---

一、坐標軸概述

在 Matplotlib 中，坐標軸（Axes） 是繪圖的核心區域，它是圖形中實際繪制數據的部分，包含刻度、標簽、網格線以及數據曲線等元素。一個 Figure（畫布）可以包含一個或多個 Axes（子圖），每個 Axes 都擁有獨立的 x 軸和 y 軸（在三維圖中還包括 z 軸）。

1. 坐標軸介紹

Axes 并不是簡單的“坐標軸線”，而是指圖表中的繪圖區域，包括：

• X 軸和 Y 軸：定義數據的數值尺度；
• 刻度（Ticks）：坐標軸上的標記點；
• 刻度標簽（Tick Labels）：刻度對應的數值或文字說明；
• 軸標簽（Axis Labels）：描述坐標軸含義的文字（如“時間”、“溫度”）；
• 標題（Title）：子圖的標題；
• 圖例（Legend）：用于標識不同數據系列；
• 網格線（Grid）：輔助讀數的背景線。

🔹 注意：不要將 Axes 與 Axis 混淆：

• Axes：整個繪圖區域（可理解為“子圖”）；
• Axis：單個坐標軸對象（如 x 軸或 y 軸），是 Axes 的組成部分。

2. 坐標軸相關屬性

以下是 Matplotlib 中 Axes 和其子對象（如 Axis、Tick）常用屬性的詳細說明表：

屬性	類型	獲取方式	描述
ax.xaxis	matplotlib.axis.XAxis	ax.xaxis	X 軸對象，控制 x 軸的刻度、標簽、方向等
ax.yaxis	matplotlib.axis.YAxis	ax.yaxis	Y 軸對象，控制 y 軸的刻度、標簽、方向等
ax.xaxis.label	Text	ax.xaxis.label	X 軸標簽文本對象
ax.yaxis.label	Text	ax.yaxis.label	Y 軸標簽文本對象
ax.title	Text	ax.title	子圖標題對象
ax.xaxis.get_ticklocs() / get_ticks()	array	ax.xaxis.get_ticklocs()	獲取 x 軸刻度位置
ax.yaxis.get_ticklocs() / get_ticks()	array	ax.yaxis.get_ticklocs()	獲取 y 軸刻度位置
ax.xaxis.get_ticklabels()	list of Text	ax.xaxis.get_ticklabels()	獲取 x 軸刻度標簽對象列表
ax.yaxis.get_ticklabels()	list of Text	ax.yaxis.get_ticklabels()	獲取 y 軸刻度標簽對象列表
ax.xaxis.set_ticks()	方法	ax.xaxis.set_ticks(ticks)	設置 x 軸刻度位置
ax.yaxis.set_ticks()	方法	ax.yaxis.set_ticks(ticks)	設置 y 軸刻度位置
ax.xaxis.set_ticklabels()	方法	ax.xaxis.set_ticklabels(labels)	設置 x 軸刻度標簽
ax.yaxis.set_ticklabels()	方法	ax.yaxis.set_ticklabels(labels)	設置 y 軸刻度標簽
ax.grid()	方法	ax.grid(True)	顯示網格線
ax.set_xlim() / ax.set_ylim()	方法	ax.set_xlim(left, right)	設置坐標軸數據范圍
ax.set_xlabel() / ax.set_ylabel()	方法	ax.set_xlabel('文本')	設置坐標軸標簽
ax.set_title()	方法	ax.set_title('標題')	設置子圖標題
ax.spines	Spines 字典	ax.spines['left']	控制坐標軸邊框（如左、右、上、下 spine）的顯示與樣式

---

二、坐標軸

1. axes() 方法介紹

在 Matplotlib 中，plt.axes() 方法用于向當前圖形（figure）中添加一個新的坐標軸（Axes）。這個方法提供了非常靈活的方式來定義新的繪圖區域的位置和大小，也可以用來創建具有不同坐標系的子圖。通過調整參數，可以精確控制新坐標軸的位置、尺寸及其與其他元素的關系。

plt.axes() 方法的參數如下：

參數	類型	默認值	描述
arg	list or tuple or None	None	定義新坐標軸的位置和大小。 - 當為 None 時，創建一個與默認坐標軸重疊的新坐標軸。 - 當為 [left, bottom, width, height] 列表或元組時，分別指定新坐標軸距離畫布左邊、底部的距離以及寬度和高度的比例（0到1之間）。
projection	str or None	None	指定坐標軸的投影類型。例如 'polar' 表示極坐標系。
polar	bool	False	如果為 True，則使用極坐標系。此參數是為了向后兼容性而保留的；推薦直接使用 projection='polar'。
sharex, sharey	Axes object or None	None	與其它坐標軸共享X軸或Y軸。這在創建多個子圖時很有用，以確保它們之間的尺度一致。

