Matplotlib教程一

浅浅的花香味﹌ 2024-04-01 19:18 117阅读 0赞

#### 文章目录 ####

*  一.简介
 *  二.Mapltlib的简单使用
 *   *  2.1 Pylot的API
     *  2.2 Pylab模块
     *  2.3 matplotlib简单绘图
 *  三.Mapltlib进阶使用
 *   *  3.1 面向对象思想画图
     *  3.2 Figure类
     *  3.3 Axes类
     *  3.4 画布上创建多个子图
     *  3.5 图中添加网格
     *  3.6 设置图片轴线
     *  3.7 保存图片

## 一.简介 ##

matplotlib是最初由John D.Hunter于2003年编写，是用于数据可视化的最流行的Python包之一，它是一个跨平台，用于根据数组中的数据制作2D图。Matplotlib是用Python编写的，并使用了Python的数值数学扩展Numpy，它提供了一个面向对象的API，有助于使用Python GUI工具包（如PyQt，WxPythonTkinter）在应用程序中嵌入绘图。它也可以使用Python和IPython Shell，jupyter笔记本和Web应用程序服务器。Matplotlib和Numpy可以被认为是Matlab的开源等价物。

## 二.Mapltlib的简单使用 ##

### 2.1 Pylot的API ###

Matplotlib.pylot是命令样式函数的集合，使Matplotlib像MatLab一样工作，每个Pylot功能都会对图像进行一些更改。例如，函数创建一个图形，一个图形中的绘画区域，绘制绘图区域中的一些线条，用标签装饰图形等。

<table> 
 <thead> 
  <tr> 
   <th>函数</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Bar</td> 
   <td>绘制柱状图</td> 
  </tr> 
  <tr> 
   <td>Barh</td> 
   <td>绘制水平柱状图</td> 
  </tr> 
  <tr> 
   <td>Boxplot</td> 
   <td>绘制一个箱形图</td> 
  </tr> 
  <tr> 
   <td>Hist</td> 
   <td>绘制直方图</td> 
  </tr> 
  <tr> 
   <td>hist2d</td> 
   <td>绘制2D直方图</td> 
  </tr> 
  <tr> 
   <td>Pie</td> 
   <td>绘制饼图</td> 
  </tr> 
  <tr> 
   <td>Plot</td> 
   <td>绘制轴线或标记</td> 
  </tr> 
  <tr> 
   <td>Polar</td> 
   <td>绘制一个极坐标图</td> 
  </tr> 
  <tr> 
   <td>Scatter</td> 
   <td>绘制x和y的散点图</td> 
  </tr> 
  <tr> 
   <td>Stackplot</td> 
   <td>绘制堆积区域图</td> 
  </tr> 
  <tr> 
   <td>Stem</td> 
   <td>绘制杆图</td> 
  </tr> 
  <tr> 
   <td>Step</td> 
   <td>绘制步骤图</td> 
  </tr> 
  <tr> 
   <td>Quiver</td> 
   <td>绘制二维箭头字段</td> 
  </tr> 
 </tbody> 
</table>

**图形函数**

<table> 
 <thead> 
  <tr> 
   <th>函数</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Imread</td> 
   <td>在文件中的图像读入数组</td> 
  </tr> 
  <tr> 
   <td>Imsave</td> 
   <td>像在图形文件中一样保存数组</td> 
  </tr> 
  <tr> 
   <td>Imshow</td> 
   <td>在轴上显示图像</td> 
  </tr> 
 </tbody> 
</table>

