画出这张官方神图，你的Matplotlib就毕业了！
大家好，我是早起。
在昨天的文章人人都能看懂的Matplotlib绘图原理中，我们对Matplotlib的绘图机制进行了讲解，在弄清楚plt.xxxx和ax.xxxx中plt和ax区别之后，本文继续讲解xxxx究竟是什么。
现在我们应该知道Matplotlib绘图其实很简单，不就是弄一块画布，然后往这块画布上添加我们要的图形，最后就是进行修饰。
如何添加画布/绘图区域已经讲过，如何添加图形，看我发的各种可视化图鉴就行了，而最需要花时间的就是对初步成型的图案进行修饰，先来看一张来自官方文档的图
我们可以看到，其实无非就是设置标题、图例、坐标轴、标记点等操作，这部分看起来简单，不过有时因为数据的原因，想要调整到一个合适的样式，是需要花费心思的。
但不论如何，能用到的Matplotlib修饰操作就这么多，本文将按照上图的顺序带大家手把手的绘制出图中的每一部分，希望以这种方式对常用的修饰语法进行讲解！
如果你能独立的，简单思考查询后能将这张图画出来，那么matplotlib基本就算毕业了！
请注意，由于篇幅原因，本文对大多数方法仅作简单介绍，因此并不适合作为速查手册使用，详细的matplotlib各组件设置，点击菜单栏查看专题文章。
标题
首先是标题，如果是使用plt.xxxx那么就用plt.title()，如果使用ax.xxxx可以使用ax.set_title()，现在我们把标题做成官方文档的样式，更多标题的修改方法可以查看matplotlib标题设置
plt.rc('font',family='Avenir')
plt.figure(figsize = (8,7), dpi=100)
plt.title("Anacomy of a figure",fontsize = 20,fontweight='heavy')
plt.show()
刻度
搞定了标题，下一步就是刻度了，根据我的了解，因为自己的数据原因，大多需要对刻度进行调整，但是修改刻度，相对复杂一点，所以很多人多会卡在刻度设置上。
其实设置刻度确实体育达标复杂，从图中我们可以看到又分为主、副刻度，再算上xy轴，一共就是4个刻度需要设置。
因为比较复杂，所以建议使用ax.xxxx进行设置。这里我们首先需要把刻度读取出来，先使用的语法为
ax = plt.gca()
意思是Get Current Axes，获得当前绘图区域，接下来使用ax.set_xlim设置x坐标轴范围，等同于plt.xlim()，y轴同理
ax.set_xlim(0,4)
ax.set_ylim(0,4)
现在坐标轴范围搞定了，接下来就是比较复杂的刻度调整，我们可以看到，从官方示例图中，我们可以发现在matplotlib中，一个坐标轴，分为主副两个刻度。
关于坐标轴刻度的设置详情，可以参考matplotlib刻度设置文章，我们先来设置x、y轴的主刻度，只需要将间隔调整为1即可，通过修改locator类完成
xmajorLocator = MultipleLocator(1)
ax.xaxis.set_major_locator(xmajorLocator)
ymajorLocator = MultipleLocator(1)
ax.yaxis.set_major_locator(ymajorLocator)
主刻度的调整就完成了，接下来是副刻度的调整，我们需要将x轴副刻度以0.25为单位分开，并显示数值，y轴副刻度同样为0.25但是不显示数值，以x轴为例，调整副刻度及数值显示可以通过·ax.xaxis.set_minor_formatter和ax.yaxis.set_minor_locator`实现
xminorLocator = MultipleLocator(0.25)
ax.xaxis.set_minor_locator(xminorLocator)
yminorLocator = MultipleLocator(0.25)
ax.yaxis.set_minor_locator(yminorLocator)
xminorFormatter = FormatStrFormatter('%0.2f')
ax.xaxis.set_minor_formatter(xminorFormatter)
可以看打，现在的主副刻度已经做的差不多了，但是官方示例图中的刻度线更长一点，对刻度线进行调整可以使用tick_params
tick_params(which='major',length=8)
tick_params(which='minor',length=4)
网格线
刻度线搞定之后，下一步添加网格线，我们可以使用ax.xaxis.grid和ax.yaxis.grid分别对指定x轴和y轴的网格线，可选参数非常多，详见matplotlib网格线设置
在这里，我们按照官方示例图的样式，两个坐标轴都添加主刻度网格线，并使用,linestyle = (0,(10,5))对线性进一步调整
ax.xaxis.grid(True, which='major',linestyle = (0,(8,4)))
ax.yaxis.grid(True, which='major',linestyle = (0,(8,4)))
现在看我们的图是不是和示例图有几分相似了呢👇
坐标轴文字
现在继续给坐标轴添加文字，这部分就比较简单了，当然我也写了详细的文档，这里使用ax.set_xlabel或者plt.xlabel都可以，我们使用如下代码
ax.set_xlabel("X axis label",fontsize = 12)
ax.set_ylabel("Y axis label",fontsize = 12)
添加图像
现在对于画布的修饰部分，基本就结束了，下面添加图形，示例图中一共有两个折线图和一个散点图，我们拟合部分数据并制作进行，这里使用ax.plot和ax.scatter分别制作折线图和散点图，不知道怎么画的可以看我之前发的各种图鉴
