目录
1.引言
Matlab（Matrix Laboratory）是一款功能强大的科学计算软件，广泛应用于工程、科学、数学等领域。其中，绘图功能是Matlab的重要组成部分之一，能够帮助用户直观地展示数据和结果。无论是研究者、工程师还是学生，都需要掌握Matlab绘图的基本技巧，以便更好地表达和传达自己的研究成果。
然而，Matlab的绘图功能十分丰富灵活，对于初学者来说，有时候可能会感到困惑，不知道如何选择合适的绘图函数、如何自定义图形样式、如何添加图例等。因此，本文旨在介绍Matlab中20个高效绘图的技巧，从基础到进阶，帮助读者更好地利用Matlab的绘图功能，展示数据和结果，提高工作效率，加深对数据的理解。
在本文中，我们将详细介绍每个技巧的使用方法，并提供相应的代码示例，帮助读者快速上手。通过学习本文，读者将能够掌握丰富多样的绘图技巧，为自己的工作和学习提供更加强大的工具支持。
2. 选择合适的绘图函数
Matlab提供了多种绘图函数，如plot、scatter、bar等，每种函数都有其特定的应用场景。在选择绘图函数时，要根据数据类型和所需效果来决定。
% 绘制正弦曲线
x = linspace(0, 2*pi, 100); % 生成自变量向量
y = sin(x); % 计算对应的正弦值
plot(x, y); % 绘制曲线
title('Sine Wave'); % 添加标题
xlabel('X'); % 添加横轴标签
ylabel('Y'); % 添加纵轴标签
3. 自定义图形样式
通过设置LineStyle、Color和Marker等属性，可以使图形更加美观清晰。
% 示例：自定义曲线图的样式
x = linspace(0, 2*pi, 100);
y1 = sin(x);
y2 = cos(x);
plot(x, y1, 'r--o', 'LineWidth', 2); % 红色虚线，带圆点标记
hold on; % 保持图形，继续绘制下一个曲线
plot(x, y2, 'b-.s', 'LineWidth', 1.5); % 蓝色点划线，带方形标记
legend('sin(x)', 'cos(x)');
-
LineStyle（线型）：用于指定绘制曲线或线段时所使用的线型。常见的线型包括实线 (
'-')、虚线 ('--')、点线 ('-.') 和无线 (':')。可以通过将LineStyle设置为上述任意一种线型来实现相应的效果。 -
Color（颜色）：用于指定绘制图形时所使用的颜色。常见的颜色包括红色 (
'r')、绿色 ('g')、蓝色 ('b')、黄色 ('y')、黑色 ('k') 和白色 ('w') 等。还可以使用 RGB 值或十六进制颜色代码来指定颜色。 -
Marker（标记）：用于指定曲线上数据点的标记类型。常见的标记包括圆点 (
'o')、方形 ('s')、三角形 ('^')、叉号 ('x') 等。可以通过将Marker设置为上述任意一种标记来实现相应的效果。
4. 多图合并显示
使用subplot函数和figure对象可以在同一画布上显示多个图形，便于比较它们之间的关系。
% 示例：多图合并显示
x = linspace(0, 2*pi, 100);
y1 = sin(x);
y2 = cos(x);
subplot(2, 1, 1); % 分成2行1列，当前位置为1
plot(x, y1, 'r');
title('Sine Wave');
xlabel('X');
ylabel('Y');
subplot(2, 1, 2); % 分成2行1列，当前位置为2
plot(x, y2, 'b');
title('Cosine Wave');
xlabel('X');
ylabel('Y');
subplot 函数用于在同一图窗中创建多个子图，可以将多个图形排列成矩阵形式，使得它们在同一个图窗中便于比较和展示。subplot 函数的基本语法如下：
subplot(m, n, p)
其中，m 表示子图矩阵的行数，n 表示子图矩阵的列数，p 表示当前子图在子图矩阵中的位置。例如，subplot(2, 2, 1) 表示将图窗分割成 2 行 2 列的子图矩阵，并选择其中的第 1 个位置作为当前子图。
subplot 函数的使用方法如下：
-
指定子图位置：通过
subplot函数的参数m、n和p来指定子图在子图矩阵中的位置。例如，subplot(2, 2, 1)表示将图窗分割成 2 行 2 列的子图矩阵，并选择其中的第 1 个位置作为当前子图。 -
绘制子图：在
subplot函数指定的子图位置下，绘制相应的图形。例如，可以使用plot、bar、histogram等函数来绘制子图中的内容。 -
切换子图：通过调用
subplot函数并指定不同的子图位置，可以切换到其他子图，绘制不同的内容。
下面是一个简单的示例，演示如何使用 subplot 函数创建一个包含多个子图的图窗：
% 创建一个 2x2 的子图矩阵，并选择第一个位置
subplot(2, 2, 1);
x = linspace(0, 2*pi, 100);
y = sin(x);
plot(x, y);
title('Subplot 1: Sine Wave');
% 选择第二个位置
subplot(2, 2, 2);
y = cos(x);
plot(x, y);
title('Subplot 2: Cosine Wave');
