小编点评

**Matplotlib 样式表** **1. 使用样式表** * 所有内置样式表首先，可通过 `plt.style.available` 获取所有可使用的样式表名称。 * 使用 `plt.style.use()` 设置全局样式表，例如 `plt.style.use("ggplot")` 将所有绘制的图形设置为 ggplot 风格。 * 使用 `plt.style.context()` 设置局部样式表，例如 `plt.style.context("classic")` 将只在 `with` 范围内生效。 **2. 不同样式表的效果** * **classic** 风格：平滑的线条、填充颜色为黑色。 * **Solarize_Light2** 风格：带有阴影的线条、填充颜色为白色。 * **bmh** 风格：粗实线、填充颜色为灰色。 * **dark_background** 风格：暗黑填充、边框颜色为黑色。 * **fast** 风格：快速绘制、填充颜色为白色。 * **ggplot** 风格：基于 ggplot 的样式。 * **seaborn-v0_8** 风格：简洁的 seaborn 风格。 **3. 总结** * Matplotlib 提供丰富的样式表，可方便地创建美观的图表。 * 使用内置的样式表可以保持图表的统一风格，提高可读性和可维护性。 * 通过自定义样式表实现更加个性化的绘图效果。

正文

Matplotlib库 由于诞生的比较早，所以其默认的显示样式很难符合现在的审美，这也是它经常为人诟病的地方。

不过，经过版本更迭之后，现在 Matplotlib 已经内置了很多样式表，
通过使用不同的样式表，可以整体改变绘制图形的风格，不用再调整一个个显示参数。

1. 样式表的使用

1.1. 所有内置样式表

首先，查看内置的样式表有哪些：

import matplotlib.pyplot as plt

plt.style.available

1.2. 使用样式表的方式

使用样式表的方式有两种：
一种是全局样式表设置，比如：

plt.style.use("ggplot")

随后的代码中，所有绘制的图形都是 ggplot 风格。

另一种局部样式表设置，比如：

with plt.style.context("classic"):
    # 绘制图形
    pass

这种方式，样式表只在 with 范围内生效。

2. 不同样式表的效果

下面演示几种风格差异比较大的样式表。
首先，封装一个绘制图形的函数。

def draw():
    x = np.array(range(10))
    y = np.random.randint(10, 100, 10)
    
    fig = plt.figure(figsize=[6,4])
    fig.add_subplot(211)
    plt.plot(x, y)
    
    fig.add_subplot(212)
    plt.hist(y)

2.1. classic 风格

with plt.style.context("classic"):
    draw()

2.2. Solarize_Light2 风格

with plt.style.context("Solarize_Light2"):
    draw()

2.3. bmh 风格

with plt.style.context("bmh"):
    draw()

2.4. dark_background 风格

with plt.style.context("dark_background"):
    draw()	

2.5. fast 风格

with plt.style.context("fast"):
    draw()

2.6. ggplot 风格

with plt.style.context("ggplot"):
    draw()

2.7. seaborn 风格

seaborn是公认颜值比较高的绘图库，所以 Matplotlib 也支持很多种seaborn风格。
这里使用的是默认的 seaborn 风格。

with plt.style.context("seaborn-v0_8"):
    draw()

3. 总结

内置的样式表方便易用，提供了许多预定义的样式，可以快速帮助我们创建美观的图表。
使用内置的样式表还有个好处是可以保持图表的统一风格，使得图表具有更高的可读性和可维护性。

Matplotlib提供的丰富的样式表，可以满足不同类型的绘图需求，并且还可以通过自定义样式表来实现更加个性化的绘图效果。