2. 示例：添加多個繪圖區域

import matplotlib.pyplot as plt  # 導入 matplotlib.pyplot 模塊，用于繪圖# 創建一個新的圖形（figure），并設置背景顏色為淺灰色
fig = plt.figure(facecolor='lightgray')# 在圖形上添加第一個坐標軸（ax1），位置和大小由矩形定義 [left, bottom, width, height]
# 這里 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])# 添加第二個坐標軸（ax2），參數含義同上
ax2 = plt.axes([0.5, 0.6, 0.3, 0.3])# 添加第三個坐標軸（ax3），但這次指定 projection='polar' 來創建極坐標圖
# 參數同樣定義了位置和大小
ax3 = plt.axes([0.1, 0.1, 0.3, 0.3], projection='polar')# 添加第四個坐標軸（ax4），這里使用 projection='3d' 創建三維坐標系
# 參數也定義了其位置和大小
ax4 = plt.axes([0.5, 0.1, 0.3, 0.3], projection='3d')# 顯示繪制好的圖形窗口
plt.show()

繪制的圖形如下圖所示：

---

三、坐標軸的刻度

在 Matplotlib 中，坐標軸的刻度（ticks）是圖表中非常重要的元素之一。它們不僅幫助我們理解數據的數值范圍，還能通過適當的定位和格式化增強圖表的可讀性和美觀性。

1. 坐標軸的刻度介紹

坐標軸的刻度由兩部分組成：

• 刻度定位器（Tick Locator）：決定刻度的位置。
• 刻度格式器（Tick Formatter）：控制刻度標簽如何顯示。

通過自定義刻度定位器和格式器，可以實現對圖表外觀的高度定制，例如添加日期時間刻度、科學計數法表示的大數值等。

2. 刻度定位器和格式器

2.1 刻度定位器

刻度定位器決定了坐標軸上刻度的位置。Matplotlib 提供了多種內置的刻度定位器類，適用于不同的場景需求。

刻度定位器相關類及參數如下：

類名	描述	參數	示例
MicrosecondLocator	微秒級定位器，以微秒為單位定位刻度	interval：微秒間隔	ax.xaxis.set_major_locator(MicrosecondLocator(interval=100))
SecondLocator	秒級定位器，以秒為單位定位刻度	interval：秒間隔	ax.xaxis.set_major_locator(SecondLocator(interval=30))
MinuteLocator	分鐘級定位器，以分鐘為單位定位刻度	interval：分鐘間隔	ax.xaxis.set_major_locator(MinuteLocator(interval=15))
HourLocator	小時級定位器，以小時為單位定位刻度	interval：小時間隔	ax.xaxis.set_major_locator(HourLocator(interval=2))
DayLocator	天級定位器，以每月的指定日期為單位定位刻度	interval：天數間隔	ax.xaxis.set_major_locator(DayLocator(interval=7))
WeekdayLocator	工作日級定位器，以工作日為單位定位刻度	byweekday：指定工作日（如MO, TU等）	ax.xaxis.set_major_locator(WeekdayLocator(byweekday=MO))
MonthLocator	月份級定位器，以月為單位定位刻度	interval：月間隔	ax.xaxis.set_major_locator(MonthLocator(interval=3))
YearLocator	年份級定位器，以年為單位定位刻度	base：年份基數，month：起始月，day：起始日	ax.xaxis.set_major_locator(YearLocator(base=2, month=1, day=1))
AutoLocator	自動定位器，自動計算刻度位置	無	ax.xaxis.set_major_locator(AutoLocator())
MaxNLocator	最大值定位器，根據指定的最大數量計算刻度位置	nbins：最大刻度數，steps：允許的步長列表	ax.xaxis.set_major_locator(MaxNLocator(nbins=5))
LinearLocator	線性定位器，根據線性間隔的要求計算刻度的位置	numticks：刻度數量	ax.xaxis.set_major_locator(LinearLocator(numticks=6))
LogLocator	對數定位器，根據對數間隔的要求計算刻度的位置	base：對數底，subs：次要刻度倍數	ax.xaxis.set_major_locator(LogLocator(base=10))
MultipleLocator	多點定位器，根據指定的基數（相鄰兩個刻度的間距）計算刻度的位置	base：刻度間隔	ax.xaxis.set_major_locator(MultipleLocator(base=0.5))
FixedLocator	定點定位器，將指定坐標列表直接設置為刻度位置，完全跳過自動刻度計算過程	locs：刻度位置列表	ax.xaxis.set_major_locator(FixedLocator(locs=[0, 1, 2, 3]))
IndexLocator	索引定位器，根據指定的整數數量計算刻度的位置	base：步長，offset：偏移量	ax.xaxis.set_major_locator(IndexLocator(base=2, offset=1))
NullLocator	空定位器，沒有任何刻度	無	ax.xaxis.set_major_locator(NullLocator())

