本章知识列表
| 序号 | 图表组成元素函数 | 函数解析 |
|---|---|---|
| 1 | plt.plot(x,y,ls,lw,label,color) | 展示xy变量变化趋势：参数含义为x,y为x和y轴上的数值，ls为linestyle,lw为linewidth,label为linelabel |
| 2 | plt.scatter(x,y,c,label,color) | 绘制散点图：参数含义为xy为坐标轴数值，c为散点图标记颜色，label散点图标签文本 |
| 3 | plt.xlim(xmin,xmax) | 设置坐标轴的取值范围：参数含义为参数设置 x坐标的范围，设置y坐标范围只需要把x换成y即可 |
| 4 | plt.xlabel(string) | 设置标签：参数含义为设置x轴的标签，设置y轴标签只需把x改为y即可 |
| 5 | plt.grid(linestyle=':',color) | 绘制网格线：参数含义为线条风格和线条颜色 |
| 6 | plt.axhline(y,c,ls,lw) | 绘制平行于x坐标轴的参考线：y为水平参数出发点，其他参数含义同上，绘制y轴参考线只需将h改为v,y参数改为x即可 |
| 7 | plt.axvspan(xmin,xmax,fc,al) | 绘制垂直于x轴的参考区域：xmin和xmax为区域范围，facecolor为区域填充色，alpha为颜色透明度，绘制y轴参考区域只需讲函数v改为h即可 |
| 8 | plt.annocate() | 添加图形指向型注释文本：函数参数列表（string,xy(x,y),xytext(x,y),weight,color,arrowprops,string为注释内容，xy为指向的坐标，xytext(x,y)为注释位置，weight为文字粗细color为注释颜色arrowprops=dict(arrowstyle,connectionstyle,color)，arrowstyle为箭头风格，connectionstyle为两点的连接风格 |
| 10 | plt.text() | 添加非指向型注释文本：参数列表（x,y,string,weight，color）string,x,y分别为注释内容和注释内容坐标 weight为字体粗细,color为颜色 |
| 11 | plt.title() | 添加图形标题 |
| 12 | legend(loc = 'lower/height left/right') | 展示图形标签的图例 |
知识运用
# 导入包
import matplotlib.pyplot as plt
import numpy as np
# 正弦函数图像
#x = np.linspace(0.5,9,10) # 在0.5与9之间均匀的选取10个点
'''
实际上对于函数而言在一个区间上有无数个点
要让计算机能够处理我们只需要均匀的适当的选取
多个节点然后用样条差值就可以逼近正弦函数,显然我们选取的
插值节点越多所得到的函数越逼近正弦函数
'''
x = np.linspace(0.5,9,300)#当我们均匀的选取300个插值节点的时候
y = np.sin(x)
plt.plot(x,y,ls='-',lw=2,label='plot figure',color ='blue')
#plt.show()
当选取10个插值节点是的图像：
![]()
1.png
1.png
当选取300个插值节点时候的图像
2.png
[<matplotlib.lines.Line2D at 0x250ce5a32b0>]
#创建散点图
Y = np.random.randn(300) #函数randn表明在标准正态分布中随机选取300个点
plt.plot(x,y,ls='-',lw=2,label='plot figure',color ='blue')
plt.scatter(x,Y,label='scatter figure',color='purple')
#plt.show()
散点图图像如下：
![]()
3.png
3.png
<matplotlib.collections.PathCollection at 0x250ce5bb940>
#添加x轴与y轴标签
plt.xlabel('x_axis',color='r')
plt.ylabel('y_axis',color='r')
#plt.show()
4.png
<matplotlib.text.Text at 0x250cc41cba8>
#绘制网格线
plt.grid(linestyle=':',color='r')
#plt.show()
5.png
#绘制参考线
plt.axhline(y=0.4,c='g',ls='--',lw='2') #垂直Y轴
plt.axvline(x=5.0,color='g',ls='--',lw='2')#垂直X轴
#plt.show()
6.png
#绘制参考区域
x = np.linspace(0.5,9,300)#当我们均匀的选取300个插值节点的时候
y = np.sin(x)
plt.plot(x,y,ls='-',lw=2,label='plot figure',color ='blue')
plt.axvspan(xmin=1,xmax=2,facecolor='c',alpha=0.3)#垂直x轴的参考区域
plt.axhspan(ymin=0.1,ymax=0.2,facecolor='c',alpha=0.3)#垂直Y轴的参考区域
#plt.show()
7.png
#绘制有指向性的注释文本
plt.annotate('maxnum',
xy=(np.pi/2,1.0),
xytext=((np.pi/2)-0.3,0.5),
weight='bold',
color='y',
arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color='k')
)
#plt.show()
8.png
#绘制无指向性的注释文本
plt.text(3.14,0.5,'y=sin(x)',weight='bold',color='r')
#plt.show()
9.png
#绘制标题
plt.title('matplotlib')
#plt.show()
10.png
#设置x轴与y轴的范围
plt.xlim(0,3)
plt.ylim(0,1)
#plt.show()
11.png
(0, 1)
#展示表示图形的标签
plt.legend()
plt.show()
12.png
综合以上绘制图形如下：
13.png
