Matplotlib坐标刻度、标签、图例、标题

Matplotlib坐标刻度、标签、图例与标题配置

小象实战讲义 · Python数据分析实战

在上一节我们学习了如何使用Matplotlib绘制基础的折线图、散点图等图形。一个完整的图表除了数据本身，还需要清晰的坐标轴、标题和图例来传达信息。本节将深入讲解如何配置坐标轴的范围与刻度、添加坐标轴标签、设置标题和图例，并解决Matplotlib默认不支持中文显示的问题，让你的图表更加专业、易懂。

💡 核心导读

• 坐标轴范围与刻度：掌握xlim/ylim控制显示范围，xticks/yticks控制刻度位置与标签。
• 标签系统：区分坐标轴标签（xlabel/ylabel）与刻度标签（xticklabels/yticklabels）的用法。
• 标题与图例：使用title添加图表标题，通过label参数配合legend添加数据图例。
• 中文显示：配置rcParams解决Matplotlib默认字体不支持中文的问题。

坐标轴配置：范围与刻度

设置坐标轴范围

默认情况下，Matplotlib会根据数据自动调整坐标轴范围。但有时我们只想关注数据的特定区间。例如，数据有1000个点，但我们只想显示前500个点。

Matplotlib提供了两种接口来设置坐标轴范围：

• pyplot接口 (plt)：plt.xlim() 和 plt.ylim()
• 面向对象接口 (ax)：ax.set_xlim() 和 ax.set_ylim()

两种方式效果相同，但在一个项目中建议保持风格一致。

import matplotlib
matplotlib.use("Agg")  # 使用无界面后端
import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据：0到99的正弦波
x = np.linspace(0, 10 * np.pi, 200)
y = np.sin(x)

# 方式一：使用pyplot接口(plt)设置范围
fig = plt.figure(figsize=(10, 4))
plt.subplot(1, 2, 1)
plt.plot(x, y)
plt.xlim([0, 5 * np.pi])  # 只显示前一半数据
plt.ylim([-1.2, 1.2])
plt.title('使用plt.xlim/ylim设置范围')
plt.xlabel('x (弧度)')
plt.ylabel('sin(x)')

# 方式二：使用面向对象接口(ax)设置范围（在同一张图的第二个子图上）
ax = fig.add_subplot(1, 2, 2)
ax.plot(x, y)
# 使用ax对象的方法设置范围
ax.set_xlim([0, 3 * np.pi])  # 只显示前30%的数据
ax.set_ylim([-0.5, 0.5])
ax.set_title('使用ax.set_xlim设置范围')
ax.set_xlabel('x (弧度)')
ax.set_ylabel('sin(x)')

plt.tight_layout()
print("坐标轴范围设置示例完成：左图显示0-5π，右图显示0-3π")

坐标轴范围设置示例完成：左图显示0-5π，右图显示0-3π

设置显示的刻度

刻度是坐标轴上的标记线，默认Matplotlib会自动选择合适的位置。我们可以手动控制显示哪些刻度。

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

# 生成新的示例数据：0到10的平方
x = list(range(11))
y = [i**2 for i in x]

plt.figure()
plt.plot(x, y, marker='o')
# 设置x轴只显示0, 2, 4, 6, 8, 10这几个位置的刻度线
plt.xticks([0, 2, 4, 6, 8, 10])
plt.title('控制刻度显示位置')
plt.xlabel('x值')
plt.ylabel('x²值')
print("图表已生成，x轴刻度线位置为[0, 2, 4, 6, 8, 10]")

图表已生成，x轴刻度线位置为[0, 2, 4, 6, 8, 10]

标签系统：坐标轴标签与刻度标签

坐标轴标签

坐标轴标签描述整个坐标轴的含义，使用xlabel()和ylabel()添加。

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

# 继续使用平方数据
x = list(range(11))
y = [i**2 for i in x]

plt.figure()
plt.plot(x, y, marker='s', linestyle='--', color='green')
plt.xlabel('输入值 (x)')  # x轴标签
plt.ylabel('平方值 (x²)')  # y轴标签
plt.title('坐标轴标签示例')
print("图表已生成，已添加坐标轴标签")

图表已生成，已添加坐标轴标签

刻度标签

刻度标签是每个刻度位置上的文本标记。例如，将数字刻度0, 5, 10替换为”开始”、“中点”、“结束”。

重要区别：

• 使用plt接口：plt.xticks(刻度位置列表, 刻度标签列表)
• 使用ax接口：先ax.set_xticks(刻度位置列表)，再ax.set_xticklabels(刻度标签列表)

