matplotlib是python的一个绘图库。使用它可以很方便的绘制出版质量级别的图形。
案例：绘制一条余弦曲线
import numpy as np import matplotlib.pyplot as mp # xarray: <序列> 水平坐标序列 # yarray: <序列> 垂直坐标序列 mp.plot(xarray, yarray) #显示图表 mp.show()绘制水平线与垂直线：
import numpy as np import matplotlib.pyplot as mp # vertical 绘制垂直线 mp.vlines(vval, ymin, ymax, ...) # horizotal 绘制水平线 mp.hlines(xval, xmin, xmax, ...) #显示图表 mp.show()案例：绘制一条正弦曲线
# linestyle: 线型 '-' '--' '-.' ':' # linewidth: 线宽 # 数字 #color: <关键字参数> 颜色 # 英文颜色单词 或 常见颜色英文单词首字母 或 #495434 或 (1,1,1) 或 (1,1,1,1) #alpha: <关键字参数> 透明度 # 浮点数值 mp.plot(xarray, yarray, linestyle='', linewidth=1, color='', alpha=0.5)案例：把坐标轴范围设置为 -π ~ π
#x_limt_min: <float> x轴范围最小值 #x_limit_max: <float> x轴范围最大值 mp.xlim(x_limt_min, x_limit_max) #y_limt_min: <float> y轴范围最小值 #y_limit_max: <float> y轴范围最大值 mp.ylim(y_limt_min, y_limit_max)案例：把横坐标的刻度显示为：0, π/2, π, 3π/2, 2π
#x_val_list: x轴刻度值序列 #x_text_list: x轴刻度标签文本序列 [可选] mp.xticks(x_val_list , x_text_list ) #y_val_list: y轴刻度值序列 #y_text_list: y轴刻度标签文本序列 [可选] mp.yticks(y_val_list , y_text_list )刻度文本的特殊语法 – LaTex排版语法字符串
r'$x^n+y^n=z^n$', r'$\int\frac{1}{x} dx = \ln |x| + C$', r'$-\frac{\pi}{2}$'x n + y n = z n , ∫ 1 x d x = ln ∣ x ∣ + C , − π 2 x^n+y^n=z^n, \int\frac{1}{x} dx = \ln |x| + C, -\frac{\pi}{2} xn+yn=zn,∫x1dx=ln∣x∣+C,−2π
坐标轴名：left / right / bottom / top
# 获取当前坐标轴字典，{'left':左轴,'right':右轴,'bottom':下轴,'top':上轴 } ax = mp.gca() # 获取其中某个坐标轴 axis = ax.spines['坐标轴名'] # 设置坐标轴的位置。 该方法需要传入2个元素的元组作为参数 # type: <str> 移动坐标轴的参照类型 一般为'data' (以数据的值作为移动参照值) # val: 参照值 axis.set_position((type, val)) # 设置坐标轴的颜色 # color: <str> 颜色值字符串 axis.set_color(color)案例：设置坐标轴至中心。
#设置坐标轴 ax = mp.gca() axis_b = ax.spines['bottom'] axis_b.set_position(('data', 0)) axis_l = ax.spines['left'] axis_l.set_position(('data', 0)) ax.spines['top'].set_color('none') ax.spines['right'].set_color('none')显示两条曲线的图例，并测试loc属性。
# 再绘制曲线时定义曲线的label # label: <关键字参数 str> 支持LaTex排版语法字符串 mp.plot(xarray, yarray ... label='', ...) # 设置图例的位置 # loc: <关键字参数> 制定图例的显示位置 (若不设置loc，则显示默认位置) # =============== ============= # Location String Location Code # =============== ============= # 'best' 0 # 'upper right' 1 # 'upper left' 2 # 'lower left' 3 # 'lower right' 4 # 'right' 5 # 'center left' 6 # 'center right' 7 # 'lower center' 8 # 'upper center' 9 # 'center' 10 # =============== ============= mp.legend(loc='')案例：绘制当x=3π/4时两条曲线上的特殊点。
# xarray: <序列> 所有需要标注点的水平坐标组成的序列 # yarray: <序列> 所有需要标注点的垂直坐标组成的序列 mp.scatter(xarray, yarray, marker='', #点型 ~ matplotlib.markers s='', #大小 edgecolor='', #边缘色 facecolor='', #填充色 zorder=3 #绘制图层编号 （编号越大，图层越靠上） )marker点型可参照：help(matplotlib.markers)
也可参照附录： matplotlib point样式
