首先一幅Matplotlib的图像组成部分介绍。
基本构成
在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个或者多个Axes对象。每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域。所属关系如下：
详解图像各个组件
下面以一个直线图来详解图像内部各个组件内容:
其中：title为图像标题，Axis为坐标轴, Label为坐标轴标注，Tick为刻度线，Tick Label为刻度注释。各个对象关系可以梳理成以下内容：
部分设置详解
图像中所有对象均来自于Artist的基类。
上面基本介绍清楚了图像中各个部分的基本关系，下面着重讲一下几个部分的详细的设置。
一个”Figure”意味着用户交互的整个窗口。在这个figure中容纳着”subplots”。
当我们调用plot时，matplotlib会调用gca()获取当前的axes绘图区域，而且gca反过来调用gcf()来获得当前的figure。如果figure为空，它会自动调用figure()生成一个figure, 严格的讲，是生成subplots(111)。
子图Subplots
注意：其中各个参数也可以用逗号,分隔开。第一个参数代表子图的行数；第二个参数代表该行图像的列数； 第三个参数代表每行的第几个图像。
plt.subplot(221) # 第一行的左图
plt.subplot(222) # 第一行的右图
plt.subplot(212) # 第二整行
plt.show()
参考案例直通车
另外：fig, ax = plt.subplots(2,2),其中参数分别代表子图的行数和列数，一共有 2x2 个图像。函数返回一个figure图像和一个子图ax的array列表。
补充：gridspec命令可以对子图区域划分提供更灵活的配置。
子图像统一标题设置
效果如下（subplot row i）：
思路其实创建整个的子图像，然后将图像的刻度、标注等部分作不显示设置，仅仅显示图像的 title。
案例代码
import matplotlib.pyplot as plt
fig, big_axes = plt.subplots(figsize=(15.0, 15.0) , nrows=3, ncols=1, sharey=True)
for row, big_ax in enumerate(big_axes, start=1):
big_ax.set_title("Subplot row %s \n" % row, fontsize=16)
# Turn off axis lines and ticks of the big subplot
# obs alpha is 0 in RGBA string!
big_ax.tick_params(labelcolor=(0,0,0,0), top='off', bottom='off', left='off', right='off')
# removes the white frame
big_ax._frameon = Falsefor i in range(1,10):
ax = fig.add_subplot(3,3,i)
ax.set_title('Plot title ' + str(i))
fig.set_facecolor('w')
plt.tight_layout()
plt.show() 123456789101112131415161718192021刻度Tick Locators
Tick Locators 控制着 ticks 的位置。比如下面：
ax = plt.gca() ax.xaxis.set_major_locator(eval(locator))12
一些不同类型的locators：
案例代码：
import numpy as npimport matplotlib.pyplot as pltdef tickline():plt.xlim(0, 10), plt.ylim(-1, 1), plt.yticks([])
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['left'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('none')
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
ax.plot(np.arange(11), np.zeros(11))return ax
locators = ['plt.NullLocator()','plt.MultipleLocator(1.0)','plt.FixedLocator([0, 2, 8, 9, 10])','plt.IndexLocator(3, 1)','plt.LinearLocator(5)','plt.LogLocator(2, [1.0])','plt.AutoLocator()',
]
n_locators = len(locators)
size = 512, 40 * n_locators
dpi = 72.0figsize = size[0] / float(dpi), size[1] / float(dpi)
fig = plt.figure(figsize=figsize, dpi=dpi)
fig.patch.set_alpha(0)for i, locator in enumerate(locators):
plt.subplot(n_locators, 1, i + 1)
ax = tickline()
ax.xaxis.set_major_locator(eval(locator))
plt.text(5, 0.3, locator[3:], ha='center')
plt.subplots_adjust(bottom=.01, top=.99, left=.01, right=.99)
plt.show()1234567891011121314151617181920212223242526272829303132333435363738394041424344所有这些locators均来自于基类matplotlib.ticker.Locator。你可以通过继承该基类创建属于自己的locator样式。同时matplotlib也提供了特殊的日期locator, 位于matplotlib.date
基类matplotlib.ticker.Locator参考文献直通车
刻度和标注特殊设置
描述如下：在X轴标出一些重要的刻度点，当然实现方式有两种：直接在X轴上标注和通过注释annotate的形式标注在合适的位置。
其中第一种的实现并不是很合适，此处为了学习的目的一并说明下。
先说第一种：