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

# 使用plt接口设置刻度标签
fig = plt.figure(figsize=(10, 4))

plt.subplot(1, 2, 1)
x = list(range(11))
y = [i**2 for i in x]
plt.plot(x, y)
# plt.xticks(刻度位置列表, 刻度标签列表)
plt.xticks([0, 3, 6, 9, 10], 
           ['起点', '低增长期', '加速期', '高值区', '终点'])
plt.ylabel('指标值')
plt.title('使用plt.xticks设置刻度标签')

# 使用ax接口设置刻度标签（在同一张图的第二个子图上）
ax = fig.add_subplot(1, 2, 2)
ax.plot(x, y)
# 分两步：先设置刻度位置，再设置标签文本
ax.set_xticks([0, 5, 10])
ax.set_xticklabels(['开始', '中点', '结束'])
ax.set_ylabel('性能指标')
ax.set_title('使用ax.set_xticklabels设置刻度标签')

plt.tight_layout()
print("刻度标签设置示例完成：左图使用plt.xticks，右图使用ax.set_xticklabels")

刻度标签设置示例完成：左图使用plt.xticks，右图使用ax.set_xticklabels

标题与图例

添加标题

图表标题使用title()函数添加，描述图表的整体内容。

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

x = list(range(11))
y = [i**2 for i in x]

plt.figure()
plt.plot(x, y, color='red', linewidth=2)
plt.xlabel('时间步长')
plt.ylabel('累积收益')
plt.title('项目收益增长趋势分析 (2024)')  # 添加标题
print("图表已生成，已添加标题")

图表已生成，已添加标题

添加图例

当图表中有多个数据系列时，需要图例来说明每条线代表什么。添加图例需要两步：

1. 在绘制每个系列时，通过label参数指定系列名称
2. 调用legend()函数显示图例

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

# 创建多系列数据示例
x = [0, 1, 2, 3, 4]
y1 = [1, 3, 2, 4, 3]  # 系列1：产品A
y2 = [2, 1, 4, 2, 5]  # 系列2：产品B
y3 = [0, 2, 1, 3, 4]  # 系列3：产品C

plt.figure(figsize=(10, 4))

# 子图1：没有图例，无法区分各条线
plt.subplot(1, 2, 1)
plt.plot(x, y1, marker='o')
plt.plot(x, y2, marker='s')
plt.plot(x, y3, marker='^')
plt.title('无图例：难以区分数据系列')
plt.xlabel('季度')
plt.ylabel('销售额')

# 子图2：有图例，清晰明了
plt.subplot(1, 2, 2)
# 绘制三个系列，每个都指定label
plt.plot(x, y1, marker='o', label='产品A')
plt.plot(x, y2, marker='s', label='产品B')
plt.plot(x, y3, marker='^', label='产品C')
plt.title('有图例：清晰区分数据系列')
plt.xlabel('季度')
plt.ylabel('销售额')
plt.legend(loc='best')  # 自动选择最佳位置

plt.tight_layout()
print("图例示例完成：左图无图例难以区分，右图有图例清晰明了")

图例示例完成：左图无图例难以区分，右图有图例清晰明了

中文显示配置

Matplotlib默认使用英文字体，直接使用中文字符会显示为方框。需要通过rcParams配置中文字体。

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

# 配置中文字体
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体为黑体
matplotlib.rcParams['axes.unicode_minus'] = False    # 解决负号显示为方块的问题

# 现在可以使用中文了
x = [1, 2, 3, 4, 5]
y1 = [10, 15, 13, 17, 20]
y2 = [8, 12, 14, 11, 18]

plt.figure()
plt.plot(x, y1, marker='o', label='产品A')
plt.plot(x, y2, marker='s', label='产品B')

plt.xlabel('销售季度')
plt.ylabel('销售额（万元）')
plt.title('2024年产品销售趋势')
plt.legend(loc='best')
plt.xticks([1, 2, 3, 4, 5], ['第一季度', '第二季度', '第三季度', '第四季度', '年度总结'])

print("中文图表已生成，所有中文标签正常显示")

中文图表已生成，所有中文标签正常显示

综合实战示例

现在我们将所有配置技巧应用到一个完整的图表中，分别演示plt和ax两种风格的配置。

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import numpy as np

# 生成三组随机游走数据作为示例
np.random.seed(42)  # 固定随机种子，保证可重复性
n_points = 200
data1 = np.random.randn(n_points).cumsum()
data2 = np.random.randn(n_points).cumsum()
data3 = np.random.randn(n_points).cumsum()

