如何自定义 Matplotlib 的坐标轴？

小象实战讲义 · Python 编程从入门到实践

在上一节，我们学习了如何使用 Matplotlib 创建一张基本的图表。一张完整的图表除了数据点构成的图形，还离不开清晰的坐标轴。坐标轴决定了我们观察数据的“窗口”范围，也帮助我们理解数据的含义。本节我们将学习如何自定义坐标轴，包括设置其显示范围和添加标签，让你的图表信息更完整、更专业。

💡 核心导读

• 设置坐标轴范围：使用 plt.xlim() 和 plt.ylim() 函数，可以限定 X 轴和 Y 轴的显示区间，聚焦于关键数据区域。
• 添加坐标轴标签：使用 plt.xlabel() 和 plt.ylabel() 函数，为坐标轴添加文字说明，明确数据的物理或数学意义。
• 自定义线条样式：在绘制多条曲线时，可以通过 color 和 linestyle 等参数区分它们，使图表更易读。
• 学会查阅文档：Matplotlib 提供了丰富的自定义选项，掌握查阅官方文档的方法，是解决个性化绘图需求的关键技能。

设置坐标轴的范围

当我们绘制数据时，Matplotlib 会自动根据数据点的最小值和最大值来确定坐标轴的显示范围。但有时自动生成的范围可能并不理想，比如图形边缘过于拥挤，或者我们只想展示数据的某一部分。这时，就需要手动设置坐标轴的范围。

plt.xlim() 和 plt.ylim() 函数就是用来做这个的。它们都接受一个包含两个数字的元组 (最小值, 最大值) 作为参数。

import matplotlib
matplotlib.use("Agg")  # 无图形界面后端
import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.linspace(-3, 3, 50)  # 在-3到3之间生成50个等距点
y1 = 2 * x + 1  # 直线 y = 2x + 1
y2 = x ** 2     # 抛物线 y = x^2

plt.figure(figsize=(5, 5))

# 设置坐标轴范围：X轴显示-1到2，Y轴显示-2到3
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# 绘制图形
plt.plot(x, y2)
plt.plot(x, y1, color='red', linestyle='--')  # 红色虚线
plt.close()  # 关闭图形，释放资源

执行后，X 轴只显示 -1 到 2、Y 轴只显示 -2 到 3 的区间。通过设置 plt.xlim((-1, 2))，我们告诉 Matplotlib 只显示 X 轴从 -1 到 2 的区间；原始数据中 -3 到 -1 以及 2 到 3 的部分虽然被计算和绘制了，但在图表视窗中不可见。plt.ylim() 同理。

为坐标轴添加标签

没有标签的坐标轴就像没有刻度的尺子，我们不知道它代表什么。plt.xlabel() 和 plt.ylabel() 函数用于为 X 轴和 Y 轴添加文本标签。

import matplotlib
matplotlib.use("Agg")  # 无图形界面后端
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure(figsize=(5, 5))

# 设置坐标轴范围
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# 设置坐标轴标签
plt.xlabel('This is x')  # X轴标签
plt.ylabel('This is y')  # Y轴标签

plt.plot(x, y2)
plt.plot(x, y1, color='red', linestyle='--')  # 红色虚线
plt.close()

执行后，图表 X 轴下方会显示 “This is x”，Y 轴左侧会显示 “This is y”；图中包含一条蓝色实线（y = x²）和一条红色虚线（y = 2x + 1）。标签文本是字符串，你可以将其替换为任何有意义的描述，例如“时间 (秒)”、“温度 (°C)”、“销售额 (万元)”等。

自定义绘图线条的样式

在一张图中绘制多条曲线时，为了区分它们，我们经常需要改变线条的颜色和样式。在 plt.plot() 函数中，通过 color 参数可以指定颜色，通过 linestyle 参数可以指定线型。

import matplotlib
matplotlib.use("Agg")  # 无图形界面后端
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2

plt.figure(figsize=(5, 5))

# 第一条曲线使用默认的蓝色实线
plt.plot(x, y2)
# 第二条曲线使用红色虚线
plt.plot(x, y1, color='red', linestyle='--')
plt.close()

执行后，图表中包含两条曲线：一条蓝色的实线（y=x²），一条红色的虚线（y=2x+1）。color 参数可以接受颜色名称的字符串（如 'red', 'blue', 'green'）。linestyle 参数常用的值有：

• '-' 或 'solid': 实线（默认）
• '--' 或 'dashed': 虚线
• ':' 或 'dotted': 点线
• '-.' 或 'dashdot': 点划线

如何查找更多自定义选项？

Matplotlib 的功能非常强大，plt.plot() 等函数有数十个可选参数。实际使用时，可以通过搜索引擎查找官方文档来了解这些参数。

核心方法：当你需要实现某个特定效果（比如“红色的虚线”）但不知道参数怎么写时，最可靠的方法是查阅官方文档。

1. 搜索关键词如 “matplotlib plot”。
2. 在结果中找到并打开官方文档页面（通常是 matplotlib.org 下的链接）。
3. 在文档中查找函数说明，里面会列出所有参数及其可选值。

例如，在 plt.plot() 的文档中，你可以找到 color 支持的所有颜色名称和 linestyle 支持的所有线型。坚持阅读英文官方文档，是系统掌握一个库功能的最佳途径。当然，你也可以搜索相关的中文教程和示例作为辅助。

📝 动手练一练

1. 修改第一个示例代码，将 X 轴的显示范围改为 (0, 1)，Y 轴范围改为 (0, 5)，观察图表发生了怎样的变化。
2. 把第二个示例中第二条曲线的线型改为点线（':'），观察它和虚线的区别。

import matplotlib
matplotlib.use("Agg")  # 无图形界面后端
import matplotlib.pyplot as plt
import numpy as np

# 练习1：修改坐标轴范围
x = np.linspace(-3, 3, 50)
y = x ** 2
plt.figure(figsize=(5,5))
plt.xlim((0, 1))
plt.ylim((0, 5))
plt.plot(x, y)
plt.close()

# 练习2：修改线型
y1 = 2 * x + 1
y2 = x ** 2
plt.figure(figsize=(5,5))
plt.plot(x, y2)
plt.plot(x, y1, color='red', linestyle=':')  # 改为点线
plt.close()

常见错误

小结

1. 控制视图范围：使用 plt.xlim((min, max)) 和 plt.ylim((min, max)) 可以精确控制图表中 X 轴和 Y 轴的显示区间，帮助聚焦于关键数据。
2. 明确坐标含义：使用 plt.xlabel('文本') 和 plt.ylabel('文本') 为坐标轴添加描述性标签，这是制作专业图表的基本步骤。
3. 区分多条曲线：通过 plt.plot() 的 color（颜色）和 linestyle（线型）参数，可以自定义每条曲线的外观，使图表更清晰易读。
4. 善用官方文档：Matplotlib 提供了极其丰富的自定义选项。遇到不确定的参数或想实现特定效果时，查阅官方文档是最直接、最准确的学习方式。

📋 行动清单

• 运行一遍本节的所有示例代码，确保理解 xlim、ylim、xlabel、ylabel 的效果。
• 尝试将“动手练一练”中的线型 ':' 改为 '-.'，观察点划线是如何显示的。
• 搜索 “matplotlib color names”，找一两个喜欢的颜色名称，在下一次绘图中使用它。

—— 小象教研组