案例：为在某条曲线上的点添加备注，指明函数方程与值。
# 在图表中为某个点添加备注。包含备注文本，备注箭头等图像的设置。 mp.annotate( r'$\frac{\pi}{2}$', #备注中显示的文本内容 xycoords='data', #备注目标点所使用的坐标系（data表示数据坐标系） xy=(x, y), #备注目标点的坐标 textcoords='offset points', #备注文本所使用的坐标系（offset points表示参照点的偏移坐标系） xytext=(x, y), #备注文本的坐标 fontsize=14, #备注文本的字体大小 arrowprops=dict() #使用字典定义文本指向目标点的箭头样式 )arrowprops参数使用字典定义指向目标点的箭头样式
#arrowprops字典参数的常用key arrowprops=dict( arrowstyle='', #定义箭头样式 connectionstyle='' #定义连接线的样式 ) ```py 箭头样式（arrowstyle）字符串如下 ============ ============================================= Name Attrs ============ ============================================= '-' None '->' head_length=0.4,head_width=0.2 '-[' widthB=1.0,lengthB=0.2,angleB=None '|-|' widthA=1.0,widthB=1.0 '-|>' head_length=0.4,head_width=0.2 '<-' head_length=0.4,head_width=0.2 '<->' head_length=0.4,head_width=0.2 '<|-' head_length=0.4,head_width=0.2 '<|-|>' head_length=0.4,head_width=0.2 'fancy' head_length=0.4,head_width=0.4,tail_width=0.4 'simple' head_length=0.5,head_width=0.5,tail_width=0.2 'wedge' tail_width=0.3,shrink_factor=0.5 ============ ============================================= 连接线样式（connectionstyle）字符串如下 ============ ============================================= Name Attrs ============ ============================================= 'angle' angleA=90,angleB=0,rad=0.0 'angle3' angleA=90,angleB=0` 'arc' angleA=0,angleB=0,armA=None,armB=None,rad=0.0 'arc3' rad=0.0 'bar' armA=0.0,armB=0.0,fraction=0.3,angle=None ============ =============================================案例：绘制两个窗口，一起显示。
# 手动构建 matplotlib 窗口 mp.figure( '', #窗口标题栏文本 figsize=(4, 3), #窗口大小 <元组> dpi=120, #像素密度 facecolor='' #图表背景色 ) mp.show()mp.figure方法不仅可以构建一个新窗口，如果已经构建过title='xxx’的窗口，又使用figure方法构建了title=‘xxx’ 的窗口的话，mp将不会创建新的窗口，而是把title='xxx’的窗口置为当前操作窗口。
设置当前窗口的参数
案例：测试窗口相关参数
# 设置图表标题 显示在图表上方 mp.title(title, fontsize=12) # 设置水平轴的文本 mp.xlabel(x_label_str, fontsize=12) # 设置垂直轴的文本 mp.ylabel(y_label_str, fontsize=12) # 设置刻度参数 labelsize设置刻度字体大小 mp.tick_params(..., labelsize=8, ...) # 设置图表网格线 linestyle设置网格线的样式 # - or solid 粗线 # -- or dashed 虚线 # -. or dashdot 点虚线 # : or dotted 点线 mp.grid(linestyle='') # 设置紧凑布局，把图表相关参数都显示在窗口中 mp.tight_layout()矩阵式布局
绘制矩阵式子图布局相关API：
mp.figure('Subplot Layout', facecolor='lightgray') # 拆分矩阵 # rows: 行数 # cols: 列数 # num: 编号 mp.subplot(rows, cols, num) # 1 2 3 # 4 5 6 # 7 8 9 mp.subplot(3, 3, 5) #操作3*3的矩阵中编号为5的子图 mp.subplot(335) #简写案例：绘制9宫格矩阵式子图，每个子图中写一个数字。
