回顾

在走进Matplotlib世界（一）中，我们介绍了Matplotlib的功能以及使用的基本步骤，包括导入包，创建创建图像，绘图，自定义设置，保存图片（按需要），显示图形6步。今天我们探讨一下Matplotlib中的图形属性。为了美化我们的图形，我们经常会设置图形的各种属性。

图表属性

在第一步的创建图像方法plt.figure()中，我们可以通过传入参数来改变图像的显示属性。查阅官方文档，figure方法的参数包括figsize、dpi、facecolor、edgecolor、linewidth、frameon、subplotpars、tight_layout、constrained_layout。其中 subplotpars和tight_layout这两个参数与子图相关，暂时不详细展开，其他参数的含义如下：

figsize：图像宽高，单位为英寸。（1英寸等于2.5cm）

dpi：图像分辨率，即每英寸多少个像素，默认值80。

facecolor：图像背景颜色。

edgecolor：图像边框颜色。

linewidth：图像边框线宽。

frameon：是否显示边框。

constrained_layout：是否自动布局，若为True则使用constrained_layout，会自动调整plot的位置。

修改plt.figure()，传入相关参数，代码如下：?

import matplotlib.pyplot as plt
# 1、准备数据
x = [1, 2, 3, 4]
y = [10, 20, 30, 40]
# 2、创建图像
fig = plt.figure(figsize=(3, 3), 
 dpi=100, 
 facecolor=(0,1,0,1), # (0,1,0,1)为颜色属性，四个值分别为r,g,b和透明度
 edgecolor=(1,0,0,1), 
 frameon=True, 
 linewidth=1)
# 3、绘图
ax = fig.add_subplot(111)
ax.plot(x, y)
# 4、自定义设置
ax.set_xlim(1, 5)
# 5、保存图形（按需要使用）
plt.savefig(‘xxx.png’)
# 6、显示图形
plt.show()

运行后可以看到如下图表，可以通过调整参数进行尝试熟练各个参数的用法和用途。?

坐标属性

在作拥有坐标轴的图表时，我们往往需要对坐标轴进行设置，例如坐标轴的名称、坐标轴的范围、坐标轴的刻度等。下面介绍几种常见的坐标轴设置。

设置坐标轴的名称：plt.xlabel，plt.ylabel分别设置x轴和y轴的标签，这里我们使用ax=fig.add_subplot在figure中分出子图进行操作，故使用ax.set_xlabel，ax.set_ylabel进行设置，后续的属性也都是同一道理。

下面我们给x轴添加标签“x”，给y轴添加标签“y”，代码如下：?

# 0、导入包
import matplotlib.pyplot as plt
# 1、准备数据
x = [1, 2, 3, 4]
y = [10, 20, 30, 40]
# 2、创建图像
fig = plt.figure(figsize=(3, 3), dpi=100, facecolor=(0,1,0,1),
 edgecolor=(1,0,0,1), frameon=True, linewidth=1)
# 3、绘图
ax = fig.add_subplot(111)
ax.plot(x, y)
ax.set_xlabel('x') 
ax.set_ylabel('y')
# 4、自定义设置
ax.set_xlim(1, 5)
# 5、保存图形（按需要使用）
# plt.savefig(‘xxx.png’)
# 6、显示图形
plt.show()

运行后可以看到，坐标轴已经拥有了标签：?

设置坐标轴的范围：plt.xlim, plt.ylim分别设置x轴和y轴的大小范围。另外，plt.xticks, plt.yticks虽然用于设置刻度，但其同样可以用来设置坐标轴的范围。

根据x, y的值我们设置x的范围为1-4，y的范围为10-40。两种设置方式分别如下：?

# 0、导入包
import matplotlib.pyplot as plt
# 1、准备数据
x = [1, 2, 3, 4]
y = [10, 20, 30, 40]
# 2、创建图像
fig = plt.figure(figsize=(8, 3), dpi=100, facecolor=(0,1,0,1),
 edgecolor=(1,0,0,1), frameon=True, linewidth=1)
# 3、绘图
ax1 = fig.add_subplot(121)
ax1.plot(x, y)
ax2 = fig.add_subplot(122) # 这里为了比较创建两个子图
ax2.plot(x, y)
# 4、自定义设置
ax1.set_title('lim')
ax2.set_title('ticks')
ax1.set_xlabel('x') 
ax1.set_ylabel('y')
ax2.set_xlabel('x') 
ax2.set_ylabel('y')
ax1.set_xlim([1, 4]) # 设置边界
ax1.set_ylim([10, 40])
ax2.set_xticks(range(1, 5)) # 设置刻度
ax2.set_yticks([(i*10) for i in range(1, 5)])
# 5、保存图形（按需要使用）
# plt.savefig(‘xxx.png’)
# 6、显示图形
plt.show()

运行结果如下，可以看到，使用xlim/ylim设置的时候是严格的范围，而使用xticks/yticks设置的时候边界值上下都会有一定的间隙。?

设置坐标轴的刻度：除了上面介绍的xticks/yticks，有时我们会根据需求设置不同的刻度表示形式，例如小数、百分数等等，此时我们使用plt.set_xticklabels/plt.set_yticklabels。假设我们要将上述的横坐标和纵坐标的刻度都用两位小数展示，用法如下：?

# 0、导入包
import matplotlib.pyplot as plt
# 1、准备数据
x = [1, 2, 3, 4]
y = [10, 20, 30, 40]
# 2、创建图像
fig = plt.figure(figsize=(3, 3), dpi=100, facecolor=(0,1,0,1),
 edgecolor=(1,0,0,1), frameon=True, linewidth=1)
# 3、绘图
ax = fig.add_subplot(111)
ax.plot(x, y)
# 4、自定义设置
ax.set_xlabel('x') 
ax.set_ylabel('y')
ax.set_xlim([1, 4]) # 设置边界
ax.set_ylim([10, 40])
ax.set_xticklabels('%.2f' %i for i in range(1, 5)) # 设置刻度表示形式
ax.set_yticklabels('%.21f' %(i*5) for i in range(2, 9))
# 5、保存图形（按需要使用）
# plt.savefig(‘xxx.png’)
# 6、显示图形
plt.show()

运行结果如下：?

线条属性

在第3步绘图的ax.plot()方法中，我们可以通过传入参数来改变线条的显示属性。常见的有color、 marker、linestyle、linewidth等。

color：线条颜色。常用的有r红, g绿, b蓝, c青, m紫红, y黄, k黑, w白。

marker：坐标点标记。

linestyle：线条形状。如"--"，"-", '-.'等。

linewidth： 线条宽度。

修改ax.plot()，传入相关参数，代码如下：?

# 0、导入包
import matplotlib.pyplot as plt
# 1、准备数据
x = [1, 2, 3, 4]
y = [10, 20, 30, 40]
# 2、创建图像
fig = plt.figure(figsize=(3, 3), dpi=100, facecolor=(0,1,0,1),
 edgecolor=(1,0,0,1), frameon=True, linewidth=1)
# 3、绘图
ax = fig.add_subplot(111)
ax.plot(x, y, color='y', marker='.', linestyle='--', linewidth=1.5)
# 4、自定义设置
ax.set_xlabel('x') 
ax.set_ylabel('y')
# 5、保存图形（按需要使用）
# plt.savefig(‘xxx.png’)
# 6、显示图形
plt.show()

运行后可以看到如下图表，可以通过调整参数进行尝试熟练各个参数的用法和用途。?

图表的属性非常多样，对于属性的学习会一直贯穿于日常的工作和学习中，以后有机会再一起探讨Matplotlib的图表属性。

??

?

??

?

??

?

??

?

??

?