Matplotlib 图表样式

最后修改于 2025 年 3 月 7 日

Matplotlib 提供了丰富的样式选项来自定义图表，增强其视觉吸引力和清晰度。本教程涵盖连接样式、端盖样式、线条样式、颜色、渐变等，并提供实用示例。

样式是有效数据可视化的关键，使图表更易于阅读和理解。从线条图案到颜色渐变，Matplotlib 提供了定制图表的工具以满足特定需求，例如报告或演示文稿。

连接样式和端盖样式

此示例使用连接和端盖样式来设置温度折线图的样式。

join_cap_styles.py

import matplotlib.pyplot as plt

# Data: Days and temperature (°C)
days = ["Mon", "Tue", "Wed", "Thu", "Fri"]
temp = [15, 17, 16, 18, 20]

# Create a line chart with styling
plt.plot(days, temp, linewidth=5, linestyle="solid", 
         joinstyle="bevel", capstyle="round", color="blue", label="Temp")

# Add labels, title, and legend
plt.xlabel("Day")
plt.ylabel("Temperature (°C)")
plt.title("Temperature (Week of March 3, 2025)")
plt.legend()

# Display the chart
plt.show()

该折线图跟踪 2025 年 3 月一周的每日温度。joinstyle="bevel" 参数设置线段的连接方式，创建斜角连接，而 capstyle="round" 则将线条的末端变为圆形。linewidth=5 使这些效果可见。

连接样式（“miter”、“round”、“bevel”）影响拐角，对于技术图中的粗线很有用。端盖样式（“butt”、“round”、“projecting”）定义线条端点，增强稀疏数据的清晰度，例如此天气趋势，其中星期五的温度峰值为 20°C。

线条样式和标记

此示例使用线条样式和标记来显示网站访问者的图表。

line_styles_markers.py

import matplotlib.pyplot as plt

# Data: Months and visitors (thousands)
months = ["Jan", "Feb", "Mar", "Apr", "May"]
visitors = [50, 60, 80, 75, 90]

# Create a line chart with styling
plt.plot(months, visitors, linestyle="--", marker="o", markersize=10, 
         linewidth=2, color="purple", label="Visitors")

# Add labels, title, and legend
plt.xlabel("Month")
plt.ylabel("Visitors (thousands)")
plt.title("Website Visitors in 2025")
plt.legend()

# Display the chart
plt.show()

该图表显示了过去五个月的网站访问者，样式为虚线（linestyle="--"）和圆形标记（marker="o"）。markersize=10 和 linewidth=2 增强了可见性，而“紫色”则添加了独特的颜色。

线条样式（如“solid”、“dashed”、“dotted”或“dashdot”）区分趋势，标记（例如，“o”、“s”、“^”）突出显示数据点。在这里，带有标记的虚线强调了每月的变化，五月份达到 90,000 的峰值，非常适合跟踪数字分析中的增长情况。

颜色和渐变

此示例将颜色和渐变应用于销售数据的条形图。

colors_gradients.py

import matplotlib.pyplot as plt
import numpy as np

# Data: Products and sales (thousands $)
products = ["Laptops", "Phones", "Tablets"]
sales = [40, 60, 30]

# Create a gradient colormap
colors = plt.cm.viridis(np.linspace(0, 1, len(products)))

# Create a bar chart with gradient
bars = plt.bar(products, sales, color=colors, edgecolor="black", linewidth=1.5)

# Add labels and title
plt.xlabel("Product")
plt.ylabel("Sales (thousands $)")
plt.title("Product Sales (March 2025)")

# Display the chart
plt.show()

该条形图显示了 2025 年 3 月三种产品的销售额，样式为“viridis”渐变。plt.cm.viridis 函数生成颜色范围，并通过 color 参数应用。黑色边缘 (edgecolor="black") 和 linewidth=1.5 勾勒出条形图的轮廓。

渐变增强了视觉层次结构——在这里，手机 (60) 以更亮的色调脱颖而出。 Matplotlib 支持颜色映射，例如“plasma”、“inferno”或纯色（例如，“red”）。这种样式适合销售报告，使数据比较更加突出，同时保持专业的外观。

透明度和填充样式

此示例使用透明度和填充来显示带有区域填充的折线图。

transparency_fill.py

import matplotlib.pyplot as plt

# Data: Days and stock prices ($)
days = ["Mon", "Tue", "Wed", "Thu", "Fri"]
prices = [150, 152, 148, 155, 160]

# Create a line chart with fill
plt.plot(days, prices, linestyle="-", color="darkgreen", linewidth=2, label="Price")
plt.fill_between(days, prices, 145, color="green", alpha=0.3)

# Add labels, title, and legend
plt.xlabel("Day")
plt.ylabel("Price ($)")
plt.title("Stock Price (Week of March 3, 2025)")
plt.legend()

# Display the chart
plt.show()

该图表跟踪一周内的股票价格，底部填充了实线和区域。 fill_between 函数从基线 (145) 填充到价格线，使用 alpha=0.3 实现轻微的透明度。线条样式为深绿色，linewidth=2。

透明度 (alpha) 可以柔化填充，显示重叠或网格线——在这里，它突出显示了 145 以上的价格涨幅。填充样式可以强调趋势，比如这只股票到星期五上涨到 160，这在细微效果很重要的金融可视化中很有用。

自定义网格和背景

此示例使用自定义网格和背景颜色来设置折线图的样式。

grid_background.py

import matplotlib.pyplot as plt

# Data: Months and energy use (GWh)
months = ["Jan", "Feb", "Mar", "Apr", "May"]
energy = [120, 130, 110, 115, 125]

# Create a line chart with styling
plt.plot(months, energy, linestyle="-.", color="orange", linewidth=3, label="Energy")

# Customize grid and background
plt.grid(color="gray", linestyle="--", linewidth=0.5, alpha=0.7)
plt.gca().set_facecolor("#f0f0f0")

# Add labels, title, and legend
plt.xlabel("Month")
plt.ylabel("Energy Use (GWh)")
plt.title("Energy Consumption in 2025")
plt.legend()

# Display the chart
plt.show()

该图表显示了过去五个月的能源消耗，样式为橙色的点划线 (linestyle="-.")。 grid 函数添加了一个灰色的虚线网格，alpha=0.7，set_facecolor 设置了一个浅灰色背景。

自定义网格有助于提高可读性——在这里，它们框定了能源下降（3 月为 110）和峰值（2 月为 130）。背景颜色（如“#f0f0f0”）增强了对比度，使该图表适用于能源报告或演示文稿，其中样式支持数据清晰度。

图表样式的最佳实践

平衡风格和清晰度： 避免过度设计，从而模糊数据。
使用对比鲜明的颜色： 确保线条、填充和背景突出。
测试可读性： 检查样式是否适用于色盲观众或打印。
保持简单： 限制样式以专注于数据，而不是装饰。

来源

Matplotlib 绘图文档

在本文中，我们探讨了 Matplotlib 图表的样式，包括连接和端盖样式、线条样式、颜色、渐变以及自定义网格，使用基本的折线图和条形图。

作者

我叫 Jan Bodnar，是一位充满热情的程序员，拥有多年的编程经验。我自 2007 年以来一直在撰写编程文章。到目前为止，我已经撰写了 1400 多篇文章和 8 本电子书。我在编程教学方面拥有八年多的经验。

列出所有 Python 教程。