---

一、坐标轴概述

在 Matplotlib 中，坐标轴（Axes） 是绘图的核心区域，它是图形中实际绘制数据的部分，包含刻度、标签、网格线以及数据曲线等元素。一个 Figure（画布）可以包含一个或多个 Axes（子图），每个 Axes 都拥有独立的 x 轴和 y 轴（在三维图中还包括 z 轴）。

1. 坐标轴介绍

Axes 并不是简单的“坐标轴线”，而是指图表中的绘图区域，包括：

• X 轴和 Y 轴：定义数据的数值尺度；
• 刻度（Ticks）：坐标轴上的标记点；
• 刻度标签（Tick Labels）：刻度对应的数值或文字说明；
• 轴标签（Axis Labels）：描述坐标轴含义的文字（如“时间”、“温度”）；
• 标题（Title）：子图的标题；
• 图例（Legend）：用于标识不同数据系列；
• 网格线（Grid）：辅助读数的背景线。

🔹 注意：不要将 Axes 与 Axis 混淆：

• Axes：整个绘图区域（可理解为“子图”）；
• Axis：单个坐标轴对象（如 x 轴或 y 轴），是 Axes 的组成部分。

2. 坐标轴相关属性

以下是 Matplotlib 中 Axes 和其子对象（如 Axis、Tick）常用属性的详细说明表：

属性	类型	获取方式	描述
ax.xaxis	matplotlib.axis.XAxis	ax.xaxis	X 轴对象，控制 x 轴的刻度、标签、方向等
ax.yaxis	matplotlib.axis.YAxis	ax.yaxis	Y 轴对象，控制 y 轴的刻度、标签、方向等
ax.xaxis.label	Text	ax.xaxis.label	X 轴标签文本对象
ax.yaxis.label	Text	ax.yaxis.label	Y 轴标签文本对象
ax.title	Text	ax.title	子图标题对象
ax.xaxis.get_ticklocs() / get_ticks()	array	ax.xaxis.get_ticklocs()	获取 x 轴刻度位置
ax.yaxis.get_ticklocs() / get_ticks()	array	ax.yaxis.get_ticklocs()	获取 y 轴刻度位置
ax.xaxis.get_ticklabels()	list of Text	ax.xaxis.get_ticklabels()	获取 x 轴刻度标签对象列表
ax.yaxis.get_ticklabels()	list of Text	ax.yaxis.get_ticklabels()	获取 y 轴刻度标签对象列表
ax.xaxis.set_ticks()	方法	ax.xaxis.set_ticks(ticks)	设置 x 轴刻度位置
ax.yaxis.set_ticks()	方法	ax.yaxis.set_ticks(ticks)	设置 y 轴刻度位置
ax.xaxis.set_ticklabels()	方法	ax.xaxis.set_ticklabels(labels)	设置 x 轴刻度标签
ax.yaxis.set_ticklabels()	方法	ax.yaxis.set_ticklabels(labels)	设置 y 轴刻度标签
ax.grid()	方法	ax.grid(True)	显示网格线
ax.set_xlim() / ax.set_ylim()	方法	ax.set_xlim(left, right)	设置坐标轴数据范围
ax.set_xlabel() / ax.set_ylabel()	方法	ax.set_xlabel('文本')	设置坐标轴标签
ax.set_title()	方法	ax.set_title('标题')	设置子图标题
ax.spines	Spines 字典	ax.spines['left']	控制坐标轴边框（如左、右、上、下 spine）的显示与样式

---

二、坐标轴

1. axes() 方法介绍

在 Matplotlib 中，plt.axes() 方法用于向当前图形（figure）中添加一个新的坐标轴（Axes）。这个方法提供了非常灵活的方式来定义新的绘图区域的位置和大小，也可以用来创建具有不同坐标系的子图。通过调整参数，可以精确控制新坐标轴的位置、尺寸及其与其他元素的关系。

plt.axes() 方法的参数如下：

参数	类型	默认值	描述
arg	list or tuple or None	None	定义新坐标轴的位置和大小。 - 当为 None 时，创建一个与默认坐标轴重叠的新坐标轴。 - 当为 [left, bottom, width, height] 列表或元组时，分别指定新坐标轴距离画布左边、底部的距离以及宽度和高度的比例（0到1之间）。
projection	str or None	None	指定坐标轴的投影类型。例如 'polar' 表示极坐标系。
polar	bool	False	如果为 True，则使用极坐标系。此参数是为了向后兼容性而保留的；推荐直接使用 projection='polar'。
sharex, sharey	Axes object or None	None	与其它坐标轴共享X轴或Y轴。这在创建多个子图时很有用，以确保它们之间的尺度一致。

