2

同时也继承了 python 的简单明了的风格，其可以很方便地设计和输出二维以及三维的数据 ，
其提供了常规的笛卡尔坐标，极坐标，球坐标，三维坐标等。其输出的图片质量也达到了科
技论文中的印刷质量，日常的基本绘图更不在话下。

其使用中要先安装 numpy 库（一个 python 下数组处理的三方库，可以很方便的处理矩

阵，数组），对于做数据图，其原理很简单，就是把函数变成关于 X,Y,Z 的坐标点的数组,如
函数 Y=X

2

,我们画图是也是先找一组特征点(x,y),然后连接成线,matplotlib 出图的过程和我

们画图过程差不多,先生成 X 的一个取值数组,如要画区间[0,1]的图像,则先取[0,1]之内的一
组数组(如:x=arange(0,1,0.01)表示 x 以 0.01 为步长取 100 个点),然后去对应 x 的对应 y 的
值的一组数据,这样以坐标(x,y)画出的图就是一条曲线了。

matplotlib 对于图像美化方面的比较完善，可以自定义线条的颜色和样式，可以在一张

绘图纸上绘制多张小图，也可以在一张图上绘制多条线，可以很方便地将数据可视化并对比
分析。

三、Matplotlib

Matplotlib

Matplotlib

Matplotlib 使用入门

Matplotlib的使用中有好几种输出风格，有matlab的风格，和官方文档的使用的as风格，各
有所长，本文对比介绍matplotlib官方文档中的使用风格，
我们画图的目的是要将函数已图像显现出来，所以我们要用python处理的东西有两个，一
个是函数，另一个是图像，函数部分在matplotlib的使用中是用了numpy这个三方库，这个
库有着很大的科学计算功能，但是不用担心，在使用中你会发现他的好用，

3.1

3.1

3.1

3.1 函数处理部分（

函数处理部分（

函数处理部分（

函数处理部分（numpy

numpy

numpy

numpy 的使用）

的使用）

的使用）

的使用）

具体的使用可以参见 numpy 的文档
我们使用matplotlib将数据可视化时基本上我们只用到两种方法

1：arange函数类似于python的range函数，通过指定开始值、终值和步长来创建一维数组，
注意数组不包括终值:

>>> import numpy as np

>>> np.arange(0,1,0.1)

array([ 0. ,

0.1,

0.2,

0.3,

0.4,

0.5,

0.6,

0.7,

0.8,

0.9])

此函数在区间[0,1]之间以0.1为步长生成一个数组。
如果第三个参数预设为1

>>> np.arange(0,10)

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> np.arange(0,5.6)

array([ 0.,

1.,

2.,

3.,

4.,

5.])

>>> np.arange(0.3,4.2)

array([ 0.3,

1.3,

2.3,

3.3])

2：linspace函数通过指定开始值、终值和元素个数来创建一维数组，可以通过endpoint关
键字指定是否包括终值，缺省设置是包括终值:

>>> np.linspace(0, 1, 12)

array([ 0.

,

0.09090909,

0.18181818,

0.27272727,

0.36363636,