#!/usr/bin/env python
# coding: utf-8

# # Pyplot 教程

# ## Matplotlib 简介

# **`matplotlib`** 是一个 **`Python`** 的 `2D` 图形包。
# 
# 在线文档：http://matplotlib.org ，提供了 [Examples](http://matplotlib.org/examples/index.html), [FAQ](http://matplotlib.org/faq/index.html), [API](http://matplotlib.org/contents.html), [Gallery](http://matplotlib.org/gallery.html)，其中 [Gallery](http://matplotlib.org/gallery.html) 是很有用的一个部分，因为它提供了各种画图方式的可视化，方便用户根据需求进行选择。

# ## 使用 Pyplot

# 导入相关的包：

# In[1]:


import numpy as np
import matplotlib.pyplot as plt


# `matplotlib.pyplot` 包含一系列类似 **`MATLAB`** 中绘图函数的相关函数。每个 `matplotlib.pyplot` 中的函数对当前的图像进行一些修改，例如：产生新的图像，在图像中产生新的绘图区域，在绘图区域中画线，给绘图加上标记，等等…… `matplotlib.pyplot` 会自动记住当前的图像和绘图区域，因此这些函数会直接作用在当前的图像上。
# 
# 下文中，以 `plt` 作为 `matplotlib.pyplot` 的省略。

# ## plt.show() 函数

# 默认情况下，`matplotlib.pyplot` 不会直接显示图像，只有调用 `plt.show()` 函数时，图像才会显示出来。
# 
# `plt.show()` 默认是在新窗口打开一幅图像，并且提供了对图像进行操作的按钮。
# 
# 不过在 `ipython` 命令行中，我们可以使用 `magic` 命令将它插入 `notebook` 中，并且不需要调用 `plt.show()` 也可以显示：
# 
# - `%matplotlib notebook`
# - `%matplotlib inline`
# 
# 不过在实际写程序中，我们还是需要调用 `plt.show()` 函数将图像显示出来。
# 
# 这里我们使图像输出在 `notebook` 中：

# In[2]:


get_ipython().run_line_magic('matplotlib', 'inline')


# ## plt.plot() 函数

# ### 例子

# `plt.plot()` 函数可以用来绘图：

# In[3]:


plt.plot([1,2,3,4])
plt.ylabel('some numbers')

plt.show()


# ### 基本用法

# `plot` 函数基本的用法有以下四种：
# 
# 默认参数
# - `plt.plot(x,y)` 
# 
# 指定参数
# - `plt.plot(x,y, format_str)`
# 
# 默认参数，`x` 为 `0~N-1`
# - `plt.plot(y)`
# 
# 指定参数，`x` 为 `0~N-1`
# - `plt.plot(y, format_str)`
# 
# 因此，在上面的例子中，我们没有给定 `x` 的值，所以其默认值为 `[0,1,2,3]`。
# 
# 传入 `x` 和 `y`： 

# In[4]:


plt.plot([1,2,3,4], [1,4,9,16])


# ### 字符参数

# 和 **`MATLAB`** 中类似，我们还可以用字符来指定绘图的格式：
# 
# 表示颜色的字符参数有：
# 
# 字符 | 颜色
# -- | -- 
# `‘b’`|	蓝色，blue
# `‘g’`|	绿色，green
# `‘r’`|	红色，red
# `‘c’`|	青色，cyan
# `‘m’`|	品红，magenta
# `‘y’`|	黄色，yellow
# `‘k’`|	黑色，black
# `‘w’`|	白色，white
# 
# 表示类型的字符参数有：
# 
# 字符|类型 | 字符|类型
# ---|--- | --- | ---
# `  '-'	`| 实线 | `'--'`|	虚线
# `'-.'`|	虚点线 | `':'`|	点线
# `'.'`|	点 | `','`| 像素点
# `'o'`	|圆点 | `'v'`|	下三角点
# `'^'`|	上三角点 | `'<'`|	左三角点
# `'>'`|	右三角点 | `'1'`|	下三叉点
# `'2'`|	上三叉点 | `'3'`|	左三叉点
# `'4'`|	右三叉点 | `'s'`|	正方点
# `'p'`	| 五角点 | `'*'`|	星形点
# `'h'`|	六边形点1 | `'H'`|	六边形点2 
# `'+'`|	加号点 | `'x'`|	乘号点
# `'D'`|	实心菱形点 | `'d'`|	瘦菱形点 
# `'_'`|	横线点 | |
# 
# 例如我们要画出红色圆点：

# In[5]:


plt.plot([1,2,3,4], [1,4,9,16], 'ro')
plt.show()