2. 示例：添加多个绘图区域

import matplotlib.pyplot as plt  # 导入 matplotlib.pyplot 模块，用于绘图# 创建一个新的图形（figure），并设置背景颜色为浅灰色
fig = plt.figure(facecolor='lightgray')# 在图形上添加第一个坐标轴（ax1），位置和大小由矩形定义 [left, bottom, width, height]
# 这里 left=0.1, bottom=0.6, width=0.3, height=0.3 表示 ax1 的位置和大小
ax1 = plt.axes([0.1, 0.6, 0.3, 0.3])# 添加第二个坐标轴（ax2），参数含义同上
ax2 = plt.axes([0.5, 0.6, 0.3, 0.3])# 添加第三个坐标轴（ax3），但这次指定 projection='polar' 来创建极坐标图
# 参数同样定义了位置和大小
ax3 = plt.axes([0.1, 0.1, 0.3, 0.3], projection='polar')# 添加第四个坐标轴（ax4），这里使用 projection='3d' 创建三维坐标系
# 参数也定义了其位置和大小
ax4 = plt.axes([0.5, 0.1, 0.3, 0.3], projection='3d')# 显示绘制好的图形窗口
plt.show()

绘制的图形如下图所示：

---

三、坐标轴的刻度

在 Matplotlib 中，坐标轴的刻度（ticks）是图表中非常重要的元素之一。它们不仅帮助我们理解数据的数值范围，还能通过适当的定位和格式化增强图表的可读性和美观性。

1. 坐标轴的刻度介绍

坐标轴的刻度由两部分组成：

• 刻度定位器（Tick Locator）：决定刻度的位置。
• 刻度格式器（Tick Formatter）：控制刻度标签如何显示。

通过自定义刻度定位器和格式器，可以实现对图表外观的高度定制，例如添加日期时间刻度、科学计数法表示的大数值等。

2. 刻度定位器和格式器

2.1 刻度定位器

刻度定位器决定了坐标轴上刻度的位置。Matplotlib 提供了多种内置的刻度定位器类，适用于不同的场景需求。

刻度定位器相关类及参数如下：

类名	描述	参数	示例
MicrosecondLocator	微秒级定位器，以微秒为单位定位刻度	interval：微秒间隔	ax.xaxis.set_major_locator(MicrosecondLocator(interval=100))
SecondLocator	秒级定位器，以秒为单位定位刻度	interval：秒间隔	ax.xaxis.set_major_locator(SecondLocator(interval=30))
MinuteLocator	分钟级定位器，以分钟为单位定位刻度	interval：分钟间隔	ax.xaxis.set_major_locator(MinuteLocator(interval=15))
HourLocator	小时级定位器，以小时为单位定位刻度	interval：小时间隔	ax.xaxis.set_major_locator(HourLocator(interval=2))
DayLocator	天级定位器，以每月的指定日期为单位定位刻度	interval：天数间隔	ax.xaxis.set_major_locator(DayLocator(interval=7))
WeekdayLocator	工作日级定位器，以工作日为单位定位刻度	byweekday：指定工作日（如MO, TU等）	ax.xaxis.set_major_locator(WeekdayLocator(byweekday=MO))
MonthLocator	月份级定位器，以月为单位定位刻度	interval：月间隔	ax.xaxis.set_major_locator(MonthLocator(interval=3))
YearLocator	年份级定位器，以年为单位定位刻度	base：年份基数，month：起始月，day：起始日	ax.xaxis.set_major_locator(YearLocator(base=2, month=1, day=1))
AutoLocator	自动定位器，自动计算刻度位置	无	ax.xaxis.set_major_locator(AutoLocator())
MaxNLocator	最大值定位器，根据指定的最大数量计算刻度位置	nbins：最大刻度数，steps：允许的步长列表	ax.xaxis.set_major_locator(MaxNLocator(nbins=5))
LinearLocator	线性定位器，根据线性间隔的要求计算刻度的位置	numticks：刻度数量	ax.xaxis.set_major_locator(LinearLocator(numticks=6))
LogLocator	对数定位器，根据对数间隔的要求计算刻度的位置	base：对数底，subs：次要刻度倍数	ax.xaxis.set_major_locator(LogLocator(base=10))
MultipleLocator	多点定位器，根据指定的基数（相邻两个刻度的间距）计算刻度的位置	base：刻度间隔	ax.xaxis.set_major_locator(MultipleLocator(base=0.5))
FixedLocator	定点定位器，将指定坐标列表直接设置为刻度位置，完全跳过自动刻度计算过程	locs：刻度位置列表	ax.xaxis.set_major_locator(FixedLocator(locs=[0, 1, 2, 3]))
IndexLocator	索引定位器，根据指定的整数数量计算刻度的位置	base：步长，offset：偏移量	ax.xaxis.set_major_locator(IndexLocator(base=2, offset=1))
NullLocator	空定位器，没有任何刻度	无	ax.xaxis.set_major_locator(NullLocator())

