序言：

在python里面，数据可视化是python的一个亮点。在python里面，数据可视可以达到什么样的效果，这当然与我们使用的库有关。python常常需要导入库，并不断调用方法，就很像一条流数据可视化的库，有很多，很多都可以后续开发，然后我们调用。了解过pyecharts美观的可视化界面 ，将pyecharts和matplotlib相对比一下。

pyecharts和matplotlib的区别在哪里呢？Matplotlib是Python数据可视化库的泰斗，尽管已有十多年的历史，但仍然是Python社区中使用最广泛的绘图库，它的设计与MATLAB非常相似，提供了一整套和MATLAB相似的命令API，适合交互式制图，还可以将它作为绘图控件，嵌入其它应用程序中。
Pyecharts是一款将Python与Echarts相结合的数据可视化工具，可以高度灵活的配置，轻松搭配出精美的视图。其中Echarts是百度开源的一个数据可视化库，而Pyecharts将Echarts与Python进行有机对接，方便在Python中直接生成各种美观的图形。

数据可视化之matplotlib绘制正余弦曲线图

我们先来看最终实现效果

上面这个图是最终保存的图片查看效果
我们一步一步来实现

1：首先我们需要导入基本的库

matplotlib numpy
matplotlib 是我们本章需要的库
numpy 是我们数据分析处理的常见库，在机器学习时也会经常用到。

一步一步来了
下面展示一些 内联代码片。

第一步

#1：用到的方法及参数
# linspace(start, stop, num=50, endpoint=True, 
# retstep=False, dtype=None)
# 相关参数的说明
# 指定在start到stop均分数值
# start:不可省略
# stop:有时包含有时不包含，根据endpoint来选择，默认包含
# num:指定均分的数量，默认为50
# endpoint:布尔值，可选，默认为True。包含stop就True,不包含就# False
# retstep : 布尔值，可选，默认为False。如果为True,返回值和步长
# dtype : 输出数据类型，可选。如果不指定，则根据前面参数的数据类型
# 2：np.plot(x,y.color.lw,label，ls，mk，mec，mfc)
# 其中X由所有输入点坐标的x值组成，Y是由与X中包含的x对应的y所组
# 成的向量
# color 指定线条的颜色
# lw指定线条的宽度
# lw指定线条的样式，默认为实现
# mk可以指定数据标识符
# ms可以指定标识符的大小
# mec可以指定标识符的边界色彩
# mfc标识符内部填充颜色

import matplotlib.pyplot as plt
import numpy as np
#用于正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
# 用于正常显示符号
plt.rcParams['axes.unicode_minus']=False
x = np.linspace(-np.pi,np.pi,256,endpoint = 256)
sin,cos = np.sin(x),np.cos(x)
#绘制，并设置相关的参数,这里标签还不会显示出来，因为还没有
#添加图例，具体往下面看
plt.plot(x,sin,color = 'blue',lw=2.5,label = '正弦sin',mec='red')
plt.plot(x,cos,color = 'red',lw = 2.5,label = '余弦cos()')
plt.show() #显示

第二步

#用到的方法及参数
# plt.xlim(xmin, xmax)
# xmin：x轴上的最小值
# xmax：x轴上的最大值
#plt.ylim() 与上一样的道理
#具体如何使用，可以看下面的实例代码

plt.xlim(x.min()*1.5,x.max()*1.5) #将x轴拉伸1.5倍
plt.ylim(cos.min()*1.5,cos.max()*1.5) # 将y轴拉伸1.5倍
plt.show()

第三步

#用到的方法与参数
# plt.xticks([],[])
# plt.yticks([],[])
# plt.title('',color,color,..) #设置标题，里面的相关参数可以# 指定
# plt.text(备注内容x轴的坐标,备注内容y轴的坐标 ,'备注内容',fontsize,color,..) #给右下角添加备注

#想说的说这里面有连个参数，分别以列表的形式展示。
现在只需要介绍是用来设置坐标刻度的。其中第二个参数列表
是用来转义的。具体实例如下。

下面展示一些 内联代码片。

在x轴的刻度上，我们需要我们需要按照规则的正余弦刻度来，而不是简单的实数，我们需要圆周率。因此在plt.xticks([],[])的第二个列表参数上需要转义。

#这里的r'$代表开始，$代表结尾，\代表转义，\pi代表圆周率的意思，r代表原始字符串。因此可以一一对应下来的。

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])
plt.title("绘图正余弦函数曲线图",fontsize = 16,color ='green')
#给图片右下角添加备注标签
plt.text(+2.2,-1.4,"by:jgdabc",fontsize=16,color = 'purple')
plt.show()

第四步：

用到的方法及参数：
plt.gca()#这个方法有点东西。
我要简单的去理解，Python库太繁杂了。有点头大。
plt.gca(),可以获得axes对象
什么又是axes对象？
在matplotlib中，整个图表为一个figure对象。每个figure
对象中可以包含一个或多个axes，而axes为坐标轴。每个axes
对象都是一个拥有自己坐标系统的绘图区域。我们可以理解为通
过这个方法我们可以获得axes对象，而通过这个对象可以帮助我们
方便的操作坐标轴，ok。具体操作看实例吧！

#我相信能看懂英文的不看注释也可以看懂
ax = plt.gca() #获取Axes对象
ax.spines['right'].set_color('none') #隐藏右边界
ax.spines['top'].set_color('none')#隐藏上边界
ax.xaxis.set_ticks_position('bottom') #x轴坐标刻度设置在坐标下面
ax.spines['bottom'].set_position(('data',0))#将x坐标轴平移经过(0,0)的位置
ax.yaxis.set_ticks_position('left')#将y轴坐标刻度设置在坐标轴左侧
ax.spines['left'].set_position(('data',0))#将y轴坐标轴平移到(0,0)位置
plt.show()

