各位小表贝，你们的画图小老弟又来咯~

上一次我们聊到了如何画离散图，这一次我们来点复杂的，准备好了么，系好安全带，准备发车咯~滴滴~

我们先来点比较简单，那种易于上手的。

如果现在我知道了两个点的坐标，那么如何画出一条线呢？听起来有点简单过头。

首先，我们翻开了官网教程的相关页面。

matplotlib.lines.Line2D - Matplotlib 3.1.0 documentation​matplotlib.org

光是看看参数的数量已经相当复杂了，我想申请撤退。

别急，其实绝大多是辅助性的作用，最为重要的是两个参数xdata和ydata

matplotlib.lines.Line2D(xdata,ydata,……)

从我们一般的理解上来说，确定两个点的坐标，就可以画出一条直线，比如现在我想画出(0,0)到(1,5)的直线，那么是不是我们把这两个点的坐标放进去就OK了呢？

此刻请允许我东北人上身，能动手，就憋叨叨。

import matplotlib.pyplot as plt
from matplotlib.pyplot import Line2Dfig=plt.figure()
ax=fig.add_subplot(111)
ax.set_xlim(0,5)
ax.set_ylim(0,5)
line=Line2D((0,0),(1,5))
ax.add_line(line)
plt.show()

等一下！一定是我的开启方式有问题，为什么没有画出一根直线？从一个资深码农的角度来说，这时候应该是系统出现了问题，我需要，重启计算机。。

先别。注意看上面对于Line2D的官方解释，这里的xdata和ydata，并不是我们常规理解下的两个点的坐标。而是，将两个点的x坐标和y坐标分别写成一个数组。

import matplotlib.pyplot as plt
from matplotlib.pyplot import Line2Dfig=plt.figure()
ax=fig.add_subplot(111)
ax.set_xlim(0,5)
ax.set_ylim(0,5)
line=Line2D((0,1),(0,5))
ax.add_line(line)
plt.show()

其实啥都没变，只是把Line2D((0,0),(1,5))变成了Line2D((0,1),(0,5))，为了显得专业一些，我把代码重新贴了一份而已。

来，再试一次。

棒！想给自己鼓掌！（怎么着，我自己写文章还不能给自己加戏了？？）

接下来，我们再来看看如何画一个圆。

还是从常规理解来说，一个圆最重要的也就是圆心以及半径。matplotlib的官方团队一定是窃取了我的想法，竟然和我的认知不谋而合。

https://matplotlib.org/3.1.0/api/_as_gen/matplotlib.patches.Circle.html​matplotlib.org

虽然依然有着肥肠多的参数，但是我并不关心，注意看

matplotlib.patches.Circle(xy,radius=5,**kwargs)

这里的xy比较明显的代表了，应该用一个tuple来表示一个圆心的坐标。（tuple是啥？还不先去把python的基础课程补一补？）

来，我们继续动手画起来。

import matplotlib.pyplot as plt
from matplotlib.patches import Circlefig=plt.figure()
ax=fig.add_subplot(111)
cir=Circle((3,3),radius=2)
ax.add_patch(cir)
plt.show()

这是在和我开玩笑么？这TM也敢自称是个圆？我一个漂亮的回旋踢应该也比这个圆吧。

当然究其原因。

1. x轴和y轴的范围不同，一个是0到5，一个是0到10
2. 这整个坐标系看起来就像是一个长方形，即使画出来的是一个正圆，也会被压缩成椭圆。

咱们一一解决。

首先，对于x,y轴范围的问题，可以去设置axis的范围（axis是啥？去看上一篇）。

fig=plt.figure()
ax=fig.add_subplot(111)
ax.set_xlim(0,10)
ax.set_ylim(0,10)

而如何将一个axis设置为一个正方形的显示区间，就需要去网上找答案了。

最终千辛万苦，会发现对于axis而言，有一个方法可以设置它的aspect

ax.set_aspect(num)

这里的num则是x,y轴的长宽比，如果我们想得到一个正儿八经的正方形，num填写1，修改一下代码再跑一次试试。

棒！仔细对比上下两张图，你会发现之前椭圆的那张图，确实不是一个正方形。而且可以负责任的说，matplotlib直接拿来画图而不去调整aspect的画，你一定画不出一个正圆。（好像说的有点满。）

