本文共 2256 字，大约阅读时间需要 7 分钟。
Matplotlib 是 Python 中最著名的绘图库之一，它提供了类似于 MATLAB 的命令 API，非常适合用于交互式绘图。Matplotlib 的文档非常全面，并配有丰富的 Gallery 页面，里面有上百幅缩略图，每幅图都附有源代码。因此，只要你需要绘制某种类型的图像，只需在 Gallery 中浏览、复制、粘贴即可，基本上都能轻松完成。
为了实现绘制函数 ( y = x^2 ) 的图像，我们可以按照以下步骤进行：
导入 Matplotlib 和 NumPy 库：
import matplotlib.pyplot as pltimport numpy as np
定义 x 变量的范围 (-3, 3)，数量为 50：
x = np.linspace(-3, 3, 50)y = x ** 2
创建一个 Figure 对象并指定大小：
plt.figure(num=3, figsize=(8, 5))
绘制曲线，设置颜色为红色，线宽度为 1，线型为虚线：
plt.plot(x, y, color='red', linewidth=1.0, linestyle='--')
设置 x 和 y 轴的范围及标注：
plt.xlim(-1, 2)plt.ylim(-2, 3)plt.xlabel('x')plt.ylabel('y') 设置坐标轴刻度：
new_ticks = np.linspace(-1, 2, 5)plt.xticks(new_ticks)plt.yticks([-2.2, -1, 1, 1.5, 2.4], [r'$really bad$', r'$bad$', r'$normal$', r'$good$', r'$really good$'])
隐藏坐标轴边框并调整位置：
ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data', 0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data', 0)) 设置标题：
ax.set_title('y = x^2', fontsize=14, color='r') 显示图像：
plt.show()
在 Matplotlib 中，图像由 Figure 对象和 Axes 对象组成。每个 Axes 对象都有独立的坐标系统。关系如下：
要绘制简单的图像，可以按照以下步骤进行：
导入必要的模块：
import matplotlib.pyplot as pltimport numpy as np
定义 x 变量的范围：
x = np.linspace(-3, 3, 50)y = x ** 2
创建 Figure 并绘制曲线：
plt.figure()plt.plot(x, y)plt.show()
为了更好地定制图像，可以按照以下步骤进行：
创建 Figure 对象并指定大小：
plt.figure(num=3, figsize=(8, 5))
绘制曲线并设置属性：
plt.plot(x, y, color='red', linewidth=1.0, linestyle='--')
为了使图像更加精确，可以按照以下步骤进行：
设置 x 轴范围及刻度：
new_ticks = np.linspace(-1, 2, 5)plt.xticks(new_ticks)
设置 y 轴范围及刻度：
plt.yticks([-2.2, -1, 1, 1.5, 2.4], [r'$really bad$', r'$bad$', r'$normal$', r'$good$', r'$really good$'])
为了使坐标轴更加美观，可以按照以下步骤进行：
获取当前坐标轴：
ax = plt.gca()
隐藏边框：
ax.spines['right'].set_color('none')ax.spines['top'].set_color('none') 调整坐标轴位置：
ax.xaxis.set_ticks_position('bottom')ax.yaxis.set_ticks_position('left') 设置边框位置：
ax.spines['bottom'].set_position(('data', 0))ax.spines['left'].set_position(('data', 0)) 最后，可以设置图像标题：
ax.set_title('y = x^2', fontsize=14, color='r') 通过以上步骤，你可以轻松地使用 Matplotlib 绘制出高质量的图像，并进行各种定制。
转载地址：http://jlpfz.baihongyu.com/