Python3.0科学计算学习之绘图（三）

matplotlib对象：

 使用matplotlib的pyplot模块，可以供用户直接使用最重要的绘图命令。多数情况下，我们希望创建一个图形并且立即展示出来，但是有时如果生成要通过更改其属性来修改的图形，就需要用面向对象的方式来处理图形对象。

（1） 坐标轴对象：创建一个需要稍后修改的绘图时，需要引入一个图形和坐标轴对象。

l 首先，创建一个图形，然后在该图形中定义一些坐标轴以及这些坐标轴的位置，记住要将这些对象赋值给变量。

fig=plt.figure(1)

ax=plt.subplot(111)   #plt.subplot()生成子图，不能通过空figure绘图，必须用add_subplot()创建一个或者多个子subplot绘图区才能绘图，一个图形可以有多个坐标轴对象

接着， 将图形与给定的坐标轴对象相关联。

import numpy as np

import matplotlib.pyplot as plt

fig=plt.figure(1)

ax=plt.subplot(111)

x=np.linspace(0,2*np.pi,100)

amod_sin = lambda x:(1.-0.1*np.sin(25*x))*np.sin(x)

ax.plot(x,np.sin(x),label='sin')    #设置正弦曲线

ax.plot(x,amod_sin(x),label='modsin')

plt.legend()

#所得图形如下：

                     

（2） 修改线条属性：是通过其标签识别了特定的线条对象，其是索引了i1的列表中的一个元素，可通过相应的setter()方法来更改线条属性，如下实例

import numpy as np

import matplotlib.pyplot as plt

fig=plt.figure()

ax=plt.subplot(111)

x=np.linspace(0,2*np.pi,100)

amod_sin = lambda x:(1.-0.1*np.sin(25*x))*np.sin(x)

ax.plot(x,np.sin(x),label='sin')

ax.plot(x,amod_sin(x),label='modsin')

plt.legend()       #同上

ax.lines           #这两个绘图命令使用两个line2d对象来填充列表ax.lines

#使用标签，使以后能够采用简单的方式来识别对象

for i1,line in enumerate(ax.lines):

    if line.get_label()=='sin':

        break

ax.lines[i1].set_linestyle('-.')    #通过相应的setter()方法更改属性

ax.lines[i1].set_linewidth(2)

#修改数据

ydata=ax.lines[i1].get_ydata()

ydata[-1]=-0.5      

ax.lines[i1].set_ydata(ydata)

#运行结果如下：最后一个数据点损坏的曲线。

                                    

（3） 注释：

使用annotate方法在给定位置和坐标点上设置注释。

语法说明：annotate（s=’str’,xy=(x,y),xytext=(i1,i2),;...） 

其中：s为注释文本内容；   xy为被注释的坐标；   xytext为注释文字的坐标位置

extcoords设置注释文字偏移量；

arrowprops箭头参数，参数类型为字典（由字典所指定的箭头属性）,其中：

  width  点箭头的宽度       headwidth在点的箭头底座的宽度

  shrink总长度为分数，“缩水”从两端    facecolor表示箭头颜色

bbox给标题添加外框，常用参数如下：boxstyle方框外形

facecolor背景颜色,  edgecolor边框线条颜色，  edgewidth边框线条大小

实例如下：

annot1=ax.annotate('已调幅的曲线',(2.1,1.0),(3.2,0.5),

             arrowprops={'width':2,'color':'k','connectionstyle':'arc3,rad=+0.5','shrink':0.05},

             verticalalignment='bottom',horizontalalignment='left',fontsize=15,

             bbox={'facecolor':'gray','alpha':0.1,'pad':10})

# ## 该注释中，箭头指向坐标为（2.1，1.0）的点，文本的左下坐标为（3.2，0.5）。

演示了由arrowprop字典所指定的箭头属性，由shrink键来缩放箭头，设置为0.05就是表示将箭头大小减小5%，以保持与其指向的线性的距离。箭头遵循样条弧形状或者使用connectionstyle键来设置其他形状。

annot2=ax.annotate('已损坏的数据',(6.3,-0.5),(6.1,-1.1),

                   arrowprops={'width':0.5,'color':'k','shrink':0.05},

                  horizontalalignment='center',fontsize=12)

                                      

注释删除：可以将注释对象分配给一个变量，这样可以通过其remove方法来删除注释

例如：annot1.remove()

（4） 曲线间的填充面积

plt.fill_between()函数对图像进行填充。

 填充是突出曲线间差异的理想工具，fill_between(x,y1,y2) 函数用来填充y1,y2两个函数之间的区域

实例：python中利用matplotlib进行曲线的部分填充：

情形一：axf=ax.fill_between(x,np.sin(x),amod_sin(x),facecolor='gray')

                                                 

情形二：填充指定区域：

#在fill_between中使用where语句进行填充，where是一个非常便捷的参数，需要一个布尔数组来指定额外的填充条件，用来选择要填充的区域的布尔数组是amod_sin(x)-np.sin(x)>0

axf=ax.fill_between(x,np.sin(x),amod_sin(x),where=amod_sin(x)-np.sin(x)>0,facecolor='gray')

                                                              

（5） 刻度与刻度标签 

实例：通过删除x轴和y轴的刻度以及引入与问题相关的刻度标签来简化图片。

ax.set_xticks(np.array([0,np.pi/2,np.pi,3/2*np.pi,2*np.pi]))

ax.set_xticklabels(('$0$','$\pi/2$','$\pi$','$3/2 \pi$','$2\pi$'),fontsize=18)               

ax.set_yticks(np.array([-1,0.,1]))

ax.set_yticklabels(('$-1$','$0$','$1$'),fontsize=18)

#注意：在字符串中使用latex格式来表示希腊字母、正确设置公式并使用latex字体。

#已调幅的正弦函数的完整示例图：