一个非常好用的科学绘图库

本来今天是要继续更新pandas库的操作的，但是突然被matplotlib这个非常好用的绘图工具所吸引，就让我们来看一下叭。
～～～感觉numpy + matplotlib真的可以替代matlab了呀）//滑稽

初识matplotlib:

• 先画一个简单的抛物线：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-1, 1, 1000)
y = x ** 2
plt.figure()
plt.plot(x, y)
plt.show()

输出展示：

说明：(1)np.linspace相当于生成了一个x轴，前两个数据规定定义域， 第三个数据为定义域内生成的点的个数。
(2)plt.figure生成了一个图，后面的plt.plot(x, y)即为在图中展示的函数关系，plt.show()正式输出函数图像。

绘图进阶：

• 绘制两个函数图：

x = np.linspace(-1, 1, 1000)
y1 = x ** 2
y2 = x ** 3
plt.figure()
plt.plot(x, y1)
plt.figure()
plt.plot(x, y2)
plt.show()

绘图展示：


如果我们想将两个函数进行对比，要将其放入一个图形中，可以这样做：

• 绘图第二弹：

x = np.linspace(-1, 1, 1000)
y1 = x ** 2
y2 = x ** 3
plt.figure()
plt.plot(x, y1, color = 'red', linewidth = 5, linestyle = '--')
plt.plot(x, y2, color = 'green', linewidth = 1, linestyle = '-')
plt.show()

绘图展示：
由此可见：(1)一个figure对应生成一个函数图，每有一个plot即有一个函数曲线。
(2)plot中可以调整曲线的格式color代表曲线颜色, linewidth代表曲线的宽度, linestyle中 ‘–’ 表示虚线， ’ - ’ 表示实线。

进行坐标轴的设定

• 设定显示的坐标范围：

x = np.linspace(-1, 1, 1000)
y1 = x ** 2
y2 = x ** 3
plt.figure()
plt.xlim(-1, 2) #设置x的显示范围
plt.ylim(-3, 2) #设置y的显示范围
plt.plot(x, y1, color = 'red', linewidth = 5, linestyle = '--')
plt.plot(x, y2, color = 'green', linewidth = 1, linestyle = '-')
plt.show()

图像展示：

• 设定坐标轴名称：

x = np.linspace(-1, 1, 1000)
y1 = x ** 2
y2 = x ** 3
plt.figure()
plt.xlim(-1, 2)
plt.ylim(-3, 2)
plt.xlabel('price') # 设定x轴标签
plt.ylabel('number') # 设定y轴标签
plt.plot(x, y1, color = 'red', linewidth = 5, linestyle = '--')
plt.plot(x, y2, color = 'green', linewidth = 1, linestyle = '-')
plt.show()

图片展示；

• 设置坐标间距：

x = np.linspace(-1, 1, 1000)
y1 = x ** 2
y2 = x ** 3
plt.figure()
plt.xlim(-2, 2)
plt.ylim(-2, 2)
x_interval = np.linspace(-2, 2, 11)
y_interval = np.linspace(-2, 2, 11)
plt.xticks(x_interval)
plt.yticks(y_interval)
plt.xlabel('price')
plt.ylabel('number')
plt.plot(x, y1, color = 'red', linewidth = 5, linestyle = '--')
plt.plot(x, y2, color = 'green', linewidth = 1, linestyle = '-')
plt.show()

图像展示:

• 间隔不仅是数字，还可以是文字描述：

x = np.linspace(-1, 1, 1000)
y1 = x ** 2
y2 = x ** 3
plt.figure()
plt.xlim(-2, 2)
plt.ylim(-2, 2)
x_interval = np.linspace(-2, 2, 11)
plt.xticks(x_interval)
plt.yticks([-2, -1, 0, 1, 2], ['level1', 'level2', 'level3', 'level4', 'level5'])
plt.xlabel('price')
plt.ylabel('number')
plt.plot(x, y1, color = 'red', linewidth = 5, linestyle = '--')
plt.plot(x, y2, color = 'green', linewidth = 1, linestyle = '-')
plt.show()

图形展示：

• 建立出真正的坐标系：

x = np.linspace(-1, 1, 1000)
y1 = x ** 2
y2 = x ** 3
plt.figure()
plt.xlim(-2, 2)
plt.ylim(-2, 2)
x_interval = np.linspace(-2, 2, 11)
plt.xticks(x_interval)
plt.yticks([-2, -1, 0, 1, 2], ['level1', 'level2', 'level3', 'level4', 'level5'])
plt.xlabel('price')
plt.ylabel('number')
plt.plot(x, y1, color = 'red', linewidth = 5, linestyle = '--')
plt.plot(x, y2, color = 'green', linewidth = 1, linestyle = '-')
#获取当前坐标轴
a = plt.gca()
#设置右轴，上轴的颜色为无（消去边框）
a.spines['right'].set_color('none')
a.spines['top'].set_color('none')
# 设置下轴和左轴为x, y轴
a.xaxis.set_ticks_position('bottom')
a.yaxis.set_ticks_position('left')
# 将左下两轴置于零点
a.spines['bottom'].set_position(('data', 0))
a.spines['left'].set_position(('data', 0))
plt.show()

图片展示：

明天继续更新叭