2.2 刻度格式器

刻度格式器负责将刻度值转换为字符串显示。通过使用不同的格式器，可以灵活地调整刻度标签的显示格式。

刻度格式器相关类及参数如下：

类名	描述	参数	示例
NullFormatter	空格式器，不显示任何刻度标签	-	ax.xaxis.set_major_formatter(NullFormatter())
IndexFormatter	索引格式器，用于显示离散化的序列刻度值	seq（序列）	ax.xaxis.set_major_formatter(IndexFormatter(seq=[0, 1, 2, 3]))
FixedFormatter	固定格式器，用于显示固定列表中的刻度标签	seq（字符串列表）	ax.xaxis.set_major_formatter(FixedFormatter(seq=['A', 'B', 'C']))
FuncFormatter	函数格式器，用于执行用户定义的函数以格式化刻度标签	func（格式化函数）	ax.xaxis.set_major_formatter(FuncFormatter(lambda x, pos: f'{x:.2f}'))
StrMethodFormatter	字符串方法格式器，使用内置的Python字符串方法格式化刻度标签	fmt（格式字符串）	ax.xaxis.set_major_formatter(StrMethodFormatter('{x:.2f}'))
FormatStrFormatter	格式字符串格式器，使用类似于格式化字符串等类型定义格式	fmt（格式字符串）	ax.xaxis.set_major_formatter(FormatStrFormatter('%.2f'))
ScalarFormatter	标量格式器，用于显示数值型刻度值，比如100000以科学计数法表示1E6	useOffset, useMathText	ax.xaxis.set_major_formatter(ScalarFormatter(useMathText=True))
LogFormatter	对数格式器，基于对数刻度值显示刻度标签	-	ax.xaxis.set_major_formatter(LogFormatter())
LogFormatterExponent	对数刻度指数格式器，以指数表示形式显示刻度标签	labelOnlyBase	ax.xaxis.set_major_formatter(LogFormatterExponent(labelOnlyBase=False))
LogFormatterMathtext	对数刻度数学符号格式器，使数学公式来显示刻度标签	-	ax.xaxis.set_major_formatter(LogFormatterMathtext())
LogFormatterSciNotation	对数刻度科学符号格式器，使用科学符号来显示刻度标签	-	ax.xaxis.set_major_formatter(LogFormatterSciNotation())
PercentFormatter	百分比格式器，用于将刻度值转换为百分比形式的刻度标签	xmax（最大值），decimals（小数位数）	ax.xaxis.set_major_formatter(PercentFormatter(xmax=100, decimals=1))
AutoDateFormatter	日期自动格式器，用于自动识别并格式化轴上的日期刻度，默认的格式为’%Y-%m-%d’，即年-月-日	tz（时区），defaultfmt（默认格式）	ax.xaxis.set_major_formatter(AutoDateFormatter(tz=None, defaultfmt='%Y-%m-%d'))
ConciseDateFormatter	简洁日期格式器，通常用于显示连续时间范围并使用日期偏移量格式化日期刻度	locator（定位器）	ax.xaxis.set_major_formatter(ConciseDateFormatter(locator=ax.xaxis.get_major_locator()))
DateFormatter	日期格式器，用于手动指定坐标轴上的日期格式	fmt（日期格式字符串）	ax.xaxis.set_major_formatter(DateFormatter('%Y-%m-%d'))