**轴函数**

<table> 
 <thead> 
  <tr> 
   <th>函数</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Axes</td> 
   <td>添加轴到图形</td> 
  </tr> 
  <tr> 
   <td>Text</td> 
   <td>向轴中添加文本</td> 
  </tr> 
  <tr> 
   <td>Title</td> 
   <td>设置当前轴的标题</td> 
  </tr> 
  <tr> 
   <td>Xlabel</td> 
   <td>设置当前轴的X轴标签</td> 
  </tr> 
  <tr> 
   <td>Xlim</td> 
   <td>获取或设置当前轴的x的限制</td> 
  </tr> 
  <tr> 
   <td>Xscale</td> 
   <td>设置x轴的缩放比例</td> 
  </tr> 
  <tr> 
   <td>Xticks</td> 
   <td>获取或设置当前刻度位置和标签的X限制</td> 
  </tr> 
  <tr> 
   <td>Ylabel</td> 
   <td>设置当前轴的y轴标签</td> 
  </tr> 
  <tr> 
   <td>Ylim</td> 
   <td>获取或设置当前轴的y的限制</td> 
  </tr> 
  <tr> 
   <td>Yscale</td> 
   <td>设置y轴的缩放比例</td> 
  </tr> 
  <tr> 
   <td>Yticks</td> 
   <td>获取或设置当前刻度位置和标签的y限制</td> 
  </tr> 
 </tbody> 
</table>

**图形操作函数**

<table> 
 <thead> 
  <tr> 
   <th>函数</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Figtext</td> 
   <td>将文字添加到图形</td> 
  </tr> 
  <tr> 
   <td>Figure</td> 
   <td>创建一个新的图形</td> 
  </tr> 
  <tr> 
   <td>Show</td> 
   <td>显示一个图形</td> 
  </tr> 
  <tr> 
   <td>Savefig</td> 
   <td>保存当前图形</td> 
  </tr> 
  <tr> 
   <td>Close</td> 
   <td>关闭一个图窗口</td> 
  </tr> 
 </tbody> 
</table>

### 2.2 Pylab模块 ###

matplotlib是整个包，Matplotlib.pylot是Matplotlib中的一个模块，它和PyLab是一个与Matplotlib一起安装的模型。PyLab是Matplotlib面向对象绘图库的过程接口，是一个非常方便的模块，可以单个名称空间中批量导入matplotlib.pyplot和Numpy。（不推荐使用）

1.  基本绘图

import numpy as np
    import pylab as plb
    
    x=np.linspace(-3,3,30)
    y=x**2
    plb.plot(x,y,'r1')#r1是线的颜色和样式
    plb.show()

![在这里插入图片描述][48d274c4730446d9aa84af3b6aeb1d4d.png]  
线的颜色和样式  
颜色：`b,g,r,c,m,y,k,w`  
符号：`^,v,<,>,s,+,x,D,d,1,2,3,4,h,H,p,|,_,-,--,-.,.,，,。`

1.  使用多个绘图命令实现覆盖图

import numpy as np
    import pylab as plb
    
    x=np.linspace(-3,3,30)
    plb.plot(x,np.sin(x))
    plb.plot(x,np.cos(x),'r--')
    plb.plot(x,-np.sin(x),'g-')
    #plb.clf()可以清除图片
    plb.show()

![在这里插入图片描述][02dadb0b5368471092d82655a2d1673c.png]

### 2.3 matplotlib简单绘图 ###

> 显示一个简单的角度线图，以弧度为单位，与正弦值相对应

import numpy  as np
    import math
    import matplotlib.pyplot as plt
    
    %matplotlib inline
    x=np.arange(0,math.pi*2,0.05)
    y=np.sin(x)
    
    plt.rcParams["font.size"]=15 #设置图整体字体大小(包括轴数字等)
    plt.title("sine wave")
    plt.xlabel("angle",color='r',fontsize=20)#fontsize设置字大小
    plt.ylabel("值",color='b',fontsize=20,rotation=0) #可以让文本旋转0度(保存水平)
    plt.plot(x,y)

![在这里插入图片描述][0082811ba2104f92bba0228df15c761b.png]

