曾經(jīng)我在高中的時候有一篇數(shù)學(xué)探索的小作業(yè)，其中我需要畫出一張比較復(fù)雜的函數(shù)圖。由于 X 和 Y 的坐標(biāo)軸標(biāo)簽都需要一定的自定義，所以微軟 Office 自帶的畫圖工具自然無法滿足我的要求。經(jīng)過一段時間的尋找，我終于找到了最適合自己的工具：那就是用 Python。
其實，「用 Python」這個說法比較籠統(tǒng)，我們在這篇文章其實是要學(xué)習(xí) Python 的一個模組：matplotlib 的簡單使用方法。
使用 matplotlib 這個模組，我們就可以擺脫微軟 Office 的傳統(tǒng)畫圖方法。以此帶來的新畫圖方法就是通過數(shù)學(xué)式的方法來畫圖。更加有用的是，我們可以方便地自定義圖表，畫出更好看、更美觀的效果。
誠然，使用 matplotlib 畫圖離不開使用編程語言。但是請務(wù)必不要害怕接觸編程：畫出一個簡單的圖只需要幾行非常簡單并且易于理解的代碼。畫出復(fù)雜一些的圖片也會有一些常識和修正，不過請放心，本篇文章將不會涉及任何高級編程知識，零基礎(chǔ)也能上手。
本篇文章中，我們涉及到的軟件只有一個免費(fèi)軟件，那就是 Anaconda。你可以在 這個網(wǎng)站 上下載到 Anaconda，軟件完全免費(fèi)，并支持 Windows 和 macOS。如果你有安裝 Visual Studio，你可以直接在 Visual Studio 內(nèi)下載并安裝 Anaconda。通常我們會選擇 Python 3.6 版本。
安裝完成之后，你會在開始菜單中的 Anaconda 文件夾中看到 Spyder 這個應(yīng)用，我們打開這個應(yīng)用，迎面而來的就是一個代碼編輯器，我們就要在這個代碼編輯器內(nèi)寫出所有畫圖的代碼。
打開 Spyder，我們就會看到屏幕的左邊是代碼編輯區(qū)域，屏幕的左下角則是輸出區(qū)域。在這個步驟，我們將主要操作屏幕的左邊，也就是代碼編輯區(qū)域，來輸入我們畫圖用到的代碼。
編輯代碼的第一步，就是告訴我們要寫的程序要包括什么模組。簡單來說我們就是要告訴程序，我們要在程序內(nèi)包括什么功能。首先我們輸入以下代碼：
import matplotlib.pyplot as pltimport numpy as np這兩行代碼中， import 的意思就是，我們要導(dǎo)入兩個模組，一個叫做 matplotlib.pyplot，還有一個叫做 numpy。matplotlib.pyplot 主要負(fù)責(zé)畫圖功能。numpy 則負(fù)責(zé)高級數(shù)學(xué)的功能，比如解釋正弦、余弦函數(shù)，Python 本身是不能通過一句簡單的函數(shù)來計算某個角度的正弦的，需要外部庫來支持。
在這里，as 的意思是定義一個別名。在之后的程序中，當(dāng)我們需要召喚 matplotlib.pyplot 這個程序的時候，我們只需要打出 plt 即可，而無需再打出原來這么一長串。同理，numpy 在這里也被取了 np 的別名。
在以上我們做完程序的鋪墊之后，我們就可以正式開始編寫畫圖的代碼了。首先，我們要定義 X 的域，添加以下代碼表示：
x = np.linspace(-1, 1, 256)在這行代碼中，我們定義了 X 軸的最小值和最大值，括號中第一個數(shù)字 -1 是 X 軸的最小值，括號中的第二個數(shù)字 1 則是 X 的最大值。256 則是取樣密度，這個參數(shù)不用改變。
目前這部分很簡單，但是 matplotlib 強(qiáng)大的地方在于可以利用其他的常量來定義邊界，請看下面的例子：
x = np.linspace(-np.pi, np.pi, 256)在這個例子中，這行代碼會替換上面那行代碼，我們利用了 numpy 模組，使 X 軸的最小值變?yōu)?nbsp;-π，而最大值變成了 π，從而允許我們更直觀地畫出三角函數(shù)的圖像。
接下來我們開始定義 Y 軸，假如我們想畫出 sin(x) 的圖像，我們只需要接著輸入：
y = np.sin(x)在這里，sin 的前面被加了 np.，是因為 Python 本身不支持正弦函數(shù)運(yùn)算，所以需要注明使用 np 模組才能使用。
又或者，我們想畫出平方的圖像，我們可以替換上面的代碼為：
y = x**2Python 的四則運(yùn)算符分別為 、-、*、/。平方的運(yùn)算符則為 **，這些運(yùn)算符是 Python 本身支持的，不需要像前面一樣注明使用 np 模組。關(guān)于其他需要使用到 numpy 的運(yùn)算，比如 log、余弦、e 等等，敬請參考 numpy 官方文檔。
X 和 Y 的定義完成了，接下來，我們開始指令 matplotlib 來畫出圖像。
這步非常簡單，只需要在代碼的最后添加一行代碼：
plt.plot(x, y)最后，點擊工具欄上的綠色箭頭，就可以運(yùn)行這段代碼。運(yùn)行完畢之后，你就可以在右下角的窗口上看到你畫出的圖像。右鍵點擊圖像，即可保存。
