Python绘制正余弦函数图像的方法

　　今天打算通过绘制正弦和余弦函数，从默认的设置开始，一步一步地调整改进，让它变得好看，变成我们初高中学习过的图象那样。通过这个过程来学习如何进行对图表的一些元素的进行调整。

　　简单绘图

　　matplotlib有一套允许定制各种属性的默认设置。你可以几乎控制matplotlib中的每一个默认属性：图像大小，每英寸点数，线宽，色彩和样式，子图(axes)，坐标轴和网格属性，文字和字体属性，等等。

　　安装

　　pip install matplotlib

　　虽然matplotlib的默认设置在大多数情况下相当好，你却可能想要在一些特别的情形下更改一些属性。

　　pip install matplotlib

　　虽然matplotlib的默认设置在大多数情况下相当好，你却可能想要在一些特别的情形下更改一些属性。

　　from pylab import *

　　x = np.linspace(-np.pi, np.pi, 256,endpoint=True)

　　C,S = np.cos(x), np.sin(x)

　　plot(x,C)

　　plot(x,S)

　　show()

　　show image

　　02. 设置基本元素

　　这边的基本元素主要有几下几点：

　　线的颜色，粗细，和线型 刻度和标签 还有图例

　　代码比较简单，基本上在我的第一讲内容里都讲过了。

　　import numpy as np

　　from matplotlib import pyplot as plt

　　plt.figure(figsize=(10,6), dpi=80)

　　x = np.linspace(-np.pi, np.pi, 256,endpoint=True)

　　C,S = np.cos(x), np.sin(x)

　　# 设置线的颜色，粗细，和线型

　　plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label=r'$sin(x)$')

　　plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label=r'$cos(x)$')

　　# 如果觉得线条离边界太近了，可以加大距离

　　plt.xlim(x.min()*1.2, x.max()*1.2)

　　plt.ylim(C.min()*1.2, C.max()*1.2)

　　# 当前的刻度并不清晰，需要重新设定,并加上更直观的标签

　　plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],

　　[r'$-pi$', r'$-pi/2$', r'$0$', r'$+pi/2$', r'$+pi$'])

　　plt.yticks([-1,0,1],

　　[r'$-1$', r'$0$', r'$1$'])

　　# 添加图例

　　plt.legend()

　　plt.show()

　　show image

　　03. 移动轴线

　　还记得我们在初高中学习的三角函数图象，可不是这样，它应该是有四个象限的。而这里却是一个四四方方的图表。

　　所以接下来，我们要做的就是移动轴线，让它变成我们熟悉的样子。

　　我们只需要两轴线(x和y轴)，所以我们需要将顶部和右边的轴线给隐藏起来(颜色设置为None即可)。

　　# plt.gca()，全称是get current axis

　　ax = plt.gca()

　　ax.spines['right'].set_color('none')

　　ax.spines['top'].set_color('none')

　　# 由于我们移动的是左边和底部的轴，所以不用设置这两个也可以

　　ax.xaxis.set_ticks_position('bottom')

　　ax.yaxis.set_ticks_position('left')

　　# 指定data类型，就是移动到指定数值

　　ax.spines['bottom'].set_position(('data',0))

　　ax.spines['left'].set_position(('data',0))

　　关于 set_position() 这个函数中的data是啥意思?我查了下官网。解释如下

　　

　　然后最后发现，上面的写法可以用一定更简洁的方式设置，是等价的。

　　ax.spines['bottom'].set_position('zero')

　　ax.spines['left'].set_position('zero')

　　show image

　　04. 添加注释

　　现在的图形部分已经成型，接下让我们现在使用annotate命令注解一些我们感兴趣的点。

　　我们选择 2π/3 作为我们想要注解的正弦和余弦值。我们将在曲线上做一个标记和一个垂直的虚线。然后，使用annotate命令来显示一个箭头和一些文本。

　　t = 2*np.pi/3郑州专业妇科医院 http://www.hnzzkd.com/

　　# 利用plt.plot绘制向下的一条垂直的线，利用plt.scatter绘制一个点。

　　plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")

