常见的MATLAB绘图代码

常见的MATLAB制图代码集合

area函数是Y轴数值对 x 坐标轴围成的面积图，该函数根据Y的形状填充曲线之间的区域。

fill函数是创建二维填充补片（patch），即填充多边形区域绘制为补片，其顶点位于由X和Y指定的(x,y)坐标位置，主要用于平面中多个区域的颜色填充。

patch函数是创建彩色多边形的补片，即按X和Y指定为每个顶点的坐标创建一个或多个彩色多边形补片，主要用于平面中多边形的颜色填充。

patch与fill函数功能和用法类似。area函数主要针对与坐标轴围成的区域的填充，如果需要对图形窗口内任意闭合区域或多边形区域及进行填充，则需要用到fill和patch函数。

clc; clear; close all;

% 数据
x = linspace(-8,12,100);
y1 = normpdf(x,4,6);% Normal probability density function
y2 = normpdf(x,0,1).*0.5+normpdf(x,4,2).*0.5;
y3 = normpdf(x,-3,2);
y = [y1;y2;y3];

% 颜色
c = [184 194 140; 201 226 240; 250 181 157]./255; % Three colors

% 绘图
for i = 1:size(y,1)
area(x,y(i,:),'FaceColor',c(i,:),'EdgeColor','none','FaceAlpha',0.5); hold on
end

% 坐标轴
xlabel('x/Samples'),ylabel('y/Value')
legend({'- Area No.1','- Area No.2','- Area No.3'})
set(gca,'XLim',[-8 12]);

% 修饰
defaultAxes

数据生成

1. x = linspace(-8,12,100);
   • 生成向量 x，包含从-8到12之间均匀分布的100个点，这些点将用于绘制函数曲线。

计算概率密度函数

2. y1 = normpdf(x,4,6);
   • 计算正态分布PDF，其中均值为4，标准差为6。结果存储在 y1 中。
3. y2 = normpdf(x,0,1).*0.5+normpdf(x,4,2).*0.5;
   • 计算两个正态分布PDF的线性组合，其中一个均值为0，标准差为1，权重为0.5；另一个均值为4，标准差为2，权重也为0.5。结果合并后存入 y2。
4. y3 = normpdf(x,-3,2);
   • 计算均值为-3，标准差为2的正态分布PDF，并将其结果保存在 y3 中。

定义颜色

5. c = [184 194 140; 201 226 240; 250 181 157]./255;
   • 定义一个3×3矩阵，包含三组RGB颜色值，分别对应三个分布的填充颜色。这些数值经过除以255的操作，将它们归一化到0到1之间，以便MATLAB能够正确理解。

绘制图形

6. for i = 1:size(y,1)
   • 使用循环结构，遍历 y 的每一行（即每一个分布）。
7. area(x,y(i,:), ...)
   • 对于每个分布，调用 area 函数绘制面积图。输入参数为 x 轴坐标向量和对应的 y 值向量。
8. 'FaceColor', c(i,:), 'EdgeColor', 'none', 'FaceAlpha', 0.5
   • 设置面积图的填充颜色为当前循环索引对应的色彩，边缘颜色为无（即不显示边缘线），并设置填充透明度为0.5，使得底层分布能部分透过上层分布显现。
9. hold on
   • 在同一张图上保持绘制状态，允许后续循环中的面积图叠加在同一坐标系中。
10. end
    • 结束循环。

坐标轴与图例

11. xlabel('x/Samples'), ylabel('y/Value')
    • 设置横纵坐标的标签，分别为“x/Samples”和“y/Value”。
12. legend({'- Area No.1', '- Area No.2', '- Area No.3'})
    • 添加图例，标识三个面积区域分别为“Area No.1”、“Area No.2”和“Area No.3”。

坐标轴范围设定

13. set(gca, 'XLim', [-8 12])
    • 设置当前坐标轴（gca）的x轴范围为-8到12，确保图形覆盖指定的x轴区间。

% 设置参数
num_values = 100;     % 随机数数量
min_value = -100;    % 最小值（包括）
max_value = 100;     % 最大值（包括）

% 生成随机数列表
y = min_value + (max_value - min_value) * rand(num_values, 1);
x = linspace(0,100,length(y));
y1 = y; y1(y1<0)=0;      % 负数
y2 = y; y2(y2>0)=0;      % 正数
figure,
area(x,y1,'FaceColor','r','EdgeColor','r','FaceAlpha',0.6); hold on
area(x,y2,'FaceColor','b','EdgeColor','b','FaceAlpha',0.6);
xlabel('x-axis/Samples'),ylabel('y-axis/Intensity value')
set(gca,'FontName','Times New Roman','FontSize',12)
legend({'- Positive value area','- Negative value area'})
set(gcf,'Color','White');  %设置背景颜色
% 修饰
defaultAxes

