今天我们开始「粉丝要求绘图系列」的第一篇推文 ，这个系列我会筛选出需求较多的一类图进行绘制讲解，当然，绘图的数据我们尽可能的全部分享出来(即使涉及一些论文数据，我们也会根据情况进行虚构处理的)，本期的推文重要涉及的知识点如下：

• Python-matplotlib 定制化图例绘制

• Python-双Y轴绘制图表元素完善

• 详细代码和完整模块都已上传至我们的课程店铺，有需要的同学可以咨询(+v yidianshuyulove,备注信息)哈

Python-matplotlib 定制化图例绘制

本期的推文绘制我们的参考图例来源于以下图表：

可以看出：

1. 图表是双Y轴的绘制

2. 图表的x轴刻度绘制较为复杂(也是本期的重点内容)，如下：

   

由于没有原始数据，我们使用Python进行虚构，构造的数据预览如下(部分)：

data列用于绘制柱形图(bar plot),line_data列用于绘制第二个Y轴的点线图(line plot)

数据处理

通过观察原始图表，我们可以知道，原图的x轴刻度是一年的12个月份，即[2,4,6,8,10,12]的重复，由于较难对刻度进行ticker的编写，这里我们直接采用最粗暴的方法-直接命名刻度label方法进行操作，构建方式如下：

tick_label = ['',"2",'','4','','6','','8','','10','','12']*4

这里我是虚构的4年数据哈，而使用‘’用于替代不显示的[1,3,5,7,9,11]的刻度位置，接下来我们直接绘图。

初步绘图探索

要想绘制该类刻度形式，我们就需要灵活操作主(major)、副(minor)刻度范围及刻度label,绘图代码如下：

from matplotlib.pyplot import MultipleLocatorplt.rcParams['font.family'] = "Times New Roman"
x = np.arange(len(data_all_df))fig,ax = plt.subplots(figsize=(9,5),dpi=100)
bar_plot = ax.bar(x,data_all_df["data"].values,color="gray",width=.5)
#定制化操作
#设置轴范围
ax.set_ylim(bottom=-30,top=300)
ax.set_xlim(left=-.7,right=47.7)
ax.set_xticks(x) #设置这一步操作，要不然刻度往左移
ax.spines["top"].set_visible(False)
#设置x轴刻度label
ax.set_xticklabels(tick_label)#设置主副刻度
#把x轴的主刻度间隔设置为.5，并存在变量里
x_major_locator=MultipleLocator(1)
#把x轴的副刻度间隔设置为.5，并存在变量里
x_minor_locator=MultipleLocator(.5)
#调用刻度设置
ax.xaxis.set_minor_locator(x_minor_locator)
ax.xaxis.set_major_locator(x_major_locator)ax.tick_params(axis='y',direction='in',labelsize=8,length=3.5)
ax.tick_params(axis='x',which="major",direction='in',bottom=False,labelsize=8,length=3,width=.4)
#定制化副刻度ax.tick_params(axis="x",which="minor",direction="out",length=10,width=.4)
#设置刻度轴脊的位置：较重要的方法
ax.spines['bottom'].set_position(('data', 0))

知识点：

1. 设置主副刻度

x_major_locator=MultipleLocator(1)
#把x轴的副刻度间隔设置为.5，并存在变量里
x_minor_locator=MultipleLocator(.5)
#调用刻度设置
ax.xaxis.set_minor_locator(x_minor_locator)
ax.xaxis.set_major_locator(x_major_locator)

1. 刻度形式操作

ax.tick_params(axis='y',direction='in',labelsize=8,length=3.5)
ax.tick_params(axis='x',which="major",direction='in',bottom=False,labelsize=8,length=3,width=.4)
ax.tick_params(axis="x",which="minor",direction="out",length=10,width=.4)

1. 设置刻度轴脊的位置：较重要的方法

ax.spines['bottom'].set_position(('data', 0))

可视化结果如下：

我们可以发现，图中的刻度已经蛮符合胡子hi要求了（如下）：

但是当我继续想添加年份的分割刻度时，已这种方式为基础的绘图将很难实现，最终我们选择直接主刻度定义年份，副刻度定义月份的操作，通过对其定制化操作，达到我们的绘图需求。

