python----Matplotlib库(二)

Python大法好 之 Matplotlib

今天学习几个常用的matplotlib之下的几个小函数, 无足轻重但有时候又会很重要很细节

plt.xlim((-1, 2))
plt.ylim((-2,3))
plt.xlabel('I AM X')
plt.ylabel('I AM Y')

new_ticks = np.linspace(-1, 2, 5)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3], ['really bad', 'bad', 'normal', 'good', 'really good'])

运行结果:

看运行结果就很明显了

plt.xlim((start, stop)), 设置函数图X轴的范围,
plt.ylim((start, stop)), 设置函数图Y轴的范围,
plt.xlabel(‘1234’), 设置一些X轴上的描述,
plt.xlabel(‘1234’), 设置一些Y轴上的描述,
plt.xticks([start, stop, num]), 设置X轴上的一些点的分布, plot就会根据start 和 stop在X轴上平均生成 num 个点,如上图
plt.yticks([ ], [ ]), 还可以设置标签代替坐标轴上的数字, 如上图,plt.yticks([-2, -1.8, -1, 1.22, 3], ['really bad', 'bad', 'normal', 'good', 'really good']) plot 会在y = -2的地方用 really标注, 在y = -1.8的地方用bad标注, 以此类推, 你甚至可以把这些文字标签用正则表达式转换成不同风格的字体例如r'$really\ bad$', 这里识别出来的字体就会变成

(其中另个$是把字符串括起来, \ 是用来识别中间那个空格符, 最前面的r就是真正则表达式的一些东西吧, 我也不是很懂正则表达式, 有兴趣的童鞋可以自己去搜搜看学习一下)

#把上面plot出来的函数关系图传到ax里面
ax = plt.gca()
#spines翻译为图的脊梁, 下面两步就是把右边和定边的轴都消失, 用 color='none'即可实现
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#到了这里, 其实函数关系图还没有默认好XY轴是什么, 它有可能是四个边框随意一条, 我们现在就是要对XY轴进行设置, 
#设置底部的脊梁作为X轴,
ax.xaxis.set_ticks_position('bottom')
#设置左边的脊梁作为Y轴
ax.yaxis.set_ticks_position('left')

#下面这两句有点绕, 我原先理解得有问题, 后来我从新理解了一下, 并用最蠢得文字描述了出来

#设置底部脊梁的位置, 在set_position传入 data 的意思是通过值来设置X轴的原点, 下面传入0, 就是把Y轴上0的位置设置为X轴的原点
#如果设置为1, 就是把Y轴上1的位置设置为X轴的原点,
ax.spines['bottom'].set_position(('data', 0))
#设置左边脊梁的位置, 在set_position传入 data 的意思是通过值来设置Y轴的原点, 下面传入0, 就是把X轴上0的位置设置为Y轴的原点
#如果设置为1, 就是把X轴上1的位置设置为Y轴的原点,
ax.spines['left'].set_position(('data', 0))
#如此设置, 可以看到下面运行结果坐标轴原点为(0, 0)

运行结果

平时画出坐标轴的时候, 只有XY轴, 如果没有以上设置, 打印出来的图, 会没有XY轴, 如果设置了, 不单单可以设置XY轴, 还可以用过最后两句代码, 设置坐标轴的原点

学习参考莫烦Python

不积跬步无以至千里