今天来学一些花里胡哨的：

1. 极坐标绘图;

我们使用极坐标并且使用来定义一条曲线，这个时候，使用极坐标系来绘图是最好的：

图一：极坐标系绘图

代码：

import turtle
import matplotlib.pyplot as plt
import numpy as np
theta=np.linspace(0,2*np.pi,201)
r1=np.abs(np.cos(5.0*theta)-1.5*np.sin(1.0*theta))
r2=theta/np.pi
r3=2.25*np.ones_like(theta)
fig=plt.figure()
ax=fig.add_subplot(1,1,1,projection="polar")
ax.plot(theta,r1,label="trig")
ax.plot(5*theta,r2,label="sprial")
ax.plot(theta,r3,label="circle")
ax.legend(loc="best")
fig.show()
turtle.done()

注意，这里的turtle是我自己加的，因为我发现，fig.show()他就不显示图片，直接一闪而过，没饭看到图，查了之后，就加了两句：

import turtle
#fig.show()
turtle.done()

然后他就会一直显示图片了

1. 误差条

就是，如果你有一大串数据，但是你发现，你的数据和理论值是有误差的，那么这个时候，我们就要及时的得到误差情况的可视化，以方便我们能够更加直观的来获取相关信息，Matplotlib提供了ax.errobar函数，他和plt.plot差不多，但是是包含其他额外的参数的，首先，y变量的误差用yerr来表示，假设y的长度是n，如果yerr有相同的维度，那么就会之对称的误差条，所以说，对于y[k]的第k个点，误差条从y[k]-yerr[k]到y[k]+yerr[k]，如果误差不对称，那么yerr应该是一个2*n的数组，第k个误差条，从

y[k]-yerr[0，k]到y[k]-yerr[1，k]，这是同样适用于x的误差和相应的xerr变量，默认情况下，颜色和现款由主曲线确定，也可以用ecolor、elinewidth来设定，其他的参数，可以参考文档

跟着书上的来写一下:

import numpy as np
import matplotlib.pyplot as plt
import numpy.random as npr
import turtle
x=np.linspace(0,4,21)
y=np.exp(-x)
xe=0.08*npr.rand(len(x))
ye=0.1*npr.rand(len(y))
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.errorbar(x,y,fmt='bo',lw=2,xerr=xe,yerr=ye,ecolor='r',elinewidth=1)
fig.show()
turtle.done()

图二：误差图

1. 文本和注释：

你想知道图中某一点的相关信息，怎么搞呢，你就可以在坐标(x,y)开始的位置放置一个纯文本字符串，

这个就可以用np.text(x,y,'some plain')来解决：

x=np.linspace(0,2,101)
y=(x-1)**3-1
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(x,y)
ax.annotate("point of inflection at ax=1",xy=(1,1),xytext=(0.8,0.5),arrowprops=dict(facecolor="black",width=1,shrink=0.05))
fig.show()
turtle.done()

他这个代码有问题，输出不了和书上一摸一样的：

图三：代码有问题

1. LATEX:

latex是指定好用，做出来的数学公司就是好：

对上面这个加一句看看：

ax.set_title(r'Formula:$z=x^2-y^2$')

图四：添加Latex标题之后的图片

1. 等高线：

这个我有发言权，之前自己仿真的数据，拿matlab的等高线做的，感觉很丑，师兄当时说我颜色和样式没调整对，我也没怎么注意，今天来看看等高线：

import turtle
import numpy as np
import matplotlib.pyplot as plt
import numpy.random as nprfig=plt.figure()ax=fig.add_subplot(1,1,1)
[X,Y]=np.mgrid[-1.5:2.5:51j,-1:3:61j]
Z=X**2-Y**2
curves=ax.contour(X,Y,Z,12,colors='k')
ax.clabel(curves)
ax.set_title(r'Formula:$z=x^2-y^2$',fontsize=20)
fig.show()
turtle.done()

图五：等高线绘制

12的意思就是话12条等高线，你看还可以画的更多，更好看，比如，我把等高线数量调成50，颜色调成蓝色：

图六：等高线数量和颜色修改

感觉有点像是用蓝色圆珠笔画的，哈哈

另外呢，你还可以填充等高线颜色，不过这个就是你另一个函数contourf了：

curves=ax.contourf(X,Y,Z,50)

图七：填充等高线

同时呢，你还可以加一个色棒来进行颜色对比：

fig.colorbar(curves,orientation='vertical')

图八：加入色棒

行了，到最后了，其实，这些工具书里面讲的都是非常少的，他们要求的就是实用性强就行，要是说你想做出更漂亮的图片，我的建议还是看文档。

1. 复合图形：就是多个图形在一个图上绘制，或者是说以子图的形式：

1. 多个图形：书上的例子是非常简单的，我改了改：

就是一张图片上面显示两个或者两个以上的函数图像：

x=np.linspace(0,2*np.pi,100)
y=np.sin(x)
z=np.tan(x)
h=np.cos(x)
plt.ion()
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(x,y,"b-")
ax.plot(x,z,"r--")
ax.plot(x,h,"g-.")
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_title("trigonometric function")
fig.show()
turtle.done()

图九：一张图片显示多个函数

但是，你有没有发现，几个叠在一起不好看啊，而且cos那个，emm，看不清，而且我故意没有加示例，整个图像看起来很不舒服，这在数据可视化中让人很难受，那就下一步，多个fig来搞：

1. 代码和上面的差不多，就是把fig搞了三个

图十：多幅图片显示

这三张fig输出之后，是叠在一块的，得手动给分开，这下清晰了，但是，麻烦不说，对比起来也不好对比，那怎么办呢，继续下一步，一个fig中用多个子图显示：

1. 多个子图显示和前面的基础代码是一样的，但是，只有一个fig：

x=np.linspace(0,2*np.pi,100)
y=np.sin(x)
z=np.tan(x)
h=np.cos(x)
l=np.exp(-x*2*np.pi)
plt.ion()
fig=plt.figure()
ax=fig.add_subplot(2,2,1)
ax.set_xlabel("x")
ax.set_ylabel("y")
ax.set_title("sin")
ax.plot(x,y,"b-")
ax1=fig.add_subplot(2,2,2)
ax1.set_xlabel("x")
ax1.set_ylabel("z")
ax1.set_title("tan")
ax1.plot(x,z,"r-")
ax2=fig.add_subplot(2,2,3)
ax2.plot(x,h,"g-"),
ax2.set_xlabel("x")
ax2.set_ylabel("h")
ax2.set_title("cos")
ax4=fig.add_subplot(2,2,4)
ax4.plot(x,h,"y-"),
ax4.set_xlabel("x")
ax4.set_ylabel("l")
ax4.set_title("exp(-x*2*pi)")
fig.suptitle("some functuions")
fig.show()
turtle.done()
#注意：这里的代码中（2，2，x）他实际上说的是总共2*2张图片，x是第几张。

图十一：组合子图输出

这下清晰好看了吧，可视化的目标也就达成了，好了，二维的就学到这里了，明天开始学习三维的绘图。