# 14.3 【可视化之matplotlib】 绘制正余弦函数图象 今天打算通过绘制正弦和余弦函数，从默认的设置开始，一步一步地调整改进，让它变得好看，变成我们初高中学习过的图象那样。通过这个过程来学习如何进行对图表的一些元素的进行调整。 ## 1. 简单绘图 matplotlib有一套允许定制各种属性的默认设置。你可以几乎控制matplotlib中的每一个默认属性：图像大小，每英寸点数，线宽，色彩和样式，子图(axes)，坐标轴和网格属性，文字和字体属性，等等。 虽然matplotlib的默认设置在大多数情况下相当好，你却可能想要在一些特别的情形下更改一些属性。 ```python from pylab import * x = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(x), np.sin(x) plot(x,C) plot(x,S) show() ``` show image  ## 2. 设置基本元素 这边的基本元素主要有几下几点： 1. 线的颜色，粗细，和线型 2. 刻度和标签 3. 还有图例 代码比较简单，基本上在我的第一讲内容里都讲过了。 ```python import numpy as np from matplotlib import pyplot as plt plt.figure(figsize=(10,6), dpi=80) x = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(x), np.sin(x) # 设置线的颜色，粗细，和线型 plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label=r'$sin(x)$') plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label=r'$cos(x)$') # 如果觉得线条离边界太近了，可以加大距离 plt.xlim(x.min()*1.2, x.max()*1.2) plt.ylim(C.min()*1.2, C.max()*1.2) # 当前的刻度并不清晰，需要重新设定,并加上更直观的标签 plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$']) plt.yticks([-1,0,1], [r'$-1$', r'$0$', r'$1$']) # 添加图例 plt.legend() plt.show() ``` show image  ## 3. 移动轴线 还记得我们在初高中学习的三角函数图象，可不是这样，它应该是有四个象限的。而这里却是一个四四方方的图表。 所以接下来，我们要做的就是移动轴线，让它变成我们熟悉的样子。 我们只需要两轴线（x和y轴），所以我们需要将顶部和右边的轴线给隐藏起来（颜色设置为None即可）。 ```python # plt.gca()，全称是get current axis ax = plt.gca() ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') # 由于我们移动的是左边和底部的轴，所以不用设置这两个也可以 ax.xaxis.set_ticks_position('bottom') ax.yaxis.set_ticks_position('left') # 指定data类型，就是移动到指定数值 ax.spines['bottom'].set_position(('data',0)) ax.spines['left'].set_position(('data',0)) ``` 关于`set_position()`这个函数中的data是啥意思？我查了下官网。解释如下  然后最后发现，上面的写法可以用一定更简洁的方式设置，是等价的。 ```python ax.spines['bottom'].set_position('zero') ax.spines['left'].set_position('zero') ``` show image  ## 4. 添加注释 现在的图形部分已经成型，接下让我们现在使用annotate命令注解一些我们感兴趣的点。 我们选择`2π/3`作为我们想要注解的正弦和余弦值。我们将在曲线上做一个标记和一个垂直的虚线。然后，使用annotate命令来显示一个箭头和一些文本。 ```python t = 2*np.pi/3 # 利用plt.plot绘制向下的一条垂直的线，利用plt.scatter绘制一个点。 plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--") plt.scatter([t,],[np.cos(t),], 50, color ='blue') plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$', xy=(t, np.sin(t)), xycoords='data', xytext=(+10, +30), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) # 利用plt.plot绘制向上的一条垂直的线，利用plt.scatter绘制一个点。 plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--") plt.scatter([t,],[np.sin(t),], 50, color ='red') plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$', xy=(t, np.cos(t)), xycoords='data', xytext=(-90, -50), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) ``` 在这里，你可能会对`plt.annotate`这个函数的用法，有所陌生。这里也解释一下。 第一个参数，就是注释内容； 第二个参数，`xy`，就是对哪一点进行注释； 第三个参数，`xycoords`，指定类型，data 是说基于数值来定位； 第四个参数，`xytext`，是注释的位置，结合第五个参数，就是根据偏移量来决定注释位置； 第五个参数，`textcoords`，值为offset points，就是说是相对位置； 第六个参数，`fontsize`，注释大小； 第七个参数，`arrowprops`，对箭头的类型的一些设置。 show image  ## 5. 完整代码 以上都是对片段代码进行解释，这里放出完整的代码 ```python import numpy as np from matplotlib import pyplot as plt plt.figure(figsize=(10,6), dpi=80) x = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(x), np.sin(x) # 设置线的颜色，粗细，和线型 plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label=r'$sin(x)$') plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label=r'$cos(x)$') # 如果觉得线条离边界太近了，可以加大距离 plt.xlim(x.min()*1.2, x.max()*1.2) plt.ylim(C.min()*1.2, C.max()*1.2) # 当前的刻度并不清晰，需要重新设定,并加上更直观的标签 plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$']) plt.yticks([-1,1], [r'$-1$', r'$1$']) # 添加图例 plt.legend(loc='upper left') # plt.gca()，全称是get current axis ax = plt.gca() ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') # 由于我们移动的是左边和底部的轴，所以不用设置这两个也可以 ax.xaxis.set_ticks_position('bottom') ax.yaxis.set_ticks_position('left') # 指定data类型，就是移动到指定数值 # ax.spines['bottom'].set_position('zero') ax.spines['bottom'].set_position(('data',0)) ax.spines['left'].set_position(('data',0)) t = 2*np.pi/3 # 利用plt.plot绘制向下的一条垂直的线，利用plt.scatter绘制一个点。 plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--") plt.scatter([t,],[np.cos(t),], 50, color ='blue') plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$', xy=(t, np.sin(t)), xycoords='data', xytext=(+10, +30), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) # 利用plt.plot绘制向上的一条垂直的线，利用plt.scatter绘制一个点。 plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--") plt.scatter([t,],[np.sin(t),], 50, color ='red') plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$', xy=(t, np.cos(t)), xycoords='data', xytext=(-90, -50), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) plt.show() ``` ---