#!/usr/bin/env python
# coding: utf-8

# # 基于函数的可视化操作

# ## 函数plt.plot()

# 最常用的绘图函数为`plt.plot()`函数。例如，可以用`plt.plot()`函数绘制一条直线，并使用`plt.ylabel()`函数给图像加上一个y轴的标题

# In[1]:


from matplotlib import pyplot as plt

plt.plot([1,2,3,4])
plt.ylabel('some numbers')
plt.show()


# 通常，Matplotlib模块不会立即显示绘制的图形，以便后续向图形中添加更多的信息。只有在调用函数`plt.show()`后，绘制的图形才会显示。
# 
# 默认情况下，Python绘制的图形会以弹窗的形式显示，并提供了一些按钮对生成的图形进行一些简单的操作。
# 
# 如果使用Jupyter Notebook，plt.show()函数则可以省略，Python也不会弹出绘图窗口，而是在Jupyter Notebook的输出中内嵌图片：

# In[2]:


plt.plot([1,2,3,4])
plt.ylabel('some numbers')


# plt.plot()函数可以绘制基本的点线图，它的使用方式主要有：
# 
# ```python
# plt.plot(x, y)
# plt.plot(x, y, format_str)
# plt.plot(y)
# plt.plot(y, format_str)
# ```
# 
# 例如，指定x，y的参数作为点的x轴坐标和y轴坐标时，plt.plot()函数会用一条直线连接两个相邻的点：

# In[3]:


plt.plot([1,2,3,4], [1,4,9,16])


# 不指定x参数时，x的值默认为range(len(y))。

# In[4]:


plt.plot([1,4,9,16])


# 默认情况下，plt.plot()函数用蓝色实线连接两个相邻的坐标点。可以使用格式字符串即参数format_str控制plt.plot()函数绘制图形的格式。
# 
# 颜色控制符如下表所示。
# 
# 字符|	颜色
# --|--
# 'b'	|蓝色，blue
# 'g'	|绿色，green
# 'r'	|红色，red
# 'c'	|青色，cyan
# 'm'	|品红，magenta
# 'y'	|黄色，yellow
# 'k'	|黑色，black
# 'w'	|白色，white
# 
# 点线控制符如下表所示。
# 
# 字符|	类型	|字符	|类型
# --|--|--|--
# '-'	|实线	|'--'	|虚线
# '-.'	|虚点线	|':'	|点线
# '.'	|点	|','	|像素点
# 'o'	|圆点	|'v'	|下三角点
# '^'	|上三角点	|'<'	|左三角点
# '>'	|右三角点	|'1'	|下三叉点
# '2'	|上三叉点	|'3'	|左三叉点
# '4'	|右三叉点	|'s'	|正方点
# 'p'	|五角点	|'*'	|星形点
# 'h'	|六边形点1	|'H'	|六边形点2
# '+'	|加号点	|'x'	|乘号点
# 'D'	|实心菱形点	|'d'	|瘦菱形点
# '_'	|横线点	| |	
# 

# 可以单独或者组合使用颜色和点线控制符来控制绘图的格式：

# In[5]:


plt.plot([1,2,3,4], [1,4,9,16], 'ro')


# 图的显示范围可以通过plt.axis()函数控制：

# In[6]:


plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 6, 0, 20])


# 还可以同时传入多组数据，将其绘制在同一张图上：

# In[7]:


import numpy as np


# In[8]:


t = np.arange(0., 5., 0.2)        # 数组也可以作为plt.plot()函数的参数
plt.plot(t, t, 'r--',             # 红色虚线
         t, t ** 2, 'bs',         # 蓝色正方形点
         t, t ** 3, 'g^')         # 绿色上三角点
plt.show()


# plt.plot()函数还支持使用关键字参数来控制绘图的格式。例如，可以使用参数linewidth改变线条的宽度，参数color改变颜色：

# In[9]:


x = np.linspace(-np.pi,np.pi)
y = np.sin(x)
plt.plot(x, y, linewidth=2.0, color='r')   # 线宽2，颜色红色
plt.show()


# 可以通过函数`plt.subplot()`将多张子图画在同一张图片上，其用法为：
# ```python
# plt.subplot(rows, cols, fignum)
# ```
# 
# 表示在一个`rows`×`cols`大小的画布上，在第`fignum`张图上进行可视化操作，其中`fignum`的计数从1开始。比如`plt.subplot(3, 4, 8)`时，对应的子图排序是：
# 
# ```
# 1,2,3,4
# 5,6,7,8
# 9,10,11,12
# ```
# 
# 当绘制子图的总数小于10时，可以使用一个三位数字替代上面的用法，如`plt.subplot(3, 3, 1)`可以写成`plt.subplot(331)`。
# 
# 一个绘制两个子图的例子如下：

# In[10]:


import numpy as np
from matplotlib import pyplot as plt

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

plt.subplot(211)                            # 定位到第1张子图
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.subplot(212)                            # 定位到第2张子图
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()


# In[ ]: