Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。使用它可以很方便的绘制出版质量级别的图形。
概述
官网
效果展示
matplotlib基本功能
- 基本绘图 （在二维平面坐标系中绘制连续的线）
- 设置线型、线宽和颜色
- 设置坐标轴范围
- 设置坐标刻度
- 设置坐标轴
- 图例
- 特殊点
- 备注
- 图形对象(图形窗口)
- 子图
- 刻度定位器
- 刻度网格线
- 半对数坐标
- 散点图
- 填充
- 条形图（柱状图）
- 饼图
- 等高线图
- 热成像图
- 极坐标系
- 三维曲面
- 简单动画
基本绘图
案例：绘制一条正弦曲线
1
2
3
4
5
6
7
8
| import numpy as np
import matplotlib.pyplot as mp
mp.plot(xarray, yarray)
mp.show()
|
绘制水平线与垂直线：
1
2
3
4
5
6
7
8
9
| import numpy as np
import matplotlib.pyplot as mp
mp.vlines(vval, ymin, ymax, ...)
mp.hlines(xval, xmin, xmax, ...)
mp.show()
|
线型、线宽和颜色
1
2
3
4
5
6
7
8
|
mp.plot(xarray, yarray, linestyle='', linewidth=1, color='', alpha=0.5)
|
linestyle 见附录
linecolor 见附录
设置坐标轴范围
案例：把坐标轴范围设置为 -π ~ π
1
2
3
4
5
6
|
mp.xlim(x_limt_min, x_limit_max)
mp.ylim(y_limt_min, y_limit_max)
|
应用场景
查看可视范围，例如只看第一象限；
设置坐标刻度
案例：把横坐标的刻度显示为：0, π/2, π, 3π/2, 2π
1
2
3
4
5
6
|
mp.xticks(x_val_list , x_text_list )
mp.yticks(y_val_list , y_text_list )
|
刻度文本的特殊语法 – LaTex排版语法字符串
1
| r'$x^n+y^n=z^n$', r'$\int\frac{1}{x} dx = \ln |x| + C$', r'$-\frac{\pi}{2}$'
|
$$
x^n+y^n=z^n, \int\frac{1}{x} dx = \ln |x| + C, -\frac{\pi}{2}
$$
具体见附录
设置坐标轴
坐标轴名：left / right / bottom / top
1
2
3
4
5
6
7
8
9
10
11
|
ax = mp.gca()
axis = ax.spines['坐标轴名']
axis.set_position((type, val))
axis.set_color(color)
|
案例：设置坐标轴至中心。
1
2
3
4
5
6
7
|
ax = mp.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['left'].set_position(('data', 0))
ax.spines['bottom'].set_position(('data', 0))
mp.yticks([-1, -0.5, 0.5, 1])
|
图例
图例就是标注哪条线是什么意思
显示两条曲线的图例，并测试loc属性。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
mp.plot(xarray, yarray ... label='', ...)
mp.legend(loc='')
|
特殊点
1
2
3
4
5
6
7
8
9
|
mp.scatter(xarray, yarray,
marker='',
s=60,
edgecolor='',
facecolor='',
zorder=3
)
|
marker点型可参照：help(matplotlib.markers)
也可参照附录：point样式
备注
为在某条曲线上的点添加备注，指明函数方程与值。
1
2
3
4
5
6
7
8
9
10
|
mp.annotate(
r'$\frac{\pi}{2}$',
xycoords='data',
xy=(x, y),
textcoords='offset points',
xytext=(x, y),
fontsize=14,
arrowprops=dict()
)
|
arrowprops参数使用字典定义指向目标点的箭头样式
1
2
3
4
5
|
arrowprops=dict(
arrowstyle='',
connectionstyle=''
)
|
箭头样式（arrowstyle）字符串如下
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
| ============ =============================================
Name Attrs
============ =============================================
'-' None
'->' head_length=0.4,head_width=0.2
'-[' widthB=1.0,lengthB=0.2,angleB=None
'|-|' widthA=1.0,widthB=1.0
'-|>' head_length=0.4,head_width=0.2
'<-' head_length=0.4,head_width=0.2
'<->' head_length=0.4,head_width=0.2
'<|-' head_length=0.4,head_width=0.2
'<|-|>' head_length=0.4,head_width=0.2
'fancy' head_length=0.4,head_width=0.4,tail_width=0.4
'simple' head_length=0.5,head_width=0.5,tail_width=0.2
'wedge' tail_width=0.3,shrink_factor=0.5
============ =============================================
|
连接线样式（connectionstyle）字符串如下
| Name |
Attrs |
| ‘angle’ |
angleA=90,angleB=0,rad=0.0 |
| ‘angle3’ |
angleA=90,angleB=0` |
| ‘arc’ |
angleA=0,angleB=0,armA=None,armB=None,rad=0.0 |
| ‘arc3’ |
rad=0.0 |
| ‘bar’ |
armA=0.0,armB=0.0,fraction=0.3,angle=None |
图形对象（图形窗口）
绘制两个窗口，一起显示。
1
2
3
4
5
6
7
8
9
|
mp.figure(
'A',
facecolor=''
)
mp.figure('B')
mp.figure('A')
mp.plot(....)
