前言

Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索使用matplotlib 库实现简单的图形绘制。

一、简单的正弦函数与余弦函数

是取得正弦函数和余弦函数的值：

X 是一个 numpy 数组，包含了从 −π 到 +π 等间隔的 256 个值。C 和 S 则分别是这 256 个值对应的余弦和正弦函数值组成的 numpy 数组。

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

 完整代码如下

import numpy as np
import matplotlib.pyplot as plt
 
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
#绘制并显示图形
plt.plot(X, C)
plt.plot(X, S)
 
plt.show()

二、进阶版正弦函数与余弦函数

上面我们学习了简单的正弦函数与余弦函数，接下来我们将精益求精，改变颜色与粗细，设置记号，调整边框等。

1.改变颜色与粗细

我们以蓝色和红色分别表示余弦和正弦函数，而后将线条变粗一点。接下来，我们在水平方向拉伸一下整个图。

代码如下（示例）：

figure(figsize=(10, 6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plot(X, S, color="red",  linewidth=2.5, linestyle="-")

2.设置图片边界

代码如下（示例）：

xmin, xmax = X.min(), X.max()
dx = (xmax - xmin) * 0.2
xlim(xmin - dx, xmax + dx)

3.设置记号

我们讨论正弦和余弦函数的时候，通常希望知道函数在 ±π 和 ±π2 的值。

xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])

4.设置记号的标签

我们可以把 3.142 当做是 π，但毕竟不够精确。当我们设置记号的时候，我们可以同时设置记号的标签。注意这里使用了 LaTeX。

xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
 
yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])

5.设置X,Y轴

ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

6.完整代码

# 导入 matplotlib 的所有内容（nympy 可以用 np 这个名字来使用）
from pylab import *
 
# 创建一个 8 * 6 点（point）的图，并设置分辨率为 80
figure(figsize=(8, 6), dpi=80)
 
# 创建一个新的 1 * 1 的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）
subplot(1, 1, 1)
 
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
 
# 绘制余弦曲线，使用蓝色的、连续的、宽度为 1 （像素）的线条
plot(X, C, color="blue", linewidth=1.0, linestyle="-")
 
# 绘制正弦曲线，使用绿色的、连续的、宽度为 1 （像素）的线条
plot(X, S, color="green", linewidth=1.0, linestyle="-")
 
# 设置横轴的上下限
xlim(-4.0, 4.0)
 
# 设置横轴记号
xticks(np.linspace(-4, 4, 9, endpoint=True))
 
# 设置纵轴的上下限
ylim(-1.0, 1.0)
 
# 设置纵轴记号
yticks(np.linspace(-1, 1, 5, endpoint=True))
 
# 以分辨率 72 来保存图片
# savefig("exercice_2.png",dpi=72)
 
# 设置颜色与粗细
figure(figsize=(10, 6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plot(X, S, color="red",  linewidth=2.5, linestyle="-")
# 设置边框
xmin, xmax = X.min(), X.max()
 
dx = (xmax - xmin) * 0.2
 
xlim(xmin - dx, xmax + dx)
# 设置记号
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])
 
# 设置记号的标签
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
 
yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])
 
# 设置xy轴
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
# 在屏幕上显示
show()

最终效果

三、绘制简单的折线图

折线图是一种将数据点按照顺序连起来的图形，可以体现变量y随变量x的变化情况。Matplotlib 提供了plot()函数绘制折线图,其语法格式如下：

plt.plot(*args, **kwargs)

常用参数及说明如下：

• x、y：分别表示x轴和y轴对应的数据，接收列表类型参数
• color：表示折线的颜色
• marker：表示折线上点的类型，有“.”、“o”、“v”等等类型
• linestyle：表示折线的类型，默认为“-”，表示实线，设置为“--”表示长虚线，设置为“-.”表示点线，设置为“:”表示点虚线
• linewidth：表示折线的粗细
• alpha：表示点的透明度，接收0~1之间的小数

下面我们将以 某地区周一到周日平均温度变化折线图为例，具体的学习了解折线图的绘制。

import matplotlib.pyplot as plt
 
plt.figure(figsize=(10, 8))
# 周一到周日平均温度数据
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10])
plt.show()

效果如下：

我们可以给图表添加一些标签和图例，让图表更加清晰好看，具体方法如下：

• plt.title()：指定当前图表的标题，包括名称、位置、颜色、字体大小等
• plt.xlabel()：指定当前图表x轴的名称、位置、颜色、字体大小等
• plt.ylabel()：指定当前图表y轴的名称、位置、颜色、字体大小等
• plt.xlim()：指定当前图表x轴的范围
• plt.ylim()：指定当前图表y轴的范围
• plt.xticks()：指定当前图表x轴刻度
• plt.yticks()：指定当前图表y轴刻度

import matplotlib.pyplot as plt
 
# 设置支持中文
plt.rcParams['font.family'] = ['SimHei']
plt.figure(figsize=(10, 8))
 
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10], linestyle="-", marker=".")
plt.xlabel("时间")
plt.ylabel("温度")
plt.yticks([i for i in range(20)][::5])
 
plt.show()

效果如下：

总结