# 风格一：使用plt接口配置
fig = plt.figure(figsize=(14, 5))

# 子图1：plt风格
plt.subplot(1, 2, 1)
# 设置坐标轴范围
plt.xlim([0, 150])  # 只显示前150个点
plt.ylim([min(min(data1[:150]), min(data2[:150]), min(data3[:150])) - 2,
          max(max(data1[:150]), max(data2[:150]), max(data3[:150])) + 2])

# 设置刻度与刻度标签
plt.xticks([0, 50, 100, 150], ['起始', '中期', '后期', '结束'])
plt.yticks([-20, -10, 0, 10, 20])

# 设置坐标轴标签和标题
plt.xlabel('时间步长')
plt.ylabel('累积随机值')
plt.title('随机游走过程分析 (plt风格)')

# 绘制数据并添加图例
plt.plot(data1, label='序列A', linewidth=1.5)
plt.plot(data2, label='序列B', linewidth=1.5, linestyle='--')
plt.plot(data3, label='序列C', linewidth=1.5, linestyle=':')
plt.legend(loc='upper left')

# 子图2：ax风格（在同一张图的第二个子图上）
ax = fig.add_subplot(1, 2, 2)
# 绘制数据
ax.plot(data1, label='序列A', linewidth=1.5)
ax.plot(data2, label='序列B', linewidth=1.5, linestyle='--')
ax.plot(data3, label='序列C', linewidth=1.5, linestyle=':')

# 使用ax对象方法配置
ax.set_xlim([50, 200])  # 显示后150个点
ax.set_ylim([min(min(data1[50:]), min(data2[50:]), min(data3[50:])) - 2,
             max(max(data1[50:]), max(data2[50:]), max(data3[50:])) + 2])

ax.set_xticks([50, 100, 150, 200])
ax.set_xticklabels(['阶段一', '阶段二', '阶段三', '阶段四'])
ax.set_xlabel('观测点')
ax.set_ylabel('累计值')
ax.set_title('随机游走过程分析 (ax风格)')
ax.legend(loc='lower right')

plt.tight_layout()
print("综合实战示例完成：左图为plt配置风格，右图为ax配置风格")
print(f"数据统计：每组{len(data1)}个点，序列A范围[{data1.min():.1f}, {data1.max():.1f}]")

综合实战示例完成：左图为plt配置风格，右图为ax配置风格
数据统计：每组200个点，序列A范围[-13.5, 4.5]

📝 动手练一练

1. 概念辨析：坐标轴标签（如”销售额”）和刻度标签（如”第一季度”）有什么区别？在什么场景下会使用刻度标签？

2. 代码实践：创建一个简单的折线图，表示某公司2024年前6个月的销售额（单位：万元），数据为：[120, 135, 118, 156, 142, 168]。要求：
   • 使用中文标签
   • x轴刻度显示为”1月”到”6月”
   • 添加标题”2024年上半年销售额趋势”
   • 添加图例”产品线A”

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

# 配置中文字体
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False

# 销售额数据（万元）
months = list(range(1, 7))
sales = [120, 135, 118, 156, 142, 168]

plt.figure()
plt.plot(months, sales, marker='o', linewidth=2, label='产品线A')

# 设置x轴刻度标签
plt.xticks(months, ['1月', '2月', '3月', '4月', '5月', '6月'])

# 添加标签和标题
plt.xlabel('月份')
plt.ylabel('销售额（万元）')
plt.title('2024年上半年销售额趋势')
plt.legend(loc='best')

# 添加网格线便于阅读
plt.grid(True, linestyle='--', alpha=0.7)

print("2024年上半年销售额图表已生成")
print(f"最高销售额：{max(sales)}万元（{months[sales.index(max(sales))]}月）")
print(f"平均销售额：{sum(sales)/len(sales):.1f}万元")

2024年上半年销售额图表已生成
最高销售额：168万元（6月）
平均销售额：139.8万元

本章小结

本节我们深入学习了Matplotlib图表的精细化配置，让图表从”能看”升级到”好看且易懂”。关键要点包括：

📋 行动清单

• 练习坐标轴控制：尝试用xlim/ylim只显示数据的特定区间，观察图表焦点的变化
• 配置完整图表：创建一个包含标题、坐标轴标签、刻度标签和图例的完整图表
• 解决中文问题：在本地环境配置Matplotlib中文字体，确保中文标签正常显示
• 比较两种风格：分别用plt和ax接口完成相同的图表配置，体会两种编程风格的差异

记住，好的可视化不仅是展示数据，更是讲述数据背后的故事。清晰的坐标轴、恰当的刻度和完整的图例是让观众理解你故事的关键要素。

—— 小象教研组