在本教程中，你将学习如何使用 Python 的 Matplotlib 库将 x 轴刻度标签移动到图表的顶部。默认情况下，Matplotlib 会将 x 轴标签放置在图表的底部。然而，有时为了获得更好的可视化效果，你可能希望将它们放置在顶部，特别是在处理数据密集的图表或可能与其他元素重叠的长标签时。
这种技术在数据可视化场景中特别有用，你可以通过它优化空间利用并提高图表的可读性。我们将创建一个简单的图表，并逐步学习如何操作刻度标签的位置。
虚拟机启动完成后，点击左上角切换到 Notebook 标签页，即可访问 Jupyter Notebook 进行练习。
你可能需要等待几秒钟，直到 Jupyter Notebook 加载完成。由于 Jupyter Notebook 的限制，操作验证无法实现自动化。
如果你在本教程中遇到任何问题，请随时向 Labby 寻求帮助。请在课程结束后提供反馈，以便我们及时解决任何问题。
在第一步中，你将了解 Matplotlib 并创建一个新的 Jupyter Notebook 来完成可视化任务。
Matplotlib 是一个用于在 Python 中创建静态、动态和交互式可视化图表的综合库。它提供了面向对象的 API，可将图表嵌入到应用程序中，被科学家、工程师和数据分析师广泛用于数据可视化。
在 Notebook 的第一个单元格中，让我们导入 Matplotlib 库。输入以下代码，然后按 Shift + Enter 运行该单元格：
import matplotlib.pyplot as plt
import numpy as np
## Check the Matplotlib version
print(f"NumPy version: {np.__version__}")
运行此代码时，你应该会看到类似以下的输出：
NumPy version: 2.0.0确切的版本号可能会因你的环境而异。
现在，你已经成功导入了 Matplotlib 并可以使用它了。plt 是 pyplot 模块的常用别名，它提供了类似 MATLAB 的接口来创建图表。
既然你已经导入了 Matplotlib，那么让我们使用默认设置创建一个简单的图表，以了解默认情况下坐标轴和刻度标签的位置。
在 Matplotlib 中，图表由多个组件组成：
默认情况下，x 轴刻度标签显示在图表的底部。
在 Notebook 的新单元格中，让我们创建一个简单的折线图：
## Create a figure and a set of axes
fig, ax = plt.subplots(figsize=(8, 5))
## Generate some data
x = np.arange(0, 10, 1)
y = np.sin(x)
## Plot the data
ax.plot(x, y, marker='o', linestyle='-', color='blue', label='sin(x)')
## Add a title and labels
ax.set_title('A Simple Sine Wave Plot')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis (sin(x))')
## Add a grid and legend
ax.grid(True, linestyle='--', alpha=0.7)
ax.legend()
## Display the plot
plt.show()
print("Notice that the x-axis tick labels are at the bottom of the plot by default.")运行此代码时，你将看到一个正弦波图表，x 轴刻度标签位于图表底部，这是 Matplotlib 中的默认位置。
花点时间观察图表的结构以及刻度标签的位置。这种理解将有助于你理解下一步所做的更改。
既然你已经了解了刻度标签的默认位置，那么让我们把 x 轴刻度标签移到图表的顶部。
Matplotlib 提供了 tick_params() 方法来控制刻度和刻度标签的外观。该方法允许你：
让我们创建一个新的图表，将 x 轴刻度标签移到顶部：
## Create a new figure and a set of axes
fig, ax = plt.subplots(figsize=(8, 5))
## Generate some data
x = np.arange(0, 10, 1)
y = np.cos(x)
## Plot the data
ax.plot(x, y, marker='s', linestyle='-', color='green', label='cos(x)')
## Move the x-axis tick labels to the top
ax.tick_params(
axis='x', ## Apply changes to the x-axis
top=True, ## Show ticks on the top side
labeltop=True, ## Show tick labels on the top side
bottom=False, ## Hide ticks on the bottom side
labelbottom=False ## Hide tick labels on the bottom side
)
## Add a title and labels
ax.set_title('Cosine Wave with X-Axis Tick Labels at the Top')
ax.set_xlabel('X-axis (now at the top!)')
