默认样式的更改#

matplotlib 2.0 最重要的变化是默认样式的改变。

虽然不可能为所有情况选择最佳的默认值，但这些设计旨在在大多数常见情况下表现良好。

提供了一个'经典'样式表，因此恢复到1.x的默认值只需一行Python代码。

import matplotlib.style
import matplotlib as mpl
mpl.style.use('classic')

有关如何持久且有选择地恢复这些更改的详细信息，请参阅 The matplotlibrc 文件。

颜色、颜色循环和颜色映射 #

默认属性循环中的颜色 #

默认属性循环中的颜色已从 ['b', 'g', 'r', 'c', 'm', 'y', 'k'] 更改为 Vega 和 d3 最初在 Tableau 开发的 category10 调色板。

(Source code, 2x.png, png)

除了改变颜色外，还增加了一种指定颜色的新方法。以前，默认颜色是红色、绿色、蓝色、青色、品红色、黄色和黑色的单字符简写符号。这使得它们易于输入，并且可以在 plot 中的缩写样式字符串中使用，但是新的默认颜色只能通过十六进制值指定。为了在属性循环之外访问这些颜色，增加了颜色符号 'CN'，其中 N 取值 0-9，用于表示 rcParams["axes.prop_cycle"] (default: cycler('color', ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728', '#9467bd', '#8c564b', '#e377c2', '#7f7f7f', '#bcbd22', '#17becf'])) 中的前10种颜色。更多详情请参见指定颜色。

要恢复旧的颜色循环，请使用

from cycler import cycler
mpl.rcParams['axes.prop_cycle'] = cycler(color='bgrcmyk')

或设置

axes.prop_cycle    : cycler('color', 'bgrcmyk')

在你的 matplotlibrc 文件中。

色图 #

matplotlib.cm.ScalarMappable 实例使用的新默认颜色映射是 'viridis'（即选项 D）。

(Source code, 2x.png, png)

要了解色彩理论的介绍以及 'viridis' 是如何生成的，请观看 Nathaniel Smith 和 Stéfan van der Walt 在 SciPy2015 上的演讲。关于其他替代方案和用于创建色图的工具的更多详细信息，请参见这里。有关 matplotlib 中所有可用色图的详细信息，请参见在 Matplotlib 中选择颜色表。

可以使用以下方法恢复之前的默认设置：

mpl.rcParams['image.cmap'] = 'jet'

或设置

image.cmap    : 'jet'

在你的 matplotlibrc 文件中；然而，强烈不建议这样做。

交互式图形 #

默认的交互式图形背景颜色已从灰色更改为白色，这与保存时使用的默认背景颜色相匹配。

可以通过以下方式恢复之前的默认设置

mpl.rcParams['figure.facecolor'] = '0.75'

或者通过设置

figure.facecolor : '0.75'

在你的 matplotlibrc 文件中。

网格线 #

网格线的默认样式已从黑色虚线改为更粗的浅灰色实线。

(Source code, 2x.png, png)

可以通过以下方式恢复之前的默认设置:

mpl.rcParams['grid.color'] = 'k'
mpl.rcParams['grid.linestyle'] = ':'
mpl.rcParams['grid.linewidth'] = 0.5

或通过设置:

grid.color       :   k       # grid color
grid.linestyle   :   :       # dotted
grid.linewidth   :   0.5     # in points

在你的 matplotlibrc 文件中。

图表尺寸、字体大小和屏幕dpi #

用于屏幕显示的默认 dpi 从 80 dpi 更改为 100 dpi，这与保存文件的默认 dpi 相同。由于这一更改，屏幕显示现在更接近保存文件的所见即所得。为了保持图形在像素方面的相同大小，以便在屏幕上保持大致相同的大小，默认图形大小从 8x6 英寸减少到 6.4x4.8 英寸。因此，用于标题、刻度标签和轴标签的默认字体大小被减少，以保持它们相对于图形整体大小的尺寸。默认情况下，保存图像的 dpi 现在是正在保存的 Figure 实例的 dpi。