2.3 示例：刻度定位和格式

from datetime import datetime  # 导入datetime模块，用于处理日期和时间import matplotlib.pyplot as plt  # 导入matplotlib.pyplot模块，用于绘图
from matplotlib.dates import HourLocator, DateFormatter  # 导入HourLocator和DateFormatter类，用于设置坐标轴的时间格式# 定义一个字符串列表，包含一些表示日期时间的信息
dates = ['202310240', '2023102402', '2023102404', '2023102406', '2023102408']
# 将这些字符串转换为datetime对象列表，以便在图表中使用。格式为'%Y%m%d%H'，即年月日小时
x_date = [datetime.strptime(d, '%Y%m%d%H') for d in dates]# y轴的数据列表
y_data = [1, 2, 3, 4, 5]# 在图形上创建一个新的坐标轴，位置和大小由矩形定义[left, bottom, width, height]
ax = plt.axes((0.2, 0.2, 0.6, 0.6))# 使用上述坐标轴绘制数据，x轴为日期时间，y轴为数值
ax.plot(x_date, y_data)# 创建一个HourLocator实例，用于每2小时显示一个刻度
hour_loc = HourLocator(interval=2)
# 设置x轴的主要刻度定位器为上面创建的hour_loc
ax.xaxis.set_major_locator(hour_loc)# 创建一个DateFormatter实例，用于格式化x轴上的日期时间为'%H:%M'格式（小时:分钟）
date_fmt = DateFormatter('%H:%M')
# 设置x轴的主要刻度格式化器为上面创建的date_fmt
ax.xaxis.set_major_formatter(date_fmt)# 显示绘制好的图形窗口
plt.show()

绘制的图形如下图所示：

3. 刻度样式

3.1 tick_params()方法介绍

tick_params() 方法在 Matplotlib 中用于更改刻度的样式和外观。通过此方法，可以控制刻度标记（ticks）、刻度标签（tick labels）以及刻度网格线（grid lines）的颜色、宽度、大小等属性。这使得对图表细节进行微调变得简单直接。

tick_params() 方法参数介绍：

参数	类型	说明
axis	str	指定要设置哪个轴上的刻度参数。可选值有 'x', 'y', 和 'both'（默认）。
which	str	设置哪些刻度被影响。选项包括 'major', 'minor', 'both'（默认）。
direction	str	刻度方向。选项包括 'in', 'out', 'inout'（默认是 'out'）。
length	float	刻度线的长度（以点为单位）。
width	float	刻度线的宽度（以点为单位）。
color	color	刻度线的颜色。可以是任何 Matplotlib 支持的颜色格式。
pad	float	刻度标签与刻度线之间的距离（以点为单位）。
labelsize	float/str	刻度标签字体大小。也可以是相对大小如 'smaller', 'x-large' 等。
labelcolor	color	刻度标签颜色。
colors	color	一次性设置刻度线、刻度标签颜色等所有支持颜色的属性。
bottom	bool	如果为 True，则绘制位于轴底部的刻度。
top	bool	如果为 True，则绘制位于轴顶部的刻度。
left	bool	如果为 True，则绘制位于轴左侧的刻度。
right	bool	如果为 True，则绘制位于轴右侧的刻度。
labelbottom	bool	控制是否显示 x 轴底部的刻度标签。
labeltop	bool	控制是否显示 x 轴顶部的刻度标签。
labelleft	bool	控制是否显示 y 轴左侧的刻度标签。
labelright	bool	控制是否显示 y 轴右侧的刻度标签。

3.2 示例：刻度样式

import matplotlib.pyplot as plt
import matplotlib.pyplot as plt  # 导入matplotlib.pyplot模块用于绘图# 创建一个新的坐标轴对象
ax = plt.axes()# 使用tick_params()方法修改刻度样式：
# axis='both' 表示同时应用到x轴和y轴；
# which='major' 表示这些参数将应用于主刻度（也可以是'minor'或'both'）；
# labelsize=10 设置刻度标签的字体大小为10；
# colors='r' 将刻度的颜色设置为红色（'r'代表red）；
# direction='in' 设置刻度线的方向向内；
# length=6 设置刻度线的长度为6点；
# width=2 设置刻度线的宽度为2点。
ax.tick_params(axis='both', which='major', labelsize=10, colors='r', direction='in', length=6, width=2)# 再次使用tick_params()方法对x轴单独进行样式修改：
# axis='x' 表示只应用于x轴；
# colors='b' 将x轴刻度颜色设置为蓝色（'b'代表blue）；
# pad=10 设置刻度标签与刻度线之间的间距为10点，增加了一些空间。
ax.tick_params(axis='x', colors='b', pad=10)# 显示所创建的图形窗口
plt.show()

