极客笔记如何让Matplotlib.pyplot停止强制应用标记样式
参考： How can I make Matplotlib.pyplot stop forcing the style of my markers
在使用Matplotlib绘图时，我们可能会遇到一个问题：Matplotlib.pyplot似乎在某些情况下会强制应用特定的标记样式，这可能会与我们想要的自定义样式发生冲突。本文将详细介绍如何在使用Matplotlib时保持标记样式的自定义，并提供多个示例代码来展示如何实现这一目标。
1. 理解Matplotlib标记样式
在Matplotlib中，标记（marker）是指在图表中代表数据点的符号。标记的样式可以通过多种属性进行自定义，包括形状、大小、颜色等。然而，有时候我们可能会发现即使设置了特定的标记样式，最终显示的图表却不是我们预期的样子。这可能是因为Matplotlib的某些默认设置或者样式表在起作用。
2. 控制标记样式
要让Matplotlib停止强制应用标记样式，我们需要明确指定我们想要的样式，并确保不使用任何可能覆盖这些设置的默认样式表。以下是一些控制标记样式的方法：
示例代码 1：设置标记样式
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='o', linestyle='-', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 2：改变标记大小和颜色
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='s', markersize=10, markerfacecolor='red', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 3：使用scatter函数自定义标记
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=100, c='blue', marker='^', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 4：设置透明度
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=100, c='green', alpha=0.5, marker='D', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 5：使用不同的标记样式
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='*', linestyle='--', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 6：自定义标记边缘颜色和宽度
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='o', markeredgewidth=2, markeredgecolor='black', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 7：使用自定义路径作为标记
import matplotlib.pyplot as plt
from matplotlib.path import Path
import matplotlib.patches as patches
verts = [
(0., 0.), # left, bottom
(0., 1.), # left, top
(1., 1.), # right, top
(1., 0.), # right, bottom
(0., 0.), # ignored
]
codes = [Path.MOVETO, Path.LINETO, Path.LINETO, Path.LINETO, Path.CLOSEPOLY,]
path = Path(verts, codes)
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=100, c='orange', marker=path, label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 8：禁用样式表中的标记样式
import matplotlib.pyplot as plt
from matplotlib import style
style.use('default') # 使用默认样式，不应用任何预设的样式表
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='p', linestyle=':', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 9：使用rcParams直接设置样式
import matplotlib.pyplot as plt
from matplotlib import rcParams
rcParams['lines.marker'] = 'x'
rcParams['lines.markersize'] = 12
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, linestyle='-.', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 10：结合多种样式属性
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='h', linestyle='-', markersize=15, markerfacecolor='yellow', markeredgewidth=3, markeredgecolor='blue', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 11：使用plot_date绘制时间序列数据
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
from datetime import datetime
dates = [datetime(2021, 1, 1), datetime(2021, 1, 2), datetime(2021, 1, 3), datetime(2021, 1, 4), datetime(2021, 1, 5)]
values = [1, 3, 2, 5, 4]
plt.plot_date(dates, values, marker='o', linestyle='-', label='how2matplotlib.com')
plt.legend()
plt.show()
示例代码 12：使用fillstyle控制标记的填充样式
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='o', linestyle='-', fillstyle='top', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 13：结合使用plot和scatter自定义不同数据点的样式
import matplotlib.pyplot as plt
x1 = [1, 2, 3, 4, 5]
y1 = [2, 3, 5, 7, 11]
x2 = [1.5, 2.5, 3.5, 4.5, 5.5]
y2 = [1, 4, 2, 6, 3]
plt.plot(x1, y1, marker='o', linestyle='-', color='blue', label='Line 1 - how2matplotlib.com')
plt.scatter(x2, y2, s=100, c='red', marker='^', label='Scatter - how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 14：使用annotate添加注释并自定义标记样式
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='o', linestyle='-', label='how2matplotlib.com')
plt.annotate('Peak', xy=(3, 5), xytext=(2, 6), arrowprops=dict(facecolor='black', shrink=0.05), marker='*', markersize=15)
plt.legend()
plt.show()
示例代码 15：使用bar绘制条形图并自定义标记样式
import matplotlib.pyplot as plt
categories = ['A', 'B', 'C', 'D', 'E']
values = [3, 7, 2, 5, 6]
plt.bar(categories, values, color='lightblue', edgecolor='black', hatch='/', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 16：使用hexbin创建六边形箱图
import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(1000)
y = np.random.randn(1000)
plt.hexbin(x, y, gridsize=30, cmap='Blues', label='how2matplotlib.com')
plt.colorbar(label='Count in bin')
plt.legend()
plt.show()
Output:
示例代码 17：使用polar参数创建极坐标图
import matplotlib.pyplot as plt
import numpy as np
r = np.arange(0, 2, 0.01)
theta = 2 * np.pi * r
plt.subplot(111, polar=True)
plt.plot(theta, r, label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 18：使用stackplot创建堆叠面积图
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y1 = [1, 2, 3, 2, 1]
y2 = [2, 2, 3, 2, 2]
y3 = [1, 3, 2, 3, 1]
plt.stackplot(x, y1, y2, y3, labels=['Y1', 'Y2', 'Y3'], colors=['m', 'c', 'r'])
plt.legend(title='how2matplotlib.com')
plt.show()
Output:
示例代码 19：使用errorbar绘制误差线并自定义标记样式
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
yerr = [0.2, 0.4, 0.2, 0.3, 0.1]
plt.errorbar(x, y, yerr=yerr, fmt='o', ecolor='pink', capsize=5, linestyle='-', color='blue', label='how2matplotlib.com')
plt.legend()
plt.show()
Output:
示例代码 20：使用violinplot创建小提琴图
import matplotlib.pyplot as plt
import numpy as np
data = [np.random.normal(0, std, 100) for std in range(1, 5)]
plt.violinplot(data, showmeans=False, showmedians=True)
plt.title('how2matplotlib.com')
plt.show()
Output:
以上示例代码展示了如何在Matplotlib中自定义标记样式，并通过不同的绘图函数来实现各种图表的绘制。在每个示例中，我们都确保了标记样式的自定义不会被Matplotlib的默认样式所覆盖。通过这些示例，你可以更好地控制你的图表中的标记样式，使其符合你的需求和偏好。