第 3 章 图表辅助元素的定制

学习目标

★认识图表常用的辅助元素

★掌握坐标轴的定制方法，包括设置坐标轴的标签、刻度范围和刻度标签

★掌握标题与图例的定制方法，能够为图表添加标题和图例

★掌握网格的定制方法，包括显示网格及设置网格的样式

★掌握参考线和参考区域的定制方法，能够为图表添加参考线和参考区域

★掌握注释文本的定制方法，包括为图表添加指向型和无指向型的注释文本

★掌握表格的定制方法，能够为图表添加表格

第 2 章使用 matplotlib 绘制了一些简单的图表，并通过这些图表直观地展示了数据，但

这些图表还有一些不足。例如，折线图中的多条折线因缺少标注而无法区分折线的类别，柱

形图中的矩形条因缺少数值标注而无法知道准确的数据等。因此，需要添加一些辅助元素来

准确地描述图表。matplotlib 提供了一系列定制图表辅助元素的函数或方法，可以帮助用户快

速且正确地理解图表。本章将对图表辅助元素的定制进行详细介绍。

3.1　认识图表常用的辅助元素

图表的辅助元素是指除根据数据绘制的图形之外的元素，常用的辅助元素包括坐标轴、

标题、图例、网格、参考线、参考区域、注释文本和表格，它们都可以对图形进行补充说明。

为了便于理解，下面以折线图为例介绍图表常用的辅助元素，如图 3-1 所示。

图 3-1 中的图表常用辅助元素的说明如下。

·坐标轴 ：分为单坐标轴和双坐标轴，单坐标轴按不同的方向又可分为水平坐标轴（又

称 x 轴）和垂直坐标轴（又称 y 轴）。

·标题 ：表示图表的说明性文本。

·图例 ：用于指出图表中各组图形采用的标识方式。

·网格 ：从坐标轴刻度开始的、贯穿绘图区域的若干条线，用于作为估算图形所示值的

标准。

·参考线 ：标记坐标轴上特殊值的一条直线。

·参考区域 ：标记坐标轴上特殊范围的一块区域。

·注释文本 ：表示对图形的一些注释和说明。

·表格 ：用于强调比较难理解数据的表格。

坐标轴是由刻度标签、刻度线（主刻度线和次刻度线）、轴脊和坐标轴标签组成的。以

图 3-1 的 x 轴为例，下面通过一张图来描述坐标轴的完整结构，如图 3-2 所示。

图 3-2 中，“ x 轴”为坐标轴的标签，“0”～“7”均为刻度标签，“0”～“7”对应的短

竖线为刻度线，且为主刻度线，刻度线上方的横线为轴脊。需要说明的是，matplotlib 的次刻

度线默认是隐藏的。

需要注意的是，不同的图表具有不同的辅助元素。例如，饼图是没有坐标轴的，而折线

图是有坐标轴的，可根据实际需求进行定制。

3.2　设置坐标轴的标签、刻度范围和刻度标签

坐标轴对数据可视化效果有着直接的影响。坐标轴的刻度范围过大或过小、刻度标签过

多或过少，都会导致图形显示的比例不够理想。本节将对坐标轴的标签、刻度范围和刻度标

签的设置进行讲解。

3.2.1　设置坐标轴的标签

matplotlib 提供了设置 x 轴和 y 轴标签的方式，下面分别进行介绍。

1．设置 x 轴的标签

matplotlib 中可以直接使用 pyplot 模块的 xlabel() 函数设置 x 轴的标签，xlabel() 函数的语

法格式如下所示 ：

xlabel(xlabel, fontdict=None, labelpad=None, ** kwargs)

该函数各参数含义如下。

·xlabel ：表示 x 轴标签的文本。

·fontdict ：表示控制标签文本样式的字典。

·labelpad ：表示标签与坐标轴边框（包括刻度和刻度标签）的距离。

此外，Axes 对象使用 set_xlabel() 方法也可以设置 x 轴的标签。

2．设置 y 轴的标签

matplotlib 中可以直接使用 pyplot 模块的 ylabel() 函数设置 y 轴的标签，ylabel() 函数的语

法格式如下所示 ：

ylabel(ylabel, fontdict=None, labelpad=None, ** kwargs)

该函数的 ylabel 参数表示 y 轴标签的文本，其余参数与 xlabel() 函数的参数的含义相同，

此处不再赘述。此外，Axes 对象使用 set_ylabel() 方法也可以设置 y 轴的标签。

假设现在有一个包含正弦曲线和余弦曲线的图表，该图表中设置 x 轴和 y 轴的标签，具

体代码如下。

In [1]:

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(-np.pi, np.pi, 256, endpoint=True)

y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, x, y2)

# 设置 x 轴和 y 轴的标签

plt.xlabel("x 轴 ")

plt.ylabel("y 轴 ")

plt.show()

运行程序，效果如图 3-3 所示。