简单线形图形¶

所有图形中，最简单的是线性方程 $y = f(x)$可视化。一个简单的线型图可以由下面代码给出：

In [17]:

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline import numpy as np import matplotlib.pyplot as plt

In [3]:

plt.style.use("seaborn-v0_8-whitegrid")

plt.style.use("seaborn-v0_8-whitegrid")

In [5]:

plt.style.available  #可以使用的风格查看

plt.style.available #可以使用的风格查看

Out[5]:

['Solarize_Light2',
 '_classic_test_patch',
 '_mpl-gallery',
 '_mpl-gallery-nogrid',
 'bmh',
 'classic',
 'dark_background',
 'fast',
 'fivethirtyeight',
 'ggplot',
 'grayscale',
 'petroff10',
 'seaborn-v0_8',
 'seaborn-v0_8-bright',
 'seaborn-v0_8-colorblind',
 'seaborn-v0_8-dark',
 'seaborn-v0_8-dark-palette',
 'seaborn-v0_8-darkgrid',
 'seaborn-v0_8-deep',
 'seaborn-v0_8-muted',
 'seaborn-v0_8-notebook',
 'seaborn-v0_8-paper',
 'seaborn-v0_8-pastel',
 'seaborn-v0_8-poster',
 'seaborn-v0_8-talk',
 'seaborn-v0_8-ticks',
 'seaborn-v0_8-white',
 'seaborn-v0_8-whitegrid',
 'tableau-colorblind10']

可以将上面列出的风格通过下面格式进行设定。如：

In [6]:

#plt.style.use("ggplot")

#plt.style.use("ggplot")

使用Matplotlib画图，都需要先创建一个图形画布和一个坐标图形。

In [19]:

fig = plt.figure()
ax = plt.axes()
#plt.show()

fig = plt.figure() ax = plt.axes() #plt.show()

在Matplotlib中，figure ( plt.Figure类的一个实例) 可以理解为能够容纳各种坐标轴，图形，文字，标签的容器； axes ( plt.Axes类的一个实例) 是一个带有刻度和标签的矩形，并最终包含所有可视化的图形元素。 一旦创建了axes对象，我们可以使用ax.plot 函数绘制图形。

In [19]:

fig = plt.figure()
ax = plt.axes()

x = np.linspace(0, 10, 1000)
ax.plot(x, np.sin(x));

fig = plt.figure() ax = plt.axes() x = np.linspace(0, 10, 1000) ax.plot(x, np.sin(x));

如上节所说，我们也可以使用pyplot接口绘制图形。这时，图形和坐标轴都在底层执行完成了。

In [14]:

plt.plot(x, np.sin(x));

plt.plot(x, np.sin(x));

如果需要画多条曲线，可以使用多次 plot 函数:

In [17]:

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x));

plt.plot(x, np.sin(x)) plt.plot(x, np.cos(x));

调整图形：线条的颜色与风格¶

第一次对图形的调整是其颜色与风格。 plt.plot() 函数可以通过多种参数设置颜色与风格。颜色由color 关键字参数控制，可以展示多种色彩。

In [29]:

plt.plot(x, np.sin(x - 0), color='blue')        # 颜色名称
plt.plot(x, np.sin(x - 1), color='g')           # 缩写颜色代码 (rgbcmyk)
plt.plot(x, np.sin(x - 2), color='0.75')        # 0 到 1之间的灰度
plt.plot(x, np.sin(x - 3), color='#FFDD44')     # 16进制 (RRGGBB 从 00 ~ FF)
plt.plot(x, np.sin(x - 4), color=(1.0,0.2,0.3)) # RGB 元组,  0 ~ 1
plt.plot(x, np.sin(x - 5), color='chartreuse'); #  HTML 颜色名称

plt.plot(x, np.sin(x - 0), color='blue') # 颜色名称 plt.plot(x, np.sin(x - 1), color='g') # 缩写颜色代码 (rgbcmyk) plt.plot(x, np.sin(x - 2), color='0.75') # 0 到 1之间的灰度 plt.plot(x, np.sin(x - 3), color='#FFDD44') # 16进制 (RRGGBB 从 00 ~ FF) plt.plot(x, np.sin(x - 4), color=(1.0,0.2,0.3)) # RGB 元组, 0 ~ 1 plt.plot(x, np.sin(x - 5), color='chartreuse'); # HTML 颜色名称

如果不指定颜色，Matplotlib会为多条线自动循环使用一组默认颜色。

与颜色设置类似，线段风格可以用 linestyle 关键字参数进行设定：

In [32]:

plt.plot(x, x + 0, linestyle='solid')
plt.plot(x, x + 1, linestyle='dashed')
plt.plot(x, x + 2, linestyle='dashdot')
plt.plot(x, x + 3, linestyle='dotted');

# For short, you can use the following codes:
plt.plot(x, x + 4, linestyle='-')  # 实线 solid
plt.plot(x, x + 5, linestyle='--') # 虚线 dashed
plt.plot(x, x + 6, linestyle='-.') # 点画线 dashdot
plt.plot(x, x + 7, linestyle=':');  # 点线 dotted

plt.plot(x, x + 0, linestyle='solid') plt.plot(x, x + 1, linestyle='dashed') plt.plot(x, x + 2, linestyle='dashdot') plt.plot(x, x + 3, linestyle='dotted'); # For short, you can use the following codes: plt.plot(x, x + 4, linestyle='-') # 实线 solid plt.plot(x, x + 5, linestyle='--') # 虚线 dashed plt.plot(x, x + 6, linestyle='-.') # 点画线 dashdot plt.plot(x, x + 7, linestyle=':'); # 点线 dotted

