一 前言
本篇文章带大家快速入门如何使用matplotlib画出精美数学的图片；看完本篇文章你将获得熟悉并简单使用matplotlib工具，会画基本得折现图，散点图，sin,cos图，一张画布画出多图等. 当然matplotlib得功能远不止这些，读者可以参照官网进行学习。
二 图像得组成
下面张图片来自
matplotlib
官网，简单说明一下图片得组成；
-
figure：画布，一张图片得整体轮廓
-
Axes：数轴，一张画布上可以画多张图片
-
axis：坐标轴，通常得x轴，y轴等
-
tick：刻度，坐标轴上得刻度
-
title: 图片得标题
-
legend：图例
-
grid: 网格
-
label：标签说明
三 画折现图
画图之前要导入matplotlib库和numpy库；
3.1 简单折线图
画一张简单得折线图，输入得数值只有y变量,并且设置x,y轴得标签和字体大小，详细说明看代码清单
import matplotlib.pyplot as plot
import numpy as np
# 着线图数据
line = [1,2,6,8,9,15,23,29,35]
# 指定线条粗细
plot.plot(line,linewidth=2)
# 设置标题
plot.title("zszxz line ",fontsize=12)
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y",fontsize=12)
# 显示
plot.show()
图片显示结果
3.2 齐全的折线图
下面得图片画得是带有x,y数值得折现图，能够自定义x,y值，实现数学上的数字换图片效果; 描绘坐标就是（1，2），（2，4），（6，12），（8，16），（9，18）；y的值正好是x的2倍（y = 2x）；也可以发现与前面一张图片的不同之处就是初始值不是(0,0)开始，而是(1,2)；
import matplotlib.pyplot as plot
import numpy as np
# 着线图数据
line1 = [1,2,6,8,9]
line2 = [2,4,12,16,18]
# 指定线条粗细
plot.plot(line1, line2,linewidth=2)
# 设置标题
plot.title("zszxz line ",fontsize=12)
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y",fontsize=12)
# 显示
plot.show()
图片结果
3.3 销售折现图
模拟一次水果每个月份的销量，知识追寻者举例2个水果，分别是苹果，香蕉，然后用折现图显示每个月份的销量；代码清单将设置图例信息，限制x轴的范围（1~12月），设置x轴刻度；
import matplotlib.pyplot as plot
import numpy as np
# 折线图数据
line1 = [1,2,6,8,9,25,41,65,32,14,45,100]
line2 = [2,4,12,16,18,45,3,4,55,67,78,22]
# 线条1
plot.plot(line1,color='red',label="apple",linewidth=2)
# 线条2
plot.plot(line2,color='blue',label="banana",linewidth=2)
# 设置x轴
plot.xlabel("month",fontsize=12)
# 设置y轴
plot.ylabel("sales",fontsize=12)
# 设置标题
plot.title("zszxz prodcut sale ",fontsize=12)
# 添加图例
plot.legend()
# 设置x范围
plot.xlim(1,12)
# 设置 x 刻度
x_ticks = np.arange(1, 13, 1)
plot.xticks(x_ticks)
# 显示
plot.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
执行结果
四 画散点图
4.1 简单的散点图
我们将以简单的（x,y）坐标匹配，然后在画布上画出简单的散点图；
import matplotlib.pyplot as plot
import numpy as np
x = [1,3,5,7,9]
y = [2,4,6,8,10]
# 散点
plot.scatter(x,y)
# 设置标题
plot.title("zszxz scatter",fontsize=12)
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y",fontsize=12)
# 显示
plot.show()
执行结果如下，可以看见基本实现了散点图功能不过不是很好看；
4.2 计算型散点图
实际应用中不可能要我们手动输入2个列表进行描绘散点图，一般都包含一种数学关系，我们用计算的方式获得散点图；
import matplotlib.pyplot as plot
import numpy as np
x_val = list(range(1,50))
# y的值是x的平方
y_val = [x**2 for x in x_val]
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y",fontsize=12)
# 散点
plot.scatter(x_val,y_val,color='pink')
# 显示
plot.show()
执行结果如下,修改颜色，数据集变多之后，明显就好看了许多；
4.3 随机数散点图
这次我们将使用随机数进行描绘图片，并设置图片散点颜色，标记属性；marker 属性默认是 o ，圆点，我们将其改成 * ; 更多marker配置配置可以参照官方文档
import matplotlib.pyplot as plot
import numpy as np
# 500 个随机数
n = 500
# 平均值为0，方差为1
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
#plot.scatter(X,Y,color='green',alpha=0.7)
plot.scatter(X,Y,color='green',alpha=0.7,marker='*')
#设置网格线
#plot.grid(True)
plot.show()
执行结果如下，可以发现瞬间美观了许多，当然根据不同的实际需求，画出的图片也不一样。
五 画正余弦
5.1正弦
知识追寻者将画 一个 x 轴从-2Π 到 + 2 Π的 正弦图，并且在区间进行1024个等分处理；
import matplotlib.pyplot as plot
import numpy as np
# -2Π 到 2 Π 1024 个等值
x = np.linspace(-np.pi*2, np.pi*2, 1024)
y = np.sin(x)
plot.plot(x, y,c='r')
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y=sin(x)",fontsize=12)
# 设置标题
plot.title("zszxz sin",fontsize=12)
# 显示
plot.show()
执行结果如下:
5.2 余弦
跟正弦类似，画 一个 x 轴从-2Π 到 + 2 Π的 正弦图，并且在区间进行1024个等分处理；
import matplotlib.pyplot as plot
import numpy as np
# -2Π 到 2 Π 1024 个等值
x = np.linspace(-np.pi*2, np.pi*2, 1024)
y = np.cos(x)
plot.plot(x, y,c='c')
# 设置x轴
plot.xlabel("x",fontsize=12)
# 设置y轴
plot.ylabel("y=cons(x)",fontsize=12)
# 设置标题
plot.title("zszxz cos",fontsize=12)
# 显示
plot.show()
六 画布多图
知识追寻者将5章节的正弦，余弦整合，然后在一张画布上画出2张图片；懂得这个方法之后，读者可以在任意得一张画布上画出多张图片；为了显示更加好看，还设置了虚线（dashes）
import matplotlib.pyplot as plot
import numpy as np
# 创建画布
plot.figure()
# 子图1
plot.subplot(211)
x = np.linspace(-np.pi*2, np.pi*2, 1024)
sin_y = np.sin(x)
# 设置虚线
plot.plot(x, sin_y,dashes=[6, 3],c='m')
# 子图2
plot.subplot(212)
con_y = np.cos(x)
plot.plot(x, con_y,dashes=[6, 2],c='r')
# 显示
plot.show()
