本文共 4068 字，大约阅读时间需要 13 分钟。

# sphinx_gallery_thumbnail_number = 3import matplotlib.pyplot as pltimport numpy as np#实验一 空白图#最简单的figure创建方式，空白figureif 0:    fig = plt.figure()    #定义居中标题    fig.suptitle('No axes on this figure')    plt.show()#实验二 绘制多条曲线#产生从0到2均匀分布的100个浮点nparrayif 0:    x = np.linspace(0, 2, 100)    plt.plot(x, x, label='linear')    plt.plot(x, x**2, label='quadratic')    plt.plot(x, x**3, label='cubic')    #设置x轴，y轴标签    plt.xlabel('x label')    plt.ylabel('y label')    #图表标题和曲线说明    plt.title("Simple Plot")    plt.legend()    plt.show()#实验三 多张图#重画一张figure，有2*2四张图表if 0:    fig, ax = plt.subplots(2, 2)    #产生4组满足正态分布的100长度的数组    data1, data2, data3, data4 = np.random.randn(4, 100)    #第一行第一列绘制散点正态分布图，标记用x形    #第二行第一列绘制散点正态分布图，标记用o形    ax[0][0].plot(data1, data2, marker='x')    ax[1][0].plot(data1, data2, marker='o')    #第一行第二列绘制sin曲线图    x = np.arange(0, 10, 0.2)    y = np.sin(x)    ax[0][1].plot(x, y)    #第二行第二列绘制红色圆点的折线    ax[1][1].plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')    #横坐标0~6，纵坐标0~20    plt.axis([0, 6, 0, 20])    plt.show()#实验四 散点图if 0:    data = {   'a': np.arange(50),                 #0~50共计50个整数            'c': np.random.randint(0, 50, 50),  #50个0~50的随机数            'd': np.random.randn(50)}           #50个正态分布的数值    data['b'] = data['a'] + 10 * np.random.randn(50)    data['d'] = np.abs(data['d']) * 100    #数据源是字典data，目录a为横坐标，b为纵坐标，c为颜色，s为大小    plt.scatter('a', 'b', c='c', s='d', data=data)    plt.xlabel('entry a')    plt.ylabel('entry b')    plt.show()#实验五 同一组xy数组绘制不同类型图if 0:    names = ['group_a', 'group_b', 'group_c']    values = [1, 10, 100]    plt.figure(1, figsize=(9, 3))    plt.subplot(131)    plt.bar(names, values)    plt.subplot(132)    plt.scatter(names, values)    plt.subplot(133)    plt.plot(names, values)    plt.suptitle('Categorical Plotting')    plt.show()#实验六 查询图表可设置的属性if 0:    lines = plt.plot([1, 2, 3])    print(plt.setp(lines))    plt.show()    #plt.clf()    #删除figure    #plt.cla()    #删除axes    #plt.close()  #删除图像包括内存#实验七 添加文本if 0:    mu, sigma = 100, 15    x = mu + sigma * np.random.randn(10000)    #facecolor方块颜色，alpha透明度    n, bins, patches = plt.hist(x, 50, density=1, facecolor='g', alpha=0.75)    plt.xlabel('Smarts')    plt.ylabel('Probability')    plt.title('Histogram of IQ')    #在（60,0.25）坐标位置插入μ=100，σ=15    plt.text(60, .025, r'$\mu=100,\ \sigma=15$',fontsize=14, color='red')    plt.axis([40, 160, 0, 0.03])    #显示格点    plt.grid(True)    plt.show()#实验八 绘制标注if 0:    ax = plt.subplot(111)    t = np.arange(0.0, 5.0, 0.01)    s = np.cos(2*np.pi*t)    line, = plt.plot(t, s, lw=2)    #xy表示要做标注的点，xytext表示标注的位置    plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),                 arrowprops=dict(facecolor='black', shrink=0.05),                 )    plt.ylim(-2, 2)    plt.show()#实验九 对数坐标系if 0:    from matplotlib.ticker import NullFormatter  # useful for `logit` scale    # Fixing random state for reproducibility    np.random.seed(19680801)    # make up some data in the interval ]0, 1[    y = np.random.normal(loc=0.5, scale=0.4, size=1000)    y = y[(y > 0) & (y < 1)]    y.sort()    x = np.arange(len(y))    # plot with various axes scales    plt.figure(1)    # linear    plt.subplot(221)    plt.plot(x, y)    plt.yscale('linear')    plt.title('linear')    plt.grid(True)    # log    plt.subplot(222)    plt.plot(x, y)    plt.yscale('log')    plt.title('log')    plt.grid(True)    # symmetric log    plt.subplot(223)    plt.plot(x, y - y.mean())    plt.yscale('symlog', linthreshy=0.01)    plt.title('symlog')    plt.grid(True)    # logit    plt.subplot(224)    plt.plot(x, y)    plt.yscale('logit')    plt.title('logit')    plt.grid(True)    # Format the minor tick labels of the y-axis into empty strings with    # `NullFormatter`, to avoid cumbering the axis with too many labels.    plt.gca().yaxis.set_minor_formatter(NullFormatter())    # Adjust the subplot layout, because the logit one may take more space    # than usual, due to y-tick labels like "1 - 10^{-3}"    plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,                        wspace=0.35)    plt.show()