mp.show()
|
mp.figure方法不仅可以构建一个新窗口，如果已经构建过title=’xxx’的窗口，又使用figure方法构建了title=’xxx’ 的窗口的话，mp将不会创建新的窗口，而是把title=’xxx’的窗口置为当前操作窗口。
设置当前窗口的参数
案例：测试窗口相关参数
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
mp.title(title, fontsize=12)
mp.xlabel(x_label_str, fontsize=12)
mp.ylabel(y_label_str, fontsize=12)
mp.tick_params(labelsize=8)
mp.grid(linestyle='')
mp.tight_layout()
|
子图
矩阵式布局
绘制矩阵式子图布局相关API：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| mp.figure('Subplot Layout', facecolor='lightgray')
mp.subplot(rows, cols, num)
mp.subplot(3, 3, 5)
mp.plot()
mp.subplot(3, 3, 1)
mp.plot()
mp.subplot(335)
|
案例：绘制9宫格矩阵式子图，每个子图中写一个数字。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
| mp.figure('Subplot Layout', facecolor='lightgray')
for i in range(9):
mp.subplot(3, 3, i+1)
mp.text(
0.5, 0.5, i+1,
ha='center',
va='center',
size=36,
alpha=0.5
)
mp.xticks([])
mp.yticks([])
mp.tight_layout()
mp.show()
|
网格式布局
网格式布局支持单元格的合并。
绘制网格式子图布局相关API：
1
2
3
4
5
6
7
8
9
10
11
| import matplotlib.gridspec as mg
mp.figure('Grid Layout', facecolor='lightgray')
gs = mg.GridSpec(3, 3)
mp.subplot(gs[0, :2])
mp.text(0.5, 0.5, '1', ha='center', va='center', size=36)
mp.show()
|
案例：绘制一个自定义网格布局。
1
2
3
4
5
6
7
8
9
| import matplotlib.gridspec as mg
mp.figure('GridLayout', facecolor='lightgray')
gridsubs = mp.GridSpec(3, 3)
mp.subplot(gridsubs[0, :2])
mp.text(0.5, 0.5, 1, ha='center', va='center', size=36)
mp.tight_layout()
mp.xticks([])
mp.yticks([])
|
自由式布局
自由式布局相关API：
1
2
3
4
5
6
7
8
9
10
| mp.figure('Flow Layout', facecolor='lightgray')
mp.axes([0.03, 0.03, 0.94, 0.94])
mp.text(0.5, 0.5, '1', ha='center', va='center', size=36)
mp.show()
|
案例：测试自由式布局，定位子图。
1
2
3
4
5
| mp.figure('FlowLayout', facecolor='lightgray')
mp.axes([0.1, 0.2, 0.5, 0.3])
mp.text(0.5, 0.5, '1', ha='center', va='center', size=36)
mp.show()
|
刻度定位器
刻度定位器相关API：
1
2
3
4
5
6
|
ax = mp.gca()
ax.xaxis.set_major_locator(mp.NullLocator())
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
|
案例：绘制一个数轴。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| mp.figure('Locators', facecolor='lightgray')
ax = mp.gca()
ax.spines['left'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.xaxis.set_major_locator(mp.NullLocator())
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
mp.text(5, 0.3, 'NullLocator()', ha='center', size=12)
|
案例：使用for循环测试刻度器样式：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| locators = ['mp.NullLocator()', 'mp.MaxNLocator(nbins=4)']
for i, locator in enumerate(locators):
mp.subplot(len(locators), 1, i+1)
mp.xlim(0, 10)
mp.ylim(-1, 1)
mp.yticks([])
ax = mp.gca()
