今天打算通过绘制正弦和余弦函数，从默认的设置开始，一步一步地调整改进，让它变得好看，变成我们初高中学习过的图象那样。通过这个过程来学习如何进行对图表的一些元素的进行调整。
简单绘图
matplotlib有一套允许定制各种属性的默认设置。你可以几乎控制matplotlib中的每一个默认属性：图像大小，每英寸点数，线宽，色彩和样式，子图(axes)，坐标轴和网格属性，文字和字体属性，等等。
安装
pip install matplotlib
虽然matplotlib的默认设置在大多数情况下相当好，你却可能想要在一些特别的情形下更改一些属性。
pip install matplotlib
虽然matplotlib的默认设置在大多数情况下相当好，你却可能想要在一些特别的情形下更改一些属性。
from pylab import *
x = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(x), np.sin(x)
plot(x,C)
plot(x,S)
show()
show image
02. 设置基本元素
这边的基本元素主要有几下几点：
线的颜色，粗细，和线型 刻度和标签 还有图例
代码比较简单，基本上在我的第一讲内容里都讲过了。
import numpy as np
from matplotlib import pyplot as plt
plt.figure(figsize=(10,6), dpi=80)
x = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(x), np.sin(x)
# 设置线的颜色，粗细，和线型
plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label=r\'$sin(x)$\')
plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label=r\'$cos(x)$\')
# 如果觉得线条离边界太近了，可以加大距离
plt.xlim(x.min()*1.2, x.max()*1.2)
plt.ylim(C.min()*1.2, C.max()*1.2)
# 当前的刻度并不清晰，需要重新设定,并加上更直观的标签
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r\'$-\pi$\', r\'$-\pi/2$\', r\'$0$\', r\'$+\pi/2$\', r\'$+\pi$\'])
plt.yticks([-1,0,1],
[r\'$-1$\', r\'$0$\', r\'$1$\'])
# 添加图例
plt.legend()
plt.show()
show image
03. 移动轴线
还记得我们在初高中学习的三角函数图象，可不是这样，它应该是有四个象限的。而这里却是一个四四方方的图表。
所以接下来，我们要做的就是移动轴线，让它变成我们熟悉的样子。
我们只需要两轴线(x和y轴)，所以我们需要将顶部和右边的轴线给隐藏起来(颜色设置为None即可)。
# plt.gca()，全称是get current axis
ax = plt.gca()
ax.spines[\'right\'].set_color(\'none\')
ax.spines[\'top\'].set_color(\'none\')
# 由于我们移动的是左边和底部的轴，所以不用设置这两个也可以
ax.xaxis.set_ticks_position(\'bottom\')
ax.yaxis.set_ticks_position(\'left\')
# 指定data类型，就是移动到指定数值
ax.spines[\'bottom\'].set_position((\'data\',0))
ax.spines[\'left\'].set_position((\'data\',0))
关于 set_position() 这个函数中的data是啥意思?我查了下官网。解释如下
然后最后发现，上面的写法可以用一定更简洁的方式设置，是等价的。
ax.spines[\'bottom\'].set_position(\'zero\')
ax.spines[\'left\'].set_position(\'zero\')
show image
04. 添加注释
现在的图形部分已经成型，接下让我们现在使用annotate命令注解一些我们感兴趣的点。
我们选择 2π/3 作为我们想要注解的正弦和余弦值。我们将在曲线上做一个标记和一个垂直的虚线。然后，使用annotate命令来显示一个箭头和一些文本。
t = 2*np.pi/3郑州专业妇科医院 http://www.hnzzkd.com/
# 利用plt.plot绘制向下的一条垂直的线，利用plt.scatter绘制一个点。
plt.plot([t,t],[0,np.cos(t)], color =\'blue\', linewidth=2.5, linestyle="--")
plt.scatter([t,],[np.cos(t),], 50, color =\'blue\')
plt.annotate(r\'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$\',
xy=(t, np.sin(t)), xycoords=\'data\',
xytext=(+10, +30), textcoords=\'offset points\', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
# 利用plt.plot绘制向上的一条垂直的线，利用plt.scatter绘制一个点。
plt.plot([t,t],[0,np.sin(t)], color =\'red\', linewidth=2.5, linestyle="--")