% 生成随机数列表
y = min_value + (max_value - min_value) * rand(num_values, 1);

利用Matlab内置函数rand()生成一个num_values行、1列的矩阵，其中元素值为在[0,1]之间均匀分布的随机数。然后将这些随机数乘以(max_value - min_value)得到一个缩放后的范围，并加上min_value，确保最终生成的随机数在[-100, 100]范围内。结果存储在变量y中。

x = linspace(0,100,length(y));

这里使用linspace()函数创建一个等差数列x，起点为0，终点为100，包含的点数与y的长度相同。这意味着x将作为面积图的x轴坐标，与y中的随机数值一一对应。

y1 = y; y1(y1<0)=0;      % 负数
y2 = y; y2(y2>0)=0;      % 正数

为了分别绘制正负值部分的面积图，创建两个新变量y1和y2。它们最初都复制自y，然后通过逻辑索引将：

• y1中所有小于0的值置为0，保留所有负数部分；
• y2中所有大于0的值置为0，保留所有正数部分。

figure,
area(x,y1,'FaceColor','r','EdgeColor','r','FaceAlpha',0.6); hold on
area(x,y2,'FaceColor','b','EdgeColor','b','FaceAlpha',0.6);

首先打开一个新的图形窗口(figure)，然后使用area()函数绘制面积图：

• 第一个面积图基于x和y1，表示负值部分，其填充颜色(FaceColor)和边缘颜色(EdgeColor)均为红色('r')，透明度(FaceAlpha)设为0.6；
• 第二个面积图基于x和y2，表示正值部分，颜色属性与第一个面积图相同，只是颜色为蓝色('b')。

hold on命令确保在同一张图上绘制这两个面积图，不会被自动清空。

xlabel('x-axis/Samples'),ylabel('y-axis/Intensity value')
set(gca,'FontName','Times New Roman','FontSize',12)
legend({'- Positive value area','- Negative value area'})
set(gcf,'Color','White');  %设置背景颜色

接下来对图形进行标注和样式调整：

• 设置x轴标签为“x-axis/Samples”，y轴标签为“y-axis/Intensity value”；
• 使用set(gca,...)修改当前坐标轴属性，将字体设为“Times New Roman”，字号设为12；
• 添加图例，说明两个面积图分别代表“- Positive value area”（正值区域）和“- Negative value area”（负值区域）；
• 使用set(gcf,...)设置当前图形窗口的背景颜色为白色。

fill和patch函数，这两个函数功能和用法类似，它们的基本用法MATLAB帮助文件均有详细说明。以下以fill函数为例，用一个稍复杂的应用为例进行说明。

首先，我们产生一条含随机噪声的Bessel分布数据。然后，对其进行多项式拟合，绘制拟合误差范围的置信度区间。

x = 0 : 0.2 : 10;
y = besselj(0, x);   % Bessel 函数
y = y+0.8*rand([1,length(x)]);
% 多项式拟合
[p,S] = polyfit(x,y,3);
[y_fit, delta] = polyval(p,x,S);   % delta 标准误差估计值
%绘制原始数据、线性拟合及95%预测区间 y±2Δ
uy = y_fit+2*delta;
dy = y_fit-2*delta;
figure,
% 绘制原始数据
plot(x,y,'rx','LineWidth',1.5)
hold on
%绘制拟合曲线 
plot(x,y_fit,'Color',[0 1 1],'LineWidth',1.5)
hold on
%绘制置信区间
xconf = [x x(end:-1:1)] ;% x坐标回转形成闭合区域
yconf = [uy dy(end:-1:1)]; % 扩大数据区间
c2 = [182,100,199]./255;
plot([x',x'],[uy',dy'],'Color',c2,'LineWidth',1.2,'LineStyle','--')
fill(xconf, yconf,'k','FaceColor',c2,'EdgeColor','none','FaceAlpha',0.1);
xlabel('x-axis/Samples'),ylabel('y-axis/Intensity value')
set(gca,'FontName','Times New Roman','FontSize',12)
legend({'- Data','- Linear fit','- 95% Prediction Interval'})
set(gcf,'Color','White');  % Background is white

x = 0 : 0.2 : 10;
y = besselj(0, x);   % Bessel 函数
y = y+0.8*rand([1,length(x)]);

