Python——matplotlib配置与基本操作（Jupyter Notebook）

介绍

Matplotlib 是Python中类似 MATLAB 的绘图工具，熟悉 MATLAB 也可以很快的上手 Matplotlib

环境准备

这里推荐三类运行平台供大家选择，后续的操作将基于ANACONDA完成
1️⃣ANACONDA
2️⃣IDLE
3️⃣Pycharm

ANACONDA

前往ANACONDA官网根据系统自定下载即可，注意事项：
（1）在安装时，会选择anaconda路径，注意不要含有空格
（2）在“Advanced Installation Options”中不要勾选“Add Anaconda to my PATH environment
variable.（添加Anaconda至我的环境变量）”。如果勾选，则可能会影响其他程序的使用。
（3）除非你打算使用多个版本的Anaconda或者多个版本的Python，否则便勾选“Register Anaconda as my default Python 3.7”

IDLE

（1）确认已经安装Python
（2）pip安装
进入到cmd窗口下，建议执行python -m pip install -U pip setuptools进行升级。
升级完成执行 pip install matplotlib 安装完成后，可以用pip list查看本机的安装的所有模块，确保matplotlib已经安装成功。

Pycharm

安装matplotlib模块
File > Settings > Project > Python Interceptor，点击‘+’，搜索matplotlib，点击Install Package即可

文件的创建

IDLE与Pycharm用户正常新建.py文件，直接跳到下一步即可，ANACONDA用户继续向下看

（1）打开ANACONDA NAVIGATOR，点击Jupyter

点击后默认浏览器就会自动打开jupyter界面，jupyter的操作使用界面是web形式，直接在网页
上进行编辑使用（默认打开路径为C：\Users\用户名），界面如下：

（2）点击右上角New > Python3创建新文件，操作步骤及文件界面如下：

下图中，每个In [ ] 都对应着一个独立的板块，可以直接在输入框中撰写Python代码，点击运行即可执行
注：菜单栏中功能均为基础功能（复制、新建、保存、上移、下移等），不做详细介绍

预备知识

使用matplotlib作图的两大方法：面向对象和面向函数

1. 面对函数绘图（pyplot模块有大量函数，供用户调用）
   functions大都是从matlab移植过来的，熟悉matlab绘图的读者能够很快入门
   主要分为四个步骤：
   1️⃣准备数据和创建画布；2️⃣绘制线条、散点图；3️⃣对线条、散点图、坐标轴进行描述；4️⃣显示画布
2. 面对对象绘图（主要操作Figure和Axes对象）（推荐）
   理解了matplotliblib包里面的Figure和Axes对象， 绘制漂亮的科研图就能够运用自如、得心应手
   主要分为四个步骤：
   1️⃣准备数据；2️⃣创建Figure和Axes对象；3️⃣进行线条、散点图、坐标轴绘制和描述；4️⃣显示画布

基本图形绘制

（1）分别面向对象(ax)和面向函数(plt)绘制一条y=x的直线

#  面向对象的方式

import numpy as np
import matplotlib.pyplot as plt
data = np.array([1,2,3,4,5])		#  创建数据源
fig = plt.figure()				#  创建Figure类。pyplot相当于一块画板，而Figure就是画板上的一层画布（肉眼可见的图形的背景），Axes则是在画布上划分的绘画区域
ax = fig.add_subplot(111)		#  关于add_subplot(111)的特别解释见文末
ax.plot(data)		#  填入数据，绘制图形
plt.show()		#  这里绘制的图形不为创建即可见，绘制了图形需要show一下才可以展示（类似h5的Canvas）

#  面向函数的方式

import numpy as np
import matplotlib.pyplot as plt
data = np.array([1,2,3,4,5])		#  创建数据源
plt.plot(data)		#  绘制图形
plt.show()		#  输出展示图形

（2）绘制从-π到π上的cosx函数

分析：绘制函数实际是将给定的各点连接起来，如果要构建平滑的cos函数，只需要给定足够多的点
numpy提供了linspace(）方法，共有三个参数，分别为起始位置,终止位置,分割数量，作用为把指定区间的内容瓜分为指定的份数
np.linspace(-np.pi,np.pi,256)代表将-π到π的区间瓜分为256份，下图代表将-50~50瓜分100份：

import numpy as np
import matplotlib.pyplot as plt
x_data = np.linspace(-np.pi,np.pi,256)
y_data = np.sin(x_data)
plt.plot(x_data,y_data)		#  给定一个参数代表 x=y=data，两个参数则分别代表x、y
plt.show()

（3）在[-100,100]区间，使用面向函数的方式绘制出x^3的曲线

import numpy as np
import matplotlib.pyplot as plt
x_data = np.linspace(-100,100,256)
y_data = x_data**3
plt.plot(x_data,y_data)
plt.show()

特别解释

add_subplot

add_subplot(349)方法代表创建坐标轴风格的画布，参数349的意思是：将画布分割成3行4列，图像画在从左到右从上到下的第9块（实例中所用的111参数即为我们日常所接触的xy坐标轴）

通过实例更直观的理解，只有最后一块绘图是因为add_subplot具有覆盖的作用，可以理解为想用2 * 2中的第2块区域，突然又想用2 * 2中的第2块区域，突然又想用2 * 2中的第3块区域，突然又想用2 * 2中的第4块区域，最后决定了第4块，所以绘制在了第4块：