3.3.3 Python 数据可视化——图表辅助元素的定制

3.3.3　实例 2 ：支付宝月账单报告（添加标题、图例）

图例常见于饼图中，主要用于标注饼图中每个扇形代表的含义。2.6.2 节的用户 A 某月

支付宝账单报告的饼图将每个扇形的含义标注到圆外，由于标注的文字长短不一且扇形数量

偏多，导致图表显得比较杂乱，因此将饼图中全部的标注文字移到图例中，具体代码如下。

In [3]:

# 02_monthly_bills_of_alipay

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

kinds = [' 购物 ', ' 人情往来 ', ' 餐饮美食 ', ' 通信物流 ', ' 生活日用 ',

　　　　　 ' 交通出行 ', ' 休闲娱乐 ', ' 其他 ']

money_scale = [800 / 3000, 100 / 3000, 1000 / 3000, 200 / 3000,

　　　　　 300 / 3000, 200 / 3000, 200 / 3000, 200 / 3000]

dev_position = [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1]

plt.pie(money_scale, autopct='%3.1f%%', shadow=True,

　　　　　 explode=dev_position, startangle=90)

# 添加标题

plt.title(' 支付宝月账单报告 ')

# 添加图例

plt.legend(kinds, loc='upper right', bbox_to_anchor=[1.3, 1.1])

plt.show()

运行程序，效果如图 3-8 所示。

图 3-8 中，标题位于图表顶部且与图表居中对齐，图例位于图表的右上方。与图 2-17

相比，图 3-8 增加了标题和图例，有助于用户明确饼图及其每个颜色的扇形的含义。

3.4　显示网格

3.4.1　显示指定样式的网格

网格是从刻度线开始延伸，贯穿至整个绘图区域的辅助线条，它能帮助人们轻松地查看

图形的数值。网格按不同的方向可以分为垂直网格和水平网格，这两种网格既可以单独使用，

也可以同时使用，常见于添加图表精度、分辨图形细微差别的场景。

matplotlib 中可以直接使用 pyplot 模块的 grid () 函数显示网格，grid () 函数的语法格式如

下所示 ：

grid(b=None, which='major', axis='both', ** kwargs)

该函数常用参数的含义如下。

·b ：表示是否显示网格。若提供其他关键字参数，则 b 参数设为 True。

·which ：表示显示网格的类型，支持 major、minor、both 这 3 种类型，默认为 major。

·axis ：表示显示哪个方向的网格，该参数支持 both、x 和 y 这 3 个选项，默认为 both。

·linewidth 或 lw ：表示网格线的宽度。

此外，还可以使用 Axes 对象的 grid() 方法显示网格。需要说明的是，坐标轴若没有刻度，

就无法显示网格。

在 3.3.2 节绘制的正弦和余弦曲线图中显示水平网格，增加的代码如下。

# 显示网格

plt.grid(b=True, axis='y', linewidth=0.3)

运行程序，效果如图 3-9 所示。

3.4.2　实例 3 ：汽车速度与制动距离的关系（添加网格）

在 2.7.2 节的汽车速度与制动距离关系的散点图中，很多圆点因距离坐标轴较远而无法

准确地看出数值。因此，本实例将在散点图中显示网格，并调整坐标轴的刻度，具体代码

如下。

In [4]:

# 03_vehicle_speed_and_braking_distance

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei'

plt.rcParams['axes.unicode_minus'] = False

x_speed = np.arange(10, 210, 10)

y_distance = np.array([0.5, 2.0, 4.4, 7.9, 12.3,

　　　　　　　　　　　　　 17.7, 24.1, 31.5, 39.9, 49.2,

　　　　　　　　　　　　　 59.5, 70.8, 83.1, 96.4, 110.7,

　　　　　　　　　　　　　 126.0, 142.2, 159.4, 177.6, 196.8])

plt.scatter(x_speed, y_distance, s=50, alpha=0.9, linewidths=0.3)

# 设置 x 轴的标签、 刻度标签

plt.xlabel(' 速度 (km/h)')

plt.ylabel(' 制动距离 (m)')

plt.xticks(x_speed)

# 显示网格

plt.grid(b=True, linewidth=0.3)

plt.show()

运行程序，效果如图 3-10 所示。

与图 2-19 相比，图 3-10 的散点图增加了坐标轴标签、浅灰色的网格，有助于用户大致

了解各数据点对应的数值。