6.2 Matplotlib绘图基础import numpy as np#绘制第二幅子图import matplotlib.pyplot as pltax1=fig1.add_subplot(1,2,2)%matplotlibinlineplt.title('sin-cos')data=np.arange(0,np.pi*2,0.01)plt.xlabel(X')fig1=plt.figure(figsize=(9,7),dpi=90)plt.ylabel(Y")#确定画布大小plt.xlim(0,np.pi*2)#绘制第一幅子图linesexamplesin-cosax1=fig1.add_subplot(1,2,1):)XAplt.title(lines example)0.8plt.xlabel(X")plt.ylabel(Y")0.6plt.xlim(0, 1)0.0plt.ylim(0, 1)plt.xticks([0,0.2,0.4,0.6,0.8,1])0.5plt.yticks([0,0.2,0.4,0.6,0.8,1])plt.plot(data,data**2)plt.plot(data,data**3)00000.0000.20.40.60.81.5713.1421.04.7126.283xplt.legend(['y=x^2",y=x^3')
import numpy as np import matplotlib.pyplot as plt %matplotlib inline data=np.arange(0,np.pi*2,0.01) fig1=plt.figure(figsize=(9,7),dpi=90) #确定画布大小 #绘制第一幅子图 ax1=fig1.add_subplot(1,2,1) plt.title('lines example') plt.xlabel('X') plt.ylabel('Y') plt.xlim(0,1) plt.ylim(0,1) plt.xticks([0,0.2,0.4,0.6,0.8,1]) plt.yticks([0,0.2,0.4,0.6,0.8,1]) plt.plot(data,data**2) plt.plot(data,data**3) plt.legend(['y=x^2','y=x^3']) #绘制第二幅子图 ax1=fig1.add_subplot(1,2,2) plt.title('sin-cos') plt.xlabel('X') plt.ylabel('Y') plt.xlim(0,np.pi*2) plt.ylim(-1,1) plt.xticks([0,np.pi/2,np.pi,np.pi*3/2,np.pi*2]) plt.yticks([-1,-0.5,0,0.5,1]) plt.plot(data,np.sin(data)) plt.plot(data,np.cos(data)) plt.legend(['sin','cos']) plt.show() 6.2 Matplotlib绘图基础
Matplotlib的Legend图例就是为了帮助我们展示每个数据对应的图像名称，更好的让读者认识到你的数据结构。关于plt.legendO的说明如下：O:"best'4: 'lower right"7: 'center right'5: 'right'1: 'upper right'8: lower center'2: 'upper left'6:‘center left9: 'upper center3: 'lower left"10:center常用设置示例：plt.legend(loc ='best,frameon = False)#去掉图例边框，推荐使用plt.legend(loc="best,edgecolor="blue')#设置图例边框颜色plt.legend(loc ="best',facecolor='blue')#设置图例背景颜色，若无边框，参数无效
Matplotlib 的 Legend 图例就是为了帮助我们展示每个数据对应的图像名 称，更好的让读者认识到你的数据结构。关于plt.legend()的说明如下： 常用设置示例： plt.legend(loc = 'best',frameon = False) #去掉图例边框,推荐使用 plt.legend(loc = 'best',edgecolor = 'blue') #设置图例边框颜色 plt.legend(loc = 'best',facecolor = 'blue') #设置图例背景颜色,若无边框,参数无效 0: ’best’ 1: ‘upper right’ 2: ‘upper left’ 3: ‘lower left’ 4: ‘lower right’ 5: ‘right’ 6: ‘center left’ 7: ‘center right’ 8: ‘lower center’ 9: ‘upper center’ 10: ‘center’
6.2 Matplotlib绘图基础·3.绘图的保存与显示函数作用函数名称保存绘制的图片，可以指定图片的分辨率、边缘的plt.savafig颜色等参数。在本机显示图形。plt.show第三部分主要用于保存和显示图形。例：fig.savefig(save_path, format='png',transparent=True, dpi=300pad_inches = )
• 3.绘图的保存与显示 第三部分主要用于保存和显示图形。 例： fig.savefig(save_path, format='png', transparent=True, dpi=300, pad_inches = 0) 函数名称 函数作用 plt.savafig 保存绘制的图片，可以指定图片的分辨率、边缘的 颜色等参数。 plt.show 在本机显示图形。 6.2 Matplotlib绘图基础
6.2 Matplotlib绘图基础figure.savefig选项参数描述包含文件路径或Python文件型对象的字符串。图片格式是从文件扩展fname名中推断出来的（例如pdf格式的.pdf）dpi设置每英寸点数的分辨率，默认为100facecolor子图之外的图形背景颜色，默认是W（白色）edgecolorformat文件格式（'png"pdf"'svg"ps'等）要保存的图片范围，如果设置为“tight’则去除图片周围的空白bbox inches
figure.savefig选项 参数 描述 fname 包含文件路径或Python文件型对象的字符串。图片格式是从文件扩展 名中推断出来的（例如pdf格式的.pdf） dpi 设置每英寸点数的分辨率，默认为100 facecolor ， edgecolor 子图之外的图形背景颜色，默认是’w’（白色） format 文件格式（’png’,’pdf’,’svg’,’ps’等） bbox_inches 要保存的图片范围，如果设置为‘tight’ 则去除图片周围的空白 6.2 Matplotlib绘图基础
6.3设置pyplot的动态rc参数pyplot使用rc配置文件来自定义图形的各种默认属性，被称为rc配置或rc参数。在pyplot中几乎所有的默认属性都是可以控制的，例如视图窗口大小以及每英寸点数、线条宽度、颜色和样式、坐标轴、坐标和网格属性、文本、字体等。两种方式可以设置参数，即全局参数定制和rc设置方法。查看matplotlib的rc参数：import matplotlib as pltprint(plt.rc_paramsO)
6.3设置pyplot的动态rc参数 • pyplot使用rc配置文件来自定义图形的各种默认属性，被称为rc 配置或rc参数。 • 在pyplot中几乎所有的默认属性都是可以控制的，例如视图窗 口大小以及每英寸点数、线条宽度、颜色和样式、坐标轴、坐 标和网格属性、文本、字体等。 两种方式可以设置参数，即全局参数定制和rc设置方法。 查看matplotlib的rc参数： import matplotlib as plt print(plt.rc_params())