目前来说，我相信你已经知道了如何绘制圆以及直线了，那咱们玩点有难度的。

我们用仅有的一些知识，来画出一幅人工智能中神经网络的连接图。那是个啥？我们先看看结果。

就是它了。简单来说，我们把这些圆分为了3层，第一层3个，第二层5个，第三层6个。然后每一层与每一层之间有一个全连接的关系。

全连接是啥？嗯。。比如下图这样，就是一个点对于下一层的全连接。

是不是已经兴奋的搓手手了？来，咱们先考虑考虑，这么一个看起来比较复杂的东西，该怎么画。（是不是想起了数学书上的课后练习？学会了1+1立马就得会做8239+44121。）

首先来说，这套图形，充满了各种重复劳动，而一切的重复劳动在代码面前都是纸老虎。编码的意义是什么？就是懒人给自己找到了一个偷懒的方法啊。

从一个编码人员的角度来说，现在是3层的网络，但是我希望用一套代码，可以解决3层，10层，甚至30层，并且只需要改动一个参数就行了，其他的我都不想改，因为，懒！

安排！

经过首轮简单分析，你可以很轻松的发现，对于圆以及直线而言，他们共用了所有的点。也就是说，两个直线连接的就是两个圆心，所以如果我们可以直接把所有圆心的位置都找到，并且储存成一个数组，那不就万事大吉了么？

对，就是这么简单。

就拿我们现在这个3层分布来说，那么一张画布，就可以被三等分为三个部分。

这么看起来，现在每一个圆心的x轴坐标，可以确定下来了。

但是现在x轴范围是0到10，我希望如果是0到100也不会影响到我的算法。话句话来说，现在第一层的x轴坐标应该是1.66（怎么算的？自己动动脑子。）如果这时候x的范围是0到100，那么第一层的x轴坐标就应该是16.6。

所以我需要去动态的进行计算，不应该把这个10当做一个固定值进行计算。

比较幸运的是，我们可以通过调用ax.get_xlim()和ax.get_ylim()来获取到x轴与y轴的范围，比如以当前情况而言，会返回一个(0,10)的tuple。

所以这么看起来，如果我按照x轴的长度，除以层数，就可以获取每一层应该有多宽了。完美！当然圆心和直线的一端就是在每一层x数值的中心咯。

那么对于y轴该如何分呢？以当前的[3,5,6]而言，那我们必然想让他的排布好看一些，如果office用的多都应该知道啥叫居中排布。

这么看来，每一个圆所在格子的高度，应该以圆的个数最多的那一层为准。比如这时候是第三层的6个，如果其他层有更多呢，比如我们再画一个。

那这时候就会以9作为基准。所以目前的第一目标就是找出，哪一层的圆比较多。

如果你要用冒泡算法或者其他的一些排序算法去找，也不是说不可以，不过numpy中有一个方法，用起来比较方便。比如。

import numpy as npa=[1,3,5,2,56,4]
b=np.amax(a)
Out[]: 56

那么好了，现在好像难题都已经被解决了，剩下的就是用各种循环去画图了。当然这一次我会先给出部分代码，我更希望你可以自己动手画一画。完整版的代码会在下一篇文章中以彩蛋的形式发布。（剧透了还能叫彩蛋么？）

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Circle
from matplotlib.pyplot import Line2Ddef draw_level(each_level):ylim=ax1.get_ylim()[1]xlim=ax1.get_xlim()[1]each_level=np.array(each_level)each_col=xlim/((len(each_level)))each_row=ylim/np.amax(each_level)radius=0.4*each_rowfor i,item in enumerate(each_level):# your code heredef draw_line(each_level):ylim = ax1.get_ylim()[1]xlim = ax1.get_xlim()[1]each_level = np.array(each_level)each_col = xlim / ((len(each_level)) )each_row = ylim / np.amax(each_level)result=list()for i, item in enumerate(each_level):# your code herefor i in range(len(each_level)-1):for item in result[i]:for i_next in result[i+1]:# your code here fig=plt.figure()
ax1=fig.add_subplot(111)
ax1.set_xlim(0,10)
ax1.set_ylim(0,10)
ax1.set_aspect(1)
each_level=[3,5,9,6]
draw_line(each_level)
draw_level(each_level)
plt.show()

如果喜欢请记得点赞收藏加关注哦~么么哒~（有一小段代码我懒得抽离出方法了，哈哈，反正懒就对了。）