使用Python实现基本初等函数可视化

可视化是直观查看数据分布的有效方式，当然python也不会缺席。

今天的推送就探索一下基础函数的绘制方式，例如下图：

Matplotlib

Matplotlib 是第一个Python数据可视化库，是python社区中使用最广泛的绘图库。其设计风格非常类似于1980年代开发的专有编程语言MATLAB，它提供了与MATLAB命令相似的API，常见包如 pandas 和 Seaborn 都会调用matplotlib。

在官方介绍中，Matplotlib主要的图像组件可以参考下图（翻译来自网络）：

安装

# 安装Matplotlib
pip install Matplotlib 
# 如果出现因下载失败导致安装不上的情况，可以先启动 ss 再执行安装命令
# 或者在终端中使用代理
pip --proxy http://代理ip:端口 install Matplotlib

绘制目标：

绘制以后，就会有极多的应用场景。比如解析不等式的满足区间，比较...

绘制代码

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

x = np.linspace(0.0,100.0,100)

y1 = x/4      # 曲线 y1
y2 = 50 - x      # 曲线 y2

# 标注曲线
plt.plot(x, y1, label=r'$y1 = x/4$')
plt.plot(x, y2, label=r'$y2 = 50 - x$')

plt.xlim((0.0, 100.000))
plt.ylim((0.0, 100.000))
plt.xlabel(r'$X$')
plt.ylabel(r'$Y$')

# 绘制阴影部分
plt.fill_between(x, y1, y2, where=y1<y2, color='grey', alpha=0.5)

# 设置横轴精准刻度
plt.xticks([i for i in range(0,100,5)])
# 设置纵轴精准刻度
plt.yticks([i for i in range(0,100,5)])

# 注释
plt.scatter([40], [10], s=20, color="blue")  
plt.annotate("(40, 10)",
             xy=(40, 10),     
             fontsize=12,       
             xycoords='data')  # xycoords='data' 是说基于数据的值来选位置

# 图例
plt.grid(True, linestyle='-.')
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)

# 保存
#plt.savefig('ordering_constraints.png',dpi=300,bbox_inches='tight')
plt.show()

除了绘图，我们还使用了numpy 包，主要目的是创建一个数组 np.linspace，用于绘图。在坐标轴设置上，使用了列表生成式，批量的完成坐标点刻度分布，并绘制网格背景。注释的点和文字是要分开加的，支持字体大小、图例和颜色修改。最后保存图片可以设置像素比例，也可以直接使用 plt.show() 直接查看。整体绘图逻辑不难，需要稍微理解的一下的是绘制阴影部分的 plt.fill_between() 这个方法，修改参数既可以调整成想表达范围。

好了，今天有点像暑假作业的绘图就到这里啦。

不同的绘图包有各自的优缺点，正如Chris Moffitt 所说，matplotlib「功能非常强大，但随之而来的却是复杂性」。我们下期见。