【数据可视化(Matplotlib篇)】17.Figure对象

本系列文章配套代码获取有以下两种途径：

• 通过百度网盘获取：

链接：https://pan.baidu.com/s/1jG-rGG4QMuZu0t0kEEl7SA?pwd=mnsj 提取码：mnsj

• 前往GitHub获取：
  

https://github.com/returu/Data_Visualization

plt.figure()函数的语法如下，如果只是建立默认大小的图表，则可以省略参数，下面将介绍函数内各主要参数的意义：

plt.figure(num=None,
          figsize=None,
          dpi=None,
          facecolor=None,
          edgecolor=None,
          frameon=True,
          FigureClass=<class'matplot.figure.Figure'>,
          clear=False,
          **kwargs)

• num：如果是数字，则是图表编号；如果是字符串，则是图表名称。
• figsize：图表的宽和高（width，height），单位是英寸，默认是(6.4,4.8)。
• dpi：图表分辨率，单位是每英寸多少点，默认是100。dip则是每英寸的像素数，因此要使其具有更高的分辨率，因此应将较低的数字传递给图形。通过figsize和dpi两个参数来设置Figure在屏幕上的尺寸。
• facecolor：图表背景颜色，默认是白色(white)。
• edgecolor：图表边框颜色，默认是白色(white)。
• frameon：布尔值选项，默认是True。如果为False，则会使图形透明。
• FigureClass：自定义图表。
• clear：默认为False。如果是True，则将此图表清除。

• layout：使用布局参数为图形指定布局引擎。目前，Matplotlib提供”constrained”, “compressed” 和 “tight”布局引擎。它们可以重新缩放图形内的轴，以防止ticklabels重叠，并且对齐坐标轴，可以在许多情况下节省我们对图形元素（Artists）的手动调整。需要注意的是布局管理器可能会大大减慢图形显示的速度。

• 使用figsize、dpi、facecolor设定图表样式：

x = np.linspace(0 , 4*np.pi , 200)
y = np.sin(x)

# 设定图表样式
plt.figure(figsize=(5,4) , # 设定图表的大小 
           facecolor='c' ,  # 设定图表的背景
           dpi=150 ,  # 设定图表的分辨率
           frameon=True , # 如果设为False，facecolor则无效果
          )

plt.plot(x,y)

plt.show()

• 建立多个窗口图表：

如果省略参数，matplotlib会自动为这些图表进行编号。

x = np.linspace(0 , 4*np.pi , 200)

# 建立图表1
plt.figure(num=1,figsize=(5,4),facecolor='c')
plt.plot(x,np.sin(x))

# 建立图表2
plt.figure(num=2,figsize=(5,4),facecolor='m')
plt.plot(x,np.cos(x))

plt.show()

更多内容可以前往官网查看：

https://matplotlib.org/stable/

本篇文章来源于微信公众号: 码农设计师