Matplotlib绘图进阶：颜色、标记与线条的灵活设置

Matplotlib简介

Matplotlib是Python生态中广泛使用的绘图库，常与NumPy配合使用，为开发者提供了一套高效的开源替代方案，其功能可媲美MatLab。此外，该库还能与PyQt、wxPython等图形用户界面工具包无缝集成，适用于构建复杂的桌面应用。

作为数据处理系列专题的第11篇内容，本文将深入探讨Matplotlib库的具体应用技巧。

在前文介绍subplot子图概念的基础上，本节将聚焦于绘图细节的个性化设置。通过调整这些参数，可以显著提升图表的视觉丰富度与信息表现力。

颜色设置

颜色设置

默认情况下，Matplotlib绘制的曲线呈现蓝色。若需更改颜色，可通过color参数指定目标颜色。例如，设置color='green'即可生成绿色曲线。

为简化输入，Matplotlib支持常用颜色的单字母缩写，如绿色用'g'表示。同理，红色为'r'，蓝色为'b'，黄色为'y'，这种缩写方式在绘图代码中十分常见。

若对颜色缩写记忆模糊，可在Jupyter环境中使用plt.plot?命令查看官方文档。滚动至文档末尾，即可找到关于颜色定义的详细说明。

文档中列出了两种相对少见的颜色：cyan（青色）与magenta（品红）。这反映了西方色彩命名习惯与中文语境下的细微差异。

除单词和缩写外，Matplotlib还支持16进制颜色代码，例如#CECECE代表一种浅灰色。具体效果需通过实际绘图验证。

16进制颜色表示法源于光的三原色（红、绿、蓝，即RGB）原理。在计算机中，每种原色的强度由0-255之间的数值表示，共256级。由于255转换为16进制仅需两位，因此三种原色组合成6位16进制数（如#RRGGBB）来唯一确定一种颜色。这与前端CSS调色原理一致，是计算机图形学中的标准做法。

标记设置

标记设置

标记（Marker）用于在图表中突出显示具体数据点。Matplotlib默认绘制光滑曲线，该曲线由离散数据点连接而成。然而，光滑曲线掩盖了原始样本点的分布情况，仅凭图像难以判断数据点的实际位置。

以随机数据生成的折线图为例，虽然我们知道曲线由数据点连接而成，但肉眼难以准确识别所有数据点的位置。

由于无法直观判断线段间是否隐藏了数据点，直接观察光滑曲线存在局限性。

为解决此问题，可引入标记功能，即在图上显式标注每个样本点。最常用的标记是圆点，通过设置marker='o'，可将每个数据点显示为圆形，使数据分布一目了然。

除圆点外，Matplotlib支持多种其他标记样式。具体细节可通过查阅plot函数的文档获取。

线条样式

线条样式设置

除了颜色和标记，线条本身的样式也可定制。默认线条为实线，但Matplotlib也支持虚线样式，包括点虚线（dash-dot line）和全虚线（dashed line）。

通过linestyle参数可控制线条类型。全虚线通常由两个短线符号表示，而单个短线符号代表默认实线。

image-20200902162013003

除了虚线，Matplotlib还支持点线图（dotted line）和点状图，顾名思义，这些样式通过点的排列来表现线条，易于理解和使用。

综合应用

综合应用

回顾前述内容，颜色、标记和线条是Matplotlib中三个主要的可定制属性，分别通过color、marker和linestyle参数控制。虽然逻辑上分开设置完全可行，但操作略显繁琐。为此，Matplotlib提供了一种简化的“三合一”方法，允许通过单个字符串参数同时定义颜色、线条和标记。

具体使用时，可在plot函数的参数末尾传入一个格式化字符串，该字符串依次包含颜色、线条和标记的设定。

例如，字符串'og--'表示：'o'代表圆点标记，'g'代表绿色，'--'代表全虚线。生成的图像即为绿色、带圆点标记的全虚线图。参数顺序可互换，如'go--'同样有效。若无需设置标记或线条，可直接省略对应字符，代码依然可运行。

需注意，这种格式化字符串方法仅支持颜色的缩写形式，不支持16进制或全名。该方法旨在提高代码简洁性，若需更高灵活性或特殊颜色，仍建议使用独立的参数进行设置。

原文链接，求个关注

本文使用 mdnice 排版

至此，关于Matplotlib中颜色、标记和线条设置的教程已结束。更多相关内容请参阅本站往期文章或继续浏览后续章节，感谢大家的支持！