绘制的图形如下图所示：

4. 示例：某地区24小时的平均风速

数据如下图所示，需要根据这个数据绘制图形。

实现代码如下所示：

# 导入 datetime 模块，用于处理时间数据
from datetime import datetime# 导入 matplotlib.pyplot 模块，用于绘图
import matplotlib.pyplot as plt
# 导入 pandas 模块，用于读取和处理 CSV 数据
import pandas as pd
# 从 matplotlib.dates 导入 DateFormatter 和 HourLocator
# 用于格式化时间轴的显示方式（如小时、分钟）和设置刻度间隔
from matplotlib.dates import DateFormatter, HourLocator# 设置中文字体为 SimHei（黑体），以确保中文可以正常显示在图表上
# 否则中文可能显示为方框或乱码
plt.rcParams['font.sans-serif'] = ['SimHei']# 解决坐标轴负号 '-' 显示为方块的问题
# 某些中文字体不支持 Unicode 负号，设置为 False 可正常显示负数
plt.rcParams['axes.unicode_minus'] = False# 定义 CSV 文件的路径，请根据实际文件位置修改
csv_file_path = './data/某地区24小时的平均风速.csv'# 使用 pandas 读取 CSV 文件，返回一个 DataFrame（表格型数据结构）
df = pd.read_csv(csv_file_path)# 1. 创建画布（Figure），用于承载图表内容
# 不指定大小时使用默认尺寸
fig = plt.figure()# 2. 在画布上添加一个自定义位置的绘图区域（Axes）
# 参数 [left, bottom, width, height] 是相对于画布的比例（0~1）
# 这里设置为从左下角 (0.1, 0.1) 开始，宽 0.8、高 0.8，留出边距
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])# 将 '时间' 列的数据（如 2023102401）转换为 datetime 对象
# 使用 apply 和 lambda 函数逐行处理字符串，并按 '%Y%m%d%H' 格式解析为日期时间
x_date = df['时间'].apply(lambda x: datetime.strptime(str(x), '%Y%m%d%H')).tolist()# 提取 '风速 (km/h)' 列的数据并转换为 Python 列表
y_data = df['风速 (km/h)'].tolist()# 绘制折线图
# x: 时间数据，y: 风速数据
# ls='-'：线条样式为实线
# marker='>'：数据点使用右向三角形作为标记
# ms=6：标记大小为 6
# mfc='#FF9900'：标记填充颜色为橙色（十六进制颜色）
ax.plot(x_date, y_data, ls='-', marker='>', ms=6, mfc='#FF9900')# 设置图表标题
ax.set_title('深圳市24小时的平均风速')# 设置 Y 轴标签
ax.set_ylabel('平均风速(km/h)')# 设置 Y 轴的显示范围为 5 到 25 km/h
# 突出风速变化，避免图形压缩或拉伸
ax.set_ylim(5, 25)# 在每个数据点上方添加数值标签
# 使用 text() 方法在每个 (x, y) 点绘制文本
# s=y_data[i]：显示当前风速值
# ha='center'：水平居中对齐于数据点
# va='bottom'：垂直方向在数据点下方显示（避免遮挡）
for i in range(len(y_data)):ax.text(x=x_date[i], y=y_data[i], s=y_data[i], ha='center', va='bottom')# 设置 X 轴主刻度为每 2 小时一个
hour_loc = HourLocator(interval=2)
ax.xaxis.set_major_locator(hour_loc)# 设置 X 轴主刻度标签的显示格式为 "小时:分钟"（如 08:00）
date_fmt = DateFormatter('%H:%M')
ax.xaxis.set_major_formatter(date_fmt)# 设置所有坐标轴的刻度样式
# direction='in'：刻度线向内
# length=6：刻度线长度
# width=2：刻度线粗细
# labelsize=12：刻度标签字体大小
ax.tick_params(direction='in', length=6, width=2, labelsize=12)# 单独设置 X 轴刻度标签旋转 45 度
# 防止时间标签过长导致重叠，提升可读性
ax.tick_params(axis='x', labelrotation=45)# 显示绘制完成的图表
plt.show()

