学了这么多年python了，还一直没有系统地了解过python的画图功能。

每次都是现学现用，但是某些比较紧急的场合，往往就会比较耗时又耗力，因为不成体系，还经常会忘记已经吸纳的新知识。

所以，我决定把这块的画图功能系统的学习一下，进行知识储备。

Python的pyplot模块绘制图表的基本操作。

=======================================================

一个简单的二维折线图：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4]

y = [1.2, 2.5, 4.5, 7.3]

# plot函数作图

plt.plot(x, y)

plt.savefig("test.png", dpi=120)

# show函数展示出这个图，如果没有这行代码，则程序完成绘图，但看不到

plt.show()

运行后的效果是这样的，从数值对应上，横轴应该是x轴，纵轴应该是y轴。

但是，对应图与代码，另外疑问的是，为什么x轴给出的是整数，在绘制时却用了浮点？而又为什么y轴给出的是浮点数，在绘制时却用的是整数呢？

----------------------------------------------------------------------------------------------

另一个点是：

show()函数在通常的运行情况下，将会阻塞程序的运行，直到用户关闭绘图窗口。换句话说，在关闭show()函数弹出的图像窗口前，show()函数后面的代码不会运行，直到用户关闭图像窗口，才会继续。

\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\

我测试了普通的print()之后，发现并没有阻塞。。。

但是呢，当我在调用plt.savefig()将当前的Figure对象保存成图像文件时，

如果plt.savefig()代码放在了plt.show()之后，那我本地保存的图像就是一张空白图，不符合预期；

但如果plt.savefig()代码放在了plt.show()之前，则可以成功实现保存。

\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\

虽然问题不大，但也让我产生疑问：到底是有阻塞还是没有阻塞呢？如果有，阻塞什么，而又不阻塞什么呢？

=======================================================

不同风格的线条：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4]

y = [1.2, 2.5, 4.5, 7.3]

#线条颜色、线条样式、突出(marker)每个记录的点、线条粗细

plt.plot(x, y, color="r", linestyle="--", marker="*", linewidth=1.0)

plt.show()

运行后的效果：

---------------------------------------------------------------------------------------------

线条风格(linstyle)：

supported values are '-', '--', '-.', ':', 'None', ' ', '', 'solid', 'dashed', 'dashdot', 'dotted'

-----------------------------------------------------------------------------------------------

线条颜色(color)：

-----------------------------------------------------------------------------------------------

线条标记(marker)：

======================================================

坐标轴控制

-绘图范围：

import matplotlib.pyplot as plt

import numpy as np

#x 的取值范围

x = np.arange(-5, 5, 0.02)

y = np.sin(x)

#控制图像的绘图范围

#plt.axis([x_min, x_max, y_min, y_max])

plt.axis([-np.pi, np.pi, -2, 2])

plt.plot(x, y, color="r", linestyle="-", linewidth=1)

plt.show()

运行效果如下：

值得注意的一个点：

虽然x的取值范围在[−5,5]，但是绘图时，只是展示了[−π,π]之间的函数图。

引出一个可以控制图像范围的函数：

plt.axis([x_min, x_max, y_min, y_max])

如果只是单独想要控制x轴或者y轴的取值，则可以用plt.xlim(x_min, x_max)和plt.ylim(y_min, y_max)，用法与plt.axis()类似。

----------------------------------------------------------------------------------------------

-标题和间隔：

import matplotlib.pyplot as plt

import numpy as np

import math

x = np.arange(-2 * math.pi, 2 * math.pi, 0.02)

y = np.sin(x)

plt.axis([-10, 10, -2, 2])

plt.xticks([i * np.pi/2 for i in range(-4, 5)], [str(i * 0.5) + "$\pi$" for i in range(-4, 5)])

plt.yticks([i * 0.5 for i in range(-4, 5)])

plt.xlabel("x")

plt.ylabel("y")

plt.plot(x, y, color="r", linestyle="-", linewidth=1)

plt.show()

运行效果如下：

纯粹知识的学习记录：

函数plt.xlabel()和plt.xlabel()用来实现对x轴和y轴添加标题。

函数plt.xticks()和plt.yticks()用来实现对x轴和y轴坐标间隔（也就是轴记号）的设定。用法上，函数的输入是两个列表，第一个表示取值，第二个表示标记。当然如果你的标记就是取值本身，则第二个列表可以忽略。（支持latex公式表达）

=======================================================

PS：感谢参考文章的作者，从细节、小处一步步向前推进，能够很好的帮助我建立知识体系。

不过，一如既往地，我的问题真多，虽然问题不大，但是拥有自己的思考分析，我认为是应该一直坚持的事情。

毕竟自己小菜鸡，一直在参考文章进行学习，期待学习后期可以有自己完全独立、不依赖参考文章的成形文字。