plt.scatter([t,],[np.sin(t),], 50, color =\'red\')
plt.annotate(r\'$cos(\frac{2\pi}{3})=-\frac{1}{2}$\',
xy=(t, np.cos(t)), xycoords=\'data\',
xytext=(-90, -50), textcoords=\'offset points\', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
在这里，你可能会对 plt.annotate 这个函数的用法，有所陌生。这里也解释一下。
第一个参数，就是注释内容; 第二个参数， xy ，就是对哪一点进行注释; 第三个参数， xycoords ，指定类型，data 是说基于数值来定位; 第四个参数， xytext ，是注释的位置，结合第五个参数，就是根据偏移量来决定注释位置; 第五个参数， textcoords ，值为offset points，就是说是相对位置; 第六个参数， fontsize ，注释大小; 第七个参数， arrowprops ，对箭头的类型的一些设置。
show image
05. 完整代码
以上都是对片段代码进行解释，这里放出完整的代码
import numpy as np
from matplotlib import pyplot as plt
plt.figure(figsize=(10,6), dpi=80)
x = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(x), np.sin(x)
# 设置线的颜色，粗细，和线型
plt.plot(x, C, color="blue", linewidth=2.5, linestyle="-", label=r\'$sin(x)$\')
plt.plot(x, S, color="red", linewidth=2.5, linestyle="-", label=r\'$cos(x)$\')
# 如果觉得线条离边界太近了，可以加大距离
plt.xlim(x.min()*1.2, x.max()*1.2)
plt.ylim(C.min()*1.2, C.max()*1.2)
# 当前的刻度并不清晰，需要重新设定,并加上更直观的标签
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r\'$-\pi$\', r\'$-\pi/2$\', r\'$0$\', r\'$+\pi/2$\', r\'$+\pi$\'])
plt.yticks([-1,1],
[r\'$-1$\', r\'$1$\'])
# 添加图例
plt.legend(loc=\'upper left\')
# plt.gca()，全称是get current axis
ax = plt.gca()
ax.spines[\'right\'].set_color(\'none\')
ax.spines[\'top\'].set_color(\'none\')
# 由于我们移动的是左边和底部的轴，所以不用设置这两个也可以
ax.xaxis.set_ticks_position(\'bottom\')
ax.yaxis.set_ticks_position(\'left\')
# 指定data类型，就是移动到指定数值
# ax.spines[\'bottom\'].set_position(\'zero\')
ax.spines[\'bottom\'].set_position((\'data\',0))
ax.spines[\'left\'].set_position((\'data\',0))
t = 2*np.pi/3
# 利用plt.plot绘制向下的一条垂直的线，利用plt.scatter绘制一个点。
plt.plot([t,t],[0,np.cos(t)], color =\'blue\', linewidth=2.5, linestyle="--")
plt.scatter([t,],[np.cos(t),], 50, color =\'blue\')
plt.annotate(r\'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$\',
xy=(t, np.sin(t)), xycoords=\'data\',
xytext=(+10, +30), textcoords=\'offset points\', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
# 利用plt.plot绘制向上的一条垂直的线，利用plt.scatter绘制一个点。
plt.plot([t,t],[0,np.sin(t)], color =\'red\', linewidth=2.5, linestyle="--")
plt.scatter([t,],[np.sin(t),], 50, color =\'red\')
plt.annotate(r\'$cos(\frac{2\pi}{3})=-\frac{1}{2}$\',
xy=(t, np.cos(t)), xycoords=\'data\',
xytext=(-90, -50), textcoords=\'offset points\', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
plt.show()
绘制抛物线：
X1=np.linspace(-4,4,100,endpoint=True)
plt.plot(X1,(X1**2)/9)