plot 三件套修饰：title 加标题、xlabel/ylabel 加轴标签、grid on 加网格线的完整示例

1. 引言：为什么“三件套”值得单独写一篇长文

几乎所有 MATLAB 入门教程都会在第一课提到 plot，也几乎都会顺手写上 title、xlabel、ylabel 和 grid on。正因如此，它们常被当成“没有技术含量”的语法糖。但笔者在长期审阅论文、代码与工程报告的过程中发现：图表被误读、被拒稿、被返工，很多时候不是因为数据错了，而是因为标题缺失、轴标签含糊、网格线干扰。三件套恰恰是图表“可读性”的第一道防线。

本文评述：把三件套单独成文，并非小题大做，而是因为它们在 MATLAB 图形对象体系中处于“元数据层”——它们不改变数据，却改变读者对数据的理解。这种“零数据成本、高认知收益”的特性，使它们成为性价比最高的可视化投入。本文不打算写成 API 手册的复述，而是围绕一条主线展开：信息层级（Information Hierarchy）→ 视觉语法（Visual Grammar）→ 工程规范（Engineering Discipline）。这条主线贯穿全文，每一节都回答同一个问题：这个修饰到底在解决什么认知问题？

需要说明的是，MATLAB 的图形系统经历了从 HG1（Handle Graphics 1）到 HG2（R2014b 起）的重大重构，三件套的底层对象、属性名与默认行为都发生了变化。本文的示例以 R2020b 及之后的版本为准，涉及版本差异处会单独标注。所有代码均在 MATLAB R2023b 上验证通过；涉及性能数据的部分为模拟数据，会明确标注。

2. 信息层级主线：图表修饰的认知基础

2.1 一张图的四层信息结构

笔者认为，任何一张合格的科研或工程图表，都可以拆解为四个信息层级：

• L1 数据层：曲线、散点、柱形本身，承载数值信息。
• L2 坐标层：坐标轴、刻度、轴标签，定义数据的度量空间。
• L3 语境层：标题、图例、注释，说明“这是什么、在什么条件下”。
• L4 辅助层：网格线、参考线、背景色，帮助读数但不喧宾夺主。

三件套恰好覆盖 L2（xlabel/ylabel）、L3（title）、L4（grid on）。换句话说，三件套是图表信息层级的“最小完备集”：缺了轴标签，L2 断裂；缺了标题，L3 断裂；缺了网格，L4 缺失但尚可接受。这也解释了为什么很多期刊的图表规范会强制要求前两者，而对网格线持“可选”态度。

2.2 视觉语法：修饰不是装饰

“视觉语法”一词借自数据可视化领域的经典讨论（Cleveland & McGill, 1984；Tufte, 1983）。其核心观点是：图形元素的选择与排布遵循一套可学习的规则，而非纯粹审美偏好。本文评述：在 MATLAB 语境下，视觉语法可以具体化为三条可操作原则——对齐、对比、克制。标题居中与轴标签居中对齐，是“对齐”；标题字号大于轴标签，是“对比”；网格线用浅灰而非黑色，是“克制”。三件套的默认参数，其实已经隐含了这套语法。

2.3 工程规范：可交付性的底线

在工程场景中，图表往往要进入报告、专利、验收文档。此时三件套不再是个人的“可读性偏好”，而是可交付性的底线要求。例如，某航天型号的遥测数据评审中，轴标签必须包含物理量与单位（如“时间 t / s”），否则视为不合格。这类规范在国内外工程标准中并不罕见，只是很少被写进编程教程。

3. title 深度解析：从字符串到结构化标题

3.1 基本语法与返回句柄

最基础的用法是 title('My Title')。但工程代码中更推荐捕获句柄：

t = title('My Title');
t.FontSize = 14;
t.FontWeight = 'bold';
t.Color = [0.2 0.2 0.2];

捕获句柄的好处是：可以在绘图函数之外统一调整样式，便于封装成主题函数。本文评述：很多初学者习惯把样式参数一股脑塞进 title(...) 的 Name-Value 对里，这在单图场景没问题，但在批量出图时会显著降低可维护性。句柄化是工程化的第一步。

3.2 Name-Value 参数体系

R2020b 之后，title 支持完整的 Name-Value 参数，常用的包括：

参数	作用	常用取值
FontSize	字号	10–16
FontWeight	字重	'normal' / 'bold'
FontName	字体	'Helvetica' / 'SimHei'
Color	颜色	RGB 三元组
Interpreter	解释器	'tex' / 'latex' / 'none'

