16）：Matplotlib（一）坐标系
坐标轴标题设置
各位同学好，我又来了，本文给大家带来的是有关 Matplotlib 的一些基础操作。
在前一篇文章中，我们介绍了如何使用 Matplotlib 绘制坐标系，本文我们接着介绍 Matplotlib 。
先看一个简单的示例：
import matplotlib.pyplot as plt
x_data = ['2011','2012','2013','2014','2015','2016','2017']
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlabel('年份')
plt.ylabel('销量')
plt.plot(x_data, y_data)
plt.show()
结果如下：
好像哪里不太对的样子，横轴和数轴的标题没有显示出来，看一下程序运行，没有报错，但是报出来一个警告：
RuntimeWarning: Glyph 24180 missing from current font.
这个警告的含义是 plt 画图是找不到字体，那么这里我们手动设置一下字体：
plt.rcParams['font.sans-serif']=['SimHei']
完整的样例代码如下：
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = ['2011','2012','2013','2014','2015','2016','2017']
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlabel('年份')
plt.ylabel('销量')
plt.plot(x_data, y_data)
plt.show()
结果如下：
这下显示正常了。
我们还可以通过参数 labelpad 设置标题到坐标轴的距离，这里为了演示效果设置的距离稍微大了点：
plt.xlabel('年份', labelpad=50)
plt.ylabel('销量', labelpad=50)
结果如下：
我们还可以通过参数对文本的相关属性进行设置，下面看下一些常用的设置参数：
plt.xlabel('年份', labelpad=50, fontsize='xx-large', fontweight='bold', rotation='vertical', backgroundcolor='red')
plt.ylabel('销量', labelpad=50)
先看结果：
xlabel 中常用的一些参数：
- fontsize : 设置字体大小，默认12，可选参数 ['xx-small', 'x-small', 'small', 'medium', 'large','x-large', 'xx-large']
- fontweight : 设置字体粗细，可选参数 ['light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black']
- fontstyle : 设置字体类型，可选参数[ 'normal' | 'italic' | 'oblique' ]，italic斜体，oblique倾斜
- verticalalignment : 设置水平对齐方式 ，可选参数 ： 'center' , 'top' , 'bottom' ,'baseline'
- horizontalalignment : 设置垂直对齐方式，可选参数：left,right,center
- rotation : (旋转角度)可选参数为:vertical,horizontal 也可以为数字
- alpha : 透明度，参数值0至1之间
- backgroundcolor : 标题背景颜色
- bbox : 给标题增加外框 ，常用参数如下：
- boxstyle 方框外形
- facecolor (简写fc)背景颜色
- edgecolor (简写ec)边框线条颜色
- edgewidth 边框线条大小
刻度设置
默认坐标轴是显示 x y 的值，但是也可以自定义显示不同的刻度，这里需要使用到的函数为 xticks 和 yticks 两个函数：
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xticks(x_data, ['2011年','2012年','2013年','2014年','2015年','2016年','2017年'])
plt.yticks(y_data)
plt.plot(x_data, y_data)
plt.show()
结果如下：
有些时候，由于数据脱敏的需要，我们不要显示刻度，还可以这么写：
plt.xticks(x_data, [])
plt.yticks(y_data, [])
这样展现出来的图形如下：
实际上，我们还有更狠的操作，直接关闭坐标轴：
plt.axis("off")
结果如下：
范围设置
我们还可以对坐标轴的范围进行设置，如下：
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlim(2011, 2020)
plt.ylim(50000, 90000)
plt.plot(x_data, y_data)
plt.show()
结果如下：
这里设置在 Y 轴上最大值为 90000 ，那么 2016 和 2017 对应的数据将会无法显示，实际我们从得出的结果图上也能看出这一点。
网格线设置
网格线默认是关闭的，我们可以通过函数 grid 修改参数 b 来开启网格线，如下：
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.plot(x_data, y_data)
plt.grid(b=True)
plt.show()
结果如下：
我们不仅可开启网格线，还可以通过参数 axis 来控制是开启哪个轴的网格线：
# 开启 x 轴网格线
plt.grid(b=True, axis='x')
# 开启 y 轴网格线
plt.grid(b=True, axis='y')
图例设置
图例能对图表起到注释的作用，我们可以通过参数 label 对该图表的图例进行设置，示例如下：
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.plot(x_data, y_data, label = '折线图')
plt.bar(x_data, y_data, label = '柱状图')
plt.legend()
plt.show()
结果如下：
图表标题设置
图表标题是用来概括整张图表现的内容的，我们可以通过如下方式设置一张图的标题：
plt.title(label='xxx 公司 xxx 产品销量')
结果如下：
本文的内容就到这里了，下一篇我们介绍 Matplotlib 的常用图表的示例，本文的示例代码写的有点乱，就不贴出来了，当然，如果经常看小编写的文章的估计都找得到。
参考
https://blog.csdn.net/The_Time_Runner/article/details/89927708