Matplotlib基础（三）---- 图例标签、刻度、标题和边线
在平时处理数据的时候，因为数据可视化更能显示数据的关系。而python中的matplotlib库很好地提供了我们2D绘图的方式。于是我打算系统且详细的学习matplotlib,并尽可能地总结各种用法。这个系列就是我我的学习经验总结。
上一篇我介绍了matplotlib中的图片和子图，还有subplot()和subplots()两个方法的使用。
这一片主要了解图例
标签
而为了区分各个绘图元素， 在plot时可以，在里面传入label参数。
ax.plot(x, y1, label='one')ax.plot(x, y2, label='two')
接着再调用ax.legend()或plt.legend，就会自动生成图例
代码如下：
import matplotlib.pyplot as pltx = [0, 1, 2, 3, 4]y1 = [5, 6, 7, 8, 9]y2 = [0, 1, 2, 3, 4]fig = plt.figure(dpi=100)ax = plt.subplot(111)ax.plot(x, y1, label='one')ax.plot(x, y2, label='two')ax.legend(loc='best')plt.show()
输出图片如下：
legend方法有多个其他的位置参数loc。参考文档字符串（使用ax.legend?命令）获取更多信息。
loc参数告诉matplotlib在哪里放置图表。如果你不挑剔，'best’是个一个好选项，它会自动选择最合适的位置，如果取消图例中的元素，不要传入label参数或者传入label='_nolegend_'
刻度和范围
1.x轴或y轴的范围
plt.xlim([0, 10])plt.ylim([0, 10])
如果需要应用到最近创建的坐标系中，你需要改成以下的方式
ax.set_xlim([0, 10])ax.set_ylim([0, 10])
2.x轴或y轴的刻度
plt.xticks(x, [])plt.yticks(y, [])
如果需要应用到最近创建的坐标系中，你需要改成以下的方式
ax.set_xticks(x, [])ax.set_yticks(y, [])
具体例子如下：
import matplotlib.pyplot as pltx = [0, 1, 2, 3, 4]y1 = [5, 6, 7, 8, 9]y2 = [0, 1, 2, 3, 4]fig = plt.figure(dpi=100)ax = plt.subplot(111)ax.set_xticks(x, [2001, 2002, , , ])ax.set_xlim([0, 4])ax.set_ylim([0, 10])ax.plot(x, y1, label='one')ax.plot(x, y2, label='two')ax.legend(loc='best')plt.show()
输出图片如下
这里坐标原点是（0， 0）了，在没设置x，y的范围时，（0，0）并不是坐标系原点。
并且x=0的标签被修改成2001了，不如数值并没有被修改。
标题
设置坐标系的标题，代码如下：
ax.set_title('Unnamed')
设置x轴或y轴标题，代码如下：
ax.set_xlabel('year')ax.set_ylabel('income')
结合上面的代码：
import matplotlib.pyplot as pltx = [0, 1, 2, 3, 4]y1 = [5, 6, 7, 8, 9]y2 = [0, 1, 2, 3, 4]fig = plt.figure(dpi=100)ax = plt.subplot(111)ax.set_xticks(x, [2001, 2002, , , ])ax.set_xlim([0, 4])ax.set_ylim([0, 10])ax.set_title('Unnamed')ax.set_xlabel('year')ax.set_ylabel('income')ax.plot(x, y1, label='one')ax.plot(x, y2, label='two')ax.legend(loc='best')plt.show()
效果如下：
补充
1.如果需要设置上边线为x轴，右边线为y轴，
也就是把x轴刻度放在上边线，y轴刻度放在有边线
则需要以下修改：
import matplotlib.pyplot as pltfig = plt.figure()ax = plt.subplot(111)ax.xaxis.set_ticks_position('top')ax.yaxis.set_ticks_position('right')plt.show()
效果如下：
2. 如果需要修改刻度的颜色
# color为刻度颜色，colors为刻度标签文本颜色ax.xaxis.set_tick_params(color='green', colors='red')
效果如下：
边线(spine)
坐标系的边线和坐标轴是两个互相独立的个体，举个例子：
import matplotlib.pyplot as pltfig = plt.figure()ax = plt.subplot(111)ax.spines['left'].set_color('red')plt.show()
但是刻度却又依附在边线上，
添加以下代码
ax.spines['bottom'].set_position(('data', 0.2))
效果如下：
下边就被设置在0.2（注意传入参数为元组）上了，依附在上面的刻度也一起移动了。
总结
1.多个图例标签。
2.修改坐标系刻度和标签，和范围
4.设置标题
3.边线