mp.figure('Subplot Layout', facecolor='lightgray') for i in range(9): mp.subplot(3, 3, i+1) mp.text( 0.5, 0.5, i+1, ha='center', va='center', size=36, alpha=0.5, withdash=False ) mp.xticks([]) mp.yticks([]) mp.tight_layout() mp.show()网格式布局
网格式布局支持单元格的合并。
绘制网格式子图布局相关API：
import matplotlib.gridspec as mg mp.figure('Grid Layout', facecolor='lightgray') # 调用GridSpec方法拆分网格式布局 # rows: 行数 # cols: 列数 # gs = mg.GridSpec(rows, cols) 拆分成3行3列 gs = mg.GridSpec(3, 3) # 合并0行与0、1列为一个子图表 mp.subplot(gs[0, :2]) mp.text(0.5, 0.5, '1', ha='center', va='center', size=36) mp.show() ------------------- from matplotlib import gridspec from matplotlib import pyplot pyplot.figure('Grid',facecolor='lightgray') gs=gridspec.GridSpec(3,3) li=[gs[0,:2],gs[:2,2],gs[1,1],gs[1:,0],gs[2,1:]] for i in range(5): pyplot.subplot(li[i]) pyplot.text( 0.5,0.5,i+1, size=36, ha='center', va='center', alpha=0.6, ) pyplot.xticks([]) pyplot.yticks([]) pyplot.tight_layout() pyplot.show()案例：绘制一个自定义网格布局。
import matplotlib.gridspec as mg mp.figure('GridLayout', facecolor='lightgray') gridsubs = mp.GridSpec(3, 3) # 合并0行、0/1列为一个子图 mp.subplot(gridsubs[0, :2]) mp.text(0.5, 0.5, 1, ha='center', va='center', size=36) mp.tight_layout() mp.xticks([]) mp.yticks([])自由式布局
自由式布局相关API：
mp.figure('Flow Layout', facecolor='lightgray') # 设置图标的位置，给出左下角点坐标与宽高即可 # left_bottom_x: 左下角点x坐标 # left_bottom_x: 左下角点y坐标 # width: 宽度 # height: 高度 # mp.axes([left_bottom_x, left_bottom_y, width, height]) mp.axes([0.03, 0.03, 0.94, 0.94]) mp.text(0.5, 0.5, '1', ha='center', va='center', size=36) mp.show()案例：测试自由式布局，定位子图。
mp.figure('FlowLayout', facecolor='lightgray') mp.axes([0.1, 0.2, 0.5, 0.3]) mp.text(0.5, 0.5, 1, ha='center', va='center', size=36) mp.show()刻度定位器相关API：
# 获取当前坐标轴 ax = mp.gca() # 设置水平坐标轴的主刻度定位器 ax.xaxis.set_major_locator(mp.NullLocator()) # 设置水平坐标轴的次刻度定位器为多点定位器，间隔0.1 ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))案例：绘制一个数轴。
mp.figure('Locators', facecolor='lightgray') # 获取当前坐标轴 ax = mp.gca() # 隐藏除底轴以外的所有坐标轴 ax.spines['left'].set_color('none') ax.spines['top'].set_color('none') ax.spines['right'].set_color('none') # 将底坐标轴调整到子图中心位置 ax.spines['bottom'].set_position(('data', 0)) # 设置水平坐标轴的主刻度定位器 ax.xaxis.set_major_locator(mp.NullLocator()) # 设置水平坐标轴的次刻度定位器为多点定位器，间隔0.1 ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1)) # 标记所用刻度定位器类名 mp.text(5, 0.3, 'NullLocator()', ha='center', size=12)案例：使用for循环测试刻度器样式：
