第8节，绘制函数曲线

使用matplotlib绘制函数曲线，需要完成以下事项：

1. 确定函数
2. 生成x轴数据，并根据x轴数据生成y轴数据
3. 确定x轴和y轴的范围

接下来，我以 y = a*x + b 来示范如何绘制函数曲线

第一步，确定函数

函数y = a*x + b， 太easy了，初衷数学课上学习的，在平面上它是一条执行，b是截距， a 和 b是常数，假设a = 3, b = 4, 函数y = 3x + b，是不是很熟悉

第二步，生成x轴数据，并根据x轴数据生成y轴数据

生成数据使用numpy模块

import matplotlib
import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(-3, 3, 100)     # 从-3 到 3 在这个范围内生成100数
y = x*3 + 4

linspace方法生成的数据是均匀分布的，这样才能保证画出连接在一起的曲线。

第三步，确定x轴和y轴的范围

x轴的范围可以根据第二步中的x轴数据来确定，y轴数据则应当根据函数大致估算出合理范围

plt.xlim(-4, 4)
plt.ylim(-10, 10)

第四步，设置x,y轴的刻度

plt.xticks(np.linspace(-4, 4, 5))
plt.yticks(np.linspace(-10, 10, 5))

进行到这里，不妨试运行一下程序

import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(-3, 3, 50)     # 从-3 到 3 在这个范围内生成50数
y = x*3 + 4

plt.plot(x, y, color='green', linewidth=1.0, linestyle='--')
plt.title('y=3x + 4')
plt.xlabel('x')
plt.ylabel('y')
plt.xlim(-4, 4)
plt.ylim(-10, 10)

plt.xticks(np.linspace(-4, 4, 5))
plt.yticks(np.linspace(-10, 10, 5))
plt.show()

结果如下图

这和我们所熟悉的平面坐标系很不一样，我们需要去掉上边和右边的两条线，同时将左侧和底部的线进行移动，构成平面直角坐标系。

第5步，构造平面直角坐标系

分为4个步骤：

1. 获取坐标轴信息
2. 将顶部和右侧的线隐藏
3. 移动x轴
4. 移动y轴

ax = plt.gca()
ax.spines['right'].set_color('none')        # 设置颜色为none ，就看不见了
ax.spines['top'].set_color('none')
# 移动x轴
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
# 移动y轴
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

plt.show()

最终呈现效果

画一条执行没什么难度，我决定画一下sin曲线试试

import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(0, np.pi*2, 50)     # 从-3 到 3 在这个范围内生成50数
y = np.sin(x)

plt.plot(x, y, color='green', linewidth=1.0, linestyle='--')
plt.title('sin')
plt.xlabel('x')
plt.ylabel('y')
plt.xlim(0, np.pi*2)
plt.ylim(-1, 1)

plt.xticks([0, np.pi/2, np.pi, 3*np.pi/2, 2*np.pi], ['0', 'π/2', 'π','3π/2','2π'])
plt.yticks(np.linspace(-1, 1, 5))

ax = plt.gca()
ax.spines['right'].set_color('none')        # 设置颜色为none ，就看不见了
ax.spines['top'].set_color('none')
# 移动x轴
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
# 移动y轴
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

plt.show()

最终呈现效果