ax.spines['left'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.xaxis.set_major_locator(eval( ))
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
mp.plot(np.arange(11), np.zeros(11), c='none')
mp.text(5, 0.3, locator, ha='center', size=12)
|
常用刻度器如下
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
mp.NullLocator()
mp.MaxNLocator(nbins=3)
mp.FixedLocator(locs=[0, 2.5, 5, 7.5, 10])
mp.AutoLocator()
mp.IndexLocator(offset=0.5, base=1.5)
mp.MultipleLocator()
mp.LinearLocator(numticks=21)
mp.LogLocator(base=2)
|
刻度网格线
绘制刻度网格线的相关API：
1
2
3
4
5
6
7
8
9
10
| ax = mp.gca()
ax.grid(
which='',
axis='',
linewidth=1,
linestyle='',
color='',
alpha=0.5
)
|
案例：绘制曲线 [1, 10, 100, 1000, 100, 10, 1]，然后设置刻度网格线，测试刻度网格线的参数。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| y = np.array([1, 10, 100, 1000, 100, 10, 1])
mp.figure('Normal & Log', facecolor='lightgray')
mp.subplot(211)
mp.title('Normal', fontsize=20)
mp.ylabel('y', fontsize=14)
ax = mp.gca()
ax.xaxis.set_major_locator(mp.MultipleLocator(1.0))
ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))
ax.yaxis.set_major_locator(mp.MultipleLocator(250))
ax.yaxis.set_minor_locator(mp.MultipleLocator(50))
mp.tick_params(labelsize=10)
ax.grid(which='major', axis='both', linewidth=0.75,
linestyle='-', color='orange')
ax.grid(which='minor', axis='both', linewidth=0.25,
linestyle='-', color='orange')
mp.plot(y, 'o-', c='dodgerblue', label='plot')
mp.legend()
|
半对数坐标
y轴将以指数方式递增。 基于半对数坐标绘制第二个子图，表示曲线：[1, 10, 100, 1000, 100, 10, 1]。
1
2
3
4
| mp.figure('Grid', facecolor='lightgray')
y = [1, 10, 100, 1000, 100, 10, 1]
mp.semilogy(y)
mp.show()
|
散点图
可以通过每个点的坐标、颜色、大小和形状表示不同的特征值。
| 身高 |
体重 |
性别 |
年龄段 |
种族 |
| 180 |
80 |
男 |
中年 |
亚洲 |
| 160 |
50 |
女 |
青少 |
美洲 |
绘制散点图的相关API：
1
2
3
4
5
6
7
8
9
10
| mp.scatter(
x,
y,
marker='',
s=10,
color='',
edgecolor='',
facecolor='',
zorder=''
)
|
numpy.random提供了normal函数用于产生符合 正态分布 的随机数
1
2
3
4
5
6
| n = 100
x = np.random.normal(172, 20, n)
y = np.random.normal(60, 10, n)
|
案例：绘制平面散点图。
1
2
3
4
| mp.figure('scatter', facecolor='lightgray')
mp.title('scatter')
mp.scatter(x, y)
mp.show()
|
设置点的颜色
1
2
3
4
| mp.scatter(x, y, c='red')
d = (x-172)**2 + (y-60)**2
mp.scatter(x, y, c=d, cmap='jet')
|
cmap颜色映射表参附录cmap颜色映射表
填充
以某种颜色自动填充两条曲线的闭合区域。
1
2
3
4
5
6
7
8
| mp.fill_between(
x,
sin_x,
cos_x,
sin_x<cos_x,
color='',
alpha=0.2
)
|
案例：绘制两条曲线： sin_x = sin(x) cos_x = cos(x / 2) / 2 [0-8π]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
| n = 1000
x = np.linspace(0, 8 * np.pi, n)
sin_y = np.sin(x)
cos_y = np.cos(x / 2) / 2
mp.figure('Fill', facecolor='lightgray')
