今天打算通過繪制正弦和余弦函數，從默認的設置開始，一步一步地調整改進，讓它變得好看，變成我們初高中學習過的圖象那樣。通過這個過程來學習如何進行對圖表的一些元素的進行調整。
簡單繪圖
matplotlib有一套允許定制各種屬性的默認設置。你可以幾乎控制matplotlib中的每一個默認屬性：圖像大小，每英寸點數，線寬，色彩和樣式，子圖(axes)，坐標軸和網格屬性，文字和字體屬性，等等。
安裝
pip install matplotlib
雖然matplotlib的默認設置在大多數情況下相當好，你卻可能想要在一些特別的情形下更改一些屬性。
pip install matplotlib
雖然matplotlib的默認設置在大多數情況下相當好，你卻可能想要在一些特別的情形下更改一些屬性。
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
02. 設置基本元素
這邊的基本元素主要有幾下幾點：
線的顏色，粗細，和線型 刻度和標簽 還有圖例
代碼比較簡單，基本上在我的第一講內容里都講過了。
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)
# 設置線的顏色，粗細，和線型
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'$cos(x)$')
# 如果覺得線條離邊界太近了，可以加大距離
plt.xlim(x.min()*1.2, x.max()*1.2)
plt.ylim(C.min()*1.2, C.max()*1.2)
# 當前的刻度並不清晰，需要重新設定,並加上更直觀的標簽
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'$1$'])
# 添加圖例
plt.legend()
plt.show()
show image
03. 移動軸線
還記得我們在初高中學習的三角函數圖象，可不是這樣，它應該是有四個象限的。而這里卻是一個四四方方的圖表。
所以接下來，我們要做的就是移動軸線，讓它變成我們熟悉的樣子。
我們只需要兩軸線(x和y軸)，所以我們需要將頂部和右邊的軸線給隱藏起來(顏色設置為None即可)。
# plt.gca()，全稱是get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 由於我們移動的是左邊和底部的軸，所以不用設置這兩個也可以
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 指定data類型，就是移動到指定數值
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
關於 set_position() 這個函數中的data是啥意思?我查了下官網。解釋如下
然后最后發現，上面的寫法可以用一定更簡潔的方式設置，是等價的。
ax.spines['bottom'].set_position('zero')
ax.spines['left'].set_position('zero')
show image
04. 添加注釋
現在的圖形部分已經成型，接下讓我們現在使用annotate命令注解一些我們感興趣的點。
我們選擇 2π/3 作為我們想要注解的正弦和余弦值。我們將在曲線上做一個標記和一個垂直的虛線。然后，使用annotate命令來顯示一個箭頭和一些文本。
t = 2*np.pi/3鄭州專業婦科醫院 http://www.hnzzkd.com/
# 利用plt.plot繪制向下的一條垂直的線，利用plt.scatter繪制一個點。
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繪制向上的一條垂直的線，利用plt.scatter繪制一個點。
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"))
在這里，你可能會對 plt.annotate 這個函數的用法，有所陌生。這里也解釋一下。
第一個參數，就是注釋內容; 第二個參數， xy ，就是對哪一點進行注釋; 第三個參數， xycoords ，指定類型，data 是說基於數值來定位; 第四個參數， xytext ，是注釋的位置，結合第五個參數，就是根據偏移量來決定注釋位置; 第五個參數， textcoords ，值為offset points，就是說是相對位置; 第六個參數， fontsize ，注釋大小; 第七個參數， arrowprops ，對箭頭的類型的一些設置。
show image
05. 完整代碼
以上都是對片段代碼進行解釋，這里放出完整的代碼
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)
# 設置線的顏色，粗細，和線型
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'$cos(x)$')
# 如果覺得線條離邊界太近了，可以加大距離
plt.xlim(x.min()*1.2, x.max()*1.2)
plt.ylim(C.min()*1.2, C.max()*1.2)
# 當前的刻度並不清晰，需要重新設定,並加上更直觀的標簽
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'$1$'])
# 添加圖例
plt.legend(loc='upper left')
# plt.gca()，全稱是get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 由於我們移動的是左邊和底部的軸，所以不用設置這兩個也可以
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 指定data類型，就是移動到指定數值
# 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繪制向下的一條垂直的線，利用plt.scatter繪制一個點。
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繪制向上的一條垂直的線，利用plt.scatter繪制一個點。
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()
繪制拋物線：
X1=np.linspace(-4,4,100,endpoint=True)
plt.plot(X1,(X1**2)/9)