ax.set_ylabel('Y-axis (cos(x))')
## Add a grid and legend
ax.grid(True, linestyle='--', alpha=0.7)
ax.legend()
## Display the plot
plt.show()
print("Now the x-axis tick labels are at the top of the plot!")运行此代码时，你将看到一个余弦波图表，x 轴刻度标签位于图表的顶部。
注意 tick_params() 方法是如何使用多个参数的：
axis='x'：指定要修改 x 轴top=True 和 labeltop=True：使顶部的刻度和标签可见bottom=False 和 labelbottom=False：隐藏底部的刻度和标签这样，你就能清晰地看到数据，并且 x 轴标签位于顶部而非底部。
既然你已经将 x 轴刻度标签移到了顶部，那么让我们进一步自定义图表，使其更具视觉吸引力和信息性。
Matplotlib 提供了众多自定义图表的选项。让我们来探索其中一些选项：
## Create a new figure and a set of axes
fig, ax = plt.subplots(figsize=(10, 6))
## Generate some data with more points for a smoother curve
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
## Plot multiple datasets
ax.plot(x, y1, linewidth=2, color='blue', label='sin(x)')
ax.plot(x, y2, linewidth=2, color='red', label='cos(x)')
## Fill the area between curves
ax.fill_between(x, y1, y2, where=(y1 > y2), alpha=0.3, color='green', interpolate=True)
ax.fill_between(x, y1, y2, where=(y1 <= y2), alpha=0.3, color='purple', interpolate=True)
## Move the x-axis tick labels to the top
ax.tick_params(
axis='x',
top=True,
labeltop=True,
bottom=False,
labelbottom=False
)
## Customize tick labels
ax.set_xticks(np.arange(0, 2*np.pi + 0.1, np.pi/2))
ax.set_xticklabels(['0', 'π/2', 'π', '3π/2', '2π'])
## Add title and labels with custom styles
ax.set_title('Sine and Cosine Functions with Customized X-Axis Labels at the Top',
fontsize=14, fontweight='bold', pad=20)
ax.set_xlabel('Angle (radians)', fontsize=12)
ax.set_ylabel('Function Value', fontsize=12)
## Add a grid and customize its appearance
ax.grid(True, linestyle='--', alpha=0.7, which='both')
## Customize the axis limits
ax.set_ylim(-1.2, 1.2)
## Add a legend with custom location and style
ax.legend(loc='upper right', fontsize=12, framealpha=0.8)
## Add annotations to highlight important points
ax.annotate('Maximum', xy=(np.pi/2, 1), xytext=(np.pi/2, 1.1),
arrowprops=dict(facecolor='black', shrink=0.05, width=1.5),
fontsize=10, ha='center')
## Display the plot
plt.tight_layout() ## Adjust spacing for better appearance
plt.show()
print("We have created a fully customized plot with x-axis tick labels at the top!")运行此代码时，你将看到一个更加精致、专业的图表，它具有以下特点：
注意，你使用 tick_params() 方法将 x 轴刻度标签保持在顶部，同时通过额外的自定义增强了图表的效果。
让我们详细分析一下添加的一些关键自定义设置：
fill_between()：在正弦和余弦曲线之间创建彩色区域set_xticks() 和 set_xticklabels()：自定义刻度位置和标签tight_layout()：自动调整图表间距，以获得更好的外观annotate()：添加带有箭头指向特定点的文本这些自定义设置展示了你如何在将 x 轴刻度标签保持在顶部的同时，创建出具有视觉吸引力和信息性的图表。
最后一步是保存你自定义的图表，这样你就可以将其包含在报告、演示文稿中，或者与他人分享。
Matplotlib 允许你以多种格式保存图表，包括 PNG、JPG、PDF、SVG 等。让我们学习如何以不同格式保存图表：
## Create a plot similar to our previous customized one
fig, ax = plt.subplots(figsize=(10, 6))
## Generate data
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
## Plot the data
ax.plot(x, y1, linewidth=2, color='blue', label='sin(x)')
ax.plot(x, y2, linewidth=2, color='red', label='cos(x)')
## Move the x-axis tick labels to the top
ax.tick_params(
axis='x',
top=True,
labeltop=True,
bottom=False,
labelbottom=False
)
## Customize tick labels
ax.set_xticks(np.arange(0, 2*np.pi + 0.1, np.pi/2))
ax.set_xticklabels(['0', 'π/2', 'π', '3π/2', '2π'])
## Add title and labels
ax.set_title('Plot with X-Axis Labels at the Top', fontsize=14)
ax.set_xlabel('X-axis at the top')
ax.set_ylabel('Y-axis')
## Add grid and legend
ax.grid(True)
ax.legend()
## Save the figure in different formats
plt.savefig('plot_with_top_xlabels.png', dpi=300, bbox_inches='tight')
plt.savefig('plot_with_top_xlabels.pdf', bbox_inches='tight')
plt.savefig('plot_with_top_xlabels.svg', bbox_inches='tight')
## Show the plot
plt.show()
print("The plot has been saved in PNG, PDF, and SVG formats in the current directory.")运行此代码时，图表将以三种不同格式保存：
这些文件将保存在你的 Jupyter 笔记本的当前工作目录中。
让我们来看看 savefig() 使用的参数：
dpi=300：为 PNG 等光栅格式设置分辨率（每英寸点数）bbox_inches='tight'：自动调整图形边界，以包含所有元素，且无多余空白你可以通过导航到 Jupyter 的文件浏览器来查看保存的文件：
为了更精确地控制保存的图表，你可以根据需要自定义图形大小、调整背景或更改 DPI：
## Control the background color and transparency
fig.patch.set_facecolor('white') ## Set figure background color
fig.patch.set_alpha(0.8) ## Set background transparency
## Save with custom settings
plt.savefig('custom_background_plot.png',
dpi=400, ## Higher resolution
facecolor=fig.get_facecolor(), ## Use the figure's background color
edgecolor='none', ## No edge color
bbox_inches='tight', ## Tight layout
pad_inches=0.1) ## Add a small padding
print("A customized plot has been saved with specialized export settings.")这展示了如何精确控制输出格式和外观来保存图表。
在本教程中，你学习了如何使用 Matplotlib 将 x 轴刻度标签从默认的底部位置移动到图表的顶部。当处理带有长标签的图表或需要优化空间使用时，这种技术非常有用。
我们涵盖了以下关键点：
tick_params() 方法将 x 轴刻度标签移动到图表的顶部这些知识使你能够创建更易读、更专业的可视化图表，特别是在处理复杂数据集或有特定布局要求的图表时。
为了进一步学习，你可以探索 Matplotlib 的其他自定义选项，例如：
Matplotlib 的灵活性允许进行广泛的自定义，以满足你特定的可视化需求。