%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
入门
下面，我们用描点法来画正弦函数 $y = \sin{x}$ 一个周期内的图像。
首先，我们要生成一系列均匀的散点 x，并计算出对应的函数值 y：
x = np.linspace(0, 2*np.pi, num=25, endpoint=True)
y = np.sin(x)
然后直接调用 plt.plot 方法绘图即可：
plt.plot(x, y)
[<matplotlib.lines.Line2D at 0x18edab70a30>]
但是，我们的教程非常不推荐这种绘图方法，因为这种绘图方法只适用于简单图像的绘制，如果需要对图像的各个元素进行更细致化的设置是不行的。
用 Axes 对象绘图
首先，我们获取 Figure 对象。
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
不过 Figure 对象只是一个空白的 Figure 窗口，它没有任何的坐标系可以绘制图像。因此，我们需要在 Figure 对象中添加 Axes 对象：
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
传入的四元组参数表示绘图区域 Axes 的横纵坐标、宽度和高度，都是 $[0, 1]$ 之间的浮点数。
这样，当我们显示绘图窗口时，会发现是一张有坐标系的白纸：
fig
下面，我们调用 Axes 对象的 plot 绘图方法：
sin_line = ax.plot(x, y)
Figure 对象是整个绘图窗口，它不能画图。只有控制整个绘图区域的 Axes 对象才能画图。
现在来看看绘图窗口，会发现已经有图像显示了：
fig
ax.clear()
美化图像
我们可以用一些简单的参数美化图像，例如设置线条颜色为绿色，线条样式为点划线，并用实心点标注。
sin_line = ax.plot(x, y, 'go-.')
fig
ax.clear()
颜色、线条样式和标注样式可以分别设置：
sin_line = ax.plot(x, y, color='r', ls='--', marker='^')
fig
坐标轴设置
坐标轴范围
坐标轴范围即定义域，也就是 x 的取值范围；以及值域，也就是 y 的取值范围。
我们绘制的是正弦函数一个周期内的图像，因此可以设置其横轴的取值范围为 $[0, 2 \pi]$。
ax.set_xlim(0, 2*np.pi)
(0.0, 6.283185307179586)
fig
也可以设置其值域为 $[-1, 1]$。
ax.set_ylim(-1, 1)
(-1.0, 1.0)
fig
坐标轴刻度
三角函数在 $\pi$ 的有理数倍处往往可以取到特殊值，而绘图时默认横轴的刻度是整数，我们可以进行如下调整：
xticks = np.linspace(0, 2*np.pi, num=7)
ax.set_xticks(xticks)
[<matplotlib.axis.XTick at 0x18edb3363d0>,
<matplotlib.axis.XTick at 0x18edb336520>,
<matplotlib.axis.XTick at 0x18edb351220>,
<matplotlib.axis.XTick at 0x18edb34b2b0>,
<matplotlib.axis.XTick at 0x18edb3212b0>,
<matplotlib.axis.XTick at 0x18edb321130>,
<matplotlib.axis.XTick at 0x18edb344700>]
fig
同理，纵轴的刻度也可以进行类似的调整：
yticks = np.linspace(-1, 1, num=5)
ax.set_yticks(yticks)
[<matplotlib.axis.YTick at 0x18edb310eb0>,
<matplotlib.axis.YTick at 0x18edb310df0>,
<matplotlib.axis.YTick at 0x18edb33bc70>,
<matplotlib.axis.YTick at 0x18edb2e3310>,
<matplotlib.axis.YTick at 0x18edb2e33a0>]
fig
坐标轴子刻度
坐标轴子刻度不能用标签或者值进行标注。访问坐标轴子刻度需要通过 Axis 坐标轴对象。MultipleLocator 类按照指定间隔设定刻度 tick。
miloc = plt.MultipleLocator(np.pi/6)
ax.xaxis.set_minor_locator(miloc)
fig
miloc = plt.MultipleLocator(1/4)
ax.yaxis.set_minor_locator(miloc)
fig
坐标轴刻度标签
我们发现，前面一小节设置的横轴刻度还不能够满足我们的需求。如果刻度线下面显示刻度值是含有 $\pi$ 的无理数就更完美了。因此，需要设置坐标轴刻度标签。
xticklabels = [0, r'$\frac {\pi} {3}$', r'$\frac {2 \pi} {3}$', r'$\pi$',
r'$\frac {4 \pi} {3}$', r'$\frac {5 \pi} {3}$', r'$2 \pi$']
ax.set_xticklabels(xticklabels)
[Text(0.0, 0, '0'),
Text(1.0471975511965976, 0, '$\\frac {\\pi} {3}$'),
Text(2.0943951023931953, 0, '$\\frac {2 \\pi} {3}$'),
