在Python中使用 Matplotlib 更改颜色条的标签大小和刻度标签大小

在本文中，我们将学习如何使用Python在 Matplotlib 中更改颜色条的标签大小和刻度标签大小。

标签是一种分配名称，可以应用于图中的任何节点。它们只是一个名称，因此标签要么存在要么不存在。要正确标记图形，有助于识别 x 轴和 y 轴。每个刻度线表示连续刻度上的指定单位值或分类刻度上的类别值。 X 轴和 Y 轴在图中标出。

在这里，我们将讨论如何更改颜色条的标签大小和刻度标签大小，并使用不同的示例使其更加清晰。

句法：

# Change the label size

im.figure.axes[0].tick_params(axis=”both”, labelsize=21)

• axis = x, y or both.
• labelsize = int

# Change the tick label size of color-bar

im.figure.axes[1].tick_params(axis=””, labelsize=21)

• axis = x, y or both.
• labelsize = int

示例 1：在此示例中，我们在方法im.figure.axes[0].tick_params(axis=”both”, labelsize=21)的帮助下更改 Plotly Express 中的标签大小，通过将参数轴值传递为轴和标签大小都为 21。

Python3

# importing libraries
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
  
# setup data
a = np.random.rand(10, 10)
im = plt.imshow(a, cmap="bwr")
cb = plt.colorbar(im, orientation='horizontal')
  
# change the label size
im.figure.axes[0].tick_params(axis="both", labelsize=21)
  
plt.show()

输出：

示例 2：在本示例中，我们在方法im.figure.axes[0].tick_params(axis=”x”, labelsize=18)的帮助下更改 Plotly Express 中的标签大小，将参数轴值传递为x 和标签大小为 18。

Python3

# importing libraries
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
  
# setup data
a = np.random.rand(10, 10)
im = plt.imshow(a, cmap="bwr")
cb = plt.colorbar(im, orientation='horizontal')
  
# change the tick label size of colorbar
im.figure.axes[1].tick_params(axis="x", labelsize=18)
  
plt.show()

输出：

示例 3：在此示例中，我们在方法im.figure.axes[0].tick_params(axis=”y”, labelsize=21)的帮助下更改 Plotly Express 中的标签大小，绕过参数轴值为 y和标签大小为 21。

Python3

# importing libraries
import numpy as np
from matplotlib import pyplot as plt
  
# setup data
plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True
data = np.random.rand(6, 6)
im = plt.imshow(data, interpolation="nearest", cmap="Accent")
cbar = plt.colorbar(im)
  
# change the label size
im.figure.axes[0].tick_params(axis="both", labelsize=21)
  
# change the tick label size of colorbar
im.figure.axes[1].tick_params(axis="y", labelsize=21)
  
plt.show()

输出：