plt边框调整python3_【Matplotlib】绘图常见设置说明
说明：此贴会不定期进⾏更新！
设置1：图像的⼤⼩设置。
如果已经存在figure对象，可以通过以下代码设置尺⼨⼤⼩:
f.set_figheight(15)
f.set_figwidth(15)
若果通过.sublots()命令来创建新的figure对象, 可以通过设置figsize参数达到⽬的。
f, axs = plt.subplots(2,2,figsize=(15,15))
设置2：刻度和标注特殊设置
描述如下：在X轴标出⼀些重要的刻度点，当然实现⽅式有两种：直接在X轴上标注和通过注释annotate的形式标注在合适的位置。
其中第⼀种的实现并不是很合适，此处为了学习的⽬的⼀并说明下。
先说第⼀种：
正常X轴标注不会是这样的，为了说明此问题特意标注成这样，如此看来 0.3 和 0.4的标注重叠了，当然了解决重叠的问题可以通过改变figure 的size实现，显然此处并不想这样做。
怎么解决呢，那就在 0.3 和 0.4之间再设置⼀个刻度，有了空间后不显⽰即可。
代码如下：
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(3, 3))
matplotlib中subplotax = fig.add_subplot(1, 1, 1, frameon=False)
ax.set_xlim(-0.015, 1.515)
ax.set_ylim(-0.01, 1.01)
ax.set_xticks([0, 0.3, 0.4, 1.0, 1.5])
#增加0.35处的刻度并不标注⽂本，然后重新标注0.3和0.4处⽂本
ax.set_xticklabels([0.0, "", "", 1.0, 1.5])
ax.set_xticks([0.35], minor=True)
ax.set_xticklabels(["0.3 0.4"], minor=True)
#上述设置只是增加空间，并不想看到刻度的标注，因此次刻度线不予显⽰。
for line in _minorticklines():
line.set_visible(False)
plt.show()
最终图像形式如下：
当然最合理的⽅式是采⽤注释的形式，⽐如：
代码如下：
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
# Plot a sinc function
delta=2.0
x=np.linspace(-10,10,100)
y=np.sinc(x-delta)
# Mark delta
plt.axvline(delta,ls="--",color="r")
plt.annotate(r"$\delta$",xy=(delta+0.2,-0.2),color="r",size=15)
plt.plot(x,y)
设置3：增加X轴与Y轴间的间隔，向右移动X轴标注⼀点点即可
显⽰效果对⽐：
设置前：
设置后：
两张的图像的差别很明显，代码如下：
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
plot_data=[1.7,1.7,1.7,1.54,1.52]
xdata = range(len(plot_data))
labels = ["2009-June","2009-Dec","2010-June","2010-Dec","2011-June"] ax.plot(xdata,plot_data,"b-")
ax.set_xticks(range(len(labels)))
ax.set_xticklabels(labels)
ax.set_yticks([1.4,1.6,1.8])
# grow the y axis down by 0.05
ax.set_ylim(1.35, 1.8)
# expand the x axis by 0.5 at two ends
ax.set_xlim(-0.5, len(labels)-0.5)
plt.show()
设置4：移动刻度标注
上图说明需求：
for tick in _majorticklabels():
tick.set_horizontalalignment("left")
当然标注⽂本的上下位置也是可以控制的，⽐如:
_majorticklabels()[2].set_y(-.1)
当然控制刻度标注的上下位置也可以⽤labelpad参数进⾏设置：
pl.xlabel("...", labelpad=20)
或：
ax.xaxis.labelpad = 20
具体设置请查阅官⽅⽂档，完整的代码如下：
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import datetime
# my fake data
dates = np.array([datetime.datetime(2000,1,1) + datetime.timedelta(days=i) for i in range(365*5)]) data = np.sin(np.arange(365*5)/365.0*2*np.pi - 0.25*np.pi) + np.random.rand(365*5) /3
# creates fig with 2 subplots
fig = plt.figure(figsize=(10.0, 6.0))
ax = plt.subplot2grid((2,1), (0, 0))
ax2 = plt.subplot2grid((2,1), (1, 0))
## plot dates
ax2.plot_date( dates, data )
# rotates labels
plt.setp( _majorticklabels(), rotation=-45 )
# shift labels to the right
for tick in _majorticklabels():
tick.set_horizontalalignment("right")
plt.tight_layout()
plt.show()
设置5：调整图像边缘及图像间的空⽩间隔
图像外部边缘的调整可以使⽤plt.tight_layout()进⾏⾃动控制，此⽅法不能够很好的控制图像间的间隔。
如果想同时控制图像外侧边缘以及图像间的空⽩区域，使⽤命令：
plt.subplots_adjust(left=0.2, bottom=0.2, right=0.8, top=0.8，hspace=0.2, wspace=0.3)设置6：⼦图像统⼀标题设置。
效果如下(subplot row i)：
思路其实创建整个的⼦图像，然后将图像的刻度、标注等部分作不显⽰设置，仅仅显⽰图像的 title。代码如下：
import matplotlib.pyplot as plt
fig, big_axes = plt.subplots(figsize=(15.0, 15.0) , nrows=3, ncols=1, sharey=True)
for row, big_ax in enumerate(big_axes, start=1):
big_ax.set_title("Subplot row %s \n" % row, fontsize=16)
# Turn off axis lines and ticks of the big subplot
# obs alpha is 0 in RGBA string!
big_ax.tick_params(labelcolor=(0,0,0,0), top='off', bottom='off', left='off', right='off')
# removes the white frame
big_ax._frameon = False
for i in range(1,10):
ax = fig.add_subplot(3,3,i)
ax.set_title('Plot title ' + str(i))
fig.set_facecolor('w')
plt.tight_layout()
plt.show()
设置7：图像中标记线和区域的绘制
效果如下：
代码如下：
import numpy as np
import matplotlib.pyplot as plt
t = np.arange(-1, 2, .01)
s = np.sin(2*np.pi*t)
plt.plot(t, s)
# draw a thick red hline at y=0 that spans the xrange
l = plt.axhline(linewidth=4, color='r')
# draw a default hline at y=1 that spans the xrange
l = plt.axhline(y=1)
# draw a default vline at x=1 that spans the yrange
l = plt.axvline(x=1)
# draw a thick blue vline at x=0 that spans the upper quadrant of # the yrange
l = plt.axvline(x=0, ymin=0.75, linewidth=4, color='b')
# draw a default hline at y=.5 that spans the middle half of
# the axes
l = plt.axhline(y=.5, xmin=0.25, xmax=0.75)
p = plt.axhspan(0.25, 0.75, facecolor='0.5', alpha=0.5)
p = plt.axvspan(1.25, 1.55, facecolor='g', alpha=0.5)
plt.axis([-1, 2, -1, 2])
plt.show()
参考：####