其中 Interpreter 是最容易被忽视、也最容易出问题的参数。默认 'tex' 会把下划线 _ 解释为下标，导致 title('signal_1') 显示为 “signal₁”。如果确实需要下划线，要么用 'none'，要么转义为 signal\_1。

3.3 多行标题与结构化标题

多行标题有两种主流写法：元胞数组与字符串数组。R2017a 之后推荐字符串数组：

title(["实验组 A：温度响应曲线"; "采样率 1 kHz，N = 10000"]);

本文评述：结构化标题（主标题 + 副标题）在工程报告中非常实用，但要注意 MATLAB 的多行标题默认行距较紧，必要时可通过 title 句柄的 Position 属性微调垂直位置，避免与图框重叠。

3.4 版本演进：HG1 与 HG2 的差异

在 HG1 时代，title 返回的是数值句柄，属性访问依赖 set/get。HG2 之后返回 Text 对象，支持点号访问。这一变化的意义在于：标题从“附属属性”变成了“一等公民对象”，可以被独立操作、批量管理。对于需要维护大量绘图脚本的团队，这是可维护性的质变。

4. xlabel/ylabel 深度解析：轴标签的语义与排版

4.1 语义规范：物理量 + 单位

轴标签最常见的错误是只写符号不写单位，或只写单位不写物理量。国际纯粹与应用物理联合会（IUPAP）及多数期刊的图表规范都建议采用“物理量 / 单位”的写法，例如 xlabel('时间 t / s')。本文评述：这种写法看似繁琐，但它把“数值—量纲”的映射显式化，读者无需回到正文就能判断量级，是信息层级 L2 完整性的直接体现。

4.2 LaTeX 解释器：数学排版的正解

当轴标签涉及希腊字母、上下标、分数时，应使用 LaTeX 解释器：

xlabel('$\alpha$ / rad', 'Interpreter', 'latex', 'FontSize', 12);
ylabel('$\frac{\partial u}{\partial t}$ / (m·s$^{-1}$)', 'Interpreter', 'latex');

需要注意的是，LaTeX 解释器依赖系统字体配置，在部分 Linux 服务器上可能因缺少字体而渲染异常。工程实践中建议在 CI 流程里加入“渲染冒烟测试”，即用 exportgraphics 导出后做像素级校验。

4.3 中文字体与乱码问题

中文轴标签的乱码是中文用户的经典痛点。根因通常有三：字体不支持、解释器冲突、导出格式不兼容。可操作路径如下：

1. 显式指定中文字体，如 'FontName','SimHei' 或 'Microsoft YaHei'。
2. 避免在同一字符串中混用 LaTeX 与中文，必要时拆成两段或用 text 对象拼接。
3. 导出时优先用 exportgraphics（R2020a+）而非 saveas，前者对字体嵌入更友好。

4.4 双 Y 轴与多轴标签

使用 yyaxis left/right 时，ylabel 会作用于当前激活的轴。工程上建议左右轴标签颜色与对应曲线一致，降低读者的匹配成本。这一做法在 IEEE 部分期刊的图表指南中有明确推荐。

5. grid on 深度解析：网格线的视觉语法

5.1 基本用法与作用域

grid on 作用于当前坐标轴（gca）。在子图场景中，需要明确指定目标轴：

ax1 = subplot(1,2,1); plot(x, y1); grid(ax1, 'on');
ax2 = subplot(1,2,2); plot(x, y2); grid(ax2, 'on');

本文评述：grid on 的“隐式作用域”是子图批量绘图时的常见 bug 来源。显式传入轴句柄虽然啰嗦，但能避免“网格开错图”的尴尬。

5.2 网格线的样式控制

网格线的样式由坐标轴的 GridLineStyle、GridColor、GridAlpha 等属性控制：

ax = gca;
ax.GridLineStyle = '--';
ax.GridColor = [0.5 0.5 0.5];
ax.GridAlpha = 0.3;
ax.Layer = 'top';   % 网格置于数据之下或之上

Layer 属性值得单独强调：默认 'bottom' 让网格位于数据之下，视觉上更“克制”；设为 'top' 则网格覆盖数据，适合密集散点图的读数辅助，但会牺牲曲线的清晰度。

5.3 次网格与刻度联动

R2014b 之后，次网格通过 XMinorGrid/YMinorGrid 控制，且与次刻度（MinorTick）联动。工程建议：次网格只在需要高精度读数时开启，否则会增加视觉噪声。Tufte 提出的“数据墨水比”概念在此依然适用——每一滴墨水都应服务于数据理解。

