Matlab数据可视化方法与模板(1)——基本绘制概述

当下越来越多研究人员选择运用Matlab对数据进行建模处理，并进行相应的数据可视化操作。本系列对Matlab绘图与可视化方法进行了总结，并给出了相应的模板供各位参考使用，希望对各位的研究与工作有所帮助👀✔。
本篇为基本绘制概述部分，主要大致介绍一些Matlab绘图与可视化的基本方法，后续篇章将对各类Matlab数据可视化方法进行详细讲解。

---

离散数据及离散函数绘制

对离散数据的可视化时，仅仅需配置横坐标与纵坐标参数，并调用 plot() 函数进行绘制即可，具体 plot() 函数的参数配置后续系列将会详细讲解。在对离散函数进行处理时，可先将横坐标按照对应的函数处理，再将处理后的数据作为纵坐标绘制即可，具体模板如下所示：
（注意：在Matlab中无法实现无限区间的数据可视化）

X1 = [1 2 4 6 7 8 10 11 12 14 16 17 18 20]; % 原始数据
Y1 = [1 2 4 6 7 8 10 10 8 7 6 4 2 1];
figure(1)
plot(X1, Y1, 'o', 'MarkerSize', 15); % 离散数据绘制
X2 = 1:20;
Y2 = log(X2);
figure(2)
plot(X2, Y2, 'o', 'MarkerSize', 15); % 离散函数绘制

具体代码运行后可视化结果如下：

具体各函数与参数的含义在后续章节将会详细讲解。（包括绘图函数、图标形状与大小等）

连续函数

首先说明：Matlab中无法画出真正的连续函数

由此将有如下两种解决方案 (一般都会将两种方案结合使用)：

1. 对离散区间进行更进一步的划分，逐步趋近函数的连续变化特性，直到达到视觉上连续的效果。
2. 把每个离散点用直线连接起来，以每两个离散点之间的直线来近似表示两点间的函数特性。

下面将运用上述两种方案，实现连续函数的数据可视化任务，首先给出连续函数绘制模板程序一：

X1 = (0:12) * pi / 6; % 基本划分
Y1 = cos(3*X1);
X2 = (0:360) * pi / 180; %更精细的划分——更能体现函数的连续特性
Y2 = cos(3*X2);
figure(1)
subplot(2, 2, 1);
plot(X1, Y1, 'o', 'MarkerSize', 3);
xlim([0, 2 * pi]);
subplot(2, 2, 2);
plot(X1, Y1, 'LineWidth', 2);
xlim([0, 2 * pi]);
subplot(2, 2, 3);
plot(X2, Y2, 'o', 'MarkerSize', 3);
xlim([0, 2 * pi]); %对其进行更细划分
subplot(2, 2, 4);
plot(X2, Y2, 'LineWidth', 2);
xlim([0, 2 * pi]); %将离散点用直线连接

上述程序将以不同粒度对$y=cos(3x)$函数进行绘制，具体运行结果图如下所示：

上图中的左侧为未连接的离散点，而右侧为相邻离散点连接后的图像。
可以看出，当划分粒度较大时，离散点图像的视觉连续特性更好。且当对较高划分粒度的相邻离散点进行连接后，可近似得到函数的连续图像，在视觉上与连续图像几乎无差别。而当对较低划分粒度的相邻离散点进行连接时，图像的整体连续性较差，误差也变大。
下面给出连续函数绘制程序模板二：

x = -pi / 2:0.01:pi / 2; % 间隔0.01
y = x + sin(x) + exp(x);
plot(x, y, '-ro')
grid on
title('y的函数图像');
xlabel('x');
ylabel('y');
legend('y=x+sinx+e^{x}');

程序对$y=x+sinx+e^x$函数进行可视化，具体运行结果如下所示：

从上述两程序的运行结果可以看出，我们可以通过较高的划分粒度与相邻离散点间的直线连接，实现对连续函数的近似可视化。

多图绘制示例

在运用Matlab进行数据可视化的过程中，有时我们需要运用一个窗口完成多个图像的可视化任务，由此我们需要借助 subplot() 函数实现多图绘制。
该函数的常规使用方式为：$subplot(m,n,p)$，其将当前图窗划分为一个$m\times n$的网格，并在$p$指定的位置创建坐标区。 Matlab中将按行对子图的位置进行编号。 第一个子图是第一行的第一列，第二个子图是第一行的第二列，依此类推。如果指定的位置已存在坐标区，则此命令会将该坐标区设为当前坐标区——覆盖/重写。
具体多图绘制的模板代码如下所示：

%本程序在一个窗口内画出多种图像
%三角函数与空间螺旋函数构造
x = 0:0.001:8 * pi;
y1 = sin(x);
y2 = cos(x);
z = x;
%三维网格图构造
[X, Y] = meshgrid(-3:0.1:3, -4:0.1:4);
Z = cos(X) .* sin(Y);
xlabel('x');
ylabel('y');
zlabel('z');
%标准正太分布的频率分布直方图
a = normrnd(10, 5, 1000, 1);
[count, center] = hist(a);
%对不同图在同一窗口进行展示
subplot(3, 2, 1);
plot(x, y1, 'b', x, y2, 'r');
title('y=sin(x)与y=cos(x)在0-8pi上的对比图');
grid on
subplot(3, 2, 2);
plot3(y1, y2, z, 's');
title('空间螺旋线');
grid on
subplot(3, 2, 3);
surf(X, Y, Z);
title('z=cosx.siny的曲面图（带阴影）');
grid on
subplot(3, 2, 4);
mesh(X, Y, Z);
title('z=cosx.siny的曲面图（不带阴影）');
grid on
subplot(3, 2, 5);
histogram(a);
title('标准正太分布的频率分布直方图（无间隔）');
grid on
%由于hist是比较老的版本里的函数，这里运用histogram()，其优势在于可以直接返回一个直方图对象，方便修改直方图属性
subplot(3, 2, 6);
bar(center, count);
title('标准正太分布的频率分布直方图（有间隔）');
grid on

上述代码的运行结果如下所示：

总结

上述内容对Matlab绘图与可视化的基本方法进行了介绍，并给出了相应的模板，后序系列中将对二维、三维、四维、统计作图🎨等多种Matlab数据可视化方法与模板进行介绍，欢迎各位点赞关注。😀😁