实验题目：简单的线形图

实验目的：利用Matplotlib画简单的线形图

实验环境：海豚大数据和人工智能实验室，使用的Python库

名称	版本	简介
numpy	1.16.0	线性代数
Pandas	0.25.0	数据分析
Matplotlib	3.1.0	数据可视化

3实验适用的对象

• 已经学习了Python基础，具备机器学习基础
• 学习对象：本科学生、研究生、人工智能、算法相关研究者、开发者
• 大数据分析与人工智能

步骤1. 安装并引入必要的库

1. 代码：

!pip install numpy==1.16.0

!pip install pandas==0.25.0!

pip install matplotlib==3.1.0

1. 结果：

Looking in indexes: https://pypi.zjhu.dolphin-labs.com/simple/, Simple Index

Requirement already satisfied: numpy==1.16.0 in /opt/conda/lib/python3.6/site-packages (1.16.0)

WARNING: You are using pip version 20.1; however, version 21.3.1 is available.

You should consider upgrading via the '/resources/common/.virtualenv/python3.6/bin/python -m pip install --upgrade pip' command.

Looking in indexes: https://pypi.zjhu.dolphin-labs.com/simple/, Simple Index

Requirement already satisfied: pandas==0.25.0 in /opt/conda/lib/python3.6/site-packages (0.25.0)

Requirement already satisfied: pytz>=2017.2 in /opt/conda/lib/python3.6/site-packages (from pandas==0.25.0) (2021.3)

Requirement already satisfied: python-dateutil>=2.6.1 in /opt/conda/lib/python3.6/site-packages (from pandas==0.25.0) (2.8.1)

Requirement already satisfied: numpy>=1.13.3 in /opt/conda/lib/python3.6/site-packages (from pandas==0.25.0) (1.16.0)

Requirement already satisfied: six>=1.5 in /opt/conda/lib/python3.6/site-packages (from python-dateutil>=2.6.1->pandas==0.25.0) (1.14.0)

WARNING: You are using pip version 20.1; however, version 21.3.1 is available.

You should consider upgrading via the '/resources/common/.virtualenv/python3.6/bin/python -m pip install --upgrade pip' command.

Looking in indexes: https://pypi.zjhu.dolphin-labs.com/simple/, Simple Index

Requirement already satisfied: matplotlib==3.1.0 in /opt/conda/lib/python3.6/site-packages (3.1.0)

Requirement already satisfied: python-dateutil>=2.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib==3.1.0) (2.8.1)

Requirement already satisfied: cycler>=0.10 in /opt/conda/lib/python3.6/site-packages (from matplotlib==3.1.0) (0.11.0)

Requirement already satisfied: numpy>=1.11 in /opt/conda/lib/python3.6/site-packages (from matplotlib==3.1.0) (1.16.0)

Requirement already satisfied: kiwisolver>=1.0.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib==3.1.0) (1.3.1)

Requirement already satisfied: pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.1 in /opt/conda/lib/python3.6/site-packages (from matplotlib==3.1.0) (2.4.7)

Requirement already satisfied: six>=1.5 in /opt/conda/lib/python3.6/site-packages (from python-dateutil>=2.1->matplotlib==3.1.0) (1.14.0)

WARNING: You are using pip version 20.1; however, version 21.3.1 is available.

You should consider upgrading via the '/resources/common/.virtualenv/python3.6/bin/python -m pip install --upgrade pip' command.

1. 代码：

%matplotlib inline

import matplotlib.pyplot as plt

plt.style.use('seaborn-whitegrid')

import numpy as np

可能最简单的图是一个函数y=f(x)的可视化。

在这里，我们将首先考虑创建这种类型的简单图。

对于所有的Matplotlib图，我们首先创建一个图形和一个坐标轴：

1. 代码：

fig = plt.figure()

ax = plt.axes()

x = np.linspace(0, 10, 1000)

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

1. 结果：
2. 

