Question

In [1]:

import matplotlib.pyplot as plt
import numpy as np

%matplotlib inline

style 是 pyplot 的一个子模块，方便进行风格转换， pyplot 有很多的预设风格，可以使用 plt.style.available 来查看：

In [2]:

plt.style.available

Out[2]:

[u'dark_background', u'bmh', u'grayscale', u'ggplot', u'fivethirtyeight']

In [3]:

x = np.linspace(0, 2 * np.pi)
y = np.sin(x)

plt.plot(x, y)

plt.show()

https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/qReNEGNpH7aL9KtI-D8hzDP.png alt="">

例如，我们可以模仿 R 语言中常用的 ggplot 风格：

In [4]:

plt.style.use('ggplot')

plt.plot(x, y)

plt.show()

https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/o4kpXD3YtGbhFSZ6-fqD27z.png alt="">

有时候，我们不希望改变全局的风格，只是想暂时改变一下分隔，则可以使用 context 将风格改变限制在某一个代码块内：

In [5]:

with plt.style.context(('dark_background')):
    plt.plot(x, y, 'r-o')
    plt.show()

https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/8tvmgyQspdxvx7iy-6ZgNrQ.png alt="">

在代码块外绘图则仍然是全局的风格。

In [6]:

with plt.style.context(('dark_background')):
    pass
plt.plot(x, y, 'r-o')
plt.show()

https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/uxHM3eKr8bte4Wjf-C71QUj.png alt="">

还可以混搭使用多种风格，不过最右边的一种风格会将最左边的覆盖：

In [7]:

plt.style.use(['dark_background', 'ggplot'])

plt.plot(x, y, 'r-o')
plt.show()

https://www.wenjiangs.com/wp-content/uploads/2022/docimg20/uxHM3eKr8bte4Wjf-C71QUj.png alt="">

事实上，我们还可以自定义风格文件。

自定义文件需要放在 matplotlib 的配置文件夹 mpl_configdir 的子文件夹 mpl_configdir/stylelib/ 下，以 .mplstyle 结尾。

mpl_configdir 的位置可以这样查看：

In [8]:

import matplotlib
matplotlib.get_configdir()

Out[8]:

u'c:/Users/Jin\\.matplotlib'

里面的内容以 属性：值 的形式保存：

axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16

假设我们将其保存为 mpl_configdir/stylelib/presentation.mplstyle，那么使用这个风格的时候只需要调用：

plt.style.use('presentation')