Matplotlib定制：精解颜色、字体、线型与标记

导语

Matplotlib 是 Python 数据可视化领域的基石。虽然它的默认样式足以满足快速分析的需求，但要创作出具有专业水准、信息清晰、视觉美观的图表，就必须掌握其强大的定制功能。本文将深入探讨 Matplotlib 中最常用的几个定制选项：颜色、字体、线型和标记，帮助你将图表从“能看”提升到“好看”。

---

1. 🎨 玩转颜色 (Color)

颜色是图表中最直观的视觉元素。Matplotlib 提供了多种灵活的方式来指定颜色。

• 预定义颜色名称：如 'blue', 'green', 'red' 等。
• 缩写：如 'b' (blue), 'g' (green), 'r' (red), 'k' (black)。
• 十六进制字符串：如 '#FF5733'，与网页颜色表示法一致。
• RGB/RGBA 元组：范围在 [0, 1] 之间的浮点数值，如 (0.1, 0.2, 0.5) 或 (0.1, 0.2, 0.5, 0.8)（包含透明度）。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

plt.plot(x, x + 0, color='blue')        # 预定义名称
plt.plot(x, x + 1, color='g')          # 缩写
plt.plot(x, x + 2, color='#FFC300')   # 十六进制
plt.plot(x, x + 3, color=(1.0,0.2,0.3)) # RGB元组

plt.title("Matplotlib 颜色定制")
plt.show()

---

2. ✍️ 设置字体 (Font)

合适的字体能显著提升图表的可读性和专业感。你可以针对标题、坐标轴标签等单独设置，也可以进行全局配置。

• fontsize：设置字体大小，可以是整数或预定义字符串（如 'large', 'small'）。
• fontfamily：设置字体族，如 'serif', 'sans-serif', 'monospace'。
• fontweight：设置字体粗细，如 'bold', 'light'。

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)

# 定制标题和坐标轴标签的字体
plt.title("字体定制示例", fontsize=16, fontweight='bold', fontfamily='SimHei')
plt.xlabel("X轴", fontsize=12, fontfamily='SimHei')
plt.ylabel("Y轴", fontsize=12, fontfamily='SimHei')

# 设置刻度标签的字体
plt.tick_params(axis='both', labelsize=10)

plt.show()

⚠️ 注意：fontfamily 需要系统中存在对应字体（如 SimHei 用于显示中文）。

---

3. 📈 控制线型 (Linestyle)

通过改变线条的样式，可以轻松地区分多条数据系列。

• linestyle 或 ls：设置线条样式。
• linewidth 或 lw：设置线条宽度。

常用线型：

• '-' 或 'solid'：实线（默认）
• '--' 或 'dashed'：虚线
• ':' 或 'dotted'：点线
• '-.' 或 'dashdot'：点划线

x = np.linspace(0, 10, 100)

plt.plot(x, x + 0, linestyle='-', linewidth=2, label='Solid')
plt.plot(x, x + 1, linestyle='--', linewidth=2.5, label='Dashed')
plt.plot(x, x + 2, linestyle=':', linewidth=3, label='Dotted')
plt.plot(x, x + 3, linestyle='-.', linewidth=3.5, label='Dash-dot')

plt.title("Matplotlib 线型与宽度")
plt.legend()
plt.show()

---

Ai 产品推荐

😳 0v0 AI 助手推荐、官网：https://0v0.pro

• 🆓 开源模型全免费：Llama、Qwen、Deepseek 等
• 😲 基础模型全免费：gpt-4o、o4-mini 、gpt-5-mini 等
• ♾️ 对话真正无限制：不限时间、不限次数
• 🫡 每周免费一个旗舰模型：本周免费：gpt-5 ，不限使用！

---

---

LLM AI API 推荐 🗨️

🖐️ 按量计算、官网：https://llm-all.pro

• 😊 opneai 、cluade、genimi、gork 等模型：0.5:1刀 、官方 1 折
• 🤓 国内模型 豆包、千问 、deepseek、kimi 等：2 - 6 折
• ☺️ 除了以上模型外，还包含全球各类以上未列出的模型

---

👺 按次计算、官网：https://fackai.chat

• 国内外全模型
• 1 ：100次，性价比推荐

---

---

4. 📍 添加标记 (Marker)

在数据点上添加标记是突出显示实际测量值的好方法，尤其是在离散数据或折线图中。

• marker：设置标记的样式。
• markersize：设置标记的大小。
• markerfacecolor：设置标记的填充颜色。
• markeredgecolor：设置标记的边缘颜色。

常用标记：

• 'o'：圆形
• '.'：点
• 's'：正方形
• '^'：上三角形
• '+'：加号
• '*'：星形

x = np.arange(10)
y = x**2

plt.plot(x, y, 
         linestyle='--', 
         color='blue', 
         marker='o', 
         markersize=8, 
         markerfacecolor='yellow', 
         markeredgecolor='red')

plt.title("Matplotlib 标记定制")
plt.show()

---

总结

掌握 Matplotlib 的颜色、字体、线型和标记定制，是数据可视化从入门到精通的必经之路。这些看似简单的参数组合起来，能够创造出无限的可能。通过不断实践，你可以随心所欲地设计出既美观又具表现力的图表，清晰地传达数据背后的故事。希望本文能为你打开 Matplotlib 定制化世界的大门。