1.1 Figure对象

在Matplotlib中，图(类plt.Figure的一个实例)可以被认为是一个包含所有表示轴、图形、文本和标签的对象的容器。

figure 对象是最外层的绘图单位，默认是以 1开始编号（MATLAB风格，Figure 1, Figure 2, ...），可以用 plt.figure() 产生一幅图像，除了默认参数外，可以指定的参数有：

• num - 编号
• figsize - 图像大小
• dpi - 分辨率
• facecolor - 背景色
• edgecolor - 边界颜色
• frameon - 边框

这些属性也可以通过 Figure 对象的 set_xxx 方法来改变。

1.2 Axes 轴域

我们在上面看到的ax是轴域(类plt.Axes的一个实例):一个带有刻度和标签的边界框, 可理解成一些轴（Axis，具体的坐标系）的集合，这个集合还有很多轴（Axis）属性、标注等，它最终将包含构成我们的可视化的plot元素。

一旦我们创建了一个坐标轴，我们就可以使用ax.plot函数来绘制一些数据。

1. 代码：

fig = plt.figure()  

ax1 = fig.add_axes([0.1, 0.3, 0.7, 0.7])     

ax2 = fig.add_axes([0.3, 0.5, 0.3, 0.3])    

plt.plot(np.arange(3))

plt.show()

1. 结果：

或者，我们可以使用pylab接口，并在后台为我们创建图和轴。

1. 代码：

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

1. 结果：

如果我们想要创建一个多行的图形，我们可以简单地调用plot 函数多次:

1. 代码：

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

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

1. 结果：

这就是在Matplotlib中绘制简单函数的全部内容!

现在我们将深入了解如何控制轴和线的外观。

步骤2 调整图形:线条的颜色和风格

你首先想要调整的可能是控制一个图形的线条颜色和风格。 plt.plot()函数接受额外的参数，可以用来指定这些参数。

为了调整颜色，你可以使用color这个词，它接受一个代表几乎任何可以想象到的颜色的字符串参数。

颜色可以通过多种方式来指定:

1. 代码：

plt.plot(x, np.sin(x - 0), color='blue')       

plt.plot(x, np.sin(x - 1), color='g')          

plt.plot(x, np.sin(x - 2), color='0.75')       

plt.plot(x, np.sin(x - 3), color='#FFDD44')    

plt.plot(x, np.sin(x - 4), color=(1.0,0.2,0.3))

plt.plot(x, np.sin(x - 5), color='chartreuse');

1. 结果：

如果没有指定颜色，Matplotlib将自动循环通过一组默认颜色来进行多行。

同样的，线条风格也可以通过使用linestyle 关键字来调整：

1. 代码：

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');

plt.plot(x, x + 4, linestyle='-') 

plt.plot(x, x + 5, linestyle='--')

plt.plot(x, x + 6, linestyle='-.')

plt.plot(x, x + 7, linestyle=':'); 

1. 结果：

如果你想要非常简洁，这些 linestyle和color的代码可以组合成一个非关键字的plt.plot()功能:

1. 代码：

plt.plot(x, x + 0, '-g') 

plt.plot(x, x + 1, '--c')

plt.plot(x, x + 2, '-.k')

 plt.plot(x, x + 3, ':r'); 

1. 结果：

表示颜色的字符参数有：

字符	颜色
‘b’	蓝色，blue
‘g’	绿色，green
‘r’	红色，red
‘c’	青色，cyan
‘m’	品红，magenta
‘y’	黄色，yellow
‘k’	黑色，black
‘w’	白色，white
‘#008000’	RGB某颜色
‘0.8’	灰度值字符串

表示（风格）类型的字符参数有：

字符	类型	字符	类型
'-'	实线	'--'	虚线
'-.'	虚点线	':'	点线
'.'	点	','	像素点
'o'	圆点	'v'	下三角点
'^'	上三角点	'<'	左三角点
'>'	右三角点	'1'	下三叉点
'2'	上三叉点	'3'	左三叉点
'4'	右三叉点	's'	正方点
'p'	五角点	'*'	星形点
'h'	六边形点1	'H'	六边形点2
'+'	加号点	'x'	乘号点
'D'	实心菱形点	'd'	瘦菱形点
'_'	横线点

步骤3. 设定坐标轴的范围

Matplotlib在为图形选择默认的坐标轴上做的很好，但是有时候我们有更改坐标轴的需要

1. 代码：

x = np.linspace(-5* np.pi,5 * np.pi)

y, z = np.sin(x), np.cos(x)

plt.plot(x, y, linewidth=2.0, color='r')

plt.plot(x, z, linewidth=3.0, color='b', linestyle='--')

plt.show()