Text(3.141592653589793, 0, '$\\pi$'),
Text(4.1887902047863905, 0, '$\\frac {4 \\pi} {3}$'),
Text(5.235987755982988, 0, '$\\frac {5 \\pi} {3}$'),
Text(6.283185307179586, 0, '$2 \\pi$')]
要注意的是，如果需要渲染 LaTeX 公式，需要在字符串首尾添加 $ 符。而且，由于 LaTeX 代码涉及 \ 转义符，而 Python 字符串中也有类似语法，故字符串前需要加上 r 或者使用双反斜杠 \\。
fig
同理，纵轴的标签也可以这样设置：
yticklabels = ['-1', r'$- \frac {1} {2}$', '0', r'$\frac {1} {2}$', '1']
ax.set_yticklabels(yticklabels)
[Text(0, -1.0, '-1'),
Text(0, -0.5, '$- \\frac {1} {2}$'),
Text(0, 0.0, '0'),
Text(0, 0.5, '$\\frac {1} {2}$'),
Text(0, 1.0, '1')]
fig
坐标轴标题
坐标轴的标题同样也可以设置，并且支持 LaTeX，本小节不再赘述。
有些时候，坐标轴标题需要中文显示，而如果采用默认设置就会出现乱码。因此，需要进行如下设置：
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
现在，我们添加横纵坐标轴标题：
ax.set_xlabel('相位')
ax.set_ylabel('幅度')
Text(3.200000000000003, 0.5, '幅度')
fig
标题字体的大小也可以设置：
ax.set_xlabel('相位', fontsize=16)
ax.set_ylabel('幅度', fontsize=16)
Text(16.403125000000003, 0.5, '幅度')
fig
网格线
Axes 对象的 grid 方法可以添加网格线。
ax.grid()
fig
ax.grid(None)
可以设置网格线的样式：
ax.grid(ls='-.')
fig
ax.grid(None)
可以只设置一个轴显示网格线：
ax.grid(axis='x')
fig
ax.grid(None)
设置网格线的粗细：
ax.grid(linewidth=2)
fig
图例
添加图例首先需要设置图像的 label 参数。我们首先要找到表示正弦曲线的 Line2D 对象：
sin_line?
[1;31mType:[0m list
[1;31mString form:[0m [<matplotlib.lines.Line2D object at 0x0000018EDB35B5B0>]
[1;31mLength:[0m 1
[1;31mDocstring:[0m
Built-in mutable sequence.
If no argument is given, the constructor creates a new empty list.
The argument must be an iterable if specified.
sin_line[0].set_label(r'$y = \sin{x}$')
loc 用于确定图例的位置，upper right 表示图例的显示位置为右上角。其他方位以此类推。
ax.legend(loc='upper right')
<matplotlib.legend.Legend at 0x18edb5ad280>
fig
ax.legend_.remove()
如果不希望图例显示在绘图区域，则需要通过 Figure 对象，将图例绘制在窗口内。
fig.legend(loc='upper center')
<matplotlib.legend.Legend at 0x18edb2e30d0>
fig
注解
在 Matplotlib 中，我们可以使用 annotate 方法来创建一个注解。
ax.annotate(
text='max',
fontsize=20,
xy=(np.pi/2, 1),
xytext=(np.pi/2, 0.7),
horizontalalignment='center'
)
fig
其中，参数 text 表示注解的文本内容，参数 xy 表示被注解的点的坐标，参数 xytext 表示注解的文本框的坐标。
我们还可以创建带有箭头的注解，这需要用到 arrowprops 参数。默认情况下，该参数取空值 None。如果需要绘制箭头，则需要传入指定格式的字典。
ax.annotate(
text='min',
fontsize=20,
xy=(np.pi*3/2, -1),
xytext=(np.pi*3/2, -0.5),
horizontalalignment='center',
arrowprops=dict(shrink=0.05)
)
fig
箭头参数主要包括：
width箭头宽度headwidth箭头头部宽度headlength箭头头部长度shrink箭头两端收缩的百分比
我们也可以采用内置的模板直接绘制，即指定 arrowstyle 参数。这个时候，不能手动设置箭头参数。
ax.annotate(
text=r'$\frac {T} {2}$',
fontsize=20,
xy=(np.pi, 0),
xytext=(4, 0.5),
horizontalalignment='right',
verticalalignment='top',
arrowprops=dict(arrowstyle='->')
)
fig
