# 我們最喜歡的秘籍 > 原文：[Our Favorite Recipes](http://matplotlib.org/users/recipes.html) > 譯者：[飛龍](https://github.com/) > 協議：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/) 這里是一個簡短的教程，示例和代碼片段的集合，展示了一些有用的經驗和技巧，來制作更精美的圖像，并克服一些 matplotlib 的缺陷。 ## 共享軸限制和視圖 通常用于使兩個或更多繪圖共享一個軸，例如，兩個子繪圖具有時間作為公共軸。 當你平移和縮放一個繪圖，你想讓另一個繪圖一起移動。 為了方便這一點，matplotlib 軸支持`sharex`和`sharey`屬性。 創建`subplot()`或`axes()`實例時，你可以傳入一個關鍵字，表明要共享的軸。 ```py In [96]: t = np.arange(0, 10, 0.01) In [97]: ax1 = plt.subplot(211) In [98]: ax1.plot(t, np.sin(2*np.pi*t)) Out[98]: [<matplotlib.lines.Line2D object at 0x98719ec>] In [99]: ax2 = plt.subplot(212, sharex=ax1) In [100]: ax2.plot(t, np.sin(4*np.pi*t)) Out[100]: [<matplotlib.lines.Line2D object at 0xb7d8fec>] ``` ## 輕松創建子圖 在 matplotlib 的早期版本中，如果你想使用 pythonic API 并創建一個`figure`實例，并從中創建一個`subplots`網格，而且可能帶有共享軸，它涉及大量的樣板代碼。 例如： ```py # old style fig = plt.figure() ax1 = fig.add_subplot(221) ax2 = fig.add_subplot(222, sharex=ax1, sharey=ax1) ax3 = fig.add_subplot(223, sharex=ax1, sharey=ax1) ax3 = fig.add_subplot(224, sharex=ax1, sharey=ax1) ``` Fernando Perez 提供了一個很好的頂級方法，來一次性創建`subplots()`（注意末尾的`s`），并為所有子圖開啟`x`和`y`共享。 你可以單獨解構來獲取軸域： ```py # new style method 1; unpack the axes fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, sharex=True, sharey=True) ax1.plot(x) ``` 或將它們作為行數乘列數的對象數組返回，支持 numpy 索引： ```py # new style method 2; use an axes array fig, axs = plt.subplots(2, 2, sharex=True, sharey=True) axs[0,0].plot(x) ``` ## 修復常見的日期問題 matplotlib 允許你本地繪制 python datetime 實例，并且在大多數情況下，可以很好地挑選刻度位置和字符串格式。 但有幾件事情它不能妥善處理，這里有一些技巧，用于幫助你解決他們。 我們將在`numpy`記錄數組中加載一些包含`datetime.date`對象的示例日期數據： ```py In [63]: datafile = cbook.get_sample_data('goog.npy') In [64]: r = np.load(datafile).view(np.recarray) In [65]: r.dtype Out[65]: dtype([('date', '|O4'), ('', '|V4'), ('open', '<f8'), ('high', '<f8'), ('low', '<f8'), ('close', '<f8'), ('volume', '<i8'), ('adj_close', '<f8')]) In [66]: r.date Out[66]: array([2004-08-19, 2004-08-20, 2004-08-23, ..., 2008-10-10, 2008-10-13, 2008-10-14], dtype=object) ``` 字段日期的`numpy`記錄數組的`dtype`是`| O4`，這意味著它是一個 4 字節的 python 對象指針; 在這種情況下，對象是`datetime.date`實例，當我們在 ipython 終端窗口中打印一些樣本時，我們可以看到。 如果你繪制數據， ```py In [67]: plot(r.date, r.close) Out[67]: [<matplotlib.lines.Line2D object at 0x92a6b6c>] ``` 你會看到 x 軸標簽重合到一起。  另一個麻煩是，如果你將鼠標懸停在窗口上，并在 x 和 y 坐標處查看 matplotlib 工具欄（[交互式導航](http://matplotlib.org/users/navigation_toolbar.html#navigation-toolbar)）的右下角，你會看到 x 位置的格式與刻度標簽的格式相同， 例如，『Dec 2004』。 我們想要的是工具欄中的位置具有更高的精確度，例如，鼠標懸停在上面時給我們確切的日期。 為了解決第一個問題，我們可以使用[`matplotlib.figure.Figure.autofmt_xdate()`](http://matplotlib.org/api/figure_api.html#matplotlib.figure.Figure.autofmt_xdate)。修復第二個問題，我們可以使用`ax.fmt_xdata`屬性，該屬性可以設置為任何接受標量并返回字符串的函數。 matplotlib 有一些內置的日期格式化器，所以我們將使用其中的一個。 ```py plt.close('all') fig, ax = plt.subplots(1) ax.plot(r.date, r.close) # rotate and align the tick labels so they look better fig.autofmt_xdate() # use a more precise date string for the x axis locations in the # toolbar import matplotlib.dates as mdates ax.fmt_xdata = mdates.DateFormatter('%Y-%m-%d') plt.title('fig.autofmt_xdate fixes the labels') ```  現在，當你將鼠標懸停在繪制的數據上，你將在工具欄中看到如`2004-12-01`的日期格式字符串。 ## 透明度填充 `fill_between()`函數在最小和最大邊界之間生成陰影區域，用于展示范圍。 它有一個非常方便的參數，將填充范圍與邏輯范圍組合，例如，以便僅填充超過某個閾值的曲線。= 基本上，`fill_between`可以用來增強圖形的視覺外觀。 讓我們比較兩個財務-時間圖表，左邊是一個簡單的線框圖，右邊是一個填充圖。  Alpha 通道在這里不是必需的，但它可以用來軟化顏色，創建更具視覺吸引力的繪圖。 在其他示例中，我們將在下面看到，Alpha 通道在功能上有用，因為陰影區域可以重疊，Alpha 允許你同時看到兩者。 注意，postscript 格式不支持 alpha（這是一個 postscript 限制，而不是一個 matplotlib 限制），因此，當使用 alpha 時，將你的數字保存在 PNG，PDF 或 SVG 中。 我們的下一個例子是計算隨機漫步的兩個群體，它們具有不同的正態分布平均值和標準差，足跡會從中繪制。我們使用共享區域來繪制群體的平均位置的加/減一個標準差。 這里的 Alpha 通道是有用的，不只是為了審美。 ```py import matplotlib.pyplot as plt import numpy as np Nsteps, Nwalkers = 100, 250 t = np.arange(Nsteps) # an (Nsteps x Nwalkers) array of random walk steps S1 = 0.002 + 0.01*np.random.randn(Nsteps, Nwalkers) S2 = 0.004 + 0.02*np.random.randn(Nsteps, Nwalkers) # an (Nsteps x Nwalkers) array of random walker positions X1 = S1.cumsum(axis=0) X2 = S2.cumsum(axis=0) # Nsteps length arrays empirical means and standard deviations of both # populations over time mu1 = X1.mean(axis=1) sigma1 = X1.std(axis=1) mu2 = X2.mean(axis=1) sigma2 = X2.std(axis=1) # plot it! fig, ax = plt.subplots(1) ax.plot(t, mu1, lw=2, label='mean population 1', color='blue') ax.plot(t, mu2, lw=2, label='mean population 2', color='yellow') ax.fill_between(t, mu1+sigma1, mu1-sigma1, facecolor='blue', alpha=0.5) ax.fill_between(t, mu2+sigma2, mu2-sigma2, facecolor='yellow', alpha=0.5) ax.set_title('random walkers empirical $\mu$ and $\pm \sigma$ interval') ax.legend(loc='upper left') ax.set_xlabel('num steps') ax.set_ylabel('position') ax.grid() ```  `where`關鍵字參數非常方便地用于突出顯示圖形的某些區域。 其中使用與`x`，`ymin`和`ymax`參數相同長度的布爾掩碼，并且只填充布爾掩碼為`True`的區域。 在下面的例子中，我們模擬一個隨機漫步者，并計算人口位置的分析平均值和標準差。 群體平均值顯示為黑色虛線，并且平均值的加/減一個標準差顯示為黃色填充區域。 我們使用`where=X>upper_bound`找到漫步者在一個標準差邊界之上的區域，并將該區域變成藍色。  ## 透明、花式圖例 有時你在繪制數據之前就知道你的數據是什么樣的，并且可能知道例如右上角沒有太多數據。 然后，你可以安全地創建不覆蓋你的數據的圖例： ```py ax.legend(loc='upper right') ``` 其他時候你不知道你的數據在哪里，而`loc ='best'`將嘗試和放置圖例： ```py ax.legend(loc='best') ``` 但仍然，你的圖例可能會覆蓋你的數據，在這些情況下，使圖例框架透明非常不錯。 ```py np.random.seed(1234) fig, ax = plt.subplots(1) ax.plot(np.random.randn(300), 'o-', label='normal distribution') ax.plot(np.random.rand(300), 's-', label='uniform distribution') ax.set_ylim(-3, 3) ax.legend(loc='best', fancybox=True, framealpha=0.5) ax.set_title('fancy, transparent legends') ```  ## 放置文本框 當使用文本框裝飾軸時，兩個有用的技巧是將文本放置在軸域坐標中（請參見[變換教程](http://matplotlib.org/users/transforms_tutorial.html#transforms-tutorial)），因此文本不會隨著 x 或 y 軸的變化而移動。 你還可以使用文本的`bbox`屬性，用`Patch`實例包圍文本 - `bbox`關鍵字參數接受字典，字典的鍵是補丁的屬性。 ```py np.random.seed(1234) fig, ax = plt.subplots(1) x = 30*np.random.randn(10000) mu = x.mean() median = np.median(x) sigma = x.std() textstr = '$\mu=%.2f$\n$\mathrm{median}=%.2f$\n$\sigma=%.2f$'%(mu, median, sigma) ax.hist(x, 50) # these are matplotlib.patch.Patch properties props = dict(boxstyle='round', facecolor='wheat', alpha=0.5) # place a text box in upper left in axes coords ax.text(0.05, 0.95, textstr, transform=ax.transAxes, fontsize=14, verticalalignment='top', bbox=props) ```