## 三.Mapltlib进阶使用 ##

### 3.1 面向对象思想画图 ###

虽然使用Matplotlib.pylot模块很容易生成绘图，但建议使用面向对象的方法，因为它可以更好地控制和自定义绘图，并且matplotlib.axes.Axes类中也提供了大多数函数。使用更正式的面向对象方法背后的主要思想是创建图形对象，然后只调用该对象的方法或属性，这种方法有助于更好地处理其上有多个绘图的画布。在面向对象中pylot仅用于一些功能，如图形创建，用户显式创建和跟踪图形或轴对象。在此级别，用户使用pylot创建图形，通过这些图形，可以创建一个或多个轴对象。然后，这些轴对象用于大多数绘图操作。

### 3.2 Figure类 ###

它是定义在Matplotlib.figure下，模块保护Figure类，它是所有plot元素的顶级容器，通过pylot模块调用figure()函数来实例话Figure对象

<table> 
 <thead> 
  <tr> 
   <th>figure()函数参数</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Figsize</td> 
   <td><code>(width,height)</code>以英寸为单元的元组，表示画布的尺寸</td> 
  </tr> 
  <tr> 
   <td>Dpi</td> 
   <td>每英寸点数</td> 
  </tr> 
  <tr> 
   <td>Facecolor</td> 
   <td>图的贴面颜色</td> 
  </tr> 
  <tr> 
   <td>Edegecolor</td> 
   <td>图的边缘颜色</td> 
  </tr> 
  <tr> 
   <td>Linewidth</td> 
   <td>边线宽度</td> 
  </tr> 
 </tbody> 
</table>

### 3.3 Axes类 ###

Figure对象我们可以理解为画纸，Axes对象具有数据空间的图像区域（相当于纸上画的一张图，一个画布可以有多张图）。给定的图形可以包含很多轴，但给定的Axes对象只能在一个图中。轴包含两个（或在3D情况下为3个）Axes对象。Axes类及其成员函数是使用面向对象接口的主要入口点。figure对象通过调用add\_axes()方法将Axes对象添加到图中，它返回轴对象并在位置`rect[left,bottom,width,height]`地点添加一个轴，其中所有数量都是图形宽度和高度的分数，add\_axes()的参数是4个长度序列的\[左，底，宽，高\]数量。轴类的以下成员函数为图添加了不同的元素。

fig=plt.figure() #可以理解为画纸
    x=np.arange(0,math.pi*2,0.05)
    y=np.sin(x)
    z=np.cos(x)
    ax=fig.add_axes([0,0,1,1])
    ax1=fig.add_axes([1.3,0,1,1])
    ax.plot(x,y)
    ax.set_title("正弦函数")
    ax.set_xlabel("sine wave")
    ax.set_ylabel("sine")
    ax1.plot(x,z)
    ax1.set_title("余弦函数")
    ax1.set_xlabel("cose wave")
    ax1.set_ylabel("cose")
    plt.show()

![在这里插入图片描述][5c9a889db41843f99ed0c019c82ff3ee.png]  
`axes.legend()`  
为绘图图形添加一个图例（对图像曲线的一个说明）

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>lables</td> 
   <td>描述</td> 
  </tr> 
  <tr> 
   <td>loc</td> 
   <td>图例位置</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <thead> 
  <tr> 
   <th>loc位置简介</th> 
   <th>位置代码</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>best</td> 
   <td>0</td> 
  </tr> 
  <tr> 
   <td>upper right</td> 
   <td>1</td> 
  </tr> 
  <tr> 
   <td>upper light</td> 
   <td>2</td> 
  </tr> 
  <tr> 
   <td>lower left</td> 
   <td>3</td> 
  </tr> 
  <tr> 
   <td>lower right</td> 
   <td>4</td> 
  </tr> 
  <tr> 
   <td>right</td> 
   <td>5</td> 
  </tr> 
  <tr> 
   <td>center left</td> 
   <td>6</td> 
  </tr> 
  <tr> 
   <td>center right</td> 
   <td>7</td> 
  </tr> 
  <tr> 
   <td>lower center</td> 
   <td>8</td> 
  </tr> 
  <tr> 
   <td>upper center</td> 
   <td>9</td> 
  </tr> 
  <tr> 
   <td>center</td> 
   <td>10</td> 
  </tr> 
 </tbody> 
</table>

