Matplotlib基本的自定义有哪些

这篇文章给大家分享的是有关Matplotlib基本的自定义有哪些的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

在 Matplotlib 教程中，我们将讨论一些可能的图表自定义。 为了开始修改子图，我们必须定义它们。  我们很快会谈论他们，但有两种定义并构造子图的主要方法。 现在，我们只使用其中一个，但我们会很快解释它们。

现在，修改我们的graph_data函数：

def graph_data(stock):      fig = plt.figure()     ax1 = plt.subplot2grid((1,1), (0,0))1234

为了修改图表，我们需要引用它，所以我们将它存储到变量fig。 然后我们将ax1定义为图表上的子图。  我们在这里使用subplot2grid，这是获取子图的两种主要方法之一。 我们将深入讨论这些东西，但现在，你应该看到我们有 2  个元组，它们提供了(1,1)和(0,0)。 1,1表明这是一个 1×1 网格。 然后0,0表明这个子图的『起点』将为0,0。

接下来，通过我们已经编写的代码来获取和解析数据：

stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv' source_code = urllib.request.urlopen(stock_price_url).read().decode() stock_data = [] split_source = source_code.split('\n') for line in split_source:     split_line = line.split(',')     if len(split_line) == 6:         if 'values' not in line and 'labels' not in line:             stock_data.append(line)  date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,                                                       delimiter=',',                                                       unpack=True,                                                       converters={0: bytespdate2num('%Y%m%d')})1234567891011121314

下面，我们这样绘制数据：

ax1.plot_date(date, closep,'-', label='Price')1

现在，由于我们正在绘制日期，我们可能会发现，如果我们放大，日期会在水平方向上移动。但是，我们可以自定义这些刻度标签，像这样：

for label in ax1.xaxis.get_ticklabels():      label.set_rotation(45)12

这将使标签转动到对角线方向。 接下来，我们可以添加一个网格：

ax1.grid(True)1

然后，其它东西我们保留默认，但我们也可能需要略微调整绘图，因为日期跑到了图表外面。 我们不仅可以以configure  subplots按钮方式配置图表，我们还可以在代码中配置它们，以下是我们设置这些参数的方式：

plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)1

现在，为了防止我们把你遗留在某个地方，这里是完整的代码：

import matplotlib.pyplot as plt import numpy as np import urllib import matplotlib.dates as mdates  def bytespdate2num(fmt, encoding='utf-8'):     strconverter = mdates.strpdate2num(fmt)     def bytesconverter(b):         s = b.decode(encoding)         return strconverter(s)     return bytesconverter   def graph_data(stock):      fig = plt.figure()     ax1 = plt.subplot2grid((1,1), (0,0))      stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv'     source_code = urllib.request.urlopen(stock_price_url).read().decode()     stock_data = []     split_source = source_code.split('\n')     for line in split_source:         split_line = line.split(',')         if len(split_line) == 6:             if 'values' not in line and 'labels' not in line:                 stock_data.append(line)      date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,                                                           delimiter=',',                                                           unpack=True,                                                           converters={0: bytespdate2num('%Y%m%d')})      ax1.plot_date(date, closep,'-', label='Price')     for label in ax1.xaxis.get_ticklabels():         label.set_rotation(45)     ax1.grid(True)#, color='g', linestyle='-', linewidth=5)      plt.xlabel('Date')     plt.ylabel('Price')     plt.title('Interesting Graph\nCheck it out')     plt.legend()     plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)     plt.show()   graph_data('TSLA')1234567891011121314151617181920212223242526272829303132333435363738394041424344454647

结果为：

感谢各位的阅读！关于“Matplotlib基本的自定义有哪些”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！