% 选择第三个位置
subplot(2, 2, 3);
y = tan(x);
plot(x, y);
title('Subplot 3: Tangent Wave');
% 选择第四个位置
subplot(2, 2, 4);
y = x.^2;
plot(x, y);
title('Subplot 4: Square Wave');
这段代码创建了一个 2x2 的子图矩阵，分别在四个子图位置上绘制了正弦波、余弦波、正切波和平方波。通过 subplot 函数和不同的位置参数，实现了多个子图在同一个图窗中的展示。
5. 添加图例
使用legend函数添加图例，帮助读者理解图中不同数据系列的含义。
'Location' 参数用于指定图例的位置。它可以是一个字符串或一个包含两个数值的向量。常见的字符串值包括：
'north'：在图形的上方居中显示图例。'south'：在图形的下方居中显示图例。'east'：在图形的右侧居中显示图例。'west'：在图形的左侧居中显示图例。'northeast'、'southeast'、'northwest'、'southwest'：分别表示图例位于图形的东北、东南、西北、西南角。'best'：自动选择最佳位置显示图例。
6. 绘制误差条形图
使用errorbar函数绘制带有误差条的条形图，展示数据的不确定性范围。
% 示例：绘制误差条形图
x = 1:5; % x 轴数据
y = [1 2 3 4 5]; % y 轴数据
error = [0.1 0.2 0.1 0.3 0.2]; % 误差数据
% 使用 errorbar 函数绘制误差条形图
errorbar(x, y, error, 'o-');
xlabel('X'); % 添加 x 轴标签
ylabel('Y'); % 添加 y 轴标签
title('Error Bar Plot'); % 添加图标题
errorbar 函数的基本语法如下：
errorbar(x, y, err, fmt)
其中，参数含义如下：
x：表示数据点的 x 坐标，可以是一个向量或矩阵。y：表示数据点的 y 坐标，可以是一个向量或矩阵，与x对应。err：表示每个数据点对应的误差值，可以是一个向量或矩阵，与x和y对应。如果是向量，则表示每个数据点的单一误差值；如果是矩阵，则表示每个数据点的上下误差值，例如[err_down; err_up]。fmt：表示误差条的格式，可以是一个字符向量或字符串。常用的格式包括'o-'（圆形标记连接的线条）和'x'（X 标记）。此外，还可以通过'Color'、'LineStyle'、'Marker'等参数来进一步指定误差条的样式。-
7. 使用透明度和图形对象
通过设置图形元素的透明度和使用图形对象，使得图形更具层次感和美观性。
alpha 函数用于设置图形对象的透明度。在 Matlab 中，图形对象可以是图形、坐标轴、图例等。通过调整透明度，可以实现图形对象的半透明效果，使得多个图形叠加时更容易观察到叠加部分的信息。
% 示例：使用透明度和图形对象
x = linspace(0, 2*pi, 100);
y1 = sin(x);
y2 = cos(x);
plot(x, y1, 'r', 'LineWidth', 2);
hold on;
plot(x, y2, 'b', 'LineWidth', 2);
alpha(0.5); % 设置透明度为0.5
legend('sin(x)', 'cos(x)');
其中，value 是一个介于 0 到 1 之间的数值，表示图形对象的透明度。值为 0 表示完全透明，值为 1 表示完全不透明。
8. 绘制极坐标图和自定义坐标轴
Matlab支持绘制极坐标图和自定义坐标轴，通过polarplot函数和设置范围、刻度等可以实现。
% 示例：绘制极坐标图和自定义坐标轴
theta = linspace(0, 2*pi, 100);
rho = sin(2*theta);
polarplot(theta, rho);
title('Polar Plot');
% 示例：自定义坐标轴
x = linspace(0, 2*pi, 100);
y = sin(x);
plot(x, y);
xlim([0, 2*pi]); % 设置X轴范围
ylim([-1, 1]); % 设置Y轴范围
xticks([0, pi, 2*pi]); % 设置X轴刻度
xticklabels({'0', '\pi', '2\pi'}); % 设置X轴刻度标签
xlabel('X');
ylabel('Y');
polarplot 函数用于绘制极坐标图，即在极坐标系下绘制图形。极坐标图通常用于表示数据的方向和大小，其中角度由极角表示，距离由极径表示。
polarplot 函数的基本语法如下：
polarplot(theta, rho)
其中，theta 表示极角的取值，rho 表示对应极角的极径值。theta 和 rho 可以是长度相等的向量，也可以是长度相等的矩阵，每一列代表一个数据系列。函数将根据输入的 theta 和 rho 值，在极坐标系中绘制相应的图形。
除了绘制单个极坐标图外，polarplot 函数还支持同时绘制多个极坐标图，例如：
polarplot(theta1, rho1, style1, theta2, rho2, style2, ...)
