https://github.com/luodian/introduction-to-matplotlib
https://github.com/luodian/introduction-to-matplotlib
Last synced: 3 months ago
JSON representation
- Host: GitHub
- URL: https://github.com/luodian/introduction-to-matplotlib
- Owner: Luodian
- Created: 2017-02-11T12:00:03.000Z (over 8 years ago)
- Default Branch: master
- Last Pushed: 2017-02-11T12:13:28.000Z (over 8 years ago)
- Last Synced: 2025-01-04T04:16:18.085Z (5 months ago)
- Language: HTML
- Size: 21.5 KB
- Stars: 0
- Watchers: 3
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Matplotlib
> Matlab的语法、python语言、LaTeX的画图质量，你值得学习~
## I. Installing
> 基本上第一学期安装过Python的同学都含有Matplotlib和numpy这两个包，所以可以直接略过。
如果没有的，在[这里](http://matplotlib.org/users/installing.html)去学习如何安装，也推荐使用pip安装管理python的其他包
## II. Introduction
> 对于matplotlib来说，它的功能远远不止局限于画函数图像这一点，它可以生成很多种图表结构，从简单的描点作图，直方图到K线等复杂的图表。
>
> 如果需要更多的功能，如学长学姐们的毕设论文，需要精致的数据图像，可以先到知乎的[如何在论文中画出漂亮的插图](https://www.zhihu.com/question/21664179)去看最高票答案，然后决定是否需要使用Matplotlib，决定之后直接到[官网](www.matplotlib.ogr)去阅读docs即可。
>
> 以下则是我对于目前这个阶段，可能用到的一些特性的总结，可以帮助大家快速入手Matplotlib.
## III. Main Body
>在某次研究时间复杂度的时候，我想比较两个函数的阶，但是方程直观上不方便比较，因此我想通过画图的方式，来看出两个函数的变化规律
>
>例：$n^{0.75} \cdot \log_{2}n = O(n)$ ？
>
#### 1. Plot
Plot是默认在当前对象中进行画图，而本文中的figure和subplot其实都只是起到了选取画图对象的功能，因此这个才是重中之重。
**直接以代码示例**
```python
"""
Simple demo with multiple subplots.
"""
import numpy as np
import matplotlib.pyplot as plt
x1 = np.linspace(0,5,1000)
x2 = np.linspace(0,5,1000)
fig = plt.figure(1)
y1 = pow(x1,0.75) * np.log2(x1)
y2 = x2
plt.subplot(111)
plt.plot(x1, y1,color = 'b',label = '$n^{0.75} \cdot \log_{2}n$')
plt.plot(x2, y2,color = 'g',label = '$n$')
plt.xlabel('time (s)')
plt.ylabel('Undamped')
plt.legend(loc = 'upper left',shadow = True)
plt.grid()
plt.show()
```
**图是这样的**
首先介绍一下这个图中这几个按钮的特性，我们利用第三个/Pan按钮和第四个/Zoom按钮，可以将交点坐标放大。
而最后一个按钮/save，如果是动态绘制的图形可以保存成 gif，很神奇的地方对吧？则可以保存此图形用于其他地方，图像如下。
下面来分析代码，讲解pyplot的一些基础包原理。
1. 其中x1和x2都是数组类型，np.linspace是调用numpy中的一个类，其中的参数表示生成在区间0~5之间总共1000个值大小的数组，前两个值是区间范围，第三个值可以理解为密度。
2. 而y1和y2同样是数组类型，本例中实际相当于将x1于y1通过$x_{1}^{\frac{3}{4}} \cdot log_{2}x$的函数式关联起来，y2同理。
3. 接下来则是plot子类，plot接受x和y两个数组作为描点的依据，然后后面如color，label都是可选参数。
- color 的参数很灵活，可以是 b ，也可以是 blue，基本上只要写对颜色名字，就能找到相应的颜色，当然也可参照 docs 。
- label 则是指图示的意思，label的格式支持$\LaTeX$，非常酷对吧，它搭配 legend() 一起使用，下面在 legend() 处会一起提到。
- what's more，plot的作用远不止此，在docs里面可以看到更多奇妙的用法。
4. xlabel 指横轴图示，ylabel 指纵轴图示。
5. legend() 这个子类会创建一个小框，这个小框里会显示出每种颜色对应的文字(color matches label)，我在其中传入了两个参数，loc和shadow，其中loc指定了位置，可选值为'upper center'，'upper right'等，形式十分自由，shadow = True 则让这个小框有了一些投影，看起来更美观一些，同样这个子类还有很多很可爱的玩法，参照docs，你可以画出更实用，更美观的图形。
6. grid() 子类则是为背景添加了虚线小方格，可以为小方格指定大小，也可以指定虚线的种类，详情参见docs。
7. 代码的最后别忘了调用 show() 这个类，没有它就没有办法绘制图形了。
#### 2. Figure
figure是pyplot下的一个子类，调用figure可以创建一个图层，使其成为当前选中的画图对象。
```python
import matplotlib.pyplot as plt
plt.figure(figsize = (12,10),facecolor = 'blue')
#matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=, **kwargs)
```
其中有如上的可选参数，但是我使用之后发现可能只有 figsize 以及 facecolor 才较为有用
- figsize：使用一个tuple（元组）赋值，单位为inch，第一个值是width，第二个值是height
- facecolor：使用%s 类型赋值，'blue'，'black'……
如上的代码，会创建出一个宽为12，高为10，背景为蓝色的图层。
如果只需要创建一个图层，这个操作其实默认是不需要的，因为默认会有一个图层，只是需要创建另一个图层的时候才可能需要figure操作。
#### 3.Subplot
subplot是pyplot下的另一个子类，其中参数情况如下，对于pyplot.subplot(2,1,1)，会创建一个2行1列的画图对象，从左至右，从上至下的选取画图对象。
`subplot(nrows, ncols, plot_number)`
对于刚才的代码，稍加改动则可变成如下的图示
```python
plt.subplot(211)
plt.plot(x1, y1,color = 'b',label = '$n^{0.75} \cdot \log_{2}n$')
plt.xlabel('time (s)')
plt.ylabel('Undamped')
plt.legend(loc = 'upper left',shadow = True)
plt.subplot(212)#(2，1，2)可以简写成212
plt.plot(x2, y2,color = 'g',label = '$n$')
plt.xlabel('time (s)')
plt.ylabel('Undamped')
plt.legend(loc = 'upper left',shadow = True)
```
其中 subplot(211) 代表选定了上面那块区域为当前作图区域，画图完成之后需要选中下面那块，因此需要调用 subplot(212)，且需要重新设定 x, y 轴的文字。
## IV. End
简单的针对 plot() 和 subplot() 这两个子类进行了讲解，目前对这两个类的使用可以满足我当前的需求，至少通过画图，我可以得知$n^{\frac{3}{4}} \cdot log_{2}n = O(n)$，其实matplotlib的作用远不止此，我个人感觉它很适用于理工科，用于统计相关的数据并描点作图，大二上的有一次作业需要我们分析算法的时间复杂度并且画出图像，其实当时如果掌握了matplotlib的话，在cpp文件中，将规模n和对应所用的时间t，写出.txt文件，然后再调用python读入.txt，将一组 n 传入上述的 x 数组，将时间 t 传入上述的y数组（ plot 的本质是根据数组值描点作图！），生成图像，比我用Excel画图简洁了太多。
下面贴一些很酷的图
甚至还可以[交互式作图](http://nbviewer.jupyter.org/github/plotly/python-user-guide/blob/master/s0_getting-started/s0_getting-started.ipynb)，简直太强大了~