# coding: utf-8
import matplotlib.pyplot as plt
# figsize = 11, 9
# figure, ax = plt.subplots(figsize = figsize)
x1 =[0,5000,10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000]
y1=[0, 223, 488, 673, 870, 1027, 1193, 1407, 1609, 1791, 2113, 2388]
x2 = [0, 5000, 10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000]
y2 = [0, 214, 445, 627, 800, 956, 1090, 1281, 1489, 1625, 1896, 2151]
# 设置输出的图片大小
figsize = 9, 9
figure, ax = plt.subplots(figsize=figsize)
# 在同一幅图片上画两条折线
A, = plt.plot(x1, y1, '-r', label='A', linewidth=5.0)
B, = plt.plot(x2, y2, 'b-.', label='B', linewidth=5.0)
# 设置图例并且设置图例的字体及大小
font1 = {'family': 'Times New Roman',
'weight': 'normal',
'size': 23,
}
legend = plt.legend(handles=[A, B], prop=font1)
# 设置坐标刻度值的大小以及刻度值的字体
plt.tick_params(labelsize=23)
labels = ax.get_xticklabels() + ax.get_yticklabels()
# print labels
[label.set_fontname('Times New Roman') for label in labels]
# 设置横纵坐标的名称以及对应字体格式
font2 = {'family': 'Times New Roman',
'weight': 'normal',
'size': 30,
}
plt.xlabel('round', font2)
plt.ylabel('value', font2)
plt.show()

import matplotlib.pyplot as plt

plt.xticks([0, 100, 200, 300, 400, 500, 600, 700]) 
plt.tick_params(labelsize=13) #刻度字体大小13

 

1.matplotlib的坐标轴中一般是不支持中文，在windows中要使用中文坐标轴的话，需要调用电脑中的字体。 实现代码：
from matplotlib import font_manager#导入字体管理模块
my_font = font_manager.FontProperties(fname="C:/WINDOWS/Fonts/STSONG.TTF")
#定义中文字体属性，文字储存路径可以在C:/WINDOWS/Fonts/找到，这里我设置的宋体
plt.xlabel("时间",fontproperties = my_font,fontsize = 18)
#在设置x坐标中文标注，令fontproperties = my_font，fontsize令字体为18号
#plt.title，plt.ylabel，plt.xticks，plt.yticks设置中文标注类似

完整代码实例如下：
from matplotlib import pyplot as plt#导入matplotlib
from matplotlib import font_manager#导入字体管理模块
import random#导入随机生成模块
my_font = font_manager.FontProperties(fname="C:/WINDOWS/Fonts/STSONG.TTF")
#定义中文字体属性，文字储存路径可以在C:/WINDOWS/Fonts/找到，这里我设置的宋体
y = [random.randint(20,35) for i in range(120)]#y值为120个在20-35之间随机数
x = range(0,120)#x值为0-120
plt.figure(figsize=(15,10),dpi=90)#图片大小为15*10，每英寸90个像素点
_x_labels = ["10点{}分".format(i) for i in range(60)]
_x_labels += ["11点{}分".format(i) for i in range(60)]#设置x坐标轴中文刻度
plt.xticks(list(x[::3]),_x_labels[::3],rotation=45,fontproperties=my_font,fontsize = 12)#坐标轴刻度显示步长为3，为了避免坐标轴字体重叠，旋转45度，fontproperties设置字体
plt.plot(x,y)
plt.xlabel("时间",fontproperties = my_font,fontsize = 18)#设置x坐标标注，字体为18号
plt.ylabel("每分钟对应的温度",fontproperties = my_font,fontsize = 18)#设置y坐标标注
plt.title("10点到12点每分钟温度变化图",fontproperties = my_font,fontsize = 24)#设置标题
plt.plot(x,y)#绘图
plt.show()#显示

图片结果如图所示：

2.绘制两条折线及添加图例，添加网格
from matplotlib import pyplot as plt
from matplotlib import font_manager
import random
plt.figure(figsize=(10,8),dpi=80)
my_font = font_manager.FontProperties(fname="C:/WINDOWS/Fonts/STSONG.TTF")
x = range(11,31)
y_1 = [random.randint(0,5) for i in range(20)]
y_2 = [random.randint(0,5) for i in range(20)]
_x_label = ["{}岁".format(i) for i in range(11,31)]
plt.xticks(list(x[::2]),_x_label[::2],rotation = 45,fontproperties = my_font,fontsize = 12)
plt.plot(x,y_1,label = "自己",color="red")
plt.plot(x,y_2,label= "朋友",linestyle="--",linewidth=2,alpha = 0.4)
plt.xlabel("年龄",fontproperties = my_font,fontsize = 18)
plt.ylabel("每年交的朋友",fontproperties = my_font,fontsize = 18)
plt.title("11岁到30岁每年交的朋友变化图",fontproperties = my_font,fontsize = 24)
plt.grid(alpha = 0.4)#添加网格，alpha = 0.4透明度
plt.legend(prop=my_font,loc='best')#添加图例
plt.show()