绘制的图形如下图所示：

---

四、轴脊（Spines）

1. 轴脊介绍

在 Matplotlib 中，轴脊（Spines） 是指坐标轴的边界线，它们定义了绘图区域的框架。每个坐标轴（Axes）默认有四条轴脊：

• left：左侧轴脊
• right：右侧轴脊
• top：顶部轴脊
• bottom：底部轴脊

轴脊不仅用于显示坐标轴的边界，还可以控制刻度和标签的位置。通过自定义轴脊，可以实现多种视觉效果，例如：

• 隐藏某些边框以获得更简洁的图表；
• 将轴脊移动到数据原点（如绘制笛卡尔坐标系）；
• 改变轴脊的颜色、线宽或样式。

轴脊对象可通过 ax.spines 字典访问，例如 ax.spines['left'] 表示左侧轴脊。

2. 隐藏轴脊

2.1 通过 axis() 方法

plt.axis() 或 ax.axis() 方法不仅可以设置坐标轴的范围，还可以控制坐标轴的整体显示状态，包括是否显示边框（轴脊）。

axis() 方法的参数取值说明：

参数值	类型	描述
'on'	str	恢复显示所有坐标轴元素（默认状态），包括轴脊、刻度、标签等。
'off'	str	隐藏所有坐标轴元素，包括轴脊、刻度、标签、标题等。整个坐标轴区域变为空白。
'equal'	str	设置等比例坐标轴（x 和 y 单位长度相等），不改变可见性。
'scaled'	str	类似 'equal'，但通过调整绘图区域大小实现。
'tight'	str	自动调整坐标轴范围以紧密包围数据。

2.2 通过 set_visible() 方法

更精细的控制方式是直接操作 spines 对象的 set_visible() 方法，可以单独隐藏某一条轴脊，而保留其他部分（如刻度、标签）可见。

方法签名

ax.spines[spine_name].set_visible(False)

set_visible() 方法参数

参数	类型	默认值	描述
b	bool	无	如果为 False，则隐藏该轴脊；如果为 True，则显示该轴脊。

🔹 spine_name 可选值：'left', 'right', 'top', 'bottom'

2.3 示例：绘制多边形（隐藏轴脊）

import matplotlib.pyplot as plt  # 导入 matplotlib 的 pyplot 模块，用于绘制图形# 设置绘图时使用的字体为 SimHei（黑体），解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
# 正常显示负号（-），因为默认情况下使用某些中文字体可能无法正常显示负号
plt.rcParams['axes.unicode_minus'] = False# 多边形顶点 x 坐标列表
x = [0, 2, 4, 3]
# 多边形顶点 y 坐标列表
y = [1, 3, 2, 0]# 使用 fill() 方法填充多边形区域
plt.fill(x, y,  # 指定多边形各顶点的坐标facecolor='lightgreen',  # 填充颜色为浅绿色alpha=0.5,  # 透明度设置为 0.5，值在 0 至 1 之间，0 为完全透明，1 为不透明edgecolor='green',  # 边缘线条颜色设为绿色linewidth=2,  # 边缘线条宽度设为 2linestyle='--',  # 边缘线条样式设为虚线label='多边形填充'  # 图例标签名
)# 设置 x 轴的数值范围
plt.xlim(-1, 5)
# 设置 y 轴的数值范围
plt.ylim(-1, 4)# 添加图例，展示图表中的标记信息
plt.legend()# 设置图表标题
plt.title('fill() 填充多边形示例')# 关闭轴脊
plt.axis('off')# 获取当前的坐标轴对象（Axes）
# plt.gca() 是 "get current axes" 的缩写
# 它返回当前正在操作的子图坐标轴，如果没有则创建一个
# ax = plt.gca()# 隐藏图表底部的边框线
# 注意：这也会隐藏 x 轴的横线，但刻度和标签仍可单独控制显示
# ax.spines['top'].set_visible(False)# 隐藏图表左侧的边框线
# 同样，这会隐藏 y 轴的竖线，但不影响刻度和标签
# ax.spines['right'].set_visible(False)# 显示绘制出的图表
plt.show()