绘图完善

这里我们直接给出代码，如下：

from matplotlib.pyplot import MultipleLocator
import matplotlib.ticker as ticker
plt.rcParams['font.family'] = "Times New Roman"x = np.arange(len(data_all_df))
fig,ax = plt.subplots(figsize=(9,5),dpi=100)
bar_plot = ax.bar(x,data_all_df["data"].values,color="gray",width=.5,label="Bar Charts",zorder=2)
#定制化操作
ax.set_ylabel("Bar_Data_Value",size=12)
ax.set_xlabel("Month",size=12,labelpad=15)
#ax.set_xlabel()
ax.set_ylim(bottom=0,top=300)
ax.set_xlim(left=-.5,right=47.5)
#设置主刻度
ax.set_xticks(np.arange(-.5, 48.5, step=12)) #设置这一步操作，要不然刻度往左移
#设置副刻度
ax.set_xticks(np.arange(0, 48, step=1),minor=True)ax.spines["top"].set_visible(False)
#设置副刻度label
ax.set_xticklabels(tick_label,minor=True)
#添加 年数文本作为X轴信息
for i,text in zip([.125,.375,.625,.875],['2014','2015','2016','2017']):ax.text(i,-.08,text,transform = ax.transAxes,va="center",ha="center",fontweight="bold")
#或者如下操作设置主刻度
# positions = [-.5,11.5,23.5,35.5,47.5]
# ax.xaxis.set_major_locator(ticker.FixedLocator(positions))#添加双y轴：使用Axes.twinx()方法绘制
second_plot = ax.twinx()
#注意：这里必须要有, 后面的图例才可以生成
line_plot, = second_plot.plot(np.arange(len(data_all_df)),data_all_df["line_data"].values,"-D",ms=4,c="k",lw=.9,label="Line Charts")
second_plot.set_ylim((0,10000))
second_plot.tick_params(axis='y',direction='in',labelsize=10,length=3.5)
second_plot.set_ylabel("Line_Data_Value",size=12)
second_plot.set_axisbelow(True)
second_plot.spines["top"].set_visible(False)
ax.tick_params(axis='y',direction='in',labelsize=10,length=3.5)
ax.tick_params(axis='x',which="major",direction='out',labelbottom=False,length=25,width=.5)
ax.tick_params(axis="x",which="minor",bottom=False,direction="out",length=3,width=.4,pad=.01)
ax.set_axisbelow(True)# #添加图例
charts = [bar_plot, line_plot]
ax.legend(charts, [l.get_label() for l in charts],frameon=False)plt.savefig(r'\double_y_axis_plot_excise.png',width=7,height=3,dpi=900,bbox_inches='tight',facecolor='white')

知识点：

1. 定义刻度位置肌及间隔

#设置主刻度
ax.set_xticks(np.arange(-.5, 48.5, step=12)) 
#设置副刻度
ax.set_xticks(np.arange(0, 48, step=1),minor=True)

1. 使用Axes.twinx()添加双轴

second_plot = ax.twinx()
#注意：这里必须要有, 后面的图例才可以生成
line_plot, = second_plot.plot(np.arange(len(data_all_df)),data_all_df["line_data"].values,"-D",ms=4,c="k",lw=.9,label="Line Charts")

注意：这里必须要有, 后面的图例才可以生成 3. 定制年的刻度label文本

#添加 年数文本作为X轴信息
for i,text in zip([.125,.375,.625,.875],['2014','2015','2016','2017']):ax.text(i,-.08,text,transform = ax.transAxes,va="center",ha="center",fontweight="bold")

1. 双Y轴图例添加

# #添加图例
charts = [bar_plot, line_plot]
ax.legend(charts, [l.get_label() for l in charts],frameon=False)

4.其他如刻度起始、间隔等设置大家可参考具体代码，根据自己需求进行修改。

最终我们的可视化结果如下：

总结

本篇推文较全面的练习了Python-matplotlib主副刻度的绘制 操作以及双Y轴图例的添加,大家可以好好参考下，为了大家更好的练习，我们也将提供练习数据和源码哦！