图片结果如图所示：

使用matplotlib的示例：调整字体-设置刻度、坐标、colormap和colorbar等





[python] view
 plain copy


 


# -*- coding: utf-8 -*-  

#**********************************************************  

import os  

import numpy as np  

import wlab #pip install wlab  

import matplotlib  

import matplotlib.cm as cm  

import matplotlib.pyplot as plt  

from matplotlib.ticker import MultipleLocator  

from scipy.interpolate import griddata  

matplotlib.rcParams['xtick.direction'] = 'out'  

matplotlib.rcParams['ytick.direction'] = 'out'  

#**********************************************************  

FreqPLUS=['F06925','F10650','F23800','F18700','F36500','F89000']  

#  

FindPath='/d3/MWRT/R20130805/'  

#**********************************************************  

fig = plt.figure(figsize=(8,6), dpi=72, facecolor="white")  

axes = plt.subplot(111)  

axes.cla()#清空坐标轴内的所有内容  

#指定图形的字体  

font = {'family' : 'serif',  

        'color'  : 'darkred',  

        'weight' : 'normal',  

        'size'   : 16,  

        }  

#**********************************************************  

# 查找目录总文件名中保护F06925，EMS和txt字符的文件  

for fp in FreqPLUS:  

    FlagStr=[fp,'EMS','txt']  

    FileList=wlab.GetFileList(FindPath,FlagStr)  

    #  

    LST=[]#地表温度  

    EMS=[]#地表发射率  

    TBH=[]#水平极化亮温  

    TBV=[]#垂直极化亮温  

    #  

    findex=0  

    for fn in FileList:  

        findex=findex+1  

        if (os.path.isfile(fn)):  

            print(str(findex)+'-->'+fn)  

            #fn='/d3/MWRT/R20130805/F06925_EMS60.txt'  

            data=wlab.dlmread(fn)  

            EMS=EMS+list(data[:,1])#地表发射率  

            LST=LST+list(data[:,2])#温度  

            TBH=TBH+list(data[:,8])#水平亮温  

            TBV=TBV+list(data[:,9])#垂直亮温  

    #-----------------------------------------------------------  

    #生成格点数据，利用griddata插值  

    grid_x, grid_y = np.mgrid[275:315:1, 0.60:0.95:0.01]  

    grid_z = griddata((LST,EMS), TBH, (grid_x, grid_y), method='cubic')  

    #将横纵坐标都映射到（0，1）的范围内  

    extent=(0,1,0,1)  

     #指定colormap  

    cmap = matplotlib.cm.jet  

    #设定每个图的colormap和colorbar所表示范围是一样的，即归一化  

    norm = matplotlib.colors.Normalize(vmin=160, vmax=300)  

    #显示图形，此处没有使用contourf #>>>ctf=plt.contourf(grid_x,grid_y,grid_z)  

    gci=plt.imshow(grid_z.T, extent=extent, origin='lower',cmap=cmap, norm=norm)  

    #配置一下坐标刻度等  

    ax=plt.gca()  

    ax.set_xticks(np.linspace(0,1,9))  

    ax.set_xticklabels( ('275', '280', '285', '290', '295',  '300',  '305',  '310', '315'))  

    ax.set_yticks(np.linspace(0,1,8))  

    ax.set_yticklabels( ('0.60', '0.65', '0.70', '0.75', '0.80','0.85','0.90','0.95'))  

    #显示colorbar  

    cbar = plt.colorbar(gci)  

    cbar.set_label('$T_B(K)$',fontdict=font)  

    cbar.set_ticks(np.linspace(160,300,8))  

    cbar.set_ticklabels( ('160', '180', '200', '220', '240',  '260',  '280',  '300'))  

    #设置label  

    ax.set_ylabel('Land Surface Emissivity',fontdict=font)  

    ax.set_xlabel('Land Surface Temperature(K)',fontdict=font) #陆地地表温度LST  

    #设置title  

    titleStr='$T_B$ for Freq = '+str(float(fp[1:-1])*0.01)+'GHz'  

    plt.title(titleStr)  

    figname=fp+'.png'  

    plt.savefig(figname)  

    plt.clf()#清除图形  

  

#plt.show()  

print('ALL -> Finished OK')  
上面的例子中，每个保存的图，都是用同样的colormap，并且每个图的颜色映射值都是一样的，也就是说第一个图中如果200表示蓝色，那么其他图中的200也表示蓝色。

示例的图形如下：