绘制的图形如下图所示：

2.4 示例：2018年到2022年的快递业务量及其增长速度

数据如下图所示，需要根据这个数据绘制图形。

实现代码如下所示：

# 导入 matplotlib.pyplot 模块，用于绘图
import matplotlib.pyplot as plt# 导入 pandas 模块，用于读取和处理 CSV 数据
import pandas as pd# 设置绘图时使用的字体为 SimHei（黑体），解决中文无法正常显示的问题
# 否则中文标签、标题等可能显示为方框或乱码
plt.rcParams['font.sans-serif'] = ['SimHei']# 正常显示负号（-）
# 某些中文字体不支持 Unicode 负号，会导致负数显示为方块
# 设置为 False 可确保负号正常显示
plt.rcParams['axes.unicode_minus'] = False# 定义 CSV 文件的路径，请根据实际路径修改
csv_file_path = './data/2018年到2022年的快递业务量及其增长速度.csv'# 使用 pandas 读取指定路径的 CSV 文件，返回一个 DataFrame（二维表格结构）
df = pd.read_csv(csv_file_path)# 创建一个新的图形（Figure）对象，用于承载图表内容
fig = plt.figure()# 在图形上添加一个自定义位置的坐标轴（Axes）
# 参数 [left, bottom, width, height] 表示相对于画布的比例（0~1）
# 这里设置为从 (0.1, 0.1) 开始，宽 0.8、高 0.8，留出边距
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])# 从 DataFrame 中提取 '年份' 列，并转换为 Python 列表作为 X 轴数据
x_year = df['年份'].tolist()# 提取 '快递业务量 (亿件)' 列数据，作为柱状图的 Y 轴数据
y_nums = df['快递业务量 (亿件)'].tolist()# 提取 '增长速度 (%)' 列数据，作为折线图的 Y 轴数据
y_rate = df['增长速度 (%)'].tolist()# 绘制柱状图：显示每年的快递业务量
# x_year: X 轴（年份），y_nums: 柱子高度
# width=0.5: 柱子宽度
# color='lightblue': 柱子颜色为浅蓝色
rect_nums = ax.bar(x_year, y_nums, width=0.5, color='lightblue')# 设置主坐标轴（ax）的图表标题
ax.set_title('2018-2022年的快递业务量及其增长速度')# 设置主坐标轴 Y 轴的标签
ax.set_ylabel('业务量(亿件)')# 设置主坐标轴 Y 轴的显示范围为 0 到 1400 亿件
# 保证图形空间合理，避免压缩或拉伸
ax.set_ylim(0, 1400)# 在每个柱子的顶部添加数值标签
# 使用 text() 方法逐个标注数据
for i in range(len(y_nums)):ax.text(x=x_year[i],  # X 位置：对应年份y=y_nums[i],  # Y 位置：柱子顶部s=y_nums[i],  # 显示内容：业务量数值fontsize=11,  # 字体大小ha='center',  # 水平居中对齐于柱子va='bottom'  # 垂直方向在柱子上方显示)# 创建一个与 ax 共享 X 轴的右侧坐标轴（用于绘制增长速度）
ax_right = ax.twinx()# 绘制折线图：显示每年的增长速度
# x_year: X 轴（年份），y_rate: Y 轴（增长率）
# color='lightcoral': 线条颜色为浅珊瑚色
# marker='o': 数据点用圆形标记
# ms=6: 标记大小为 6
# mfc='white': 标记内部填充为白色
line_rate = ax_right.plot(x_year, y_rate, color='lightcoral', marker='o', ms=6, mfc='white')# 设置右侧坐标轴 Y 轴的标签
ax_right.set_ylabel('增长速度(%)')# 设置右侧坐标轴 Y 轴的显示范围为 0 到 100%
ax_right.set_ylim(0, 100)# 在每个折线数据点上方添加增长率数值标签
for i in range(len(y_rate)):ax_right.text(x=x_year[i],  # X 位置：对应年份y=y_rate[i],  # Y 位置：数据点位置s=y_rate[i],  # 显示内容：增长率数值fontsize=11,  # 字体大小ha='center',  # 水平居中对齐va='bottom'  # 垂直方向在点上方显示)# 手动创建图例，合并柱状图和折线图的图例项
# [rect_nums, line_rate[0]]: 分别是柱状图对象和折线图中的 Line2D 对象
# labels: 图例文字
# loc='upper left': 图例放在左上角
# ncol=2: 设置图例为 2 列（但这里写成了 26.6，可能是笔误）
plt.legend([rect_nums, line_rate[0]], ['快递业务量', '比去年增长'], loc='upper left', ncol=2)# 隐藏主坐标轴（ax）顶部的边框线，使图表更简洁
ax.spines['top'].set_visible(False)# 隐藏右侧坐标轴（ax_right）顶部的边框线，保持风格统一
ax_right.spines['top'].set_visible(False)# 显示最终绘制的图表
plt.show()

