Axes & graduation

Taille du graphique

L’attribut figsize=(width, height) permet de définir la taille de la figure (unité: inches).

plt.figure(figsize=(12, 6))

fig, axes = plt.subplots(nrows=3, ncols=2, figsize=(12, 6))

Notons que par défaut, les sous-graphiques à l’intérieur de la figure sont collés les uns contre les autres, pour occuper tout l’espace, appeller la fonction plt.tight_layout() après avoir définit tous les sous-graphiques.

Pour définir les paramètres par défaut pour toutes les figures:

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

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

Titre

API globale: plt.title
```
plt.title("My title")
```

Pour une figure contenant plusieurs sous-graphiques: fig.suptitle, ax.set_title

x = np.arange(1, 100)
fig = plt.figure(figsize=(12, 3))
fig.suptitle("Figures", fontsize=20, y=1.1) # y=0: bottom, y=1: top

# Graph #1
ax = fig.add_subplot(1, 2, 1)
ax.plot(x, x)
ax.set_xlabel('X')
ax.set_ylabel('X')
ax.set_title("Graph 1")

# Graph #2
ax = fig.add_subplot(1, 2, 2)
ax.plot(x, -x)
ax.set_xlabel('X')
ax.set_ylabel('-X')
ax.set_title("Graph 2")

fig.tight_layout()

Titre des ordonnées

Les méthodes plt.xlabel et plt.ylabel permettent de définir le titre des ordonnées

fig = plt.figure(figsize=(6, 3))
plt.plot(x, x)
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Title")

Pour un sous-graphique: ax.set_xlabel et ax.set_ylabel

On peut également utiliser la méthode set

ax.set(
  xlabel='time (s)',
  ylabel='voltage (mV)',
  title='About as simple as it gets, folks')

Couleur du fond

L’attribut facecolor=color permet de définir la couleur de fond d’une figure.
```
plt.figure(figsize=(6, 3), facecolor='grey')
plt.plot(x, x)
```

L’attribut facecolor ou la méthode ax.set_facecolor permettent de définir la couleur de fond d’un graphique.

fig = plt.figure(figsize=(6, 3), facecolor='grey')
ax = fig.add_subplot(1, 1, 1)
ax.set_facecolor('lightgrey')
ax.plot(x, x)

fig = plt.figure(figsize=(6, 3), facecolor='grey')
ax = fig.add_subplot(1, 1, 1, facecolor='lightgrey')
ax.plot(x, x)

Pour définir la couleur du fond pour tous les graphiques:
```
plt.rcParams['figure.facecolor'] = '0.75'
```

Axes

Limites

plt.xlim et plt.ylim permettent de modifier l’intervalle du graphique.

x = np.arange(0, 10)
plt.plot(x, x)

plt.xlim(-5,15)
plt.ylim(-5,15)

ax.set_xlim et ax.set_ylim pour un sous-graphique.

Bords

On peut personnaliser les bords du graphique (spine en anglais)

x   = np.arange(0, 10)
fig = plt.figure()
ax  = fig.add_subplot(1,1,1)

ax.plot(x, x)
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

Documentation spines

On peut complètement désactiver l’affichage des axes et de la graduation:

x = np.arange(0, 10)
plt.axis('off')
plt.plot(x, x)

x = np.arange(0, 10)
fig, ax = plt.subplots(1,1)
ax.set_axis_off()
plt.plot(x, x)

Graduation

Nombre de graduations

plt.xticks et yticks permettent de définir la graduation à utiliser pour l’axe x et y respectivement.
ax.set_xticks et ax.set_yticks pour un sous-graphique.
```
x = np.arange(0, 10)
plt.plot(x, x)
plt.xticks(np.arange(0,10))
```
```
x = np.arange(0, 10)
plt.plot(x, x)
plt.xticks([])
plt.yticks([])
```

Ou en peut définir le nombre total de graduations à utiliser:

x = np.arange(0, 10)
plt.plot(x, x)
plt.gca().xaxis.set_major_locator(plt.MaxNLocator(3))