# 可以看出，有两个点在图像的边缘，因此，我们需要改变轴的显示范围。

# ### 显示范围

# 与 **`MATLAB`** 类似，这里可以使用 `axis` 函数指定坐标轴显示的范围：
# 
#     plt.axis([xmin, xmax, ymin, ymax])

# In[6]:


plt.plot([1,2,3,4], [1,4,9,16], 'ro')
# 指定 x 轴显示区域为 0-6，y 轴为 0-20
plt.axis([0,6,0,20])
plt.show()


# ### 传入 `Numpy` 数组

# 之前我们传给 `plot` 的参数都是列表，事实上，向 `plot` 中传入 `numpy` 数组是更常用的做法。事实上，如果传入的是列表，`matplotlib` 会在内部将它转化成数组再进行处理：

# In[7]:


import numpy as np
import matplotlib.pyplot as plt

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', 
         t, t**2, 'bs', 
         t, t**3, 'g^')

plt.show()


# ### 传入多组数据

# 事实上，在上面的例子中，我们不仅仅向 `plot` 函数传入了数组，还传入了多组 `(x,y,format_str)` 参数，它们在同一张图上显示。
# 
# 这意味着我们不需要使用多个 `plot` 函数来画多组数组，只需要可以将这些组合放到一个 `plot` 函数中去即可。

# ### 线条属性

# 之前提到，我们可以用字符串来控制线条的属性，事实上还可以通过关键词来改变线条的性质，例如 `linwidth` 可以改变线条的宽度，`color` 可以改变线条的颜色：

# In[8]:


x = np.linspace(-np.pi,np.pi)
y = np.sin(x)

plt.plot(x, y, linewidth=2.0, color='r')

plt.show()


# ### 使用 plt.plot() 的返回值来设置线条属性

# `plot` 函数返回一个 `Line2D` 对象组成的列表，每个对象代表输入的一对组合，例如：
# 
# - line1, line2 为两个 Line2D 对象
# 
#     `line1, line2 = plt.plot(x1, y1, x2, y2)`
# 
# - 返回 3 个 Line2D 对象组成的列表
# 
#     `lines = plt.plot(x1, y1, x2, y2, x3, y3)`
# 
# 我们可以使用这个返回值来对线条属性进行设置：

# In[9]:


# 加逗号 line 中得到的是 line2D 对象，不加逗号得到的是只有一个 line2D 对象的列表
line, = plt.plot(x, y, 'r-')

# 将抗锯齿关闭
line.set_antialiased(False)

plt.show()


# ### plt.setp() 修改线条性质

# 更方便的做法是使用 `plt` 的 `setp` 函数：

# In[10]:


lines = plt.plot(x, y)

# 使用键值对
plt.setp(lines, color='r', linewidth=2.0)

# 或者使用 MATLAB 风格的字符串对
plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

plt.show()


# 可以设置的属性有很多，可以使用 `plt.setp(lines)` 查看 `lines` 可以设置的属性，各属性的含义可参考 `matplotlib` 的文档。

# In[11]:


plt.setp(lines)


# ## 子图

# `figure()` 函数会产生一个指定编号为 `num` 的图：
# 
#     plt.figure(num)
# 
# 这里，`figure(1)` 其实是可以省略的，因为默认情况下 `plt` 会自动产生一幅图像。
# 
# 使用 `subplot` 可以在一副图中生成多个子图，其参数为：
# 
#     plt.subplot(numrows, numcols, fignum)
# 
# 当 `numrows * numcols < 10` 时，中间的逗号可以省略，因此 `plt.subplot(211)` 就相当于 `plt.subplot(2,1,1)`。

# In[12]:


def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

plt.figure(1)
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()


# ## 图形上加上文字

# `plt.hist()` 可以用来画直方图。

# In[13]:


mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)


plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()


# 对于这幅图形，我们使用 `xlabel` ，`ylabel`，`title`，`text` 方法设置了文字，其中：
# 
# - `xlabel` ：x 轴标注
# 
# - `ylabel` ：y 轴标注
# 
# - `title` ：图形标题
# 
# - `text` ：在指定位置放入文字
# 
# 输入特殊符号支持使用 `Tex` 语法，用 `$<some Tex code>$` 隔开。
# 
# 除了使用 `text` 在指定位置标上文字之外，还可以使用 `annotate` 函数进行注释，`annotate` 主要有两个参数：
# 
# - `xy` ：注释位置 
# - `xytext` ：注释文字位置

# In[14]:


ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
            arrowprops=dict(facecolor='black', shrink=0.05),
            )

plt.ylim(-2,2)
plt.show()