locators = ['mp.NullLocator()', 'mp.MaxNLocator(nbins=4)'] for i, locator in enumerate(locators): mp.subplot(len(locators), 1, i+1) mp.xlim(0, 10) mp.ylim(-1, 1) mp.yticks([]) # 获取当前坐标轴 ax = mp.gca() # 隐藏除底轴以外的所有坐标轴 ax.spines['left'].set_color('none') ax.spines['top'].set_color('none') ax.spines['right'].set_color('none') # 将底坐标轴调整到子图中心位置 ax.spines['bottom'].set_position(('data', 0)) # 设置水平坐标轴的主刻度定位器 ax.xaxis.set_major_locator(eval( )) # 设置水平坐标轴的次刻度定位器为多点定位器，间隔0.1 ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1)) mp.plot(np.arange(11), np.zeros(11), c='none') # 标记所用刻度定位器类名 mp.text(5, 0.3, locator, ha='center', size=12)常用刻度器如下
# 空定位器：不绘制刻度 mp.NullLocator() # 最大值定位器： # 最多绘制nbins+1个刻度 mp.MaxNLocator(nbins=3) # 定点定位器：根据locs参数中的位置绘制刻度 mp.FixedLocator(locs=[0, 2.5, 5, 7.5, 10]) # 自动定位器：由系统自动选择刻度的绘制位置 mp.AutoLocator() # 索引定位器：由offset确定起始刻度，由base确定相邻刻度的间隔 mp.IndexLocator(offset=0.5, base=1.5) # 多点定位器：从0开始，按照参数指定的间隔(缺省1)绘制刻度 mp.MultipleLocator() # 线性定位器：等分numticks-1份，绘制numticks个刻度 mp.LinearLocator(numticks=21) # 对数定位器：以base为底，绘制刻度 mp.LogLocator(base=2)绘制刻度网格线的相关API：
ax = mp.gca() #绘制刻度网格线 ax.grid( which='', # 'major'/'minor' <-> '主刻度'/'次刻度' axis='', # 'x'/'y'/'both' <-> 绘制x或y轴 linewidth=1, # 线宽 linestyle='', # 线型 color='', # 颜色 alpha=0.5 # 透明度 )案例：绘制曲线 [1, 10, 100, 1000, 100, 10, 1]，然后设置刻度网格线，测试刻度网格线的参数。
y = np.array([1, 10, 100, 1000, 100, 10, 1]) mp.figure('Normal & Log', facecolor='lightgray') mp.subplot(211) mp.title('Normal', fontsize=20) mp.ylabel('y', fontsize=14) ax = mp.gca() ax.xaxis.set_major_locator(mp.MultipleLocator(1.0)) ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1)) ax.yaxis.set_major_locator(mp.MultipleLocator(250)) ax.yaxis.set_minor_locator(mp.MultipleLocator(50)) mp.tick_params(labelsize=10) ax.grid(which='major', axis='both', linewidth=0.75, linestyle='-', color='orange') ax.grid(which='minor', axis='both', linewidth=0.25, linestyle='-', color='orange') mp.plot(y, 'o-', c='dodgerblue', label='plot') mp.legend()y轴将以指数方式递增。 基于半对数坐标绘制第二个子图，表示曲线：[1, 10, 100, 1000, 100, 10, 1]。
mp.figure('Grid', facecolor='lightgray') y = [1, 10, 100, 1000, 100, 10, 1] mp.semilogy(y) mp.show()可以通过每个点的坐标、颜色、大小和形状表示不同的特征值。
身高体重性别年龄段种族18080男中年亚洲16050女青少美洲绘制散点图的相关API：
mp.scatter( x, # x轴坐标数组 y, # y轴坐标数组 marker='', # 点型 s=10, # 大小 color='', # 颜色 edgecolor='', # 边缘颜色 facecolor='', # 填充色 zorder='' # 图层序号 )numpy.random提供了normal函数用于产生符合 正态分布 的随机数
n = 100 # 172: 期望值 # 10: 标准差 # n: 数字生成数量 x = np.random.normal(172, 20, n) y = np.random.normal(60, 10, n)案例：绘制平面散点图。
mp.figure('scatter', facecolor='lightgray') mp.title('scatter') mp.scatter(x, y) mp.show()设置点的颜色