mp.title('Fill', fontsize=20)
mp.xlabel('x', fontsize=14)
mp.ylabel('y', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')
mp.plot(x, sin_y, c='dodgerblue',
label=r'$y=sin(x)$')
mp.plot(x, cos_y, c='orangered',
label=r'$y=\frac{1}{2}cos(\frac{x}{2})$')
mp.fill_between(x, cos_y, sin_y, cos_y < sin_y,
color='dodgerblue', alpha=0.5)
mp.fill_between(x, cos_y, sin_y, cos_y > sin_y,
color='orangered', alpha=0.5)
mp.legend()
mp.show()
|
条形图（柱状图）
绘制柱状图的相关API：
1
2
3
4
5
6
7
8
9
| mp.figure('Bar', facecolor='lightgray')
mp.bar(
x,
y,
width,
color='',
label='',
alpha=0.2
)
|
案例：先以柱状图绘制苹果12个月的销量，然后再绘制橘子的销量。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| apples = np.array([30, 25, 22, 36, 21, 29, 20, 24, 33, 19, 27, 15])
oranges = np.array([24, 33, 19, 27, 35, 20, 15, 27, 20, 32, 20, 22])
mp.figure('Bar' , facecolor='lightgray')
mp.title('Bar', font size=20)
mp.xlabel('Month', fontsize=14)
mp.ylabel('Price', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(axis='y', linestyle=':')
mp.ylim((0, 40))
x = np.arange(len(apples))
mp.bar(x-0.2, apples, 0.4, color='dodgerblue',label='Apple')
mp.bar(x + 0.2, oranges, 0.4, color='orangered',label='Orange', alpha=0.75)
mp.xticks(x, [
'Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun',
'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'])
mp.legend()
mp.show()
|
饼图
绘制饼状图的基本API：
1
2
3
4
5
6
7
8
9
10
| mp.pie(
values,
spaces,
labels,
colors,
'%d%%',
shadow=True,
startangle=90
radius=1
)
|
案例：绘制饼状图显示5门语言的流行程度：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| mp.figure('pie', facecolor='lightgray')
values = [26, 17, 21, 29, 11]
spaces = [0.05, 0.01, 0.01, 0.01, 0.01]
labels = ['Python', 'JavaScript',
'C++', 'Java', 'PHP']
colors = ['dodgerblue', 'orangered',
'limegreen', 'violet', 'gold']
mp.figure('Pie', facecolor='lightgray')
mp.title('Pie', fontsize=20)
mp.axis('equal')
mp.pie(
values,
spaces,
labels,
colors,
'%d%%',
shadow=True,
startanle=90
radius=1
)
|
等高线图
组成等高线需要网格点坐标矩阵，也需要每个点的高度。所以等高线属于3D数学模型范畴。
绘制等高线的相关API：
1
2
3
4
5
6
7
8
9
| mp.contourf(x, y, z, 8, cmap='jet')
cntr = mp.contour(
x,
y,
z,
8,
colors='black',
linewidths=0.5
)
|
案例：生成网格坐标矩阵，并且绘制等高线：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
| n = 1000
x, y = np.meshgrid(np.linspace(-3, 3, n),
np.linspace(-3, 3, n))
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)
mp.figure('Contour', facecolor='lightgray')
mp.title('Contour', fontsize=20)
mp.xlabel('x', fontsize=14)
mp.ylabel('y', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')
mp.contourf(x, y, z, 8, cmap='jet')
cntr = mp.contour(x, y, z, 8, colors='black',