正常X轴标注不会是这样的，为了说明此问题特意标注成这样，如此看来 0.3 和 0.4的标注重叠了，当然了解决重叠的问题可以通过改变figure 的size实现，显然此处并不想这样做。
怎么解决呢，那就在 0.3 和 0.4之间再设置一个刻度，有了空间后不显示即可。
代码如下：
# -*- coding: utf-8 -*-import matplotlib.pyplot as plt fig = plt.figure(figsize=(3, 3)) ax = fig.add_subplot(1, 1, 1, frameon=False) ax.set_xlim(-0.015, 1.515) ax.set_ylim(-0.01, 1.01) ax.set_xticks([0, 0.3, 0.4, 1.0, 1.5])#增加0.35处的刻度并不标注文本，然后重新标注0.3和0.4处文本ax.set_xticklabels([0.0, "", "", 1.0, 1.5]) ax.set_xticks([0.35], minor=True) ax.set_xticklabels(["0.3 0.4"], minor=True)#上述设置只是增加空间，并不想看到刻度的标注，因此次刻度线不予显示。for line in ax.xaxis.get_minorticklines(): line.set_visible(False) ax.grid(True) plt.show()123456789101112131415161718
最终图像形式如下：
当然最合理的方式是采用注释的形式，比如：
案例代码如下：
# -*- coding: utf-8 -*-import matplotlib.pyplot as pltimport numpy as np# Plot a sinc functiondelta=2.0x=np.linspace(-10,10,100) y=np.sinc(x-delta)# Mark deltaplt.axvline(delta,ls="--",color="r") plt.annotate(r"$\delta$",xy=(delta+0.2,-0.2),color="r",size=15) plt.plot(x,y)1234567891011121314
增加X轴与Y轴间的间隔，向右移动X轴标注
显示效果对比：
设置前：
设置后：
上图代码如下：
# -*- coding: utf-8 -*-import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(111) plot_data=[1.7,1.7,1.7,1.54,1.52] xdata = range(len(plot_data)) labels = ["2009-June","2009-Dec","2010-June","2010-Dec","2011-June"] ax.plot(xdata,plot_data,"b-") ax.set_xticks(range(len(labels))) ax.set_xticklabels(labels) ax.set_yticks([1.4,1.6,1.8])# grow the y axis down by 0.05ax.set_ylim(1.35, 1.8)# expand the x axis by 0.5 at two endsax.set_xlim(-0.5, len(labels)-0.5) plt.show()1234567891011121314151617181920
移动刻度标注
上图说明需求：
通过设置 set_horizontalalignment()来控制标注的左右位置：
for tick in ax2.xaxis.get_majorticklabels(): tick.set_horizontalalignment("left")12当然标注文本的上下位置也是可以控制的，比如:
ax2.xaxis.get_majorticklabels()[2].set_y(-.1)1
当然控制刻度标注的上下位置也可以用labelpad参数进行设置：
pl.xlabel("...", labelpad=20)
或：
ax.xaxis.labelpad = 20 123具体设置请查阅官方文档，完整的代码如下：
# -*- coding: utf-8 -*-import matplotlib.pyplot as plt
import numpy as np
import datetime# my fake datadates = np.array([datetime.datetime(2000,1,1) + datetime.timedelta(days=i) for i in range(365*5)])
data = np.sin(np.arange(365*5)/365.0*2*np.pi - 0.25*np.pi) + np.random.rand(365*5) /3# creates fig with 2 subplotsfig = plt.figure(figsize=(10.0, 6.0))
ax = plt.subplot2grid((2,1), (0, 0))
ax2 = plt.subplot2grid((2,1), (1, 0))## plot datesax2.plot_date( dates, data )# rotates labels plt.setp( ax2.xaxis.get_majorticklabels(), rotation=-45 )
# shift labels to the rightfor tick in ax2.xaxis.get_majorticklabels():
tick.set_horizontalalignment("right")
plt.tight_layout()
plt.show()1234567891011121314151617181920212223242526调整图像边缘及图像间的空白间隔plt.tight_layout()
图像外部边缘的调整可以使用plt.tight_layout()进行自动控制，此方法不能够很好的控制图像间的间隔。
如果想同时控制图像外侧边缘以及图像间的空白区域，使用命令：
plt.subplots_adjust(left=0.2, bottom=0.2, right=0.8, top=0.8，hspace=0.2, wspace=0.3)1
图像的大小设置
如果已经存在figure对象，可以通过以下代码设置尺寸大小:
f.set_figheight(15) f.set_figwidth(15)12
若果通过.sublots()命令来创建新的figure对象, 可以通过设置figsize参数达到目的。
f, axs = plt.subplots(2,2,figsize=(15,15))