如果希望简单一些，可以将 linestyle 和 color 组合起来，作为一个非关键字参数（也是位置参数） ，应用plt.plot() 函数来画图：

In [39]:

plt.plot(x, x + 0, '-g')  # 绿色实线
plt.plot(x, x + 1, '--c') # 青色虚线
plt.plot(x, x + 2, '-.k') # 黑色点画线
plt.plot(x, x + 3, ':r');  # 红色点线

plt.plot(x, x + 0, '-g') # 绿色实线 plt.plot(x, x + 1, '--c') # 青色虚线 plt.plot(x, x + 2, '-.k') # 黑色点画线 plt.plot(x, x + 3, ':r'); # 红色点线

更多关于颜色与线段风格的内容，请参考plt.plot()文档。

调整图形: 图像边界¶

Matplotlib 会根据图形状况自动调整图像边缘，但有时候为了控制更好，可以使用 plt.xlim() 和 plt.ylim() 方法来调整图像的边界：

In [46]:

plt.plot(x, np.sin(x))

plt.xlim(-1, 11)
plt.ylim(-1.5, 1.5);

plt.plot(x, np.sin(x)) plt.xlim(-1, 11) plt.ylim(-1.5, 1.5);

如果你希望图像倒着显式，只需要将两个参数的前后值倒过来即可。

In [49]:

plt.plot(x, np.sin(x))

plt.xlim(10, 0)
plt.ylim(1.2, -1.2);

plt.plot(x, np.sin(x)) plt.xlim(10, 0) plt.ylim(1.2, -1.2);

还有一个有用的相关功能方法，就是对坐标轴进行设置，使用 plt.axis()方法 (注意 axes 与axis 差异，前者是更多指图像元素，后者是指坐标轴). plt.axis()方法允许设置 x 和 y 边界，使用的格式为： [xmin, xmax, ymin, ymax]:

In [52]:

plt.plot(x, np.sin(x))
plt.axis([-1, 11, -1.5, 1.5]);

plt.plot(x, np.sin(x)) plt.axis([-1, 11, -1.5, 1.5]);

plt.axis() 方法不仅如此，还可以使用参数收紧边界。如下：

In [55]:

plt.plot(x, np.sin(x))
plt.axis('tight');

plt.plot(x, np.sin(x)) plt.axis('tight');

如果希望两个轴上的单位显式相同，x与y之间的图形显式比例为1：1,可以如下设置：

In [58]:

plt.plot(x, np.sin(x))
plt.axis('equal');

plt.plot(x, np.sin(x)) plt.axis('equal');

设置图形标签¶

In [65]:

#汉字显示设置
plt.rcParams['font.sans-serif'] =['SimHei']  #设置字体为SimHei
plt.rcParams['axes.unicode_minus'] = False   #负号显式正常

#汉字显示设置 plt.rcParams['font.sans-serif'] =['SimHei'] #设置字体为SimHei plt.rcParams['axes.unicode_minus'] = False #负号显式正常

In [67]:

plt.plot(x, np.sin(x))
#plt.title("A Sine Curve")
plt.title("正弦函数曲线")
plt.xlabel("x")
plt.ylabel("sin(x)");

plt.plot(x, np.sin(x)) #plt.title("A Sine Curve") plt.title("正弦函数曲线") plt.xlabel("x") plt.ylabel("sin(x)");

当图形有多个线条，往往需要一个图例。使用 plt.legend() 方法来表示。一个最简单的办法是在语句中设置 label 关键字，来确定图例内容。当然图例也支持$\ LaTeX$格式：

In [81]:

plt.plot(x, np.sin(x), '-g', label='$sin(\\alpha)$')
plt.plot(x, np.cos(x), ':b', label='$cos(\\beta)$')
plt.axis('equal')

plt.legend();

plt.plot(x, np.sin(x), '-g', label='$sin(\\alpha)$') plt.plot(x, np.cos(x), ':b', label='$cos(\\beta)$') plt.axis('equal') plt.legend();

In [87]:

plt.plot(x, np.sin(x), '-g',label='A')
plt.plot(x, np.cos(x), ':b',label='B')
plt.axis('equal')

plt.legend();

plt.plot(x, np.sin(x), '-g',label='A') plt.plot(x, np.cos(x), ':b',label='B') plt.axis('equal') plt.legend();

附读: Matplotlib 陷阱¶

大部分plt 函数图形可以直接转换到ax 方法中， (如 plt.plot() → ax.plot(), plt.legend() → ax.legend(),等等), 但有一些情况并非如此。 如在设置边界 、设置标签、设置题头等内容上，不是直接转化的。

• plt.xlabel() → ax.set_xlabel()
• plt.ylabel() → ax.set_ylabel()
• plt.xlim() → ax.set_xlim()
• plt.ylim() → ax.set_ylim()
• plt.title() → ax.set_title()

在面向对象接口绘图时，不需要单独调用这些函数，通常使用ax.set() 方法一次性设置即可：

In [99]:

ax = plt.axes()
ax.plot(x, np.sin(x))
ax.set(xlim=(0, 10), ylim=(-2, 2),
       xlabel='x', ylabel='sin(x)',
       title='A Simple Plot');

ax = plt.axes() ax.plot(x, np.sin(x)) ax.set(xlim=(0, 10), ylim=(-2, 2), xlabel='x', ylabel='sin(x)', title='A Simple Plot');