如果你试图直接将图中的文本与外部文本匹配，这将产生影响。

可以通过以下方式恢复之前的默认设置

mpl.rcParams['figure.figsize'] = [8.0, 6.0]
mpl.rcParams['figure.dpi'] = 80
mpl.rcParams['savefig.dpi'] = 100

mpl.rcParams['font.size'] = 12
mpl.rcParams['legend.fontsize'] = 'large'
mpl.rcParams['figure.titlesize'] = 'medium'

或通过设置:

figure.figsize   : [8.0, 6.0]
figure.dpi       : 80
savefig.dpi      : 100

font.size        : 12.0
legend.fontsize  : 'large'
figure.titlesize : 'medium'

在你的 matplotlibrc 文件中。

此外，set_size_inches 的 forward 参数现在默认为 True，以改善交互体验。调整其绑定 matplotlib.figure.Figure 大小的后端画布必须传递 forward=False 以避免循环行为。此默认值不可配置。

绘图函数 #

`scatter`#

对 scatter 的默认行为进行了以下更改

散点图中元素的默认大小现在基于 rcParams["lines.markersize"] (default: 6.0)，因此与 plot(X, Y, 'o') 一致。旧值为 20，新值为 36（6^2）。
散点标记不再有黑色边缘。
如果未指定标记的颜色，它将遵循属性循环，从 Axes 上的 'patches' 循环中提取。

(Source code, 2x.png, png)

scatter 的经典默认行为只能通过 mpl.style.use('classic') 恢复。标记大小可以通过以下方式恢复

mpl.rcParam['lines.markersize'] = np.sqrt(20)

然而，这也会影响 plot 的默认标记大小。要在每次调用时恢复经典行为，请传递以下关键字参数:

classic_kwargs = {'s': 20, 'edgecolors': 'k', 'c': 'b'}

`plot`#

对 plot 的默认行为进行了以下更改

默认线宽从1增加到1.5
与 '--', ':', 和 '-.' 相关的虚线样式已更改
虚线图案现在随线宽缩放

(Source code, 2x.png, png)

可以通过设置恢复之前的默认值:

mpl.rcParams['lines.linewidth'] = 1.0
mpl.rcParams['lines.dashed_pattern'] = [6, 6]
mpl.rcParams['lines.dashdot_pattern'] = [3, 5, 1, 5]
mpl.rcParams['lines.dotted_pattern'] = [1, 3]
mpl.rcParams['lines.scale_dashes'] = False

或通过设置:

lines.linewidth   : 1.0
lines.dashed_pattern : 6, 6
lines.dashdot_pattern : 3, 5, 1, 5
lines.dotted_pattern : 1, 3
lines.scale_dashes: False

在你的 matplotlibrc 文件中。

`errorbar`#

默认情况下，误差线的末端没有帽。

(Source code, 2x.png, png)

这也会改变 errorbar() 的返回值，因为默认情况下 'caplines' 列表将为空。

可以通过设置恢复之前的默认值:

mpl.rcParams['errorbar.capsize'] = 3

或者通过设置

errorbar.capsize : 3

在你的 matplotlibrc 文件中。

`boxplot`#

之前，箱线图由各种风格混杂而成，这些风格无论好坏，都是从Matlab继承而来的。大多数元素是蓝色的，但中位数是红色的。飞点（异常值）是黑色的加号符号（'+'），而须线是虚线，如果没有绘制（实心和黑色）的帽线，这会造成歧义。

对于新的默认设置，除了中位数和平均线（如果绘制）之外，所有内容都是黑色的，这些线条的颜色设置为当前颜色循环的前两个元素。此外，默认的异常值标记现在是空心圆圈，这保持了加号符号在不掩盖太多数据的情况下重叠的能力。

(Source code, 2x.png, png)