2.2 刻度格式器

刻度格式器負責將刻度值轉換為字符串顯示。通過使用不同的格式器，可以靈活地調整刻度標簽的顯示格式。

刻度格式器相關類及參數如下：

類名	描述	參數	示例
NullFormatter	空格式器，不顯示任何刻度標簽	-	ax.xaxis.set_major_formatter(NullFormatter())
IndexFormatter	索引格式器，用于顯示離散化的序列刻度值	seq（序列）	ax.xaxis.set_major_formatter(IndexFormatter(seq=[0, 1, 2, 3]))
FixedFormatter	固定格式器，用于顯示固定列表中的刻度標簽	seq（字符串列表）	ax.xaxis.set_major_formatter(FixedFormatter(seq=['A', 'B', 'C']))
FuncFormatter	函數格式器，用于執行用戶定義的函數以格式化刻度標簽	func（格式化函數）	ax.xaxis.set_major_formatter(FuncFormatter(lambda x, pos: f'{x:.2f}'))
StrMethodFormatter	字符串方法格式器，使用內置的Python字符串方法格式化刻度標簽	fmt（格式字符串）	ax.xaxis.set_major_formatter(StrMethodFormatter('{x:.2f}'))
FormatStrFormatter	格式字符串格式器，使用類似于格式化字符串等類型定義格式	fmt（格式字符串）	ax.xaxis.set_major_formatter(FormatStrFormatter('%.2f'))
ScalarFormatter	標量格式器，用于顯示數值型刻度值，比如100000以科學計數法表示1E6	useOffset, useMathText	ax.xaxis.set_major_formatter(ScalarFormatter(useMathText=True))
LogFormatter	對數格式器，基于對數刻度值顯示刻度標簽	-	ax.xaxis.set_major_formatter(LogFormatter())
LogFormatterExponent	對數刻度指數格式器，以指數表示形式顯示刻度標簽	labelOnlyBase	ax.xaxis.set_major_formatter(LogFormatterExponent(labelOnlyBase=False))
LogFormatterMathtext	對數刻度數學符號格式器，使數學公式來顯示刻度標簽	-	ax.xaxis.set_major_formatter(LogFormatterMathtext())
LogFormatterSciNotation	對數刻度科學符號格式器，使用科學符號來顯示刻度標簽	-	ax.xaxis.set_major_formatter(LogFormatterSciNotation())
PercentFormatter	百分比格式器，用于將刻度值轉換為百分比形式的刻度標簽	xmax（最大值），decimals（小數位數）	ax.xaxis.set_major_formatter(PercentFormatter(xmax=100, decimals=1))
AutoDateFormatter	日期自動格式器，用于自動識別并格式化軸上的日期刻度，默認的格式為’%Y-%m-%d’，即年-月-日	tz（時區），defaultfmt（默認格式）	ax.xaxis.set_major_formatter(AutoDateFormatter(tz=None, defaultfmt='%Y-%m-%d'))
ConciseDateFormatter	簡潔日期格式器，通常用于顯示連續時間范圍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，用于手動指定坐標軸上的日期格式	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  # 導入datetime模塊，用于處理日期和時間import matplotlib.pyplot as plt  # 導入matplotlib.pyplot模塊，用于繪圖
from matplotlib.dates import HourLocator, DateFormatter  # 導入HourLocator和DateFormatter類，用于設置坐標軸的時間格式# 定義一個字符串列表，包含一些表示日期時間的信息
dates = ['202310240', '2023102402', '2023102404', '2023102406', '2023102408']
# 將這些字符串轉換為datetime對象列表，以便在圖表中使用。格式為'%Y%m%d%H'，即年月日小時
x_date = [datetime.strptime(d, '%Y%m%d%H') for d in dates]# y軸的數據列表
y_data = [1, 2, 3, 4, 5]# 在圖形上創建一個新的坐標軸，位置和大小由矩形定義[left, bottom, width, height]
ax = plt.axes((0.2, 0.2, 0.6, 0.6))# 使用上述坐標軸繪制數據，x軸為日期時間，y軸為數值
ax.plot(x_date, y_data)# 創建一個HourLocator實例，用于每2小時顯示一個刻度
hour_loc = HourLocator(interval=2)
# 設置x軸的主要刻度定位器為上面創建的hour_loc
ax.xaxis.set_major_locator(hour_loc)# 創建一個DateFormatter實例，用于格式化x軸上的日期時間為'%H:%M'格式（小時:分鐘）
date_fmt = DateFormatter('%H:%M')
# 設置x軸的主要刻度格式化器為上面創建的date_fmt
ax.xaxis.set_major_formatter(date_fmt)# 顯示繪制好的圖形窗口
plt.show()