这部分定义了x轴的取值范围，并计算相应的Bessel函数值。具体步骤如下：

• x = 0 : 0.2 : 10;：创建一个从0开始，以0.2为步长递增到10的向量，作为x轴坐标值。
• y = besselj(0, x);：利用Matlab内置函数besselj计算阶数为0的Bessel函数在给定x值上的值，结果存储在向量y中。
• y = y+0.8*rand([1,length(x)]);：为Bessel函数值添加随机噪声。生成一个与y同长度的随机向量（均值为0，标准差为1），乘以常数0.8后加到y上，使得数据点带有一定随机扰动。

% 多项式拟合
[p,S] = polyfit(x,y,3);
[y_fit, delta] = polyval(p,x,S);   % delta 标准误差估计值

这部分进行数据的三次多项式拟合：

• polyfit(x,y,3)：使用polyfit函数对x和y数据进行三次多项式拟合，返回拟合多项式的系数向量p和结构体S，其中包含了拟合的标准误差等信息。
• polyval(p,x,S)：使用polyval函数基于拟合的系数p和x坐标x计算拟合值，并利用结构体S中的信息计算标准误差估计值delta。

% 绘制原始数据、线性拟合及95%预测区间 y±2Δ
uy = y_fit+2*delta;
dy = y_fit-2*delta;

计算95%预测区间的上下界：

• uy = y_fit+2*delta;：计算拟合值y_fit上方两倍标准误差的位置，即预测区间的上界。
• dy = y_fit-2*delta;：计算拟合值y_fit下方两倍标准误差的位置，即预测区间的下界。

figure,
% 绘制原始数据
plot(x,y,'rx','LineWidth',1.5)
hold on
% 绘制拟合曲线
plot(x,y_fit,'Color',[0 1 1],'LineWidth',1.5)
hold on
% 绘制置信区间
xconf = [x x(end:-1:1)] ;% x坐标回转形成闭合区域
yconf = [uy dy(end:-1:1)]; % 扩大数据区间
c2 = [182,100,199]./255;
plot([x',x'],[uy',dy'],'Color',c2,'LineWidth',1.2,'LineStyle','--')
fill(xconf, yconf,'k','FaceColor',c2,'EdgeColor','none','FaceAlpha',0.1);

这部分绘制图形并设置相关样式：

• figure：创建一个新的图形窗口。
• plot(x,y,'rx','LineWidth',1.5)：绘制原始数据点，使用红色菱形标记(‘rx’)，线宽为1.5。
• hold on：保持当前图形，后续绘制将在同一窗口中进行。
• plot(x,y_fit,'Color',[0 1 1],'LineWidth',1.5)：绘制拟合曲线，颜色为亮青色，线宽为1.5。
• xconf = [x x(end:-1:1)]：构造一个包含x轴坐标原序列及其逆序的向量，用于闭合预测区间图形。
• yconf = [uy dy(end:-1:1)]：构造一个包含预测区间上界和下界逆序的向量，使区间闭合。
• c2 = [182,100,199]./255;：定义预测区间颜色为淡紫色（RGB值转换为[0,1]范围）。
• plot([x',x'],[uy',dy'],'Color',c2,'LineWidth',1.2,'LineStyle','--')：绘制预测区间的边界线，颜色为淡紫色，线宽1.2，虚线样式。
• fill(xconf, yconf,'k','FaceColor',c2,'EdgeColor','none','FaceAlpha',0.1)：填充预测区间，内部颜色为淡紫色，无边框，填充透明度为0.1。

xlabel('x-axis/Samples'),ylabel('y-axis/Intensity value')
set(gca,'FontName','Times New Roman','FontSize',12)
legend({'- Data','- Linear fit','- 95% Prediction Interval'})
set(gcf,'Color','White');  % Background is white

最后进行图形的标签、字体、图例及背景设置：

• xlabel('x-axis/Samples')：设置x轴标签为“x-axis/Samples”。
• ylabel('y-axis/Intensity value')：设置y轴标签为“y-axis/Intensity value”。
• set(gca,'FontName','Times New Roman','FontSize',12)：将当前坐标轴的字体设为“Times New Roman”，字号为12。
• legend({'- Data','- Linear fit','- 95% Prediction Interval'})：添加图例，分别标识原始数据、拟合曲线和95%预测区间。
• set(gcf,'Color','White')：设置当前图形窗口背景颜色为白色。

参考

https://mp.weixin.qq.com/s/PJoY5QrlgRGecBStkFiTEQ