3.5. matplotlib 编程方式

Show code cell content Hide code cell content

import matplotlib.pyplot as plt
import numpy as np

两种编程方式

基本上有两种使用 Matplotlib 的方法：

1. 依靠 import matplotlib.pyplot as plt 自动创建和管理图形和轴，并使用 pyplot 提供的各类函数进行绘图。简单来说，就是直接用 plt.[function_name]() 函数作图，比如 plt.scatter() 画散点图。

2. 面向对象编程：先 plt.subplots() 显式创建图形和轴，再调用对应的绘图方法。这种方法更为复杂具体，但能满足我们许多精细的要求。前面的例子大多是用第二种方式完成。

案例：三条曲线

1. pyplot-style

x = np.linspace(0, 2, 100)  # 创建一个包含100个点的线性空间，范围从0到2，用作示例数据
plt.figure(figsize=(5, 2.7), layout='constrained') #直接用plt.figure创建图
plt.plot(x, x, label='linear') #在坐标轴上绘制数据，绘制一条线性函数曲线，标签为'linear'
plt.plot(x, x**2, label='quadratic')   # 在同一个坐标轴上绘制二次函数曲线，标签为'quadratic'。
plt.plot(x, x**3, label='cubic') #在同一个坐标轴上绘制三次函数曲线，标签为'cubic'。
plt.xlabel('x label') # 为 x 轴添加标签，将x轴标签设置为'x label'
plt.ylabel('y label')  # 为 y 轴添加标签，将y轴标签设置为'y label'
plt.title("Simple Plot") # 为坐标轴添加标题，将标题设置为'Simple Plot'
plt.legend() # 添加图例，以便显示每条曲线的标签

<matplotlib.legend.Legend at 0x11a61cdd0>

2. OO-style 面向对象编程

x = np.linspace(0, 2, 100)  # 创建一个包含100个点的线性空间，范围从0到2，用作示例数据
fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')#创建一个大小为5x2.7英寸的图形（Figure），并使用constrained_layout参数启用了约束布局。然后，创建了一个坐标轴对象ax，可以用来绘制数据。
ax.plot(x, x, label='linear')  #在坐标轴上绘制数据，绘制一条线性函数曲线，标签为'linear'
ax.plot(x, x**2, label='quadratic')  # 在同一个坐标轴上绘制二次函数曲线，标签为'quadratic'。
ax.plot(x, x**3, label='cubic')  #在同一个坐标轴上绘制三次函数曲线，标签为'cubic'。
ax.set_xlabel('x label')  # 为 x 轴添加标签，将 x 轴标签设置为'x label'
ax.set_ylabel('y label')  # 为 y 轴添加标签，将 y 轴标签设置为'y label'
ax.set_title("Simple Plot")  # 为坐标轴添加标题，将标题设置为'Simple Plot'
ax.legend()  # 添加图例，以便显示每条曲线的标签

<matplotlib.legend.Legend at 0x11a674dd0>