可以通过设置恢复之前的默认值:

mpl.rcParams['boxplot.flierprops.color'] = 'k'
mpl.rcParams['boxplot.flierprops.marker'] = '+'
mpl.rcParams['boxplot.flierprops.markerfacecolor'] = 'none'
mpl.rcParams['boxplot.flierprops.markeredgecolor'] = 'k'
mpl.rcParams['boxplot.boxprops.color'] = 'b'
mpl.rcParams['boxplot.whiskerprops.color'] = 'b'
mpl.rcParams['boxplot.whiskerprops.linestyle'] = '--'
mpl.rcParams['boxplot.medianprops.color'] = 'r'
mpl.rcParams['boxplot.meanprops.color'] = 'r'
mpl.rcParams['boxplot.meanprops.marker'] = '^'
mpl.rcParams['boxplot.meanprops.markerfacecolor'] = 'r'
mpl.rcParams['boxplot.meanprops.markeredgecolor'] = 'k'
mpl.rcParams['boxplot.meanprops.markersize'] = 6
mpl.rcParams['boxplot.meanprops.linestyle'] = '--'
mpl.rcParams['boxplot.meanprops.linewidth'] = 1.0

或通过设置:

boxplot.flierprops.color:           'k'
boxplot.flierprops.marker:          '+'
boxplot.flierprops.markerfacecolor: 'none'
boxplot.flierprops.markeredgecolor: 'k'
boxplot.boxprops.color:             'b'
boxplot.whiskerprops.color:         'b'
boxplot.whiskerprops.linestyle:     '--'
boxplot.medianprops.color:          'r'
boxplot.meanprops.color:            'r'
boxplot.meanprops.marker:           '^'
boxplot.meanprops.markerfacecolor:  'r'
boxplot.meanprops.markeredgecolor:  'k'
boxplot.meanprops.markersize:        6
boxplot.meanprops.linestyle:         '--'
boxplot.meanprops.linewidth:         1.0

在你的 matplotlibrc 文件中。

`fill_between` 和 `fill_betweenx`#

fill_between 和 fill_betweenx 都遵循补丁颜色循环。

(Source code, 2x.png, png)

如果通过 facecolors 或 color 关键字参数设置了 facecolor，那么颜色将不会循环。

要恢复之前的行为，请在方法调用中显式传递关键字参数 facecolors='C0'。

补丁边缘和颜色 #

大多数使用补丁绘制的艺术家（如 ~matplotlib.axes.Axes.bar、~matplotlib.axes.Axes.pie 等）默认不再有黑色边缘。默认的面部颜色现在是 'C0' 而不是 'b'。

(Source code, 2x.png, png)

可以通过设置恢复之前的默认值:

mpl.rcParams['patch.force_edgecolor'] = True
mpl.rcParams['patch.facecolor'] = 'b'

或通过设置:

patch.facecolor        : b
patch.force_edgecolor  : True

在你的 matplotlibrc 文件中。

`hexbin`#

hexbin 的 linecolor 关键字参数的默认值已从 'none' 更改为 'face'。如果现在提供 'none'，则不会在六边形周围绘制线条边缘。

`bar` 和 `barh`#

对于 bar 和 barh ，align kwarg 的默认值从 'edge' 更改为 'center'。

(Source code, 2x.png, png)

要显式恢复之前的行为，请在方法调用中传递关键字参数 align='edge'。

孵化 #

填充图案中线条的颜色现在由

如果边缘颜色被显式设置，则使用该颜色作为填充颜色
如果未明确设置边缘颜色，则使用 rcParams["hatch.color"] (default: 'black')，该颜色在艺术家创建时查找。

现在，阴影图案中线条的宽度可以通过 rcParams rcParams["hatch.linewidth"] (default: 1.0) 进行配置，默认值为 1 点。旧的线条宽度行为因后端不同而有所不同：

PDF: 0.1 pt
SVG: 1.0 点
PS: 1 像素
Agg: 1 像素

旧的行宽行为不能同时在所有后端恢复，但可以通过设置以下内容为单个后端恢复:

mpl.rcParams['hatch.linewidth'] = 0.1  # previous pdf hatch linewidth
mpl.rcParams['hatch.linewidth'] = 1.0  # previous svg hatch linewidth

