Matplotlib库的使用

import matplotlib.pyplot as plt

Matplotlib库的简单一个小例子：

import matplotlib.pyplot as plt
plt.plot([0,2,4,6,8],[3,1,4,3,5])  #[x轴数据，y轴数据]
plt.ylabel('Grade')  #设置y轴的坐标名
plt.axis([-1,10,0,6])  #设置xy轴的轴长区别[x的起始点，x终止点，y起始点，y终止点]
plt.savefig('e.jpg',dpi=600) #保存图片，dpi像素（展示图片的清晰度）
plt.show()

pyplot的绘图区域

plt.subplot(nrows,ncols,plot_number) #行，列，当前要的绘图区域

plt.subplot(3,2,4) #即在全局绘图区域中创建一个分区体系，并定位到一个子绘图区域。下面图形就是当前创建的绘图区域

关于绘图区域的例子

import numpy as np
import matplotlib.pyplot as plt
def example_plot(ax, fontsize=12):
    a = np.arange(0,10,1)
    ax.plot(a,np.exp(-a) *np.cos(2*np.pi*a))
    ax.set_xlabel('x-label', fontsize=fontsize) #x轴坐标名
    ax.set_ylabel('y-label', fontsize=fontsize) #y轴坐标名
    ax.set_title('Title', fontsize=fontsize)  #标题

plt.close('all')
fig, ((ax1,ax2),(ax3,ax4)) = plt.subplots(nrows=2, ncols=2)#设置绘图区域为2*2网格，将这个对象fig，(ax1,ax2),(ax3,ax4)分别占取一个位置
example_plot(ax1, fontsize=24)#作图
example_plot(ax2, fontsize=24)
example_plot(ax3, fontsize=24)
example_plot(ax4, fontsize=24)
fig.show()

复杂的绘图区域

比如下面这个：

这样的绘图区域，我们可以使用plt.subplot2grid()

plt.subplot2grid(GridSpec, CurSpec, colspan=1, rowspan=1)
#参数的含义分别是：
GridSpec：设定网格大小
 CurSpec：选中网格位置
  colspan=1：列数
   rowspan=1：行数

例子：

import numpy as np
import matplotlib.pyplot as plt
def f():
    a = np.arange(0.0, 5.0,0.02)
    return plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.subplot2grid((3,3),(0,0),colspan=3)
ax1 = f()
plt.subplot2grid((3,3),(1,0),colspan=2)
ax2 = f()
plt.subplot2grid((3,3),(1,2),rowspan=2)
ax3 = f()
plt.subplot2grid((3,3),(2,0),)
ax4 = f()
plt.subplot2grid((3,3),(2,1),)
ax5 = f()
plt.show()

这样还是比较复杂，我们可以使用GridSpec类
这样我们可以吧区域向列表一样的进行操作。
例子：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
def f():
    a = np.arange(0.0, 5.0, 0.02)
    return plt.plot(a, np.sin(2*np.pi*a), 'r--')

fig = gridspec.GridSpec(3,3)
ax1 = plt.subplot(fig[0,:]) #[行，列，跨度]
ax1 = f()
ax2 = plt.subplot(fig[1,:-1])#[1,:-1]
ax2 = f()
ax3 = plt.subplot(fig[1:,-1])
ax3 = f()
ax4 = plt.subplot(fig[2,0])
ax4 = f()
ax5 = plt.subplot(fig[2,1])
ax5 = f()
plt.show()

pyplot的plot（）函数

plt.plot(x,y,format_string,**kwargs)
x:x轴数据，列表或数组，可选
y：y轴数据，列表或数组，可选
format_string:控制曲线的格式字符串，可选
**kwargs:第二组或者更多的（x,y,format_string）
format_string的参数有很多：比较常用的就是下面这几个：
color:  控制颜色
linestyle：线条风格
marker：标记风格
markerfacecolor:标记颜色
markrsize:标记尺寸
'''

```python
import numpy as np
import matplotlib.pyplot as plt
a = np.arange(10)
plt.plot(a, a*1.5,'go-', a, a*2.5, 'rx', a, a*3.5, '^' , a, a*4.5, 'b-.')
plt.show()

format_string：控制曲线的格式字符串，可选参数，由颜色字符，风格字符，标记字符组成。
颜色字符可以使用字符来表示，也可以通过RGB的值来控制，还可以通过灰度值来控制。下面是一个简单的几个颜色字符的说明，其他的颜色，我们都可以通过一定值来得到
风格字符串是指图上的线展示出一个什么样的风格，简单的风格字符串的说明：
标记字符是指，在某一点的可以着重标记，下面是一些简单的标记。

pyplot的中文显示

pyplot并不默认支持中文显示，需要rcParams参数进行修改字体
rcParams的属性值有下面三个：
中文字体的种类有下面几个：

例子：

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.family'] = 'SimHei'  #字体
matplotlib.rcParams['font.size'] = 20  #字号
matplotlib.rcParams['font.style'] = 'normal' #字体风格

a = np.arange(0.0, 5.0, 0.02)
plt.xlabel('横轴：时间')
plt.ylabel('纵轴：振幅')
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.show()

但是这样的方式并不是最好的方式，因为这样会设置整体都为中文，统一的字体，字号及风格，有的时候我们并不想这样，这个时候，我们就可以在有中文输出的地方设置一个属性fontproperties

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)
plt.xlabel('横轴：时间',fontproperties='SimHei', fontsize=20)
plt.ylabel('纵轴：振幅',fontproperties='SimHei', fontsize=20)
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.show()

这样我们看到，只有被设置中文字体的地方被修改了。

pyplot的文本显示函数

import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0,0.02)
plt.plot(a, np.cos(2*np.pi*a), 'r--')

plt.xlabel('横轴：时间',fontproperties='SimHei', fontsize=15,color='green')
plt.ylabel('纵轴：振幅',fontproperties='SimHei', fontsize=15)
plt.title(r'正弦波实例$y=cos(2\pi x)$', fontproperties='SimHei',fontsize=20)

plt.annotate(r'$\nu=2$',xy=(2,1), xytext=(3,1.5),arrowprops=dict(facecolor='black',shrink=0.1,width=2))
#plt.annotate(该位置显示的文字内容，箭头的位置, 文字的位置,对于箭头的格式设置（颜色，阴影，宽度）)
plt.axis([-1,6,-2,2])
plt.grid(True)
plt.show()