繪制的圖形如下圖所示：

3. 刻度樣式

3.1 tick_params()方法介紹

tick_params() 方法在 Matplotlib 中用于更改刻度的樣式和外觀。通過此方法，可以控制刻度標記（ticks）、刻度標簽（tick labels）以及刻度網格線（grid lines）的顏色、寬度、大小等屬性。這使得對圖表細節進行微調變得簡單直接。

tick_params() 方法參數介紹：

參數	類型	說明
axis	str	指定要設置哪個軸上的刻度參數。可選值有 'x', 'y', 和 'both'（默認）。
which	str	設置哪些刻度被影響。選項包括 'major', 'minor', 'both'（默認）。
direction	str	刻度方向。選項包括 'in', 'out', 'inout'（默認是 'out'）。
length	float	刻度線的長度（以點為單位）。
width	float	刻度線的寬度（以點為單位）。
color	color	刻度線的顏色。可以是任何 Matplotlib 支持的顏色格式。
pad	float	刻度標簽與刻度線之間的距離（以點為單位）。
labelsize	float/str	刻度標簽字體大小。也可以是相對大小如 'smaller', 'x-large' 等。
labelcolor	color	刻度標簽顏色。
colors	color	一次性設置刻度線、刻度標簽顏色等所有支持顏色的屬性。
bottom	bool	如果為 True，則繪制位于軸底部的刻度。
top	bool	如果為 True，則繪制位于軸頂部的刻度。
left	bool	如果為 True，則繪制位于軸左側的刻度。
right	bool	如果為 True，則繪制位于軸右側的刻度。
labelbottom	bool	控制是否顯示 x 軸底部的刻度標簽。
labeltop	bool	控制是否顯示 x 軸頂部的刻度標簽。
labelleft	bool	控制是否顯示 y 軸左側的刻度標簽。
labelright	bool	控制是否顯示 y 軸右側的刻度標簽。

3.2 示例：刻度樣式

import matplotlib.pyplot as plt
import matplotlib.pyplot as plt  # 導入matplotlib.pyplot模塊用于繪圖# 創建一個新的坐標軸對象
ax = plt.axes()# 使用tick_params()方法修改刻度樣式：
# axis='both' 表示同時應用到x軸和y軸；
# which='major' 表示這些參數將應用于主刻度（也可以是'minor'或'both'）；
# labelsize=10 設置刻度標簽的字體大小為10；
# colors='r' 將刻度的顏色設置為紅色（'r'代表red）；
# direction='in' 設置刻度線的方向向內；
# length=6 設置刻度線的長度為6點；
# width=2 設置刻度線的寬度為2點。
ax.tick_params(axis='both', which='major', labelsize=10, colors='r', direction='in', length=6, width=2)# 再次使用tick_params()方法對x軸單獨進行樣式修改：
# axis='x' 表示只應用于x軸；
# colors='b' 將x軸刻度顏色設置為藍色（'b'代表blue）；
# pad=10 設置刻度標簽與刻度線之間的間距為10點，增加了一些空間。
ax.tick_params(axis='x', colors='b', pad=10)# 顯示所創建的圖形窗口
plt.show()

