python之《matplotlib》

# _*_coding:utf-8_*_
# /usr/bin/env python3
# Author：book Miki

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-5, 20, 20)
y1 = x**2
y2 = x*2+2
# plt.figure(num=1)
# plt.plot(x, y1)
plt.figure(num=2)
# set line label
# plt.plot(x, y1, label='first line')
plt.plot(x, y2, color='blue', linewidth=15, linestyle='-', label='second line', zorder=1)
plt.ylim((-5, 5))
plt.xlim((-5, 5))
# plt.xticks(np.linspace(-2, 10, 7))
# plt.yticks([-50, 0, 50, 100, 150, 200, 250, 300, 350],
#            ['is -50', 'none', 'is 50', 'is 100', 'is 150', 'is 200', 'is 250', 'is 300', 'is 350'])
plt.ylabel('I am y')
plt.xlabel('I am x')
ax = plt.gca()
ax.spines['right'].set_color('none')  # 使用.spines设置边框
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')  # 设置ticks标签 所有位置：left，right，both，default，none
ax.spines['left'].set_position(('data', 0))  # 设置位置 位置所有属性：outward，axes，data
ax.spines['bottom'].set_position(('data', 0))
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(12)
    # 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))
plt.legend(loc='upper right')
x0 = 1
y0 = 2*x0+1
plt.scatter(x0, y0, s=50, c='b')
plt.plot([x0, x0], [0, y0], linestyle='--', color='blue')
# 添加标注
plt.annotate('2*%s + 1 = %s' % (x0, y0), xy=(x0, y0), xytext=(+30, -30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle="arc3,rad=.2"))
# 添加文本
plt.text(-2, 2, 'this is function of matpoltlib.pypolt', fontdict={'size': '16', 'color': 'red'}, zorder=1)

plt.show()

'''
    1.plot 出图plot()先x 在y color linewidth 线宽 linestyle -是直线 --是虚线
    2.figure 一个figure就是一张图figure下面的plot 都在一张图上显示
    3.设置范围 xlim((star, end))  或者ylim
    4.设置标签 xlabel() 或者ylabel()
    5.设置范围()原本范围不变与刻度 xticks([list]) 或者标签str代替number yticks([number list], [str list])
    6.ax.yaxis.set_ticks_position('left')  # 设置ticks标签 所有位置：left，right，both，default，none
    7.在移动坐标之前我们要将top和right的设置成看不见 
        ax.spines['top'].set_color('none')
        ax.spines['right'].set_color('none')
    8.移动x轴和y轴的位置 ax.spines['bottom'].set_position(('data', 0))# 设置位置 位置所有属性：outward，axes，data
                        ax.spines['left'].set_position(('data', 0))
    9.标签使用，需要在polt的时候加入参数label   之后plt.legend(loc='upper right')
        我们在后面的时候难免要修改就可以 plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='best')
        参数有  'best' : 0,          
                 'upper right'  : 1,
                 'upper left'   : 2,
                 'lower left'   : 3,
                 'lower right'  : 4,
                 'right'        : 5,
                 'center left'  : 6,
                 'center right' : 7,
                 'lower center' : 8,
                 'upper center' : 9,
                 'center'       : 10,
    10.plt.scatter(x0, y0, s=50, c='b')   画点
       plt.plot([x0, x0], [0, y0], linestyle='--', color='blue') 将点相连成线
    11.标注
        plt.annotate('2*%s + 1 = %s' % (x0, y0), xy=(x0, y0), xytext=(+30, -30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle="arc3,rad=.2"))
    12.文本注释
        plt.text(x,y,text,fontdict={'size': 16, 'color': 'red'})
    13.图层的上下啥的，例如两根直线交织在一起，在什么的就会遮挡下面的显示
        自然，在我们的图中xaxis 与yxis上的label可能会被线遮住
        我们就可以通过改变zorder=1 或者 2 或者31这种输在来改变和设置透明度
        plt.plot(x, y2, color='blue', linewidth=15, linestyle='-', label='second line', zorder=1) 将plot出的线放在1
        plt.text(-2, 2, 'this is function of matpoltlib.pypolt', fontdict={'size': '16', 'color': 'red'}, zorder=1)
        for label in ax.get_xticklabels() + ax.get_yticklabels():
            label.set_fontsize(12)
            # 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
            label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))
            依次将x和y的label放在zorder = 2上
    14.画点，并为点符上颜色
        import matplotlib.pyplot as plt
        import numpy as np
        n = 10
        x = np.random.normal(0, 1, n)
        y = np.random.normal(0, 1, n)
        t = np.arctan2(x, y)
        plt.scatter(x, y, s=25, c=t, alpha=0.5)
    
    15. 等高线，
        等高线是在一个xy之上有高度，也就是z轴，并且这z是二维的，
        也就是说，x和y构成了一个网格，然后每个网格上的小正方形，都有了自己的高度凸起来了
        我们更具这个高度在x，y的平面上，先画等高线，然后上色。根
        据这个过程，
            1.构成网格  n = 256
                        x = np.linspace(-3, 3, n)
                        y = np.linspace(-4, 4, n)
                        X, Y = np.meshgrid(x, y)
            2.对应的等分上色  plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)  8的意思是将所有的高度分成8分，
                                                        cmap是color map此时选择的是hot
            3.画线 C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidths=.5)    注： f(x,y）是早已设置好的函数
            4.在线的里面加标签（label）  plt.clabel(C, inline=True, fontsize=10)
            
    16. 3D图
        3d图和等高线的原理是一样的在网格上有高度，但是我们要显示3D图就要借助matplotlib里面3d的显示库
        其次我们要将需要3D展示出来的figure传入Axes3D中生成实例
        fg = plt.figure()
        ax = Axes3D(fg)
        x = np.arange(-4, 4, 0.25)
        y = np.arange(-4, 4, 0.25)
        X, Y = np.meshgrid(x, y)
        r = np.sqrt(X**2+Y**2)
        z = np.sin(r)
        ax.plot_surface(X, Y, z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))  # 此处的z也必须是meshgrid格式下生成的z
        # ax.contour(X, Y, z, zdir='z', offset=-1, camp=plt.get_cmap('rainbow'))  # 等高线
        ax.contourf(X, Y, z, zdir='z', offset=-1, camp=plt.get_cmap('rainbow'))  # 等高图
        注：rstride与cstride分别表示线的行幅度与列幅度
        并且我们根据生成的3d数据画出对应的等高线图也就是ax.contourf （填充颜色）
    17. subplot 多合一显示
        导入模块matplotlib之后我们可以在生成的figure里面将figure使用subplot将其分成多个层次几行几列
        需要注意的是 此时的subplot如plot一般一个figure下面的plot都在一个数据里面
        plt.figure()
            # 均匀显示
            plt.subplot(2, 2, 1)
            plt.plot([0, 5], [0, 5])
            plt.subplot(2, 2, 2)
            plt.plot([5, 5], [3, 1])
            # 不均匀显示
            plt.subplot(2, 3, 4)
            plt.plot([0, 5], [0, 5])
            plt.subplot(2, 3, 5)
            plt.plot([0, 5], [0, 5])
            plt.show()
        由此看来不均匀显示也是计算好的，并不是subplot就会将figure分割，而是在假设分割的基础上
        在贴图，所以后面2行3列，就是在4位置
    
    18. ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
        ax1.plot([1, 2], [1, 2])    # 画小图
        ax1.set_title('ax1_title')  # 设置小图的标题
        ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
        ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
        ax4 = plt.subplot2grid((3, 3), (2, 0))
        ax5 = plt.subplot2grid((3, 3), (2, 1))  # 分区 （2，1）是起始位置，默认colspan和rowspan是1
        ax4.scatter([1, 2], [2, 2])
        ax4.set_xlabel('ax4_x')
        ax4.set_ylabel('ax4_y')  # 设置xy的label
        plt.tight_layout()
    '''

图中图
　　

'''
1.设置[left, botton, width, height]的比例生成实例,此比例为百分比
ax.add_axes([left, botton, width, height])
然后就可以plot了 也可以 ax.set_xlabel() 也可以 ax.sel_title
                                                                            
'''

import matplotlib.pyplot as plt
fig = plt.figure()

left, botton, width, height = 0.1, 0.1, 0.8, 0.8
x = [0, 1, 5, 6, 4, 9]
y = [9, 10, 5, 8, 9, 6]

ax = fig.add_axes([left, botton, width, height])
ax.plot(x, y, 'r')
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_title('the one')
left, botton, width, height = 0.2, 0.6, 0.2, 0.2
ax1 = fig.add_axes([left, botton, width, height])
ax1.plot(x, y, 'b')

plt.show()