linewidths=0.5)
mp.clabel(cntr, inline_spacing=1, fmt='%.1f',
fontsize=10)
mp.show()
|
热成像图
用图形的方式显示矩阵及矩阵中值的大小
1 2 3
4 5 6
7 8 9
绘制热成像图的相关API：
1
2
3
4
5
|
mp.imshow(z, cmap='jet', origin='low')
|
使用颜色条显示热度值：
极坐标系
与笛卡尔坐标系不同，某些情况下极坐标系适合显示与角度有关的图像。例如雷达等。极坐标系可以描述极径ρ与极角θ的线性关系。
1
2
3
4
5
6
7
8
| mp.figure("Polar", facecolor='lightgray')
mp.gca(projection='polar')
mp.title('Porlar', fontsize=20)
mp.xlabel(r'$\theta$', fontsize=14)
mp.ylabel(r'$\rho$', fontsize=14)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')
mp.show()
|
在极坐标系中绘制曲线：
1
2
3
4
5
|
t = np.linspace(0, 4*np.pi, 1000)
r = 0.8 * t
mp.plot(t, r)
mp.show()
|
案例，在极坐标系中绘制正弦函数。 y=3 sin(6x)
1
2
3
| x = np.linspace(0, 6*np.pi, 1000)
y = 3*np.sin(6*x)
mp.plot(x, y)
|
3D图像绘制
matplotlib支持绘制三维曲面。若希望绘制三维曲面，需要使用axes3d提供的3d坐标系。
1
2
| from mpl_toolkits.mplot3d import axes3d
ax3d = mp.gca(projection='3d')
|
matplotlib支持绘制三维点阵、三维曲面、三维线框图：
1
2
3
| ax3d.scatter(..)
ax3d.plot_surface(..)
ax3d.plot_wireframe(..)
|
3d散点图的绘制相关API：
1
2
3
4
5
6
7
8
9
10
11
12
| ax3d.scatter(
x,
y,
marker='',
s=10,
zorder='',
color='',
edgecolor='',
facecolor='',
c=v,
cmap=''
)
|
案例：随机生成3组坐标，程标准正态分布规则，并且绘制它们。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| n = 1000
x = np.random.normal(0, 1, n)
y = np.random.normal(0, 1, n)
z = np.random.normal(0, 1, n)
d = np.sqrt(x ** 2 + y ** 2 + z ** 2)
mp.figure('3D Scatter')
ax = mp.gca(projection='3d')
mp.title('3D Scatter', fontsize=20)
ax.set_xlabel('x', fontsize=14)
ax.set_ylabel('y', fontsize=14)
ax.set_zlabel('z', fontsize=14)
mp.tick_params(labelsize=10)
ax.scatter(x, y, z, s=60, c=d, cmap='jet_r', alpha=0.5)
mp.show()
|
3d平面图的绘制相关API：
1
2
3
4
5
6
7
8
| ax3d.plot_surface(
x,
y,
z,
rstride=30,
cstride=30,
cmap='jet'
)
|
案例：绘制3d平面图
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| n = 1000
x, y = np.meshgrid(np.linspace(-3, 3, n),
np.linspace(-3, 3, n))
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)
mp.figure('3D', facecolor='lightgray')
ax3d = mp.gca(projection='3d')
mp.title('3D', fontsize=20)
ax3d.set_xlabel('x', fontsize=14)
ax3d.set_ylabel('y', fontsize=14)
ax3d.set_zlabel('z', fontsize=14)
mp.tick_params(labelsize=10)
ax3d.plot_surface(x,y,z,rstride=30,cstride=30, cmap='jet')
|
案例：3d线框图的绘制
1
2
3
4
5
|
ax3d.plot_wireframe(x,y,z,rstride=30,cstride=30,
linewidth=1, color='dodgerblue')
|
简单动画
动画即是在一段时间内快速连续的重新绘制图像的过程。
matplotlib提供了方法用于处理简单动画的绘制。定义update函数用于即时更新图像。
1
2
3
4
5
6
7
8
9
10
| import matplotlib.animation as ma
def update(number):
pass
anim = ma.FuncAnimation(mp.gcf(), update, interval=10)
mp.show()
|