mp.scatter(x, y, c='red') #直接设置颜色 d = (x-172)**2 + (y-60)**2 mp.scatter(x, y, c=d, cmap='jet') #以c作为参数，取cmap颜色映射表中的颜色值cmap颜色映射表参照附件：cmap颜色映射表
以某种颜色自动填充两条曲线的闭合区域。
mp.fill_between( x, # x轴的水平坐标 sin_x, # 下边界曲线上点的垂直坐标 cos_x, # 上边界曲线上点的垂直坐标 sin_x<cos_x, # 填充条件，为True时填充 color='', # 填充颜色 alpha=0.2 # 透明度 )案例：绘制两条曲线： sin_x = sin(x) cos_x = cos(x / 2) / 2 [0-8π]
n = 1000 x = np.linspace(0, 8 * np.pi, n) sin_y = np.sin(x) cos_y = np.cos(x / 2) / 2 mp.figure('Fill', facecolor='lightgray') mp.title('Fill', fontsize=20) mp.xlabel('x', fontsize=14) mp.ylabel('y', fontsize=14) mp.tick_params(labelsize=10) mp.grid(linestyle=':') mp.plot(x, sin_y, c='dodgerblue', label=r'$y=sin(x)$') mp.plot(x, cos_y, c='orangered', label=r'$y=\frac{1}{2}cos(\frac{x}{2})$') mp.fill_between(x, cos_y, sin_y, cos_y < sin_y, color='dodgerblue', alpha=0.5) mp.fill_between(x, cos_y, sin_y, cos_y > sin_y, color='orangered', alpha=0.5) mp.legend() mp.show()绘制柱状图的相关API：
mp.figure('Bar', facecolor='lightgray') mp.bar( x, # 水平坐标数组 y, # 柱状图高度数组 width, # 柱子的宽度 color='', # 填充颜色 label='', # alpha=0.2 # )案例：先以柱状图绘制苹果12个月的销量，然后再绘制橘子的销量。
apples = np.array([30, 25, 22, 36, 21, 29, 20, 24, 33, 19, 27, 15]) oranges = np.array([24, 33, 19, 27, 35, 20, 15, 27, 20, 32, 20, 22]) mp.figure('Bar' , facecolor='lightgray') mp.title('Bar', font size=20) mp.xlabel('Month', fontsize=14) mp.ylabel('Price', fontsize=14) mp.tick_params(labelsize=10) mp.grid(axis='y', linestyle=':') mp.ylim((0, 40)) x = np.arange(len(apples)) mp.bar(x-0.2, apples, 0.4, color='dodgerblue',label='Apple') mp.bar(x + 0.2, oranges, 0.4, color='orangered',label='Orange', alpha=0.75) mp.xticks(x, [ 'Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']) mp.legend() mp.show()绘制饼状图的基本API：
mp.pie( values, # 值列表 spaces, # 扇形之间的间距列表 labels, # 标签列表 colors, # 颜色列表 '%d%%', # 标签所占比例格式 shadow=True, # 是否显示阴影 startangle=90 # 逆时针绘制饼状图时的起始角度 radius=1 # 半径 )案例：绘制饼状图显示5门语言的流行程度：
mp.figure('pie', facecolor='lightgray') #整理数据 values = [26, 17, 21, 29, 11] spaces = [0.05, 0.01, 0.01, 0.01, 0.01] labels = ['Python', 'JavaScript', 'C++', 'Java', 'PHP'] colors = ['dodgerblue', 'orangered', 'limegreen', 'violet', 'gold'] mp.figure('Pie', facecolor='lightgray') mp.title('Pie', fontsize=20) # 等轴比例 mp.axis('equal') mp.pie( values, # 值列表 spaces, # 扇形之间的间距列表 labels, # 标签列表 colors, # 颜色列表 '%d%%', # 标签所占比例格式 shadow=True, # 是否显示阴影 startanle=90 # 逆时针绘制饼状图时的起始角度 radius=1 # 半径 )组成等高线需要网格点坐标矩阵，也需要每个点的高度。所以等高线属于3D数学模型范畴。
绘制等高线的相关API：