其中，theta1 和 rho1 表示第一个数据系列的极角和极径，style1 表示第一个数据系列的样式。同理，theta2 和 rho2 表示第二个数据系列的极角和极径，style2 表示第二个数据系列的样式，以此类推。
9. 绘制三维曲面图
使用surf函数可以绘制三维曲面图，展示复杂数据的空间分布情况。
% 示例：绘制三维曲面图
[X,Y] = meshgrid(-2:.2:2, -2:.2:2); % 生成网格点坐标
Z = X .* exp(-X.^2 - Y.^2); % 计算Z值
surf(X,Y,Z); % 绘制三维曲面图
xlabel('X'); % 添加X轴标签
ylabel('Y'); % 添加Y轴标签
zlabel('Z'); % 添加Z轴标签
title('3D Surface Plot'); % 添加标题
这段代码使用 meshgrid 函数生成了一个网格点坐标，然后计算了每个网格点的 Z 值。最后，使用 surf 函数绘制了三维曲面图，并通过 xlabel、ylabel、zlabel 和 title 函数分别添加了 X 轴、Y 轴、Z 轴的标签和图形的标题。
surf 函数的基本语法如下：
surf(X, Y, Z)
其中，X、Y 和 Z 是分别表示曲面上各点的 x、y 和 z 坐标的矩阵。通常情况下，X 和 Y 是由 meshgrid 函数生成的网格点坐标矩阵，而 Z 是与 X 和 Y 对应的曲面高度值矩阵。
10. 绘制热图
通过heatmap函数可以绘制热图，直观展示数据的分布和变化趋势。
% 示例：绘制热图
data = rand(5,5); % 随机生成一个 5x5 的数据矩阵
heatmap(data); % 绘制热图
title('Heatmap'); % 添加标题
heatmap 函数用于绘制热图，也称为热力图或热点图。它以颜色的形式展示了数据矩阵中各个元素的数值大小，使得数据的分布规律更加直观地呈现出来。
其中，data 是一个二维矩阵，表示要绘制热图的数据。矩阵中的每个元素对应一个数据点，其数值大小决定了相应位置的颜色深浅。通常情况下，矩阵中的数值越大，对应位置的颜色越深，反之越浅。
11. 绘制柱状图
使用bar函数可以绘制柱状图，比较不同类别数据的大小和差异。
% 示例：绘制柱状图
x = 1:5; % 柱子的位置
y = [3 7 2 5 8]; % 柱子的高度
bar(x, y);
title('Bar Chart');
xlabel('X');
ylabel('Y');
其中，x 表示柱状图中每个柱子的位置，可以是一个向量或矩阵；y 表示柱状图中每个柱子的高度，也可以是一个向量或矩阵。通常情况下，x 是一个数值向量，表示每个柱子的位置，而 y 是一个数值向量，表示每个柱子的高度。
12. 绘制饼图
使用pie函数可以绘制饼图，展示数据的占比关系。
% 示例：绘制饼图
sizes = [25, 35, 20, 20]; % 各部分大小
labels = {'A', 'B', 'C', 'D'}; % 各部分标签
pie(sizes, labels); % 绘制饼图
title('Pie Chart'); % 添加标题
这段代码使用 pie 函数绘制了一个饼图，其中 sizes 表示各部分的大小，labels 表示各部分的标签。
13. 绘制直方图
通过histogram函数可以绘制直方图，分析数据的分布情况。
% 示例：绘制直方图
data = randn(1000, 1); % 生成随机数据
histogram(data, 'Normalization', 'pdf'); % 绘制概率密度函数归一化的直方图
title('Histogram'); % 添加标题
xlabel('Value'); % 添加X轴标签
ylabel('Probability Density'); % 添加Y轴标签
在这个示例中，data 是一个包含 1000 个随机数的正态分布数据。histogram 函数根据这些数据绘制了直方图，并通过 'Normalization', 'pdf' 参数指定了概率密度函数（PDF）归一化。
除了绘制基本的直方图外，histogram 函数还支持设置各种属性来定制直方图的样式和显示效果，例如：