Position

On peut modifier l’emplacement de la graduation:

x = np.arange(0, 10)
plt.plot(x, x)
plt.gca().yaxis.set_ticks_position('right')

Labels

On peut assigner un label aux graduations:

x = np.arange(0, 10)
plt.bar(x, x)
plt.xticks(range(11), list('abcdefijkl'))

fig, ax = plt.subplots()
x = np.arange(0, 10)

ax.bar(x, x)
ax.set_xticks(range(11), list('abcdefijkl'))

fig, ax = plt.subplots()
x = np.arange(0, 10)

ax.bar(x, x)
ax.xaxis.set_ticks(range(11))
ax.xaxis.set_ticklabels(list('abcdefijkl'))

On peut définir les labels avec un formatter:

from matplotlib.ticker import FuncFormatter
formatter = FuncFormatter(lambda x,pos: '$%1.1fk' % (x * 1e-3))

x = np.random.randint(25000,50000,100)
plt.plot(x)
plt.gca().yaxis.set_major_formatter(formatter)

from matplotlib import ticker
formatter = ticker.PercentFormatter(xmax=10)

x = np.arange(0, 10)
plt.plot(x, x)
plt.gca().xaxis.set_major_formatter(formatter)

Sous-graduation

On peut également afficher une graduation non labellée (tics mineurs):

x = np.arange(0, 10)
plt.plot(x, x)
plt.minorticks_on()

x = np.arange(0, 10)
plt.plot(x, x)
plt.minorticks_on()
plt.gca().xaxis.set_ticks(np.arange(0,10), minor=True)
plt.gca().yaxis.set_ticks(np.arange(0,10), minor=True)

Style

On peut modifier le style des graduations avec la fonction tick_params

x = np.arange(0, 10)
plt.plot(x, x)
plt.minorticks_on()
plt.gca().xaxis.set_ticks(np.arange(0,10), minor=True)
plt.gca().yaxis.set_ticks(np.arange(0,10), minor=True)

plt.tick_params(rotation=90, axis='x')
plt.tick_params(color='red', width=2, length=10)
plt.tick_params(length=5, which='minor')

Grille

La méthode grid permet d’afficher la grille du graphique

x = np.arange(0, 10)
plt.plot(x, x)
plt.grid()

fig, ax = plt.subplots()
x = np.arange(0, 10)

ax.plot(x,x)
ax.set_axisbelow(True)
ax.grid()

Différents paramètres permettant de personnaliser l’apparence de la grille: Documentation grid
```
plt.grid(color='lightgrey')
```

Par défaut grid ne s’applique que sur les tics majeurs, le paramètre which permet de contrôler sur quoi on veut l’appliquer:

x = np.arange(0, 10)
plt.plot(x, x)
plt.minorticks_on()
plt.gca().xaxis.set_ticks(np.arange(0,10), minor=True)
plt.gca().yaxis.set_ticks(np.arange(0,10), minor=True)

plt.grid()
plt.grid(which='minor', alpha=0.2)

Pour modifier l’apparence de la grille pour tous les graphiques:

plt.rcParams['grid.color'] = 'k'
plt.rcParams['grid.linestyle'] = ':'
plt.rcParams['grid.linewidth'] = 0.5
plt.rcParams['axes.axisbelow'] = True

Marges

On peut modifier l’emplacement initial des ticks avec margins

x = np.arange(0, 10)
plt.plot(x, x)
plt.margins(x=0, y=0.1)

Par défaut, certains graphiques (comme imshow) ne prennent pas en compte les marges. On peut désactiver ce comportement avec use_sticky_edges = False
```
X = np.random.uniform(0,1,(8,8))
plt.imshow(X)
plt.gca().use_sticky_edges = False
plt.margins(x=0.05, y=0.05)
```

Pour aller plus loin: Axis API

This site is open source. Improve this page.