一些概念
- figure: 代指整个图。
- axes: 代指一个具有数据空间的图像区域,简单来说就是一块画图的地方,每个figure可以有多个axes,但一个axes只能属于一个figure。
- axis: 即我们熟悉的坐标轴
基本使用
引入所需库
import numpy as np # 用于数据生成
import matplotlib.pyplot as plt # 大部分图可以用pyplot画,所以这里只引入pyplot
画一个1x2的图
fig, (axes1, axes2) = plt.subplots(1, 2) # subplots返回的是一个元组,第一个是figure,另一个是axes列表
fig.suptitle('A figure with 1x2 plots', size=18) # 设置figure的标题
fig.set_size_inches(10, 5) # 设置figure的宽度和高度,英寸为单位
画第一个Axes
axes1.plot(x, np.sin(x**2))
axes1.set_title(r'$y = sin x^{2}$', size=16) # 标题
axes1.set_xlim(-np.pi, np.pi) # X轴的范围
axes1.set_ylim(-1, 1) # Y轴的范围
axes1.spines['top'].set_color('none') # 顶部边界的颜色,none为隐藏
axes1.spines['right'].set_color('none')
axes1.spines['left'].set_position(('data', 0)) # 左边边界即Y轴的位置,设为X轴0的位置
axes1.spines['bottom'].set_position(('data', 0))
axes1.set_xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi]) # X轴显示刻度的位置
axes1.set_xticklabels([r'$-\pi$',r'$-\pi/2$', '0','$\pi/2$', '$\pi$']) # X轴显示刻度的内容
axes1.set_yticks([-1, -.5, 0, .5, 1])
axes1.set_yticklabels([r'-1',r'$-\frac{1}{2}$', '0',r'$\frac{1}{2}$', '1']) # 文字部分可以用LaTeX公式
画第二个Axes
axes2.plot(x, np.cos(x**2), color='b')
axes2.set_title(r'$y = cos x^{2}$', size=16)
axes2.spines['top'].set_color('none')
axes2.spines['right'].set_color('none')
axes2.spines['left'].set_position(('data', 0))
axes2.spines['bottom'].set_position(('data', 0))
axes2.set_xlim(-np.pi, np.pi)
axes2.set_xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
axes2.set_xticklabels([r'$-\pi$',r'$-\pi/2$', '0','$\pi/2$', '$\pi$'])
axes2.set_ylim(-1, 1)
axes2.set_yticks([-1, -.5, 0, .5, 1])
axes2.set_yticklabels([r'-1',r'$-\frac{1}{2}$', '0',r'$\frac{1}{2}$', '1'])
标注第二个Axes的线上特定的点
x0 = -np.pi/2 # 找到该点的坐标
y0 = np.cos(x0)
axes2.scatter(x0, y0, s=50, color='r') # scatter可以用来做散点图,详见官方文档
画出点与轴的垂直线
axes2.plot([x0,x0],[y0, 0],'k--',lw=2.5) # 垂直于X轴的线,即(x0,y0)与(x0,0)的连线
axes2.plot([x0,0],[y0, y0],'k--',lw=2.5) # 垂直于Y轴的线,即(x0,y0)与(0,y0)的连线
保存图片
plt.savefig('myImg.png') # 保存根据名字的后缀格式保存,若没有后缀则保存为png图片,支持格式:png ps pdf svg
# 也可以写成fig.savefig('myImg.png')
展示绘图
plt.show()
# plt.show()一定要用在plt.savefig()后,因为plt.show()完plt就为空图了
# 而使用fig.savefig()不必担心这个问题
最终效果
总结
整理清楚figure、axes、axis的关系,再多看看官方文档就不难画出自己想要的图了。