Matplotlib模块的使用

1. 输出方程

#产生-1 到1 的50个点
x=np.linspace(-1, 1, 50)
y=2*x+1
plt.plot(x,y)
plt.show()

2.figure

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-1, 1, 50)
y1=2*x+1
y2=x**2
#第一个figure
plt.figure()
plt.plot(x,y1)
#第二个figure，默认从1开始排序，给定num的话显示figure3
plt.figure(num=3,figsize=(8,5))
plt.plot(x,y2)
#在同一个figure中显示两条曲线，颜色、宽度、显示方式
plt.plot(x,y1,color="red",linewidth=1.0,linestyle='--')
plt.show()

3. 设置坐标轴

3.1设置坐标轴 描述、小标

#设置坐标轴取值范围
plt.xlim((-1,2))
plt.ylim((-2,3))
#坐标轴的描述
plt.xlabel('x label')
plt.ylabel('y label')
#设置单位小标 tricks
new_ticks=np.linspace(-1,2,5)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-1,-1.8,-1,1.22,3,],['really bad','bad','good','really good'])

3.2 修改坐标轴位置

# gca  = 'get current axis' 获取当前坐标轴
ax=plt.gca()
#spine 脊梁、刺，也就是坐标轴的四个边框
# 1.去除上面和右边的坐标轴
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 2.设置x轴和y轴ticks
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 3.x轴绑定在y轴-1的位置,传入参数类型为元组
# outward,axes
ax.spines['bottom'].set_position(('data',-1))
# 4.y轴绑定在x轴0的位置
ax.spines['left'].set_position(('data',0))

4.图例 legend

#图例的名字是up
plt.plot(x,y2,label='up')
#图例的名字是down
plt.plot(x,y1,color="red",linewidth=1.0,linestyle='--',label='down')
#默认参数加载图例
plt.legend()

l1,=plt.plot(x,y2)
#在同一个figure中显示两条曲线
l2,=plt.plot(x,y1,color="red")
#best方式  图例会自动选择在一个数据量比较小的位置放置，
#放大和缩小的话，图例可以自动改变位置适应
plt.legend(labels=['aaa','bbb'],loc="best")

5.注解 annotation

import matplotlib.pyplot as plt
import numpy as np
plt.figure()
x=np.linspace(-3, 3, 50)
y=2*x+1
#绘制原来曲线
plt.plot(x,y)
#标注点
x0=1;
y0=2*x0+1
#绘制标注点
plt.scatter(x0,y0,color='red')
plt.show()

#绘制标注点  s是size  
plt.scatter(x0,y0,s=20,color='blue')
# lw =linwith  k=black --虚线   
plt.plot([x0,x0],[y0,0],'k--',lw=2.5)

方法一

plt.annotate(r'$2x+1=%s$'%y0,xy=(x0,y0),xycoords='data',
				xytext=(30,-30),textcoords='offset points',
				fontsize=16,arrowprops=dict(arrowStyle='>',
				connectionstyle='arc3,rad=0.2'))

方法二

plt.text(-3.7, 3, r'$This\ is\ a\ line\ of\ y=2x+1$',fontdict={'size':16,'color':'orange'})

6.能见度 tick

Reference

Matplotlib Python 画图教程 (莫烦Python)