ax.plot()  
这是轴类的基本方法，他将一个数组的值与另一个数组的值绘制为线或标记  
`axes.plot(*args,scalex=True,scaley=True,data=None,**kwargs)`  
`axes.plot([x],y,[fmt],*,data=None,**kwargs)`  
`axes.plot([x],y,[fmt],[x2],y2,[fmt2],...,**kwargs)`

<table> 
 <thead> 
  <tr> 
   <th>属性</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>color</td> 
   <td>颜色</td> 
  </tr> 
  <tr> 
   <td>alpha</td> 
   <td>透明度</td> 
  </tr> 
  <tr> 
   <td>linestyle/ls</td> 
   <td>线型</td> 
  </tr> 
  <tr> 
   <td>linewidth/ls</td> 
   <td>线宽</td> 
  </tr> 
  <tr> 
   <td>marker</td> 
   <td>点类型</td> 
  </tr> 
  <tr> 
   <td>markersize</td> 
   <td>点大小</td> 
  </tr> 
  <tr> 
   <td>markeredgewidth</td> 
   <td>点边缘宽度</td> 
  </tr> 
  <tr> 
   <td>markeredgecolor</td> 
   <td>点边缘颜色</td> 
  </tr> 
  <tr> 
   <td>markerfacecolor</td> 
   <td>点内部颜色</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <thead> 
  <tr> 
   <th>fmt颜色代码字符标记</th> 
   <th>颜色</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>b</td> 
   <td>blue</td> 
  </tr> 
  <tr> 
   <td>g</td> 
   <td>green</td> 
  </tr> 
  <tr> 
   <td>r</td> 
   <td>red</td> 
  </tr> 
  <tr> 
   <td>c</td> 
   <td>cyan</td> 
  </tr> 
  <tr> 
   <td>m</td> 
   <td>magenta</td> 
  </tr> 
  <tr> 
   <td>y</td> 
   <td>yellow</td> 
  </tr> 
  <tr> 
   <td>k</td> 
   <td>black</td> 
  </tr> 
  <tr> 
   <td>w</td> 
   <td>white</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <thead> 
  <tr> 
   <th>fmt标记代码字符颜色</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>.</td> 
   <td>点标记</td> 
  </tr> 
  <tr> 
   <td>，</td> 
   <td>像素标记</td> 
  </tr> 
  <tr> 
   <td>o</td> 
   <td>圆形标记</td> 
  </tr> 
  <tr> 
   <td>v</td> 
   <td>朝下的三角形</td> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td>朝上的三角形</td> 
  </tr> 
  <tr> 
   <td>&lt;</td> 
   <td>朝左的三角形</td> 
  </tr> 
  <tr> 
   <td>&gt;</td> 
   <td>朝右的三角形</td> 
  </tr> 
  <tr> 
   <td>s</td> 
   <td>正方形</td> 
  </tr> 
  <tr> 
   <td>p</td> 
   <td>五角星</td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>星形</td> 
  </tr> 
  <tr> 
   <td>h</td> 
   <td>1号六角形</td> 
  </tr> 
  <tr> 
   <td>H</td> 
   <td>2号六角形</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>+号标记</td> 
  </tr> 
  <tr> 
   <td>D</td> 
   <td>砖石形</td> 
  </tr> 
  <tr> 
   <td>d</td> 
   <td>小砖石形</td> 
  </tr> 
  <tr> 
   <td>|</td> 
   <td>垂直线形</td> 
  </tr> 
  <tr> 
   <td>-</td> 
   <td>水平线形</td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <thead> 
  <tr> 
   <th>fmt线条样式字符</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>-</td> 
   <td>实线</td> 
  </tr> 
  <tr> 
   <td>–</td> 
   <td>虚线</td> 
  </tr> 
  <tr> 
   <td>-.</td> 
   <td>单点划线</td> 
  </tr> 
  <tr> 
   <td>:</td> 
   <td>点虚线</td> 
  </tr> 
 </tbody> 
</table>