PS 和 Agg 后端的渲染行为依赖于 DPI，因此:

mpl.rcParams['figure.dpi'] = dpi
mpl.rcParams['savefig.dpi'] = dpi  # or leave as default 'figure'
mpl.rcParams['hatch.linewidth'] = 1.0 / dpi  # previous ps and Agg hatch linewidth

没有直接的API级别控制来改变填充颜色或线宽。

现在，无论DPI如何，阴影图案的渲染密度都是一致的。以前，高DPI的图形会比默认的更密集，而低DPI的图形则会更稀疏。这种旧的行为不能直接恢复，但可以通过重复阴影指示符来增加密度。

字体 #

普通文本 #

默认字体已从“Bitstream Vera Sans”更改为“DejaVu Sans”。DejaVu Sans 增加了国际和数学字符，但在其他方面与 Bitstream Vera Sans 的外观相同。拉丁文、希腊文、西里尔文、亚美尼亚文、格鲁吉亚文、希伯来文和阿拉伯文 `均受支持 <https://dejavu-fonts.github.io/>`__（但 matplotlib 仍不处理从右到左的渲染）。此外，DejaVu 包含一个表情符号子集。

(Source code, 2x.png, png)

查看 DejaVu Sans PDF 样本以获取全面覆盖。

数学文本 #

在使用内置数学渲染引擎（mathtext）时，默认的数学字体已从“Computer Modern”（即类似LaTeX的字体）更改为“DejaVu Sans”。如果使用TeX后端（即 text.usetex 为 True），此更改将无效。

(Source code, 2x.png, png)

(Source code, 2x.png, png)

要恢复到旧的行为，请设置:

mpl.rcParams['mathtext.fontset'] = 'cm'
mpl.rcParams['mathtext.rm'] = 'serif'

或设置:

mathtext.fontset: cm
mathtext.rm : serif

在你的 matplotlibrc 文件中。

这个 rcParam 是在绘制文本时被查询的，而不是在创建艺术家时。因此，给定 canvas 上的所有数学文本将使用相同的字体集。

图例 #

默认情况下，图例中显示的点数现在是 1。
默认的图例位置是 'best'，因此图例将被自动放置在一个位置，以最小化与数据的叠加。
图例的默认设置现在包括圆角、较浅的边界以及部分透明的边界和背景。

(Source code, 2x.png, png)

可以通过设置恢复之前的默认值:

mpl.rcParams['legend.fancybox'] = False
mpl.rcParams['legend.loc'] = 'upper right'
mpl.rcParams['legend.numpoints'] = 2
mpl.rcParams['legend.fontsize'] = 'large'
mpl.rcParams['legend.framealpha'] = None
mpl.rcParams['legend.scatterpoints'] = 3
mpl.rcParams['legend.edgecolor'] = 'inherit'

或通过设置:

legend.fancybox      : False
legend.loc           : upper right
legend.numpoints     : 2      # the number of points in the legend line
legend.fontsize      : large
legend.framealpha    : None    # opacity of legend frame
legend.scatterpoints : 3 # number of scatter points
legend.edgecolor     : inherit   # legend edge color ('inherit'
                                 # means it uses axes.edgecolor)

在你的 matplotlibrc 文件中。

图像 #

插值 #

imshow 的默认插值方法是 'nearest'，并且在颜色映射之前默认会对数据进行重采样（包括上采样和下采样）。

(Source code, 2x.png, png)

要恢复之前的行为，请设置:

mpl.rcParams['image.interpolation'] = 'bilinear'
mpl.rcParams['image.resample'] = False

或设置:

image.interpolation  : bilinear  # see help(imshow) for options
image.resample  : False