5.4 网格线的争议：开还是不开

关于网格线是否必要，可视化社区长期存在分歧。支持者认为网格线帮助估读数值；反对者认为它增加视觉负担。本文评述：这一争议没有普适答案，但可以给出可操作的判据——如果读者需要从图中“读数值”而非“看趋势”，开网格；如果读者只需“看趋势”，关网格或使用极浅网格。这一判据在工程遥测曲线（读数值）与论文趋势图（看趋势）中表现出一致的适用性。

6. 完整示例：一条可复现的工程级绘图链路

6.1 数据准备与预处理说明

为便于复现，本节使用模拟数据：一个带噪声的阻尼正弦信号，采样率 1 kHz，时长 1 s，共 1000 点。数据生成方式如下（模拟数据，非实测）：

rng(42);                      % 固定随机种子，保证可复现
fs = 1000;                    % 采样率 / Hz
t = (0:1/fs:1-1/fs)';         % 时间向量 / s
f0 = 5;                       % 信号频率 / Hz
y = exp(-3*t).*sin(2*pi*f0*t) + 0.05*randn(size(t));  % 阻尼正弦 + 高斯噪声

预处理细节：噪声标准差取 0.05，约为信号峰值的 5%，用于模拟中等信噪比场景；随机种子固定为 42，确保任何读者运行结果一致。

6.2 基础版三件套

figure('Color', 'w');
plot(t, y, 'LineWidth', 1.2, 'Color', [0.42 0.23 0.60]);
title('阻尼正弦信号：时域波形');
xlabel('时间 t / s');
ylabel('幅值 A / V');
grid on;

这段代码已经满足“三件套齐全”的最低要求。但工程级绘图还需要更多细节。

6.3 工程增强版

figure('Color', 'w', 'Position', [100 100 720 420]);
ax = axes('FontName', 'Helvetica', 'FontSize', 11);
plot(ax, t, y, 'LineWidth', 1.2, 'Color', [0.42 0.23 0.60]);

% —— 三件套 ——
tObj = title(ax, '阻尼正弦信号：时域波形', ...
    'FontSize', 14, 'FontWeight', 'bold', 'Color', [0.2 0.2 0.2]);
xlabel(ax, '时间 t / s', 'FontSize', 12);
ylabel(ax, '幅值 A / V', 'FontSize', 12);
grid(ax, 'on');
ax.GridAlpha = 0.25;
ax.GridLineStyle = '--';
ax.Layer = 'bottom';

% —— 辅助元素 ——
xlim([0 1]); ylim([-1.1 1.1]);
box(ax, 'on');
exportgraphics(ax, 'damped_sine.png', 'Resolution', 300);

本文评述：增强版与基础版的差距，不在“能不能画出来”，而在“能不能直接放进报告”。exportgraphics 的 300 dpi 输出、GridAlpha 的克制取值、Layer 的显式声明，共同构成了“可交付”的底线。

6.4 效果对比表

维度	基础版	工程增强版
标题字号	默认 11	14，加粗
轴标签单位	有	有，且字号统一
网格透明度	默认 0.15	显式 0.25，虚线
输出分辨率	屏幕截图	300 dpi 导出
可复现性	依赖手动操作	脚本全自动

7. 进阶技巧：LaTeX、多轴、子图与自动化封装

7.1 统一主题函数

把三件套的样式抽成函数，是团队协作中的常见做法：

function applyTheme(ax, ttl, xl, yl)
    title(ax, ttl, 'FontSize', 14, 'FontWeight', 'bold');
    xlabel(ax, xl, 'FontSize', 12);
    ylabel(ax, yl, 'FontSize', 12);
    grid(ax, 'on');
    ax.GridAlpha = 0.25;
    ax.Layer = 'bottom';
    ax.FontName = 'Helvetica';
end

本文评述：主题函数的价值在于“一致性”。当团队有 50 张图要出时，逐图手调样式几乎必然产生不一致；而主题函数把一致性编码进代码，是工程规范落地的关键一步。

7.2 子图批量处理

tiledlayout(2, 2, 'TileSpacing', 'compact');
titles = ["A", "B", "C", "D"];
for k = 1:4
    nexttile;
    plot(randn(100,1));
    applyTheme(gca, titles(k), '样本 n', '幅值');
end

tiledlayout（R2019b+）相比 subplot 的优势在于自动布局与统一间距控制，配合主题函数可显著减少样板代码。

7.3 与 Python/Matplotlib 的对照

为便于跨语言读者迁移，给出等价写法对照：

功能	MATLAB	Matplotlib
标题	title('T')	ax.set_title('T')
轴标签	xlabel('x')	ax.set_xlabel('x')
网格	grid on	ax.grid(True)