兄弟们是不是有点像了，还不够。

第五步：

用到的方法及参数：

plt.legend（）

添加图例

这样才会把我上述label的内容显示出来。

plt.legend(loc ='upper left',fontsize=12)
plt.show()

第六步
注意第六步我们要描点，并画线

用到的方法及参数
plt.plot() # 这个前面已经有说明，不再赘述，这里我们
要加一个参数linewidth指定，将其变为虚线
plt.scatter() #用来绘制两个点的位置
plt.annotate #用来添加注释文字，具体解释我们在实例代码中说明

t1 = 2*np.pi/3 #取一个x轴坐标点
t2 = -np.pi # 取第二个坐标点
#根据画线，第一个列表是x轴坐标值，第二个列表是y轴坐标值
plt.plot([t1,t1],[0,np.sin(t1)],color = 'b',linewidth = 1.5,linestyle = '--')
#画线
plt.plot([t2,t2],[0,np.cos(t2)],color ='r',linewidth=1.5,linestyle="--")
#标注两个点的位置(绘制散点图的方法)
plt.scatter([t1,],[np.sin(t1),],50,color = 'b') #50为指定的大小
#为图表添加注释
plt.scatter([t2,],[np.cos(2),],50,color = 'r')
plt.annotate( r'$\sin(\frac{2\pi}{3}=\frac{\sqrt{3}}{2}$)',
       xy = (t1,np.sin(t1)), #点的位置
       xycoords = 'data', #注释文字的偏移量
       xytext = (+10,+30), #文字离点的横纵距离
       textcoords = 'offset points',
       fontsize =14,#注释的大小
       arrowprops = dict(arrowstyle = '->',connectionstyle = 'arc3,rad=.2')#箭头指向的弯曲度


)
plt.annotate(r'$\cos(-\pi)=-1$',
       xy = (t2,np.cos(t2)),
       xycoords = 'data', #注释文字的偏移量
       xytext = (0 ,-40), # 文字离点的横纵距离
       textcoords = 'offset points',
       fontsize = 14,#注释的大小
       arrowprops = dict(arrowstyle = '->',connectionstyle='arc3,rad=.2')

       ) #点的位置

plt.show()

第七步：我想设置一下x轴和y轴的字体，一提到轴，就用ax.
我们直接上代码去解释

#遍历获取x轴和y轴的刻度，并设置字体
for label in ax.get_xticklabels() + ax.get_yticklabels() :
  label.set_fontsize(18)
  label.set_bbox(dict(facecolor = 'r',edgecolor='g',alpha=0.5))#alpha代表透明度
#绘制填充区域
plt.fill_between(x,np.abs(x)<0.5,sin,sin>0.5,color='g',alpha =0.8)
plt.fill_between(x,cos,where = (-2.5<x)&(x<-0.5),color = 'purple')
plt.grid() #绘制网格线

plt.savefig("D:\python学习数据可视化matplot学习.png",dpi = 300)保存图片
plt.show()

注意这里保存一定要先保存，后show。

最终效果

给大家完整代码

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
x = np.linspace(-np.pi,np.pi,256,endpoint=256)
sin,cos = np.sin(x),np.cos(x)
plt.plot(x,sin,color = 'blue',lw=2.5,label = '正弦sin',mec='red')
plt.plot(x,cos,color = 'red',lw = 2.5,label = '余弦cos()')
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.ylim(cos.min()*1.5,cos.max()*1.5)
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])
plt.title("绘图正余弦函数曲线图",fontsize = 16,color ='green')
plt.text(+2.2,-1.4,"by:jgdabc",fontsize=16,color = 'purple')
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.legend(loc ='upper left',fontsize=12)
t1 = 2*np.pi/3
t2 = -np.pi

plt.plot([t1,t1],[0,np.sin(t1)],color = 'b',linewidth = 1.5,linestyle = '--')

plt.plot([t2,t2],[0,np.cos(t2)],color ='r',linewidth=1.5,linestyle="--")

plt.scatter([t1,],[np.sin(t1),],50,color = 'b')

plt.scatter([t2,],[np.cos(2),],50,color = 'r')
plt.annotate( r'$\sin(\frac{2\pi}{3}=\frac{\sqrt{3}}{2}$)',
       xy = (t1,np.sin(t1)),
       xycoords = 'data',
       xytext = (+10,+30),
       textcoords = 'offset points',
       fontsize =14,
       arrowprops = dict(arrowstyle= '->',connectionstyle = 'arc3,rad=.2')#箭头指向的弯曲度


)
plt.annotate(r'$\cos(-\pi)=-1$',
       xy = (t2,np.cos(t2)),
       xycoords = 'data',
       xytext = (0 ,-40),
       textcoords = 'offset points',
       fontsize = 14,
       arrowprops = dict(arrowstyle = '->',connectionstyle='arc3,rad=.2')

       )
for label in ax.get_xticklabels() + ax.get_yticklabels() :
  label.set_fontsize(18)
  label.set_bbox(dict(facecolor = 'r',edgecolor='g',alpha=0.5))

plt.fill_between(x,np.abs(x)<0.5,sin,sin>0.5,color='g',alpha =0.8)
plt.fill_between(x,cos,where = (-2.5<x)&(x<-0.5),color = 'purple')
plt.grid()

plt.savefig("D:\python学习数据可视化matplot学习.png",dpi = 300)
plt.show()

到此这篇关于matplotlib绘制正余弦曲线图的实现的文章就介绍到这了,更多相关matplotlib 正余弦曲线图内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！