'NumBins'：设置直方图的箱子数量。'Normalization'：设置直方图的归一化方式，可以选择'count'（计数）、'probability'（概率）、'pdf'（概率密度函数）或'cumcount'（累计计数）。'BinWidth'和'BinLimits'：设置箱子的宽度和范围。'DisplayStyle'：设置直方图的显示样式，可以选择'bar'（柱状图）或'stairs'（阶梯图）等。
14. 添加文本和注释
使用text函数可以在图上添加文本，使用annotation函数可以添加注释，使图更加清晰易懂。
% 示例：添加文本和注释
x = linspace(0, 2*pi, 100);
y = sin(x);
plot(x, y);
text(3, 0.5, 'Peak', 'FontSize', 12); % 在指定位置添加文本
annotation('arrow', [0.2, 0.3], [0.6, 0.8]); % 添加箭头
text 函数用于在指定位置添加文本，其中参数分别为 x 坐标、y 坐标、文本内容和文本属性；annotation 函数用于添加各种类型的注释，例如箭头，其中参数 'arrow' 表示添加箭头注释，后面的 [0.2, 0.3] 和 [0.6, 0.8] 分别表示箭头起点和终点的 x 和 y 坐标位置。
15. 绘制动态图
Matlab支持绘制动态图，通过在绘图循环中使用drawnow函数可以实现动态效果。
% 示例：绘制动态正弦波
x = linspace(0, 2*pi, 100); % 生成自变量向量
for t = 1:length(x)
plot(x(1:t), sin(x(1:t)), 'r'); % 绘制部分正弦曲线
title('Dynamic Plot'); % 添加标题
xlabel('X'); % 添加X轴标签
ylabel('Y'); % 添加Y轴标签
drawnow; % 更新图形
end
这段代码实现了一个动态绘制正弦波的示例。通过循环逐步增加自变量的范围，实现逐步绘制正弦波的效果。在每个步骤中，使用 plot 函数绘制部分正弦曲线，并通过 drawnow 函数更新图形。
16. 绘制多项式拟合曲线
使用polyfit函数可以进行多项式拟合，通过绘制拟合曲线展示数据的趋势。
% 示例：绘制多项式拟合曲线
x = linspace(0, 2*pi, 100);
y = sin(x) + randn(size(x))*0.1; % 添加噪声
p = polyfit(x, y, 5); % 五次多项式拟合
y_fit = polyval(p, x);
plot(x, y, 'o', x, y_fit, 'r');
title('Polynomial Fitting');
xlabel('X');
ylabel('Y');
legend('Data', 'Fitted Curve');
这段代码实现了一个多项式拟合曲线的示例。首先，生成了一个包含噪声的正弦波数据，并使用 polyfit 函数进行了五次多项式拟合。然后，通过 polyval 函数计算了拟合曲线上的值，最后使用 plot 函数绘制了原始数据和拟合曲线，并通过 legend 函数添加了图例。
polyfit 函数用于多项式拟合，即根据一组数据点拟合出一个多项式曲线，以逼近这组数据的趋势。它是 MATLAB 中用于执行最小二乘多项式拟合的函数之一。
polyfit 函数的基本语法如下：
p = polyfit(x, y, n)其中，x 和 y 是待拟合的数据点的横坐标和纵坐标，可以是向量或矩阵；n 是要拟合的多项式的阶数。函数返回一个长度为 n+1 的向量 p，其中包含拟合多项式的系数，从高次到低次排列。
17. 绘制等高线图
使用contour函数可以绘制等高线图，展示二维数据的等值线分布。
% 示例：绘制等高线图
[X,Y] = meshgrid(-2:.2:2, -2:.2:2);
Z = X.^2 + Y.^2;
contour(X,Y,Z);
xlabel('X');
ylabel('Y');
title('Contour Plot');
18. 绘制矢量场图
quiver函数是MATLAB中用于绘制矢量场图的函数。它可以在二维或三维坐标系中显示矢量的位置和方向。
以下是quiver函数的基本用法示例：
x = [1, 2, 3, 4, 5];