mp.contourf(x, y, z, 8, cmap='jet') cntr = mp.contour( x, # 网格坐标矩阵的x坐标 （2维数组） y, # 网格坐标矩阵的y坐标 （2维数组） z, # 网格坐标矩阵的z坐标 （2维数组） 8, # 把等高线绘制成8部分 colors='black', # 等高线的颜色 linewidths=0.5 # 线宽 )案例：生成网格坐标矩阵，并且绘制等高线：
n = 1000 # 生成网格化坐标矩阵 x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n)) # 根据每个网格点坐标，通过某个公式计算z高度坐标 z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2) mp.figure('Contour', facecolor='lightgray') mp.title('Contour', fontsize=20) mp.xlabel('x', fontsize=14) mp.ylabel('y', fontsize=14) mp.tick_params(labelsize=10) mp.grid(linestyle=':') # 绘制等高线图 mp.contourf(x, y, z, 8, cmap='jet') cntr = mp.contour(x, y, z, 8, colors='black', linewidths=0.5) # 为等高线图添加高度标签 mp.clabel(cntr, inline_spacing=1, fmt='%.1f', fontsize=10) mp.show()用图形的方式显示矩阵及矩阵中值的大小 1 2 3 4 5 6 7 8 9
绘制热成像图的相关API：
# 把矩阵z图形化，使用cmap表示矩阵中每个元素值的大小 # origin: 坐标轴方向 # upper: 缺省值，原点在左上角 # lower: 原点在左下角 mp.imshow(z, cmap='jet', origin='low')使用颜色条显示热度值：
mp.colorbar()matplotlib支持绘制三维曲面。若希望绘制三维曲面，需要使用axes3d提供的3d坐标系。
from mpl_toolkits.mplot3d import axes3d ax3d = mp.gca(projection='3d') # class axes3dmatplotlib支持绘制三维点阵、三维曲面、三维线框图：
ax3d.scatter(..) # 绘制三维点阵 ax3d.plot_surface(..) # 绘制三维曲面 ax3d.plot_wireframe(..) # 绘制三维线框图3d散点图的绘制相关API：
ax3d.scatter( x, # x轴坐标数组 y, # y轴坐标数组 marker='', # 点型 s=10, # 大小 zorder='', # 图层序号 color='', # 颜色 edgecolor='', # 边缘颜色 facecolor='', # 填充色 c=v, # 颜色值 根据cmap映射应用相应颜色 cmap='' # )案例：随机生成3组坐标，程标准正态分布规则，并且绘制它们。
n = 1000 x = np.random.normal(0, 1, n) y = np.random.normal(0, 1, n) z = np.random.normal(0, 1, n) d = np.sqrt(x ** 2 + y ** 2 + z ** 2) mp.figure('3D Scatter') ax = mp.gca(projection='3d') # 创建三维坐标系 mp.title('3D Scatter', fontsize=20) ax.set_xlabel('x', fontsize=14) ax.set_ylabel('y', fontsize=14) ax.set_zlabel('z', fontsize=14) mp.tick_params(labelsize=10) ax.scatter(x, y, z, s=60, c=d, cmap='jet_r', alpha=0.5) mp.show()3d平面图的绘制相关API：
ax3d.plot_surface( x, # 网格坐标矩阵的x坐标 （2维数组） y, # 网格坐标矩阵的y坐标 （2维数组） z, # 网格坐标矩阵的z坐标 （2维数组） rstride=30, # 行跨距 cstride=30, # 列跨距 cmap='jet' # 颜色映射 )案例：绘制3d平面图
n = 1000 # 生成网格化坐标矩阵 x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n)) # 根据每个网格点坐标，通过某个公式计算z高度坐标 z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2) mp.figure('3D', facecolor='lightgray') ax3d = mp.gca(projection='3d') mp.title('3D', fontsize=20) ax3d.set_xlabel('x', fontsize=14) ax3d.set_ylabel('y', fontsize=14) ax3d.set_zlabel('z', fontsize=14) mp.tick_params(labelsize=10) # 绘制3D平面图 # rstride: 行跨距 # cstride: 列跨距 ax3d.plot_surface(x,y,z,rstride=30,cstride=30, cmap='jet')案例：3d线框图的绘制
