详解matplotlib绘图样式(style)初探
(编辑：jimmy 日期: 2024/12/27 浏览：2)
样式是定义图表可视化外观的配置，它由一组预置的rcParams参数构成。matplotlib预置了一系列样式风格，可直接使用。
样式使用方法
样式相关模块为style。
1. 显示本机可用样式
matplotlib.style.available返回本机可用样式的列表。
列表只读，样式更新后，需要使用reload_library()重新加载样式。
In [1]: import matplotlib.style as style In [2]: style.available Out[2]: ['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']
2. 显示样式详细设置
matplotlib.style.library以字典的形式返回所有样式的定义，字典键为样式名称，键为定义样式的 RcParams对象。
字典对象也是只读的，更新样式后，需要使用reload_library()重新加载样式。
In [6]: style.library['fast']
Out[6]:
RcParams({'agg.path.chunksize': 10000,
'path.simplify': True,
'path.simplify_threshold': 1.0})
3. 重新加载样式
matplotlib.style.reload_library()重新加载样式。
4. 使用样式
matplotlib.style.use(style)将matplotlib的绘图样式设置为某种样式。
使用default样式可以将样式为恢复到默认样式。
该函数只会更新style中定义的rcParams配置，其余rcParams配置保持不变。
参数style有四种取值：
str：样式名称或者样式文件的路径/url。通过style.available查看可用的样式名称。dict：以rcParams配置项和值为键值对的字典。Path：指向样式文件的Path对象。list：样式支持组合使用，将多个样式配置配置放置在列表中，matplotlib将逐个执行列表中每个元素的配置，元素可以为str、Path或者dict，列表右边的元素会覆盖前面元素的配置。
import matplotlib.pyplot as plt plt.bar([1,2,3],[1,2,3]) plt.show()
import matplotlib.pyplot as plt
plt.style.use('ggplot')
plt.bar([1,2,3],[1,2,3])
plt.show()
import matplotlib.pyplot as plt plt.style.use(['ggplot','dark_background']) plt.bar([1,2,3],[1,2,3]) plt.show()
import matplotlib.pyplot as plt
plt.subplot(221)
plt.bar([1,2,3],[1,2,3])
plt.style.use('ggplot')
plt.subplot(222)
plt.bar([1,2,3],[1,2,3])
plt.style.use('grayscale')
plt.subplot(223)
plt.bar([1,2,3],[1,2,3])
plt.style.use(['ggplot','grayscale'])
plt.subplot(224)
plt.bar([1,2,3],[1,2,3])
plt.show()
样式样例
参见https://matplotlib.org/gallery/style_sheets/style_sheets_reference.html
自定义样式
https://matplotlib.org/tutorials/introductory/customizing.html