y=[1,4,9,16,25,36,49,64]
    x1=[1,16,30,42,55,68,77,88]
    x2=[1,6,12,18,28,40,52,65]
    fig=plt.figure(figsize=(10,5))
    ax=fig.add_axes([0,0,1,1])
    ax.plot(x1,y,alpha=0.2,linestyle="-.",lw=3,color='g',marker='s',markersize=10,markeredgewidth=5,markeredgecolor='r')
    ax.plot(x2,y,'rs--')#''中间就是fmt参数
    ax.legend(labels=("television,'phone'"),loc=2)

![在这里插入图片描述][79eef1f5c2c94e3b8e934a0ea6148db9.png]

### 3.4 画布上创建多个子图 ###

> 3.3给出了画两张图的方法，通过设立每个axes对象与画布边缘的距离，以及axes对象的宽度和高度来生成多张图，显然这个很麻烦的，因为需要自己去规划画布的每一块位置（这个方法叫做添加轴对象方法）

`plt.subplot(nrows,ncols,index)`  
返回给定网格位置的axes对象

> 这个函数将画布分割成几个位置，nrows行，ncols列就表示在画布上沿行切(nrows-1)刀，再沿着列切(ncols-1)刀，这样就可以将画布分割成多个子区域，再使用index来选择子画布区域位置

fig=plt.figure(figsize=(12,6))#创建画布
    ax1=plt.subplot(2,2,1)
    ax1.plot(range(12))
    ax1=plt.subplot(222,facecolor='y')
    ax1.plot(range(12))
    ax1=plt.subplot(223,facecolor='r')
    ax1.plot(range(12))
    ax1=plt.subplot(224,facecolor='b')
    ax1.plot(range(12))
    plt.show()

![在这里插入图片描述][85060464d98c41b0903503d4f90f666e.png]  
`plt.subplots(nrows,ncols)`  
它充当使用程序包装器，并在单个调用中帮助创建子图的公共布局，包括封闭的图形对象。该函数返回一个图形对象和一个包含nrows\*ncols的轴对象的元组，每个轴都可以通过索引来访问（这个函数和前面subplot区别就是不是通过index来确定子画图区域的位置，而是在创建子画布时就已经给每个子区域创建好了axes对象，返回的就是axes对象，若我们要使用子画布，只需要调用相应位置的axes对象即可直接画图）

fig,axList=plt.subplots(2,2)
    axList[0][0].plot(range(12),color='r')
    axList[0][1].plot(range(12),color='b')
    axList[1][0].plot(range(12),color='y')
    axList[1][1].plot(range(12))
    plt.show()

![在这里插入图片描述][292f7845f405473f8047da31d15b3d34.png]  
`subplot2grid()`  
该方法在网格的特定的位置创建轴对象提供了更大的灵活，甚至还允许多个轴对象占多个行或列（即允许一个图占画布的多个子区域，前面的两个方法一个图只能占一个区域，这个方法让画布上图的分布更加的随意）

fig=plt.figure(figsize=(12,6))#创建画布
    ax1=plt.subplot2grid((3,3),(0,0),colspan=2,rowspan=1)#(3,3)表示三行三列，(0,0)指的是0行0列，colspan表示该图占两列,rowspan表示占1行
    ax2=plt.subplot2grid((3,3),(0,2),colspan=1,rowspan=3)
    ax3=plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=2)
    x=np.arange(1,10)
    ax1.plot(x,np.exp(x))
    ax1.set_title("square root")
    ax3.plot(x,np.log(x))
    ax3.set_title("log")
    ax2.plot(x,x*x)
    ax2.set_title("quare")