# 绘制3D平面图 # rstride: 行跨距 # cstride: 列跨距 ax3d.plot_wireframe(x,y,z,rstride=30,cstride=30, linewidth=1, color='dodgerblue')动画即是在一段时间内快速连续的重新绘制图像的过程。
matplotlib提供了方法用于处理简单动画的绘制。定义update函数用于即时更新图像。
import matplotlib.animation as ma #定义更新函数行为 def update(number): pass # 每隔10毫秒执行一次update更新函数，作用于mp.gcf()当前窗口对象 # mp.gcf()： 获取当前窗口 # update： 更新函数 # interval： 间隔时间（单位：毫秒） anim = ma.FuncAnimation(mp.gcf(), update, interval=10) mp.show()案例：随机生成各种颜色的100个气泡。让他们不断的增大。
#自定义一种可以存放在ndarray里的类型，用于保存一个球 ball_type = np.dtype([ ('position', float, 2), # 位置(水平和垂直坐标) ('size', float, 1), # 大小 ('growth', float, 1), # 生长速度 ('color', float, 4)]) # 颜色(红、绿、蓝和透明度) #随机生成100个点对象 n = 100 balls = np.zeros(100, dtype=ball_type) balls['position']=np.random.uniform(0, 1, (n, 2)) balls['size']=np.random.uniform(40, 70, n) balls['growth']=np.random.uniform(10, 20, n) balls['color']=np.random.uniform(0, 1, (n, 4)) mp.figure("Animation", facecolor='lightgray') mp.title("Animation", fontsize=14) mp.xticks mp.yticks(()) sc = mp.scatter( balls['position'][:, 0], balls['position'][:, 1], balls['size'], color=balls['color'], alpha=0.5) #定义更新函数行为 def update(number): balls['size'] += balls['growth'] #每次让一个气泡破裂，随机生成一个新的 boom_ind = number % n balls[boom_ind]['size']=np.random.uniform(40, 70, 1) balls[boom_ind]['position']=np.random.uniform(0, 1, (1, 2)) # 重新设置属性 sc.set_sizes(balls['size']) sc.set_offsets(balls['position']) # 每隔30毫秒执行一次update更新函数，作用于mp.gcf()当前窗口对象 # mp.gcf()： 获取当前窗口 # update： 更新函数 # interval： 间隔时间（单位：毫秒） anim = ma.FuncAnimation(mp.gcf(), update, interval=30) mp.show()使用生成器函数提供数据，实现动画绘制
在很多情况下，绘制动画的参数是动态获取的，matplotlib支持定义generator生成器函数，用于生成数据，把生成的数据交给update函数更新图像：
import matplotlib.animation as ma #定义更新函数行为 def update(data): t, v = data ... pass def generator(): yield t, v # 每隔10毫秒将会先调用生成器，获取生成器返回的数据， # 把生成器返回的数据交给并且调用update函数，执行更新图像函数 anim = ma.FuncAnimation(mp.gcf(), update, generator,interval=10)案例：绘制信号曲线：y=sin(2 * π * t) * exp(sin(0.2 * π * t))，数据通过生成器函数生成，在update函数中绘制曲线。
mp.figure("Signal", facecolor='lightgray') mp.title("Signal", fontsize=14) mp.xlim(0, 10) mp.ylim(-3, 3) mp.grid(linestyle='--', color='lightgray', alpha=0.5) pl = mp.plot([], [], color='dodgerblue', label='Signal')[0] pl.set_data([],[]) x = 0 def update(data): t, v = data x, y = pl.get_data() x.append(t) y.append(v) #重新设置数据源 pl.set_data(x, y) #移动坐标轴 if(x[-1]>10): mp.xlim(x[-1]-10, x[-1]) def y_generator(): global x y = np.sin(2 * np.pi * x) * np.exp(np.sin(0.2 * np.pi * x)) yield (x, y) x += 0.05 anim = ma.FuncAnimation(mp.gcf(), update, y_generator, interval=20) mp.tight_layout() mp.show()cmap回去
