- 基本绘图：
(1) plot是标准的绘图库，调用函数plot(x,y)就可以创建一个带有绘图的图形窗口（其中y是x的函数）。输入的参数为具有相同长度的数组（或列表）；或者plot(y)是plot（range(len(y)),y）的简写。
例1：python实现使用200个采样点来绘制sin(x)，并且每隔四个点的位置设置标记。
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['simhei'] #指定默认字体（因为matplotlib默认为英文字体，汉字会使其乱码）
plt.rcParams['axes.unicode_minus']=False #可显示‘-’负号
x=np.linspace(-2*np.pi,2*np.pi,200) #先设定x的取值范围，从-2n到2n
samples=x[::4]
plt.plot(samples,np.sin(samples),color='red',marker='*')
plt.title('sin(x)函数及一些绘制的点')
plt.grid(color='black',linestyle='--',alpha=0.3)
plt.show()
#实现结果图：
表明：标准图是一条实线曲线，每个轴都会自动缩放来适应坐标值，但也可以手动进行设置。多次调用plot函数将会在同一窗口中叠加绘图。
(2) python3.0曲线拟合（polyfit,polyval）
利用numpy自带的polyfit 和 polyval 函数进行回归分析，polyfit 表示多项式曲线拟合、polyval 表示多项式曲线求值。
Z1=np.polyfit(x,y,3) #拟合，自由度为3，3为多项式最高次幂，结果为多项式的各个系数；最高系数为3，得到4个系数从最高到最低排列；最高次幂取几要视情况而定。
P1=np.ploy1d(z1) #将系数带入方程，得到函数式p1
Y=np.polyval(p,x) #计算多项式的函数值。返回在x处多项式的值，p为多项式系数，元素按多项式降幂排序
实例2. 将多项式拟合为一系列的点
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['simhei'] #指定默认字体
plt.rcParams['axes.unicode_minus']=False
x=np.arange(5)
y=[1,2,1,3,5]
p2=np.polyfit(x,y,2)
p4=np.polyfit(x,y,4)
xx=np.linspace(-1,5,200)
plt.plot(xx,np.polyval(p2,xx),label='二次多项式拟合') #绘制曲线
plt.plot(xx,np.polyval(p4,xx),label='四次多项式插值拟合')
plt.plot(x,y,'*') #原曲线
plt.axis([-1,5,0,6]) #axis([xmin,xmax,ymin,ymax]) 来手动设置坐标轴的范围
plt.legend(loc='upper left',fontsize='small') #legend()函数生成图例，添加标签来解释多重绘图，该处设置是将图例放在左上角并用小字号排版。
plt.show()
#结果图为：
2.. 二维散点图
代码如下：
import numpy as np
import matplotlib.pyplot as plt
x1=2*np.random.standard_nORMal((2,100))
x2=0.8*np.random.standard_normal((2,100))+np.array([[6],[2]]) #加二维数组
散点不重叠在一起
plt.plot(x1[0],x1[1],'g*')
plt.plot(x2[0],x2[1],'r*')
plt.title('2D散点图')
plt.show() #结果图为：
3. 对数图形绘制：
使用loglog函数即plt.loglog(x,y)
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['simhei'] #指定默认字体
plt.rcParams['axes.unicode_minus']=False
x=np.linspace(0,10,200)
plt.loglog(x,2*x*2,label='二次多项式',linestyle='--',linewidth=3)
plt.loglog(x,4*x*4,label='四次多项式',linestyle='-.',linewidth=3)
plt.loglog(x,5*np.exp(x),label='指数次多项式',linewidth=3)
plt.title('对数图')
#plt.axis([10*-2,10*2,10*-5,10*6]) #？？？思考遗留问题：如何调整指数函数x，y轴的范围
plt.legend(loc='best')
plt.show()
4. 绘图格式化
（1） 常见的绘图格式参数：
linestyle用于设置线条样式，其中描述solid 表字符串’-’(实线)，dashed表‘--’（虚线），dashed dotted表‘- ，’dotted表‘:’。
color用于设置绘图的颜色，其中有描述blue（字符串用b），green（字符串用g），red（字符串用r），cyan青色（字符串表c），magenta洋红（字符串表m），yellow、black、white（字符串表y、b、w）
Marker对图形坐标点标记，其中字符串参数（描述）分别为：.(point) 、,(pixel)、。(circle)、*(star)、d,D(thin diamond,diamond)等
注意：格式化命令可以使用短字符串语法格式：例如，plt.plot(x,’Go’)
实例：迭代计算出了正弦曲线上噪点的平均值
import numpy as np
import matplotlib.pyplot as plt
def avg(x): #函数avg使用roll调用来移动数组中所有的值。
"""simple running average"""
return(np.roll(x,1)+x+np.roll(x,-1)) #np.roll(x,2)是循环移位函数，表示向右循环移位2位
x=np.linspace(-2*np.pi,2*np.pi,200)
y=np.sin(x)+0.4*np.random.rand(200)
for iteration in range(3):
plt.subplot(3,1,iteration+1) 使用subplot命令将多个绘图放置于一个图形窗口中
plt.plot(x,y,label='{:d} average{}'.format(iteration,'s' if iteration> 1 else''))
plt.yticks([])
plt.legend(loc='lower left',frameon=False)
y=avg(y)
plt.subplots_adjust(hspace=0.7) #在同一个图形窗口中进行多次绘图的实例图
（2） savefig命令，允许用户将图形保存为图像格式，该命令支持多种图像和文件格式，可用文件扩展名指定：plt.savefig('test.pdf')
为将图像放在非白色的背景上，可设置transparent参数使得图片背景透明 plt.savefig('test.pdf',transparent=True)
plt.savefig('test.pdf',bbox_inches='tight') #如果要将图形嵌入LaTeX文档中，为减少周围的空白区域，建议通过在图纸周围设置图形的边框
0