![在这里插入图片描述][b83f59badd4e47768b96437247a6180f.png]  
`figure.add_subplot()`  
实现添加子图

fig=plt.figure()
    x=np.arange(1,math.pi*2,0.05)
    ax1=fig.add_subplot(111) #1行1列下标为1
    ax1.plot(x,np.sin(x))
    ax2=fig.add_subplot(222,facecolor='r')
    ax2.plot(x,np.cos(x),'b')

![在这里插入图片描述][c1de271ae4c747c6ac08059e7b214bb2.png]

### 3.5 图中添加网格 ###

> axes对象的grid函数将图中网格的可见性设置为on或off。还可以显示网格的主要/次要刻度，还可以在grid()里面设置color，linestyle和linewidth属性

fig=plt.figure()
    ax1=fig.add_axes([0,0,1,1])
    x=np.arange(1,math.pi*2,0.05)
    ax1.grid(color='r',ls='-',lw=0.3)
    ax1.plot(x,np.cos(x))

![在这里插入图片描述][dc0f794b09814c669156fbe34fde6022.png]

### 3.6 设置图片轴线 ###

> 轴线就是一张图的四个边，每个轴线可以指定颜色和宽度，设置颜色为无可以忽略轴线

fig=plt.figure()
    ax1=fig.add_axes([0,0,1,1])
    x=np.arange(1,math.pi*2,0.05)
    ax1.grid(color='r',ls='-',lw=0.3)
    ax1.plot(x,np.cos(x))
    ax1.spines['bottom'].set_color("k") #拿到下轴线
    ax1.spines['left'].set_color("blue")
    ax1.spines['left'].set_linewidth(4)
    ax1.spines['right'].set_color(None)
    ax1.spines['top'].set_color(None)

![在这里插入图片描述][a2e8443bd7cf494386b9b64dc6f3bb12.png]

1.  格式化轴  
    有时候一个或几个点比大量数据大得多，在这种情况下，轴的比例需要设置为对数而不是正常比例。这种对数标度在Matplotlib中可以通过axes对象的xscale或vscale属性设置为log，有时还需要在轴编号和轴标签之间显示一些额外的距离，任一轴（x或y或两者）的labelpad属性都可以设置为所需的值。

fig,axes=plt.subplots(1,2,figsize=(10,4))
    x=np.arange(1,6)
    axes[0].plot(x,np.exp(x))
    axes[0].plot(x,x*x)
    axes[0].set_xlabel("x axis")
    axes[1].plot(x,np.exp(x))
    axes[1].plot(x,x*x)
    axes[1].set_xlabel("x axis")
    axes[1].set_yscale("log")
    axes[1].xaxis.labelpad=30  #x_label与坐标轴之间的距离
    plt.show()

![在这里插入图片描述][932915f6328945cda62b56cb23a08c1b.png]  
2. 设置限制  
将x轴上的大小格式为(0到10）和y轴（0到10000）

fig,axes=plt.subplots(1,2,figsize=(10,4))
    x=np.arange(1,11)
    y=np.exp(x)
    axes[0].plot(x,y)
    axes[1].plot(x,y)
    axes[1].set_xlim(0,8) #设置x的刻度范围为0-8
    axes[1].set_ylim(0,10000)#设置y的刻度范围为0-10000

![在这里插入图片描述][27c48e57bcf441a982648c684fcb54c9.png]  
3. 设置刻度和刻度标签  
刻度是表示轴上的数据点的标记，到目前为止matplotlib在我们之前的所有例子都自动接管了轴上间隔点的任务。matplotlib的默认刻度定位器和格式化器 在很多常见的情况下通常都够用了。也可以明确提及刻度线的位置和标签以满足特定的要求  
`xticks()`和`yticks()`  
作用：将列表对象作为参数，列表中的元素表示将显示刻度的相应操作的位置  
`set_xlabels()`和`set_ylabels()`  
设置刻度线的标签

fig,axes=plt.subplots(1,2,figsize=(14,4))
    x=np.arange(1,math.pi*2,0.05)
    y=np.sin(x)
    axes[0].plot(x,y)
    axes[1].plot(x,y)
    axes[1].set_xticks([0,2,4,6])
    axes[1].set_xticklabels(["zero","tow","four","six"])  #给x轴刻度起别名，数量要和x刻度的数量对应
    plt.show()

