章节
本章我们将从一个简单的图形开始，演示各种绘图方法，逐步丰富图形，使其更美观。
使用默认属性绘图
Matplotlib中，绘制图形时，可以设置一些属性，包括：图形大小、dpi、行宽、颜色和样式、坐标轴、网格属性、文本和字体属性等等。如果不设置，则将使用属性的默认值。
示例
使用默认设置，绘制正弦函数和余弦函数的曲线图。
# 导入numpy库与matplotlib.pyplot库
import numpy as np
import matplotlib.pyplot as plt
# 准备数据
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
# 绘制曲线
plt.plot(X, C)
plt.plot(X, S)
# 显示图像
plt.show()
绘制图形：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QQfj20wz-1571969290446)(https://www.qikegu.com/wp-content/uploads/2019/07/mat2-1.png)]
属性设置
在下面的示例中，我们显式地列出了所有影响绘图的属性及其默认值。
示例
# 导入numpy库与matplotlib.pyplot库
import numpy as np
import matplotlib.pyplot as plt
# 创建一个大小为8x6英寸的图形，每英寸80个点
plt.figure(figsize=(8, 6), dpi=80)
# 从1x1的网格创建一个新的子图
plt.subplot(1, 1, 1)
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
# 用宽度为1(像素)的蓝色连续线绘制余弦曲线
plt.plot(X, C, color="blue", linewidth=1.0, linestyle="-")
# 用宽度为1(像素)的绿色连续线绘制正弦曲线
plt.plot(X, S, color="green", linewidth=1.0, linestyle="-")
# 设置 x 限制
plt.xlim(-4.0, 4.0)
# 设置 x ticks
plt.xticks(np.linspace(-4, 4, 9, endpoint=True))
# 设置 y 限制
plt.ylim(-1.0, 1.0)
# 设置 y ticks
plt.yticks(np.linspace(-1, 1, 5, endpoint=True))
# 保存图形，使用72点每英寸
# plt.savefig("exercise_2.png", dpi=72)
# 在屏幕上显示结果
plt.show()
绘制图形：
改变颜色和线宽
我们想让cos用蓝色，sin用红色，它们都用一条更粗的线绘制，同时稍微改变图形大小。
...
plt.figure(figsize=(10, 6), dpi=80)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
...
绘制图形：
设定界限
这个图形的边缘限制有点太紧了，我们想留出一些空间，以便清楚地看到所有的数据点。
...
plt.xlim(X.min() * 1.1, X.max() * 1.1)
plt.ylim(C.min() * 1.1, C.max() * 1.1)
...
绘制图形：
设置刻度
坐标轴刻度可以设置，我们把坐标轴刻度设置为`(+/-π, +/-π/2)。
...
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
plt.yticks([-1, 0, +1])
...
绘制图形：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kP7j9nI0-1571969290452)(https://www.qikegu.com/wp-content/uploads/2019/07/mat3_4.png)]
设置刻度标签
上面的坐标轴刻度都是数字，可以设置刻度标签。
...
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'$+1$'])
...
绘制图形：
移动图形（相对于坐标轴）
可以相对于坐标轴移动图像。
...
ax = plt.gca() # gca 表示 'get current axis', 获取当前坐标轴
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
...
绘制图形：
添加图例
图例是位于图形一角或一侧的说明，解释各种符号和颜色的意义，有助于更好地理解图形。
...
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")
plt.legend(loc='upper left')
...
绘制图形：
添加注解
可以使用annotate命令对一些点添加注解。在x=2π/3处, 画一条虚线，标出sin与cos曲线上对应的点。注解支持latex格式。
...
t = 2 * np.pi / 3
plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=2.5, linestyle="--") # 画虚线
plt.scatter([t, ], [np.cos(t), ], 50, color='blue') # 画点
# 添加注解
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.plot([t, t],[0, np.sin(t)], color='red', linewidth=2.5, linestyle="--") # 画虚线
plt.scatter([t, ],[np.sin(t), ], 50, color='red') # 画点
# 添加注解
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"))
...
绘制图形：
细节微调
由于有蓝色和红色的线，现在几乎看不到刻度标签。我们调整它们的字体和颜色，让它们看起来更清晰。
...
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(16) # 调整字体大小
label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65)) # 调整颜色
...
绘制图形：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mWeWsFRs-1571969290458)(https://www.qikegu.com/wp-content/uploads/2019/07/mat3_9.png)]