x = list(np.arange(0.5,3.3,0.1))
y1 = [-0.04658*i**3+0.5494*i**2-1.3151*i + 1.415 for i in x]
ax.plot(x,y1,color = 'red',alpha = 0.7, linewidth=2.3)
x = list(np.arange(0.5,3.5,0.1))
y2 = [0.1545*i**3-0.799*i**2+0.4316*i + 3.744 for i in x]
ax.plot(x,y2,color = 'blue',alpha = 0.7, linewidth=2.3)
ax.scatter(A, B,marker = 'o',color="w",edgecolors='black')
现在，是不是感觉非常相似了！我们继续。
添加图例
整体还差最后一个图例就完成了，添加图例比较简单，使用plt.legend()或者ax.legend()都可以实现，不过需要在绘图是添加label标签才行
添加文字
其实图像主体部分已经完成了，但是原来的示例图中还有一些蓝色的文字，我们也添加进来，其实用到的就是plt.text()，也是非常常见的一个用法，我在matplotlib添加注释中有详细讲解，本文这里就是根据坐标添加文字，部分代码如下
ax.text(2.9,2.7,"Gird",family = "DejaVu Sans",fontsize = 11,color = 'blue',weight='heavy')
ax.text(3.45,3.45,"Legend",family = "DejaVu Sans",fontsize = 10,color = 'blue',weight='heavy')
ax.text(1.5,3.85,"Title",family = "DejaVu Sans",fontsize = 11,color = 'blue',weight='heavy')
ax.text(-0.25,3.75,"Major tick",family = "DejaVu Sans",fontsize = 10,color = 'blue',weight='heavy')
ax.text(-0.25,3.25,"Minor tick",family = "DejaVu Sans",fontsize = 10,color = 'blue',weight='heavy')
ax.text(-0.45,2.75,"Major tick label",family = "DejaVu Sans",fontsize = 10,color = 'blue',weight='heavy')
ax.text(0.12,-0.5,"Minor tick label",family = "DejaVu Sans",fontsize = 10,color = 'blue',weight='heavy')
其中箭头是通过ax.arrow做出来的，使用方法和ax.text一样通过调整坐标控制
ax.arrow(3.3,0.41,-0.15,-0.33,ec='blue',head_width=0.04)
ax.arrow(3.6,0.41,0.32,-0.15,ec='blue',head_width=0.04)
现在我们的画的图和官方文档的示例图已经差不多一样了，唯一就是差了在不同组件旁的类似放大镜效果的图片。
添加自定义图片
最后，让我们和官方文档一样，在注释的位置添加指定图片，来达到一种放大的感觉。
在Matplotlib中，添加图片的方法有多种，这里我们选择使用ax.add_artist()，详细讲解在后续文章中更新，简单来说就是打开一张图片，之后根据坐标添加到我们想要的位置就行了。
以左上角Major tick的圆为例，我们使用OffsetImage打开一张图片
arr_lena = mpimg.imread('/Users/liuhuanshuo/Desktop/WechatIMG2278.png')
imagebox = OffsetImage(arr_lena, zoom=0.38)
之后使用a1 = AnnotationBbox(imagebox, (0, 4), frameon = False)设置图片位置，最后使用ax.add_artist(a1)就能添加一个空心圆在左上角，之后如法炮制就可以了。
最终我们制作的仿官方文档效果图如下
是不是可以以假乱真呢，感兴趣的读者可以自己尝试绘制一下。长按扫描下方二维码关注「可视化图鉴」在后台回复0117可以获得我使用Notebook进行学习、复现。
最后早起想说一下，其实这篇文档本来的标题是「一篇文章带你搞定Matplotlib中组件设置」，后来写着写着，发现一篇文章根本搞不定，可能光一个plt.tltle()就有很多可以说道的，所以我就希望通过绘制官方示例图，带大家了解Matplotlib中绘图的基本流程和常见方法使用。
当然每一个组件设置，我都写了详细的文档指导你修改，所以如果你对文章任何一个部分感兴趣，都可以查看对应设置的文章来进一步学习！
最后推荐一本数据可视化的书，R语言数据分析与可视化从入门到精通，本书是关于R语言数据分析与可视化从入门到精通的指南，较为全面地介绍了R语言的常用功能和方法，且紧密围绕实际应用展开。例如，从R语言的发展历史到R语言的一些常用函数，从数据管理到数据分析，从基础统计到高级统计，从图形生成到图形优化，从分步应用到综合应用等。通过本书，读者可以掌握R语言的基本功能和原理，并进一步深入学习更多的相关知识。
“为了回馈粉丝，早起也送几本给大家。
点击阅读原文，关注公众号「可视化图鉴」，按照文中规则进行留言，即有机会包邮获赠图书！
”