在你的 matplotlibrc 文件中。

颜色映射管道 #

之前，输入数据被归一化，然后进行颜色映射，最后重新采样到屏幕所需的分辨率。这意味着最终的重新采样是在颜色空间中完成的。由于颜色映射在RGB空间中通常不是线性的，因此最终图像中可能会出现颜色映射中没有的颜色。此问题通过几乎完全重写图像处理代码得到了解决。

输入数据现在已经被归一化，然后重新采样到正确的分辨率（在归一化数据空间中），接着映射到RGB空间。这确保了最终图像中只出现来自色图的颜色。（如果你的查看器随后重新采样图像，伪影可能会重新出现。）

之前的行为无法恢复。

阴影 #

在 matplotlib.colors.LightSource.shade 中，光源着色的默认阴影模式现在是 overlay。以前，它是 hsv。

图表布局 #

自动限制 #

之前的自动缩放行为是找到包含数据范围的'好'的整数作为视图限制，但如果数据恰好落在接近所选'整数'限制的垂直或水平线上，这可能会产生不良的图表。新的默认设置将视图限制设置为数据范围的5%更宽。

(Source code, 2x.png, png)

x 和 y 方向上的填充大小分别由 'axes.xmargin' 和 'axes.ymargin' rcParams 控制。视图限制是否应为 '整数' 由 rcParams["axes.autolimit_mode"] (default: 'data') 控制。在原始的 'round_number' 模式下，视图限制与刻度重合。

可以通过以下方式恢复之前的默认设置:

mpl.rcParams['axes.autolimit_mode'] = 'round_numbers'
mpl.rcParams['axes.xmargin'] = 0
mpl.rcParams['axes.ymargin'] = 0

或设置:

axes.autolimit_mode: round_numbers
axes.xmargin: 0
axes.ymargin: 0

在你的 matplotlibrc 文件中。

Z-order #

刻度和网格现在绘制在填充等高线等实心元素之上，但在线条之下。要恢复之前在线条之上绘制刻度和网格的行为，请设置 rcParams['axes.axisbelow'] = False。

Ticks #

方向#

为了减少刻度线与数据的碰撞，默认情况下刻度线现在默认指向外部。此外，刻度线现在仅在底部和左侧边框上绘制，以防止出现刺猬般的外观，并为子图之间提供更清晰的分离。

(Source code, 2x.png, png)

要恢复之前的行为，请设置:

mpl.rcParams['xtick.direction'] = 'in'
mpl.rcParams['ytick.direction'] = 'in'
mpl.rcParams['xtick.top'] = True
mpl.rcParams['ytick.right'] = True

或设置:

xtick.top: True
xtick.direction: in

ytick.right: True
ytick.direction: in

在你的 matplotlibrc 文件中。

刻度数量#

x轴和y轴使用的默认 Locator 是 AutoLocator，它会尝试找到，最多到某个最大数量，'美观'间隔的刻度。该定位器现在包含一个算法，用于估计能留出刻度标签空间的刻度最大数量。默认情况下，它还确保至少有两个刻度可见。

(Source code, 2x.png, png)

除了使用 mpl.style.use('classic') 之外，没有其他方法可以恢复之前的行为作为默认设置。在逐轴的基础上，你可以通过以下方式控制现有的定位器：

ax.xaxis.get_major_locator().set_params(nbins=9, steps=[1, 2, 5, 10])

或创建一个新的 MaxNLocator:

import matplotlib.ticker as mticker
ax.set_major_locator(mticker.MaxNLocator(nbins=9, steps=[1, 2, 5, 10])

MaxNLocator 使用的算法已得到改进，这可能会在某些情况下改变刻度位置的选择。这也影响了 AutoLocator，它在内部使用了 MaxNLocator。

对于对数刻度轴，默认的定位器是 LogLocator。以前，刻度的最大数量被设置为15，并且无法更改。现在有一个 numticks 关键字参数，可以将其设置为任意整数值，或者设置为字符串 'auto'，或者设置为其默认值 None，这相当于 'auto'。使用 'auto' 设置时，最大值将不大于9，并且会根据轴的长度（以刻度字体大小的单位表示）减少。与 AutoLocator 的情况一样，启发式算法减少了重叠刻度标签的发生，但并不能完全避免。