繪制的圖形如下圖所示：

4. 示例：某地區24小時的平均風速

數據如下圖所示，需要根據這個數據繪制圖形。

實現代碼如下所示：

# 導入 datetime 模塊，用于處理時間數據
from datetime import datetime# 導入 matplotlib.pyplot 模塊，用于繪圖
import matplotlib.pyplot as plt
# 導入 pandas 模塊，用于讀取和處理 CSV 數據
import pandas as pd
# 從 matplotlib.dates 導入 DateFormatter 和 HourLocator
# 用于格式化時間軸的顯示方式（如小時、分鐘）和設置刻度間隔
from matplotlib.dates import DateFormatter, HourLocator# 設置中文字體為 SimHei（黑體），以確保中文可以正常顯示在圖表上
# 否則中文可能顯示為方框或亂碼
plt.rcParams['font.sans-serif'] = ['SimHei']# 解決坐標軸負號 '-' 顯示為方塊的問題
# 某些中文字體不支持 Unicode 負號，設置為 False 可正常顯示負數
plt.rcParams['axes.unicode_minus'] = False# 定義 CSV 文件的路徑，請根據實際文件位置修改
csv_file_path = './data/某地區24小時的平均風速.csv'# 使用 pandas 讀取 CSV 文件，返回一個 DataFrame（表格型數據結構）
df = pd.read_csv(csv_file_path)# 1. 創建畫布（Figure），用于承載圖表內容
# 不指定大小時使用默認尺寸
fig = plt.figure()# 2. 在畫布上添加一個自定義位置的繪圖區域（Axes）
# 參數 [left, bottom, width, height] 是相對于畫布的比例（0~1）
# 這里設置為從左下角 (0.1, 0.1) 開始，寬 0.8、高 0.8，留出邊距
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])# 將 '時間' 列的數據（如 2023102401）轉換為 datetime 對象
# 使用 apply 和 lambda 函數逐行處理字符串，并按 '%Y%m%d%H' 格式解析為日期時間
x_date = df['時間'].apply(lambda x: datetime.strptime(str(x), '%Y%m%d%H')).tolist()# 提取 '風速 (km/h)' 列的數據并轉換為 Python 列表
y_data = df['風速 (km/h)'].tolist()# 繪制折線圖
# x: 時間數據，y: 風速數據
# ls='-'：線條樣式為實線
# marker='>'：數據點使用右向三角形作為標記
# ms=6：標記大小為 6
# mfc='#FF9900'：標記填充顏色為橙色（十六進制顏色）
ax.plot(x_date, y_data, ls='-', marker='>', ms=6, mfc='#FF9900')# 設置圖表標題
ax.set_title('深圳市24小時的平均風速')# 設置 Y 軸標簽
ax.set_ylabel('平均風速(km/h)')# 設置 Y 軸的顯示范圍為 5 到 25 km/h
# 突出風速變化，避免圖形壓縮或拉伸
ax.set_ylim(5, 25)# 在每個數據點上方添加數值標簽
# 使用 text() 方法在每個 (x, y) 點繪制文本
# s=y_data[i]：顯示當前風速值
# ha='center'：水平居中對齊于數據點
# va='bottom'：垂直方向在數據點下方顯示（避免遮擋）
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')# 設置 X 軸主刻度為每 2 小時一個
hour_loc = HourLocator(interval=2)
ax.xaxis.set_major_locator(hour_loc)# 設置 X 軸主刻度標簽的顯示格式為 "小時:分鐘"（如 08:00）
date_fmt = DateFormatter('%H:%M')
ax.xaxis.set_major_formatter(date_fmt)# 設置所有坐標軸的刻度樣式
# direction='in'：刻度線向內
# length=6：刻度線長度
# width=2：刻度線粗細
# labelsize=12：刻度標簽字體大小
ax.tick_params(direction='in', length=6, width=2, labelsize=12)# 單獨設置 X 軸刻度標簽旋轉 45 度
# 防止時間標簽過長導致重疊，提升可讀性
ax.tick_params(axis='x', labelrotation=45)# 顯示繪制完成的圖表
plt.show()

