文章目录
- 实例1 学会使用tex/latex
- 实例2 学会画坐标轴
- 2.1过程
- 2.2 典型例子
- 2.2.1 一条带箭头的竖线
- 2.2.2 坐标系
- 2.2.3 坐标系上画三角函数
实例1 学会使用tex/latex
第一眼看这个图的时候觉得很震撼，代码来自官网useTex demo，以及Latex
代码在本例题末尾
首先需要注意的是，使用latex时可能会比不使用慢，因为需要调用到latex里面的一些程序，但latex语言美观。
使用latex最简单的方式就是加’$'符号（记住要加r），同时在开头使用rc,设置usetex=True
(第一次调用会比较耗时间，之后就比较快了)
import matplotlib.pyplot as plt
plt.rc('text', usetex=True)
如一个有latex公式的三角函数图
import
numpy
as
np
import
matplotlib
.
pyplot
as
plt
plt
.
rc
(
'text'
,
usetex
=
True
)
#使用latex
x
=
np
.
linspace
(
-
3
,
3
,
100
)
y
=
np
.
sin
(
x
)
plt
.
plot
(
x
,
y
,
'r'
)
plt
.
xlabel
(
r
'$\theta$'
)
#一定要加r转义，避免将$读错
plt
.
ylabel
(
r
'$\delta$'
)
plt
.
text
(
-
1.5
,
.5
,
r
'$\Omega=\theta+\delta+\phi$'
)
#在位置(-1.5,0.5)处开始写公式
plt
.
show
(
)
下面的代码是上面第一个图的代码
import
numpy
as
np
import
matplotlib
.
pyplot
as
plt
plt
.
rc
(
'text'
,
usetex
=
True
)
# interface tracking profiles
N
=
500
delta
=
0.6
X
=
np
.
linspace
(
-
1
,
1
,
N
)
plt
.
plot
(
X
,
(
1
-
np
.
tanh
(
4
*
X
/
delta
)
)
/
2
,
# phase field tanh profiles
X
,
(
1.4
+
np
.
tanh
(
4
*
X
/
delta
)
)
/
4
,
"C2"
,
# composition profile
X
,
X
<
0
,
'k--'
)
# sharp interface
# legend
plt
.
legend
(
(
'phase field'
,
'level set'
,
'sharp interface'
)
,
shadow
=
True
,
loc
=
(
0.01
,
0.48
)
,
handlelength
=
1.5
,
fontsize
=
16
)
# the arrow
plt
.
annotate
(
""
,
xy
=
(
-
delta
/
2
.
,
0.1
)
,
xytext
=
(
delta
/
2
.
,
0.1
)
,
arrowprops
=
dict
(
arrowstyle
=
"<->"
,
connectionstyle
=
"arc3"
)
)
plt
.
text
(
0
,
0.1
,
r
'$\delta$'
,
{
'color'
:
'black'
,
'fontsize'
:
24
,
'ha'
:
'center'
,
'va'
:
'center'
,
'bbox'
:
dict
(
boxstyle
=
"round"
,
fc
=
"white"
,
ec
=
"black"
,
pad
=
0.2
)
}
)
# Use tex in labels
plt
.
xticks
(
(
-
1
,
0
,
1
)
,
(
'$-1$'
,
r
'$\pm 0$'
,
'$+1$'
)
,
color
=
'k'
,
size
=
20
)
# Left Y-axis labels, combine math mode and text mode
plt
.
ylabel
(
r
'\bf{phase field} $\phi$'
,
{
'color'
:
'C0'
,
'fontsize'
:
20
}
)
plt
.
yticks
(
(
0
,
0.5
,
1
)
,
(
r
'\bf{0}'
,
r
'\bf{.5}'
,
r
'\bf{1}'
)
,
color
=
'k'
,
size
=
20
)
# Right Y-axis labels
plt
.
text
(
1.02
,
0.5
,
r
"\bf{level set} $\phi$"
,
{
'color'
:
'C2'
,
'fontsize'
:
20
}
,
horizontalalignment
=
'left'
,
verticalalignment
=
'center'
,
rotation
=
90
,
clip_on
=
False
,
transform
=
plt
.
gca
(
)
.
transAxes
)
# Use multiline environment inside a `text`.
# level set equations
eq1
=
r
"\begin{eqnarray*}"
+
\
r
"|\nabla\phi| &=& 1,\\"
+
\
r
"\frac{\partial \phi}{\partial t} + U|\nabla \phi| &=& 0 "
+
\
r
"\end{eqnarray*}"
plt
.