刻度标签格式化 #

`LogFormatter` 次刻度的标签#

当轴视图限制范围小于或等于两个主刻度之间的间隔时，对数轴上的次刻度现在会被标记。详情请参见 LogFormatter。在使用 mpl.style.use('classic') 时，次刻度标记会被关闭，但无法通过 rcParams 独立控制。

(Source code, 2x.png, png)

`ScalarFormatter` 带偏移的刻度标签格式化#

使用默认的 rcParams["axes.formatter.useoffset"] (default: True) 时，当可以节省4位或更多位数时，将使用偏移量。这可以通过新的 rcParams["axes.formatter.offset_threshold"] (default: 4) 来控制。要恢复之前使用偏移量节省2位或更多位数的行为，请使用 rcParams['axes.formatter.offset_threshold'] = 2。

(Source code, 2x.png, png)

`AutoDateFormatter` 格式字符串#

默认的日期格式现在都基于ISO格式，即，最慢变化的部分在前。日期格式化器可以通过 date.autoformatter.* rcParams 进行配置。

阈值（刻度间隔 >= ）	rcParam	经典	v2.0
365 天	`'date.autoformatter.year'`	`'%Y'`	`'%Y'`
30天	`'date.autoformatter.month'`	`'%b %Y'`	`'%Y-%m'`
1 天	`'date.autoformatter.day'`	`'%b %d %Y'`	`'%Y-%m-%d'`
1 小时	`'date.autoformatter.hour'`	`'%H:%M:%S'`	`'%H:%M'`
1 分钟	`'date.autoformatter.minute'`	`'%H:%M:%S.%f'`	`'%H:%M:%S'`
1 秒	`'date.autoformatter.second'`	`'%H:%M:%S.%f'`	`'%H:%M:%S'`
1 微秒	`'date.autoformatter.microsecond'`	`'%H:%M:%S.%f'`	`'%H:%M:%S.%f'`

Python 的 %x 和 %X 日期格式可能特别适用于基于当前区域设置格式化日期。

可以通过以下方式恢复之前的默认设置:

mpl.rcParams['date.autoformatter.year'] = '%Y'
mpl.rcParams['date.autoformatter.month'] = '%b %Y'
mpl.rcParams['date.autoformatter.day'] = '%b %d %Y'
mpl.rcParams['date.autoformatter.hour'] = '%H:%M:%S'
mpl.rcParams['date.autoformatter.minute'] = '%H:%M:%S.%f'
mpl.rcParams['date.autoformatter.second'] = '%H:%M:%S.%f'
mpl.rcParams['date.autoformatter.microsecond'] = '%H:%M:%S.%f'

或设置

date.autoformatter.year   : %Y
date.autoformatter.month  : %b %Y
date.autoformatter.day    : %b %d %Y
date.autoformatter.hour   : %H:%M:%S
date.autoformatter.minute : %H:%M:%S.%f
date.autoformatter.second : %H:%M:%S.%f
date.autoformatter.microsecond : %H:%M:%S.%f

在你的 matplotlibrc 文件中。

mplot3d #

mplot3d 现在遵循一些与样式相关的 rcParams，而不是使用硬编码的默认值。这些包括：
- xtick.major.width
- ytick.major.width
- xtick.color
- ytick.color
- axes.linewidth
- axes.edgecolor
- 网格颜色
- grid.linewidth
- grid.linestyle

默认样式的更改#

方向#

刻度数量#

LogFormatter 次刻度的标签#

ScalarFormatter 带偏移的刻度标签格式化#

AutoDateFormatter 格式字符串#

`LogFormatter` 次刻度的标签#

`ScalarFormatter` 带偏移的刻度标签格式化#

`AutoDateFormatter` 格式字符串#