当前使用matplotlib version_：3.9.2
如何使用eg:
plt.style.use('ggplot')
属性列表集合：
['Solarize_Light2', '_classic_test_patch', '_mpl-gallery', '_mpl-gallery-nogrid', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-v0_8', 'seaborn-v0_8-bright', 'seaborn-v0_8-colorblind', 'seaborn-v0_8-dark', 'seaborn-v0_8-dark-palette', 'seaborn-v0_8-darkgrid', 'seaborn-v0_8-deep','seaborn-v0_8-muted', 'seaborn-v0_8-notebook', 'seaborn-v0_8-paper','seaborn-v0_8-pastel', 'seaborn-v0_8-poster', 'seaborn-v0_8-talk', 'seaborn-v0_8-ticks', 'seaborn-v0_8-white', 'seaborn-v0_8-whitegrid', 'tableau-colorblind10']
具体简要说明如下
-
Solarize_Light2：
- 一种明亮的颜色方案，使用对比度高的颜色，适合打印和屏幕显示。
-
_classic_test_patch 和 _mpl-gallery：
- 这些似乎是 Matplotlib 内部测试或示例使用的风格，通常不用于常规绘图。
-
bmh：
- 以《Beautiful Mathematical Hair》风格命名，使用蓝、橙、灰、绿等颜色。
-
classic：
- Matplotlib 的默认风格，使用黑色线条和白色背景。
-
dark_background：
- 黑色背景风格，适合在暗光环境下展示。
-
fast：
- 一种快速渲染的风格，不包含任何背景网格或颜色，主要用于提高绘图速度。
-
fivethirtyeight：
- 模仿 FiveThirtyEight 网站图表的风格，使用鲜艳的颜色和清晰的布局。
-
ggplot：
- 模仿 R 语言的 ggplot2 库的风格，使用柔和的颜色和清晰的线条。
-
grayscale：
- 灰度风格，所有颜色都转换为灰度，适合打印或在黑白显示设备上使用。
-
seaborn-v0_8 系列：
- 这些风格是与 Seaborn 0.8 版本兼容的 Matplotlib 风格。Seaborn 是基于 Matplotlib 的统计数据可视化库，提供了多种美观的风格。
- seaborn-v0_8：Seaborn 默认风格。
- seaborn-v0_8-bright：明亮风格。
- seaborn-v0_8-colorblind：为色盲用户设计的风格。
- seaborn-v0_8-dark：深色背景风格。
- seaborn-v0_8-darkgrid：深色背景和网格风格。
- seaborn-v0_8-deep：深色背景和深色调风格。
- seaborn-v0_8-muted：柔和色调风格。
- seaborn-v0_8-notebook：适合 Jupyter 笔记本的风格。
- seaborn-v0_8-paper：适合论文和出版的风格。
- seaborn-v0_8-pastel：粉笔色调风格。
- seaborn-v0_8-poster：适合海报的风格。
- seaborn-v0_8-talk：适合演讲的风格。
- seaborn-v0_8-ticks：只有刻度线的风格。
- seaborn-v0_8-white：白色背景风格。
- seaborn-v0_8-whitegrid：白色背景和网格风格。
-
tableau-colorblind10：
- 为色盲用户设计的，使用 Tableau 色盲友好调色板。
eg :论文风格
调试代码如下：
import matplotlib.pyplot as plt
plt.style.use('seaborn-v0_8-paper')
# 数据
input_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
# 创建图表和轴
fig, ax = plt.subplots()
# 绘制数据
ax.plot(input_values, squares, linewidth=4)
# 设置标题和轴标签
ax.set_title('style:seaborn-v0_8-paper')
ax.set_xlabel("Value")
ax.set_ylabel("Square of Value")
# 设置刻度标签的大小
ax.tick_params(labelsize=14)
# 显示图表
# plt.show()
plt.savefig('squares_plot.png', bbox_inches='tight')