y = [2, 4, 6, 8, 10];
u = [-1, 1, -2, 2, -3];
v = [2, -2, 4, -4, 6];
quiver(x, y, u, v);
上述示例代码将在二维坐标系中绘制了五个矢量，矢量的起点位置由x和y坐标指定，矢量的方向和长度由u和v坐标指定。quiver函数的四个输入参数分别代表起点位置的x、y坐标和矢量的x、y坐标。
对于三维矢量场图，quiver3函数可以使用，其用法与quiver类似，只是需要提供z坐标。例如：
x = [1, 2, 3, 4, 5];
y = [2, 4, 6, 8, 10];
z = [0, 0, 0, 0, 0];
u = [-1, 1, -2, 2, -3];
v = [2, -2, 4, -4, 6];
w = [0, 0, 0, 0, 0];
quiver3(x, y, z, u, v, w);
此代码将在三维坐标系中绘制了五个矢量，其中起点位置由x、y和z坐标指定，矢量的方向和长度由u、v和w坐标指定。
您可以通过传递其他参数来自定义矢量场的样式、颜色和大小等。例如：
quiver(x, y, u, v, 'Color', 'r', 'LineWidth', 2);
此代码将以红色（'Color'）绘制矢量，线宽为2个像素（'LineWidth'）。您可以根据需要调整这些参数来获得所需的矢量场图样式。
19. 绘制散点图矩阵
使用scattermatrix函数可以绘制散点图矩阵，展示多个变量之间的关系。
% 示例：绘制散点图矩阵
data = randn(100, 3); % 生成随机数据
scattermatrix(data);
title('Scatter Matrix');
20. 绘制3D散点图
使用scatter3函数可以绘制三维散点图，展示三维数据的分布情况。
% 示例：绘制3D散点图
x = randn(100,1);
y = randn(100,1);
z = randn(100,1);
scatter3(x, y, z);
xlabel('X');
ylabel('Y');
zlabel('Z');
title('3D Scatter Plot');
您可以通过传递其他参数来自定义散点的样式、颜色和大小等。例如：
scatter3(x, y, z, 'filled', 'MarkerFaceColor', 'r', 'SizeData', 100);
此代码将以填充的红色圆点（'filled'和'MarkerFaceColor'）绘制散点，并设置散点的大小为100（'SizeData'）。您可以根据需要调整这些参数来获得所需的散点图样式。
21. 保存图形
最后，要记得将绘制的图形保存下来，以便后续使用或分享。Matlab支持多种图形格式，包括PNG、JPEG、PDF等。
% 示例：保存图形为PNG格式
x = linspace(0, 2*pi, 100);
y = sin(x);
plot(x, y);
title('Sine Wave');
xlabel('X');
ylabel('Y');
saveas(gcf, 'sine_wave.png');
当您在MATLAB中调用saveas函数时，它将当前图形保存为指定的文件格式。在这种情况下，gcf表示当前的图形句柄（"gcf"代表"get current figure"）。通过将图形句柄作为第一个参数传递给saveas函数，您告诉MATLAB将当前图形保存为文件。
第二个参数是要保存的文件名，这里是sine_wave.png。saveas函数将根据文件名的扩展名来确定保存图形的文件格式，这里是PNG格式。
22.结束语
通过本文的介绍，我们详细了解了Matlab中20个高效的绘图技巧，从基本的绘图函数到更高级的绘图功能，涵盖了多种常见的绘图需求。这些技巧不仅可以帮助你更好地展示数据和结果，还可以提高工作效率，使得图形更加直观易懂。
Matlab作为一款强大的科学计算软件，其绘图功能十分灵活，通过合理运用这些技巧，可以轻松绘制出各种精美的图形，为科研和工程应用提供有力支持。
希望本文能为你在Matlab绘图方面提供帮助和指导，如果有任何疑问或建议，欢迎留言交流！如果本文存在任何问题，欢迎指正。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