绘制的图形如下图所示：

3. 移动轴脊

在 Matplotlib 中，通过移动轴脊（Spines）的位置，可以创建更灵活、更具表现力的图表样式。例如，将坐标轴置于图形中心，模拟数学中的笛卡尔坐标系，或实现类似于 R 语言 ggplot2 风格的“下方-左侧”坐标轴布局。

3.1 通过 set_position() 方法

set_position() 是 Spine 对象的一个方法，用于设置轴脊的位置。它可以将某条轴脊从默认边缘位置移动到指定坐标或相对位置。

方法签名

ax.spines[spine_name].set_position(position)

set_position() 方法参数取值说明：

位置类型（position）	参数格式	描述	示例
'outward'	(orientation, amount)	将轴脊向外偏移指定距离（单位：点）。负值表示向内。	('outward', 10)
'axes'	(orientation, 0~1)	相对于轴的归一化位置（0 到 1）。0 表示起点，1 表示终点。	('axes', 0.5) 表示移动到轴的中间
'data'	(orientation, value)	移动到数据空间中的某个具体数值位置。常用于将轴脊置于原点。	('data', 0)
'center'	简写形式	等价于 'data' 类型中的 (orientation, 0)，即将轴脊置于数据为 0 的位置。	'center'
'zero'	简写形式	同 'center'，语义更明确，表示移动到数据零点。	'zero'

🔹 orientation 可选值：

• 对于 left/right 轴脊：使用 'y'
• 对于 bottom/top 轴脊：使用 'x'

3.2 示例：绘制多边形（移动轴脊）

import matplotlib.pyplot as plt  # 导入 matplotlib 的 pyplot 模块，用于绘制图形# 设置绘图时使用的字体为 SimHei（黑体），解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
# 正常显示负号（-），因为默认情况下使用某些中文字体可能无法正常显示负号
plt.rcParams['axes.unicode_minus'] = False# 多边形顶点 x 坐标列表
x = [0, 2, 4, 3]
# 多边形顶点 y 坐标列表
y = [1, 3, 2, 0]# 使用 fill() 方法填充多边形区域
plt.fill(x, y,  # 指定多边形各顶点的坐标facecolor='lightgreen',  # 填充颜色为浅绿色alpha=0.5,  # 透明度设置为 0.5，值在 0 至 1 之间，0 为完全透明，1 为不透明edgecolor='green',  # 边缘线条颜色设为绿色linewidth=2,  # 边缘线条宽度设为 2linestyle='--',  # 边缘线条样式设为虚线label='多边形填充'  # 图例标签名
)# 设置 x 轴的数值范围
plt.xlim(-1, 5)
# 设置 y 轴的数值范围
plt.ylim(-1, 4)# 添加图例，展示图表中的标记信息
plt.legend()# 设置图表标题
plt.title('fill() 填充多边形示例')# 获取当前的坐标轴对象（Axes）
# plt.gca() 是 "get current axes" 的缩写
# 它返回当前正在操作的子图坐标轴，如果没有则创建一个
ax = plt.gca()# 隐藏图表底部的边框线
# 注意：这也会隐藏 x 轴的横线，但刻度和标签仍可单独控制显示
ax.spines['top'].set_visible(False)# 隐藏图表左侧的边框线
# 同样，这会隐藏 y 轴的竖线，但不影响刻度和标签
ax.spines['right'].set_visible(False)# 将左侧（Y轴）边框线（spine）移动到图形的水平中心位置
# ('axes', 0.5) 表示位置是相对于整个坐标轴宽度的 50% 处
# 即：Y轴将显示在图形中间（常用于对称数据或坐标原点居中）
ax.spines['left'].set_position(('axes', 0.5))# 将底部（X轴）边框线（spine）移动到图形的垂直中心位置
# ('axes', 0.5) 表示位置是相对于整个坐标轴高度的 50% 处
# 即：X轴将显示在图形中间，与上面的Y轴一起形成十字交叉坐标系
ax.spines['bottom'].set_position(('axes', 0.5))# 将左侧（Y轴）边框线重新定位到数据值为 3 的位置
# ('data', 3) 表示 Y轴 将移动到 X=3 的垂直线上
# 注意：这行会覆盖上面第一行的设置（一个 spine 不能同时有两个位置）
# 通常用于将坐标轴移动到某个特定的数据点上
# ax.spines['left'].set_position(('data', 3))# 显示绘制出的图表
plt.show()

绘制的图形如下图所示：