1. 结果：

最基本的调整轴限的方法是使用plt.xlim() 和 plt.ylim() 的方法：

1. 代码：

x = np.linspace(-5* np.pi,5 * np.pi, 200)

y, z = np.sin(x), np.cos(x)

plt.plot(x, y, linewidth=2.0, color='r')

plt.plot(x, z, linewidth=3.0, color='b', linestyle='--')

plt.xlim(-5, 5)

plt.show()

1. 结果：

如果出于某种原因，您想要反向显示任意一个轴，您可以简单地颠倒参数的顺序：

1. 代码：

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

plt.xlim(10, 0)

plt.ylim(1.2, -1.2);

1. 结果：

一个有用的相关方法是 plt.axis()，允许您通过一个指定[xmin, xmax, ymin, ymax]的列表来设置x和y的极限：

1. 代码：

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

plt.axis([-1, 11, -1.5, 1.5]);

1. 结果：

plt.axis()方法甚至超出了这个范围，允许你做一些事情，比如自动收紧当前图形的边界:

1. 代码：

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

plt.axis('tight');

1. 结果：

它甚至允许更高级别的规范，比如保证一个相等的宽比，这样在屏幕上，x中的一个单位就等于y中的一个单位:

1. 代码;

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

plt.axis('equal');

1. 结果：

• 练习 1:绘制x的tan函数图像,将x轴设为（0,10），y轴设为（-1.5，1.5）

1. 代码：

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

plt.axis([0,10,-1.5,1.5]);

1. 结果：

步骤4 图形的标签

作为本实验的最后一部分，我们将简要地看一下图形的标签:标题、轴标签和简单的说明。

标题和轴标签是最简单的标签，有一些方法可以用来快速设置它们:

1. 代码：

import numpy as np
t =np.arange(0., 5., 0.2)    
plt.plot(t, t, 'r--', label='y=t')
plt.plot(t, t ** 2, 'bs',  label='y=t^2')
plt.plot(t, t ** 3, 'g^',  label='y=t^3')
plt.xlabel("X values")
plt.ylabel("Y values")
plt.legend()
plt.show()

1. 结果：

这些标签的位置、大小和样式可以使用可选参数来调整。

当在单个轴中显示多个行时，创建一个标记每行类型的图形说明是很有用的。

同样，Matplotlib有一种快速创建这样一个说明的内置方法。

这是通过plt.legend() 的方法来完成的。

虽然有几种有效的使用方法，但我发现最容易的方法是使用label的plot函数关键字来指定每行的标签:

1. 代码：

plt.plot(x, np.sin(x), '-g', label='sin(x)')

plt.plot(x, np.cos(x), ':b', label='cos(x)')

plt.axis('equal')

plt.legend();

1. 结果：

正如您所看到的，plt.legend()函数可以跟踪线条样式和颜色，并与正确的标签匹配。

• 练习 2:对练习1创建的图形添加标签：x轴、y轴、以及图形说明

1. 代码：

import numpy as np

t = np.arange(0., 5., 0.2)    

plt.plot(x, np.tan(x), '-p', label='tan(x)')

plt.axis([0,10,-1.5,1.5])

plt.xlabel("X values")

plt.ylabel("Y values")

plt.legend()

plt.show()

1. 结果：

步骤5 Matplotlib陷阱

虽然大多数 plt函数可以直接转化为 ax的方法(如plt.plot() → ax.plot(), plt.legend() → ax.legend()等)，但不是对于所有的命令都是这样的。

特别地，设置坐标轴极限、标签和标题的函数被稍微修改了。

要在matlabstyle函数和面向对象的方法之间进行转换，请进行以下更改:

1. plt.xlabel() → ax.set_xlabel()
2. plt.ylabel() → ax.set_ylabel()
3. plt.xlim() → ax.set_xlim()
4. plt.ylim() → ax.set_ylim()
5. plt.title() → ax.set_title()

在面向对象的界面中绘图，而不是单独调用这些函数，使用ax.set()方法来设置所有这些属性通常更方便:

1. 代码：

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');

• 练习 3:使用上文中介绍到的办法，对练习2的代码进行相应的修改。

ax = plt.axes()

ax.plot(x, np.tan(x))

ax.set(xlim=(0, 10), ylim=(-1.5, 1.5), xlabel='x', ylabel='tan(x)',title='A Simple Plot');

​