現(xiàn)在我們來開始介紹 matplotlib 最強(qiáng)大的地方：自定義。為什么我們要使用 matplotlib 來畫圖？就是為了能夠自定義圖表中的一些元素。在上邊的例子中，我們使用了 np.sin() 函數(shù)來畫出正弦圖像。但是，matplotlib 默認(rèn)為我們使用了數(shù)字作為 X 軸的坐標(biāo)軸，這顯然不是最理想的標(biāo)記方法，那么我們接下來學(xué)習(xí)怎樣自定義 X 軸坐標(biāo)軸。在 plt.plot(x, y) 前加入以下代碼。
plt.xticks([-np.pi, 0, np.pi], ['-π', '0', 'π'])對于這行代碼，可能有一些人會看不明白，別著急，我們一一解釋。
首先我們看第一個方括號內(nèi)的數(shù)字 [-np.pi, 0, np.pi]，這三個數(shù)字表示你想在坐標(biāo)軸內(nèi)顯示的三個數(shù)字的真實數(shù)值，你可以改變這些數(shù)字，但是每個數(shù)字必須要以逗號分開，依順序填寫，在這里我們使用了 -π、0 和 π。第二個方括號中，['-π', '0', 'π']，這些值表示了真實顯示在圖片上的坐標(biāo)軸文字，這些文字也必須要和第一個方括號內(nèi)的數(shù)字相對應(yīng)，并且每個值都要在引號內(nèi)填寫（單雙引號均可）。
如果你不需要用文字表達(dá)而僅僅需要使用簡單的數(shù)字，則不需要填寫第二個方括號。這里我們用 Y 軸舉例：
plt.yticks([-1, -0.5, 0, 0.5, 1])這樣，Y 軸就只會顯示方括號內(nèi)的五個數(shù)字。
添加標(biāo)題非常簡單，只需要加入一行代碼，確保代碼在 import 語句以下，plt.plot(x, y) 以上：
plt.title('在這里添加你的標(biāo)題')添加坐標(biāo)軸文本同樣也非常簡單，加入以下代碼，確保代碼在 import 語句以下，plt.plot(x, y) 以上：
plt.xlabel('X 坐標(biāo)軸文本')plt.ylabel('Y 坐標(biāo)軸文本')如果需要畫出多個函數(shù)，只需要再定義一個方程，并添加一行 plt.plot 命令即可。復(fù)制以下代碼到你的編輯器：
import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-np.pi, np.pi, 256)y1 = np.sin(x)y2 = x**2plt.plot(x, y1)plt.plot(x, y2)matplotlib 還有一個最強(qiáng)大的功能是自定義圖像風(fēng)格：想畫出虛線、虛點線、點線，都沒問題。我們可以將上面的 plt.plot(x, y1) 和 plt.plot(x, y2) 替換為如下代碼：
plt.plot(x, y1, 'b--')plt.plot(x, y2, 'r-.')在這兩行代碼中，我們可以看到 plt.plot 多了第三個參數(shù)，第三個參數(shù)定義了圖像的風(fēng)格和顏色，如下圖所示。
上圖中我們可以看到，正弦函數(shù)是藍(lán)色，X 平方函數(shù)則是紅色，這些顏色的配置歸功于第三個參數(shù)中的第一個字符：b 和 r，分別表示 blue 和 red。接下來的字符則表示線條的風(fēng)格，-- 和 -. 分別表示虛線和虛點線。需要注意的是，這里沒有嚴(yán)格的順序，所以即使你寫成 --b，也是沒有問題的。
matplotlib 中還有更多的線條風(fēng)格和顏色，你可以在這個 官方文檔 中查看。
可能大家已經(jīng)注意到了：上面我們輸出的函數(shù)圖像，其實是非常不清晰的。那么現(xiàn)在我們來調(diào)整圖像。確保以下代碼位置在 import 語句下第一行。
plt.figure(figsize=(3, 5), dpi=300)大家應(yīng)該已經(jīng)注意到了，plt.figure() 內(nèi)多了兩個參數(shù)。其中，figsize 的值定義了圖像的大小，第一個數(shù)字代表寬度為三英尺，第二個數(shù)字代表寬度為五英尺。dpi 的值則很明顯，代表了圖像的 DPI。這些值您可以根據(jù)自己的實際需求進(jìn)行修改。
看完這篇文章，可能會有讀者問：「為什么我要費(fèi)勁去寫代碼然后畫出這些不起眼的圖呢？」。其實說到底，這是「學(xué)習(xí)成本」的問題。對我個人來說，花這些時間學(xué)習(xí) matplotlib，對我的未來來說是很有幫助的：對于即將上大學(xué)的我，必然會在未來方便我論文的撰寫以及圖表的繪制。
可能也有一些讀者會問：為什么不用其他的軟件？一方面是 matplotlib 自定義功能強(qiáng)。另一方面，雖然其他的軟件擁有圖形化的界面來簡化畫圖的過程，但是我更喜歡用代碼來解決問題，算是我個人的小癖好之一。
請在 這里 查看第一張圖的源代碼。