8. 工程规范：从“能画”到“可交付”

8.1 图表交付检查清单

• 标题是否包含“对象 + 条件”？
• 轴标签是否包含“物理量 + 单位”？
• 网格线是否服务于读数需求，而非默认开启？
• 字号在最终输出尺寸下是否可读（建议 ≥ 8 pt）？
• 颜色是否对色觉障碍友好（避免红绿对比）？
• 导出格式是否为矢量（PDF/EPS）或高分辨率位图？

8.2 版本控制与可复现性

绘图脚本应纳入版本控制，并与数据版本绑定。工程实践中推荐“数据哈希 + 脚本提交号”双绑定，确保任何一张图都能追溯到确切的输入与代码。这一做法在机器学习实验管理（如 MLflow、DVC）中已成惯例，但传统工程绘图领域仍不普及。

9. 前沿趋势：AI 辅助绘图与可访问性

9.1 AI 辅助生成绘图代码

近三年，基于大语言模型的代码助手（GitHub Copilot、MATLAB AI Chat 等）已能根据自然语言描述生成包含三件套的绘图代码。本文评述：AI 生成代码的“语法正确率”很高，但“语义正确率”仍依赖使用者判断——例如，AI 可能生成 title('Signal_1') 而不提示下划线转义问题。因此，三件套的细节知识，恰恰是审查 AI 输出的必要能力。

9.2 可访问性（Accessibility）

WCAG 2.2 与部分期刊新规开始要求图表具备可访问性，包括足够的对比度、不依赖颜色区分信息、提供替代文本。三件套中的标题与轴标签天然承担“替代文本”的部分职能。工程建议：为每张图补充 Description 属性或独立的 alt-text 文件。

9.3 声明式绘图与配置驱动

受 Grammar of Graphics 影响，MATLAB 生态出现了声明式绘图工具（如 gramm 等社区工具箱）。其思路是把三件套等修饰抽象为配置项，由框架统一渲染。本文评述：这一趋势对“批量出图”场景很有价值，但对“精细控制”场景仍不如命令式直接。短期内，两者会并存。

10. 常见陷阱与排查清单

现象	可能原因	解决路径
标题下划线变下标	TeX 解释器	转义或改 'none'
中文显示为方框	字体缺失	指定中文字体
网格开在错误的子图	隐式作用域	显式传入轴句柄
导出后字体错位	渲染器差异	用 exportgraphics
LaTeX 标签渲染失败	字体/环境缺失	CI 冒烟测试

11. 结论与展望

三件套之所以值得深挖，是因为它们处在“数据”与“读者”之间的关键接口上。本文以信息层级—视觉语法—工程规范为主线，给出了从基础语法到工程交付的完整路径。笔者认为，未来三件套的演进方向有三：一是与可访问性标准深度绑定；二是通过 AI 辅助降低样板代码成本；三是在声明式绘图框架中成为可配置的“语义槽位”。无论工具如何变化，“让读者准确理解数据”这一目标不会变，而三件套正是这一目标最经济的实现手段。

12. 参考文献与拓展资源

12.1 主要参考文献（9 篇）

1. MathWorks. MATLAB Graphics Documentation. R2023b, 2023.
2. Tufte, E. R. The Visual Display of Quantitative Information. 2nd ed., Graphics Press, 2001.
3. Cleveland, W. S., & McGill, R. Graphical Perception. JASA, 1984, 79(387): 531–554.
4. Wilkinson, L. The Grammar of Graphics. 2nd ed., Springer, 2005.
5. W3C. Web Content Accessibility Guidelines (WCAG) 2.2. 2023.
6. IEEE. Author Guidelines for Graphics. 2022.
7. Heer, J., & Bostock, M. Crowdsourcing Graphical Perception. CHI, 2010.
8. Rougier, N. P., et al. Ten Simple Rules for Better Figures. PLoS Comput. Biol., 2014, 10(9): e1003833.
9. Franconeri, S. L., et al. The Science of Visual Data Communication. Psychol. Sci. Public Interest, 2021, 22(3): 110–161.

12.2 拓展资源

• MATLAB 官方绘图教程：mathworks.com/help/matlab/graphics.html
• MATLAB 中文社区绘图板块：ilovematlab.cn
• Matplotlib 官方教程（对照学习）：matplotlib.org
• 数据可视化经典视频：The Best Stats You've Ever Seen