![在这里插入图片描述][94713351bfa74dc98e4edae8370b63b2.png]  
4. 设置轴线类型  
常用类型：`tight` `off` `equal`

fig,axes=plt.subplots(1,2,figsize=(14,4))
    x=np.linspace(-1,1,100)
    y=lambda x:(1-x**2)**0.5 #lambda函数
    axes[0].plot(x,y(x))
    axes[0].plot(x,-y(x)) #由于x轴和y轴长度不等值，所以画出来的圆不圆
    
    axes[1].plot(x,y(x))
    axes[1].plot(x,-y(x)) 
    axes[1].axis("equal")
    axes[1].axis("off") #关闭轴线

![在这里插入图片描述][6efd7c33aacf43fda9b905eed250c9e9.png]

### 3.7 保存图片 ###

`savefig(fname,dipi=None,facecolor='w',edgecolor='w',orientation='portrait',papertype=None,format=None,transparent=False,bbox_inches=None,pad_inches=0.1,frameon=None,metadata=None)`

<table> 
 <thead> 
  <tr> 
   <th>常用参数</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>fname</td> 
   <td>含有文件路径的字符串或python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出pdf，.png推断出PNG</td> 
  </tr> 
  <tr> 
   <td>dpi</td> 
   <td>图像分辨率</td> 
  </tr> 
  <tr> 
   <td>facecolor</td> 
   <td>图像的背景色，默认为w白色</td> 
  </tr> 
 </tbody> 
</table>

![在这里插入图片描述][578bc74f618f4642b97b5b4c7f9afe9a.png]

[48d274c4730446d9aa84af3b6aeb1d4d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/c6041cf8439447e8b05f431ea84c5c53.png
[02dadb0b5368471092d82655a2d1673c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/00b8e221ec654e78bf0f6cad13438b02.png
[0082811ba2104f92bba0228df15c761b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/537a88c60d6947d1b43587369bbd83f7.png
[5c9a889db41843f99ed0c019c82ff3ee.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/faba3ffd7c3f48dea21f63377aedca25.png
[79eef1f5c2c94e3b8e934a0ea6148db9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/3e780b6d826f4694ba0e1340fba4fd86.png
[85060464d98c41b0903503d4f90f666e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/87de7da2b9cb426a9be6c832af9636fd.png
[292f7845f405473f8047da31d15b3d34.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/ec1065a8dd214aa2912efe5493fbe334.png
[b83f59badd4e47768b96437247a6180f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/4bb452bd4ea54a8e95481c4584063d7a.png
[c1de271ae4c747c6ac08059e7b214bb2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/c0bbf80406e84b09b979ecc31bc255e2.png
[dc0f794b09814c669156fbe34fde6022.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/ce3fd11c7c6f43769428c9fc4e4e4ca9.png
[a2e8443bd7cf494386b9b64dc6f3bb12.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/52320553c188449bb3d5135cf0f58577.png
[932915f6328945cda62b56cb23a08c1b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/658f4e030a674626b3ebfa4b5b5f6495.png
[27c48e57bcf441a982648c684fcb54c9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/df1b9330133c4ed89d3935649180f8dd.png
[94713351bfa74dc98e4edae8370b63b2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/d1f8e7ea93cc4bd2bcf459fbce16ed6c.png
[6efd7c33aacf43fda9b905eed250c9e9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/ee883ae89ddd4f609ea51028ac172506.png
[578bc74f618f4642b97b5b4c7f9afe9a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/268bf1f15cea4d9d883fb8adc6255fde.png