繪制的圖形如下圖所示：

---

四、軸脊（Spines）

1. 軸脊介紹

在 Matplotlib 中，軸脊（Spines） 是指坐標軸的邊界線，它們定義了繪圖區域的框架。每個坐標軸（Axes）默認有四條軸脊：

• left：左側軸脊
• right：右側軸脊
• top：頂部軸脊
• bottom：底部軸脊

軸脊不僅用于顯示坐標軸的邊界，還可以控制刻度和標簽的位置。通過自定義軸脊，可以實現多種視覺效果，例如：

• 隱藏某些邊框以獲得更簡潔的圖表；
• 將軸脊移動到數據原點（如繪制笛卡爾坐標系）；
• 改變軸脊的顏色、線寬或樣式。

軸脊對象可通過 ax.spines 字典訪問，例如 ax.spines['left'] 表示左側軸脊。

2. 隱藏軸脊

2.1 通過 axis() 方法

plt.axis() 或 ax.axis() 方法不僅可以設置坐標軸的范圍，還可以控制坐標軸的整體顯示狀態，包括是否顯示邊框（軸脊）。

axis() 方法的參數取值說明：

參數值	類型	描述
'on'	str	恢復顯示所有坐標軸元素（默認狀態），包括軸脊、刻度、標簽等。
'off'	str	隱藏所有坐標軸元素，包括軸脊、刻度、標簽、標題等。整個坐標軸區域變為空白。
'equal'	str	設置等比例坐標軸（x 和 y 單位長度相等），不改變可見性。
'scaled'	str	類似 'equal'，但通過調整繪圖區域大小實現。
'tight'	str	自動調整坐標軸范圍以緊密包圍數據。

2.2 通過 set_visible() 方法

更精細的控制方式是直接操作 spines 對象的 set_visible() 方法，可以單獨隱藏某一條軸脊，而保留其他部分（如刻度、標簽）可見。

方法簽名

ax.spines[spine_name].set_visible(False)

set_visible() 方法參數

參數	類型	默認值	描述
b	bool	無	如果為 False，則隱藏該軸脊；如果為 True，則顯示該軸脊。

🔹 spine_name 可選值：'left', 'right', 'top', 'bottom'

2.3 示例：繪制多邊形（隱藏軸脊）

import matplotlib.pyplot as plt  # 導入 matplotlib 的 pyplot 模塊，用于繪制圖形# 設置繪圖時使用的字體為 SimHei（黑體），解決中文顯示問題
plt.rcParams['font.sans-serif'] = ['SimHei']
# 正常顯示負號（-），因為默認情況下使用某些中文字體可能無法正常顯示負號
plt.rcParams['axes.unicode_minus'] = False# 多邊形頂點 x 坐標列表
x = [0, 2, 4, 3]
# 多邊形頂點 y 坐標列表
y = [1, 3, 2, 0]# 使用 fill() 方法填充多邊形區域
plt.fill(x, y,  # 指定多邊形各頂點的坐標facecolor='lightgreen',  # 填充顏色為淺綠色alpha=0.5,  # 透明度設置為 0.5，值在 0 至 1 之間，0 為完全透明，1 為不透明edgecolor='green',  # 邊緣線條顏色設為綠色linewidth=2,  # 邊緣線條寬度設為 2linestyle='--',  # 邊緣線條樣式設為虛線label='多邊形填充'  # 圖例標簽名
)# 設置 x 軸的數值范圍
plt.xlim(-1, 5)
# 設置 y 軸的數值范圍
plt.ylim(-1, 4)# 添加圖例，展示圖表中的標記信息
plt.legend()# 設置圖表標題
plt.title('fill() 填充多邊形示例')# 關閉軸脊
plt.axis('off')# 獲取當前的坐標軸對象（Axes）
# plt.gca() 是 "get current axes" 的縮寫
# 它返回當前正在操作的子圖坐標軸，如果沒有則創建一個
# ax = plt.gca()# 隱藏圖表底部的邊框線
# 注意：這也會隱藏 x 軸的橫線，但刻度和標簽仍可單獨控制顯示
# ax.spines['top'].set_visible(False)# 隱藏圖表左側的邊框線
# 同樣，這會隱藏 y 軸的豎線，但不影響刻度和標簽
# ax.spines['right'].set_visible(False)# 顯示繪制出的圖表
plt.show()

繪制的圖形如下圖所示：

2.4 示例：2018年到2022年的快遞業務量及其增長速度

數據如下圖所示，需要根據這個數據繪制圖形。

實現代碼如下所示：

# 導入 matplotlib.pyplot 模塊，用于繪圖
import matplotlib.pyplot as plt# 導入 pandas 模塊，用于讀取和處理 CSV 數據
import pandas as pd# 設置繪圖時使用的字體為 SimHei（黑體），解決中文無法正常顯示的問題
# 否則中文標簽、標題等可能顯示為方框或亂碼
plt.rcParams['font.sans-serif'] = ['SimHei']# 正常顯示負號（-）
# 某些中文字體不支持 Unicode 負號，會導致負數顯示為方塊
# 設置為 False 可確保負號正常顯示
plt.rcParams['axes.unicode_minus'] = False# 定義 CSV 文件的路徑，請根據實際路徑修改
csv_file_path = './data/2018年到2022年的快遞業務量及其增長速度.csv'# 使用 pandas 讀取指定路徑的 CSV 文件，返回一個 DataFrame（二維表格結構）
df = pd.read_csv(csv_file_path)# 創建一個新的圖形（Figure）對象，用于承載圖表內容
fig = plt.figure()# 在圖形上添加一個自定義位置的坐標軸（Axes）
# 參數 [left, bottom, width, height] 表示相對于畫布的比例（0~1）
# 這里設置為從 (0.1, 0.1) 開始，寬 0.8、高 0.8，留出邊距
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])# 從 DataFrame 中提取 '年份' 列，并轉換為 Python 列表作為 X 軸數據
x_year = df['年份'].tolist()# 提取 '快遞業務量 (億件)' 列數據，作為柱狀圖的 Y 軸數據
y_nums = df['快遞業務量 (億件)'].tolist()# 提取 '增長速度 (%)' 列數據，作為折線圖的 Y 軸數據
y_rate = df['增長速度 (%)'].tolist()# 繪制柱狀圖：顯示每年的快遞業務量
# x_year: X 軸（年份），y_nums: 柱子高度
# width=0.5: 柱子寬度
# color='lightblue': 柱子顏色為淺藍色
rect_nums = ax.bar(x_year, y_nums, width=0.5, color='lightblue')# 設置主坐標軸（ax）的圖表標題
ax.set_title('2018-2022年的快遞業務量及其增長速度')# 設置主坐標軸 Y 軸的標簽
ax.set_ylabel('業務量(億件)')# 設置主坐標軸 Y 軸的顯示范圍為 0 到 1400 億件
# 保證圖形空間合理，避免壓縮或拉伸
ax.set_ylim(0, 1400)# 在每個柱子的頂部添加數值標簽
# 使用 text() 方法逐個標注數據
for i in range(len(y_nums)):ax.text(x=x_year[i],  # X 位置：對應年份y=y_nums[i],  # Y 位置：柱子頂部s=y_nums[i],  # 顯示內容：業務量數值fontsize=11,  # 字體大小ha='center',  # 水平居中對齊于柱子va='bottom'  # 垂直方向在柱子上方顯示)# 創建一個與 ax 共享 X 軸的右側坐標軸（用于繪制增長速度）
ax_right = ax.twinx()# 繪制折線圖：顯示每年的增長速度
# x_year: X 軸（年份），y_rate: Y 軸（增長率）
# color='lightcoral': 線條顏色為淺珊瑚色
# marker='o': 數據點用圓形標記
# ms=6: 標記大小為 6
# mfc='white': 標記內部填充為白色
line_rate = ax_right.plot(x_year, y_rate, color='lightcoral', marker='o', ms=6, mfc='white')# 設置右側坐標軸 Y 軸的標簽
ax_right.set_ylabel('增長速度(%)')# 設置右側坐標軸 Y 軸的顯示范圍為 0 到 100%
ax_right.set_ylim(0, 100)# 在每個折線數據點上方添加增長率數值標簽
for i in range(len(y_rate)):ax_right.text(x=x_year[i],  # X 位置：對應年份y=y_rate[i],  # Y 位置：數據點位置s=y_rate[i],  # 顯示內容：增長率數值fontsize=11,  # 字體大小ha='center',  # 水平居中對齊va='bottom'  # 垂直方向在點上方顯示)# 手動創建圖例，合并柱狀圖和折線圖的圖例項
# [rect_nums, line_rate[0]]: 分別是柱狀圖對象和折線圖中的 Line2D 對象
# labels: 圖例文字
# loc='upper left': 圖例放在左上角
# ncol=2: 設置圖例為 2 列（但這里寫成了 26.6，可能是筆誤）
plt.legend([rect_nums, line_rate[0]], ['快遞業務量', '比去年增長'], loc='upper left', ncol=2)# 隱藏主坐標軸（ax）頂部的邊框線，使圖表更簡潔
ax.spines['top'].set_visible(False)# 隱藏右側坐標軸（ax_right）頂部的邊框線，保持風格統一
ax_right.spines['top'].set_visible(False)# 顯示最終繪制的圖表
plt.show()

繪制的圖形如下圖所示：

3. 移動軸脊

在 Matplotlib 中，通過移動軸脊（Spines）的位置，可以創建更靈活、更具表現力的圖表樣式。例如，將坐標軸置于圖形中心，模擬數學中的笛卡爾坐標系，或實現類似于 R 語言 ggplot2 風格的“下方-左側”坐標軸布局。