案例：随机生成各种颜色的100个气泡。让他们不断的增大。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
|
ball_type = np.dtype([
('position', float, 2),
('size', float, 1),
('growth', float, 1),
('color', float, 4)])
n = 100
balls = np.zeros(100, dtype=ball_type)
balls['position']=np.random.uniform(0, 1, (n, 2))
balls['size']=np.random.uniform(40, 70, n)
balls['growth']=np.random.uniform(10, 20, n)
balls['color']=np.random.uniform(0, 1, (n, 4))
mp.figure("Animation", facecolor='lightgray')
mp.title("Animation", fontsize=14)
mp.xticks
mp.yticks(())
sc = mp.scatter(
balls['position'][:, 0],
balls['position'][:, 1],
balls['size'],
color=balls['color'], alpha=0.5)
def update(number):
balls['size'] += balls['growth']
boom_ind = number % n
balls[boom_ind]['size']=np.random.uniform(40, 70, 1)
balls[boom_ind]['position']=np.random.uniform(0, 1, (1, 2))
sc.set_sizes(balls['size'])
sc.set_offsets(balls['position'])
anim = ma.FuncAnimation(mp.gcf(), update, interval=30)
mp.show()
|
使用生成器函数提供数据，实现动画绘制
在很多情况下，绘制动画的参数是动态获取的，matplotlib支持定义generator生成器函数，用于生成数据，把生成的数据交给update函数更新图像：
1
2
3
4
5
6
7
8
9
10
11
12
13
| import matplotlib.animation as ma
def update(data):
t, v = data
...
pass
def generator():
yield t, v
anim = ma.FuncAnimation(mp.gcf(), update, generator,interval=10)
|
案例：绘制信号曲线：y=sin(2 * π * t) * exp(sin(0.2 * π * t))，数据通过生成器函数生成，在update函数中绘制曲线。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
| mp.figure("Signal", facecolor='lightgray')
mp.title("Signal", fontsize=14)
mp.xlim(0, 10)
mp.ylim(-3, 3)
mp.grid(linestyle='--', color='lightgray', alpha=0.5)
pl = mp.plot([], [], color='dodgerblue', label='Signal')[0]
pl.set_data([],[])
x = 0
def update(data):
t, v = data
x, y = pl.get_data()
x.append(t)
y.append(v)
pl.set_data(x, y)
if(x[-1]>10):
mp.xlim(x[-1]-10, x[-1])
def y_generator():
global x
y = np.sin(2 * np.pi * x) * np.exp(np.sin(0.2 * np.pi * x))
yield (x, y)
x += 0.05
anim = ma.FuncAnimation(mp.gcf(), update, y_generator, interval=20)
mp.tight_layout()
mp.show()
|
其他Python的绘图库
pyecharts
附录
linestyle
| 字符 |
描述 |
| ‘-‘ |
实线样式 |
| ‘–’ |
短横线样式 |
| ‘-.’ |
点划线样式 |
| ‘:’ |
虚线样式 |
| ‘.’ |
点标记 |
| ‘,’ |
像素标记 |
| ‘o’ |
圆标记 |
| ‘v’ |
倒三角标记 |
| ‘^’ |
正三角标记 |
| ‘<’ |
左三角标记 |
| ‘>’ |
右三角标记 |
| ‘1’ |
下箭头标记 |
| ‘2’ |
上箭头标记 |
| ‘3’ |
左箭头标记 |
| ‘4’ |
右箭头标记 |
| ‘s’ |
正方形标记 |
| ‘p’ |
五边形标记 |
| ‘*’ |
星形标记 |
| ‘h’ |
六边形标记 1 |
| ‘H’ |
六边形标记 2 |
| ‘+’ |
加号标记 |
| ‘x’ |
X 标记 |
| ‘D’ |
菱形标记 |
| ‘d’ |
窄菱形标记 |
| ‘|’ |
竖直线标记 |
| ‘_’ |
水平线标记 |
上面是网上找的，但是实际测试中只有’-‘, ‘–’, ‘-.’, ‘:’, ‘None’, ‘ ‘, ‘’, ‘solid’, ‘dashed’, ‘dashdot’, ‘dotted’可以用
linecolor
laTex排版语法
laTeX语法表示数学符号示例
LaTeX语法集合
cmap颜色映射表
point样式
