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()
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()