3.1 通過 set_position() 方法

set_position() 是 Spine 對象的一個方法，用于設置軸脊的位置。它可以將某條軸脊從默認邊緣位置移動到指定坐標或相對位置。

方法簽名

ax.spines[spine_name].set_position(position)

set_position() 方法參數取值說明：

位置類型（position）	參數格式	描述	示例
'outward'	(orientation, amount)	將軸脊向外偏移指定距離（單位：點）。負值表示向內。	('outward', 10)
'axes'	(orientation, 0~1)	相對于軸的歸一化位置（0 到 1）。0 表示起點，1 表示終點。	('axes', 0.5) 表示移動到軸的中間
'data'	(orientation, value)	移動到數據空間中的某個具體數值位置。常用于將軸脊置于原點。	('data', 0)
'center'	簡寫形式	等價于 'data' 類型中的 (orientation, 0)，即將軸脊置于數據為 0 的位置。	'center'
'zero'	簡寫形式	同 'center'，語義更明確，表示移動到數據零點。	'zero'

🔹 orientation 可選值：

• 對于 left/right 軸脊：使用 'y'
• 對于 bottom/top 軸脊：使用 'x'

3.2 示例：繪制多邊形（移動軸脊）

import matplotlib.pyplot as plt  # 導入 matplotlib 的 pyplot 模塊，用于繪制圖形# 設置繪圖時使用的字體為 SimHei（黑體），解決中文顯示問題
plt.rcParams['font.sans-serif'] = ['SimHei']
# 正常顯示負號（-），因為默認情況下使用某些中文字體可能無法正常顯示負號
plt.rcParams['axes.unicode_minus'] = False# 多邊形頂點 x 坐標列表
x = [0, 2, 4, 3]
# 多邊形頂點 y 坐標列表
y = [1, 3, 2, 0]# 使用 fill() 方法填充多邊形區域
plt.fill(x, y,  # 指定多邊形各頂點的坐標facecolor='lightgreen',  # 填充顏色為淺綠色alpha=0.5,  # 透明度設置為 0.5，值在 0 至 1 之間，0 為完全透明，1 為不透明edgecolor='green',  # 邊緣線條顏色設為綠色linewidth=2,  # 邊緣線條寬度設為 2linestyle='--',  # 邊緣線條樣式設為虛線label='多邊形填充'  # 圖例標簽名
)# 設置 x 軸的數值范圍
plt.xlim(-1, 5)
# 設置 y 軸的數值范圍
plt.ylim(-1, 4)# 添加圖例，展示圖表中的標記信息
plt.legend()# 設置圖表標題
plt.title('fill() 填充多邊形示例')# 獲取當前的坐標軸對象（Axes）
# plt.gca() 是 "get current axes" 的縮寫
# 它返回當前正在操作的子圖坐標軸，如果沒有則創建一個
ax = plt.gca()# 隱藏圖表底部的邊框線
# 注意：這也會隱藏 x 軸的橫線，但刻度和標簽仍可單獨控制顯示
ax.spines['top'].set_visible(False)# 隱藏圖表左側的邊框線
# 同樣，這會隱藏 y 軸的豎線，但不影響刻度和標簽
ax.spines['right'].set_visible(False)# 將左側（Y軸）邊框線（spine）移動到圖形的水平中心位置
# ('axes', 0.5) 表示位置是相對于整個坐標軸寬度的 50% 處
# 即：Y軸將顯示在圖形中間（常用于對稱數據或坐標原點居中）
ax.spines['left'].set_position(('axes', 0.5))# 將底部（X軸）邊框線（spine）移動到圖形的垂直中心位置
# ('axes', 0.5) 表示位置是相對于整個坐標軸高度的 50% 處
# 即：X軸將顯示在圖形中間，與上面的Y軸一起形成十字交叉坐標系
ax.spines['bottom'].set_position(('axes', 0.5))# 將左側（Y軸）邊框線重新定位到數據值為 3 的位置
# ('data', 3) 表示 Y軸 將移動到 X=3 的垂直線上
# 注意：這行會覆蓋上面第一行的設置（一個 spine 不能同時有兩個位置）
# 通常用于將坐標軸移動到某個特定的數據點上
# ax.spines['left'].set_position(('data', 3))# 顯示繪制出的圖表
plt.show()

繪制的圖形如下圖所示：