matplotlib-01-pyplot

整理：https://apachecn.gitee.io/ailearning/#/docs/da/081
上面的图看不到，就将代码全部跑了一遍画图

import numpy as np
import matplotlib.pyplot as plt

a=[1,2,3,4]
b=[3,1,5,7]
plt.plot(a,b)
plt.show()

颜色

字符	颜色
'b'	蓝色，blue
'g'	绿色，green
'r'	红色，red
'c'	青色，cyan
'm'	品红，magenta
'y'	黄色，yellow
'k'	黑色，black
'w'	白色，white

形状

字符	类型	字符	类型
'-'	实线	'--'	虚线
'-.'	虚点线	':'	点线
'.'	点	','	像素点
'o'	圆点	'v'	下三角点
'^'	上三角点	'<'	左三角点
'>'	右三角点	'1'	下三叉点
'2'	上三叉点	'3'	左三叉点
'4'	右三叉点	's'	正方点
'p'	五角点	'*'	星形点
'h'	六边形点1	'H'	六边形点2
'+'	加号点	'x'	乘号点
'D'	实心菱形点	'd'	瘦菱形点
'_'	横线点		

plt.plot([1,2,3,4], [1,4,9,16], 'ro')
plt.show()

plt.plot([1,2,3,4], [1,4,9,16], 'ro-')
plt.show()

横纵坐标指定范围

plt.plot([1,2,3,4], [1,4,9,16], 'rs')
# 指定 x 轴显示区域为 0-6，y 轴为 0-20
plt.axis([0,6,1,20])
plt.show()

同时画多条线

t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', 
         t, t**2, 'bs', 
         t, t**3, 'g^')
plt.show()

x = np.linspace(-np.pi,np.pi)
y = np.sin(x)
plt.plot(x, y, linewidth=2.0, color='c')
plt.show()

设置线条样式

lines = plt.plot(x, y)
# 使用键值对
plt.setp(lines, color='b', linewidth=2.0)
# 或者使用 MATLAB 风格的字符串对
plt.setp(lines, 'color', 'r', 'linewidth', 3.5)
plt.show()

figure

plt.figure(num) 
plt.subplot(numrows, numcols, fignum) 
# 当 numrows * numcols < 10 时，中间的逗号可以省略，因此 plt.subplot(211) 就相当于 plt.subplot(2,1,1)

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

plt.figure(1)
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()

hist 直方图

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)

# 横坐标标题
plt.xlabel('Smarts')
# 纵坐标标题
plt.ylabel('Probability')
# 图标题
plt.title('Histogram of IQ')
# 图示（说明）
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
# 横纵坐标范围
plt.axis([40, 160, 0, 0.03])
# 显示网格线
plt.grid(True)
plt.show()

ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
            arrowprops=dict(facecolor='black', shrink=0.05),
            )

plt.ylim(-2,2)
plt.show()