Python 图形绘制详细代码（二）

当涉及到Python的图形绘制时，Matplotlib通常是最流行的库。这个库能够创建各种类型的图表，如线图、散点图、饼图、直方图和更多。正如“Python 图形绘制详细代码（一）”中所示，Matplotlib api具有极其广泛和复杂的选项。

接下来，我们将进一步深入学习一些更高级的绘图技术。 让我们一起开始：

简单的子图

有时候，在单个图表中同时展示多个子图是很有用的，可以提供更多的信息，或者使视觉效果更加丰富。 Matplotlib有一个非常简单的方法来创建子图，只需使用subplot函数。

以下是一个简单的示例代码，我们将同时创建两个子图：

import matplotlib.pyplot as plt
import numpy as np

# Create figure and 2 subplots
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))
fig.suptitle('Example of subplots')

# Plot data on each subplot
x = np.array([1, 2, 3, 4])
y1 = np.array([5, 3, 2, 4])
y2 = np.array([3, 4, 1, 2])

ax1.plot(x, y1)
ax1.set(title='Subplot 1', xlabel='X', ylabel='Y')

ax2.plot(x, y2)
ax2.set(title='Subplot 2', xlabel='X', ylabel='Y')

plt.show()

这个代码创建了两个子图，每个子图都有一个简单的线图。 它还使用了一些其他的子图选项，例如设置新图表的大小和在主标题顶部增加title。

自定义图形

当然，有时我们需要更多控制和定制化。 Matplotlib是一个非常灵活的库，允许你对图表的任何部分进行定制，包括背景、网格线、标签、线型、颜色和更多。

例如，假设我们有如下数据集：

import matplotlib.pyplot as plt
import numpy as np

# Example data
x = np.linspace(0, 10, 25)
y = np.sin(x)

# Create figure and axis objects
fig, ax = plt.subplots()

# Add data to axis object
ax.plot(x, y, 'r-o')

# Add labels and title
ax.set(title='Sin plot', xlabel='X', ylabel='Y')

# Customize axes
ax.set_xlim([0, 10])
ax.set_ylim([-1.5, 1.5])
ax.grid(True)

plt.show()

这个代码将数据画到一个标准的图形上。 但是，这个示例演示了如何自定义图表。 我们已经设置了轴线标签和标题，并使用颜色‘r-o’绘制了数据。

我们可以使用ax.set_xlim()函数来调整X轴的界限，ax.set_ylim()函数来调整Y轴的界限，并使用ax.grid()函数来添加网格线。

请注意，Matplotlib不仅限于line图。你可以在同样的代码结构下使用其他类型的图表，例如histograms、barplots等等。

希望本篇综述能对你理解Matplotlib有所帮助。