　　plt.scatter([t,],[np.cos(t),], 50, color ='blue')

　　plt.annotate(r'$sin(frac{2pi}{3})=frac{sqrt{3}}{2}$',

　　xy=(t, np.sin(t)), xycoords='data',

　　xytext=(+10, +30), textcoords='offset points', fontsize=16,

　　arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

　　# 利用plt.plot绘制向上的一条垂直的线，利用plt.scatter绘制一个点。

　　plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")

　　plt.scatter([t,],[np.sin(t),], 50, color ='red')

　　plt.annotate(r'$cos(frac{2pi}{3})=-frac{1}{2}$',

　　xy=(t, np.cos(t)), xycoords='data',

　　xytext=(-90, -50), textcoords='offset points', fontsize=16,

　　arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

　　在这里，你可能会对 plt.annotate 这个函数的用法，有所陌生。这里也解释一下。

　　第一个参数，就是注释内容; 第二个参数， xy ，就是对哪一点进行注释; 第三个参数， xycoords ，指定类型，data 是说基于数值来定位; 第四个参数， xytext ，是注释的位置，结合第五个参数，就是根据偏移量来决定注释位置; 第五个参数， textcoords ，值为offset points，就是说是相对位置; 第六个参数， fontsize ，注释大小; 第七个参数， arrowprops ，对箭头的类型的一些设置。

　　show image

　　05. 完整代码

　　以上都是对片段代码进行解释，这里放出完整的代码

　　import numpy as np

　　from matplotlib import pyplot as plt

　　plt.figure(figsize=(10,6), dpi=80)

　　x = np.linspace(-np.pi, np.pi, 256,endpoint=True)

　　C,S = np.cos(x), np.sin(x)

　　# 设置线的颜色，粗细，和线型

　　plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label=r'$sin(x)$')

　　plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label=r'$cos(x)$')

　　# 如果觉得线条离边界太近了，可以加大距离

　　plt.xlim(x.min()*1.2, x.max()*1.2)

　　plt.ylim(C.min()*1.2, C.max()*1.2)

　　# 当前的刻度并不清晰，需要重新设定,并加上更直观的标签

　　plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],

　　[r'$-pi$', r'$-pi/2$', r'$0$', r'$+pi/2$', r'$+pi$'])

　　plt.yticks([-1,1],

　　[r'$-1$', r'$1$'])

　　# 添加图例

　　plt.legend(loc='upper left')

　　# plt.gca()，全称是get current axis

　　ax = plt.gca()

　　ax.spines['right'].set_color('none')

　　ax.spines['top'].set_color('none')

　　# 由于我们移动的是左边和底部的轴，所以不用设置这两个也可以

　　ax.xaxis.set_ticks_position('bottom')

　　ax.yaxis.set_ticks_position('left')

　　# 指定data类型，就是移动到指定数值

　　# ax.spines['bottom'].set_position('zero')

　　ax.spines['bottom'].set_position(('data',0))

　　ax.spines['left'].set_position(('data',0))

　　t = 2*np.pi/3

　　# 利用plt.plot绘制向下的一条垂直的线，利用plt.scatter绘制一个点。

　　plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")

　　plt.scatter([t,],[np.cos(t),], 50, color ='blue')

　　plt.annotate(r'$sin(frac{2pi}{3})=frac{sqrt{3}}{2}$',

　　xy=(t, np.sin(t)), xycoords='data',

　　xytext=(+10, +30), textcoords='offset points', fontsize=16,

　　arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

　　# 利用plt.plot绘制向上的一条垂直的线，利用plt.scatter绘制一个点。

　　plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")

　　plt.scatter([t,],[np.sin(t),], 50, color ='red')

　　plt.annotate(r'$cos(frac{2pi}{3})=-frac{1}{2}$',

　　xy=(t, np.cos(t)), xycoords='data',

　　xytext=(-90, -50), textcoords='offset points', fontsize=16,

　　arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

　　plt.show()

　　绘制抛物线：

　　X1=np.linspace(-4,4,100,endpoint=True)

　　plt.plot(X1,(X1**2)/9)