python画图1：matplotlib绘制两个变量相关性图详解

import numpy as np
import matplotlib.pyplot as plt

# 让每次生成的随机数一样,seed括号里的数用做标记没有实际含义
np.random.seed(19680801)

dt = 0.01
# np.arange()用法，函数返回一个有终点和起点的固定步长的排列，
# 第一个参数为起点，第二个参数为终点，第三个参数为步长
t = np.arange(0, 30, dt)
# print(t)
# randn函数返回一个或一组样本，具有标准正态分布，
# 函数括号里(5)表示1*5，(2,3)表示一个2*3的数组，(2,2,3)表示两个2*3的数组
nse1 = np.random.randn(len(t))                 # white noise 1
nse2 = np.random.randn(len(t))                 # white noise 2
# print(nse1)
# 两组数据，数据构成由arange排列的sin和一个随机数构成
s1 = np.sin(2 * np.pi * 10 * t) + nse1
s2 = np.sin(2 * np.pi * 10 * t) + nse2
# 将返回既是fig图形对象又axes是2x1的轴对象数组,也就是两行一列的两个子图
fig, axs = plt.subplots(2, 1) # 和以下三句等同
# fig=plt.figure()
# ax=fig.add_subplot(2,1,1)
# ax=fig.add_subplot(2,1,2)

# axs[0]表示第一个图
axs[0].plot(t, s1, t, s2)
# 设置x轴起始和结束坐标
axs[0].set_xlim(0, 2)
# x和y标签
axs[0].set_xlabel('time')
axs[0].set_ylabel('s1 and s2')
# grid(true)绘制刻度线的网格 False不绘制
axs[0].grid(True)

# axs[1]表示第二个图 dt为步长
# 绘制s1和s2相关性函数，NNFT=256应该是默认参数
cxy, f = axs[1].cohere(s1, s2, 256, 1. / dt)
# 设置y坐标为相关性
axs[1].set_ylabel('coherence')

#tight_layout会自动调整子图参数，使之填充适应整个图像区域
fig.tight_layout()
# savefig()保存图片，注意路径为反斜杠
plt.savefig('d:/Users/zxshining/Pictures/python/.png', transparent=True, dpi=300, pad_inches = 0)
plt.show( )