text
(
1
,
0.9
,
eq1
,
{
'color'
:
'C2'
,
'fontsize'
:
18
}
,
va
=
"top"
,
ha
=
"right"
)
# phase field equations
eq2
=
r
'\begin{eqnarray*}'
+
\
r
'\mathcal{F} &=& \int f\left( \phi, c \right) dV, \\ '
+
\
r
'\frac{ \partial \phi } { \partial t } &=& -M_{ \phi } '
+
\
r
'\frac{ \delta \mathcal{F} } { \delta \phi }'
+
\
r
'\end{eqnarray*}'
plt
.
text
(
0.18
,
0.18
,
eq2
,
{
'color'
:
'C0'
,
'fontsize'
:
16
}
)
plt
.
text
(
-
1
,
.30
,
r
'gamma: $\gamma$'
,
{
'color'
:
'r'
,
'fontsize'
:
20
}
)
plt
.
text
(
-
1
,
.18
,
r
'Omega: $\Omega$'
,
{
'color'
:
'b'
,
'fontsize'
:
20
}
)
实例2 学会画坐标轴
一个简单的方法是直接画两条线，代表x,y，但是这样不美观，也不好用
2.1过程
matplotlib画图的时候总是默认的方框，有时候想展示的是x,y左边轴。
绘制坐标系需要用到axisartist，这个可以参考官网axisartist
例外也可以参考博文Python-matplotlib绘制带箭头x-y坐标轴图形
官网上给的一个复杂的demo是
可见axisartist在画线上还是很实用的。
所以本小节从axisartist说起
创建子图
子图是通过subplot来绘制的，111表示一行一列只有一个图，第三个1是表示第一个图。
如221表示有两行两列（则有四个图）第一个图，分别展示如下。
import
matplotlib
.
pyplot
as
plt
import
mpl_toolkits
.
axisartist
as
AA
fig
=
plt
.
figure
(
)
#创建画布
ax
=
AA
.
Subplot
(
fig
,
111
)
fig
.
add_axes
(
ax
)
#将坐标ax加入画布中
（111）
（221）
上下左右(top, bottom,left,right)共四条线，即四个坐标轴，下面隐藏右边和上边
ax
.
axis
[
'right'
]
.
set_visible
(
False
)
ax
.
axis
[
'top'
]
.
set_visible
(
False
)
或者
ax.axis['right','top'].set_visible(False)
在y=0处加横坐标(horizontal axis)
#在第一个轴(即x轴，nth_coord是nth coordinate的简称，即第n个坐标轴）
#当nth_coord=1表示x轴。
#所以nth_coord=0, value=0表示画一条x轴，并经过y=0点。
ax
.
axis
[
'y=0'
]
=
ax
.
new_floating_axis
(
nth_coord
=
0
,
value
=
0
)
# 可以将参数名去掉直接写(0,0)
#画一条经过x=0.5的y轴，图见下
ax
.
axis
[
'x=0.5'
]
=
ax
.
new_floating_axis
(
nth_coord
=
1
,
value
=
0.5
)
结合上面的知识，我们可以画出如下的图形
代码为
import
matplotlib
.
pyplot
as
plt
import
mpl_toolkits
.
axisartist
as
AA
fig
=
plt
.
figure
(
)
#创建画布
ax
=
AA
.
Subplot
(
fig
,
111
)
fig
.
add_axes
(
ax
)
#将坐标ax加入画布中
#设置某些坐标轴不可见
ax
.
axis
[
'right'
,
'top'
,
'bottom'
]
.
set_visible
(
False
)
# 增加浮动轴
ax
.
axis
[
'y=0'
]
=
ax
.
new_floating_axis
(
nth_coord
=
0
,
value
=
0
)
#如果不想显示坐标轴上的数字可以如下
#ax.axis["left"].toggle(ticklabels=False)
#给坐标轴添加文本
ax
.
axis
[
'y=0'
]
.
label
.
set_text
(
'y=0'
)
#将数字变成红色
ax
.
axis
[
"left"
]
.
major_ticklabels
.
set_color
(
"r"
)
#所有轴的数字都变成红色
#ax.axis[:].major_ticklabels.set_color("r")
#y轴范围
ax
.
set_ylim
(
-
4
,
4
)
plt
.
show
(
)
如果是画一条经过x=0.5的y轴
画箭头
ax
.
axis
[
'y=0'
]
.
set_axisline_style
(
'->'
,
size
=
1.5
)
2.2 典型例子
2.2.1 一条带箭头的竖线
（图一：数字显示在左边，实心箭头）
（图2：数字显示在右边）
import
matplotlib
.
pyplot
as
plt
import
mpl_toolkits
.
axisartist
as
axisartist
#定义一个画轴线的函数
def
setup_axes
(
fig
,
rect
)
:
ax
=
axisartist
.
Subplot
(
fig
,
rect
)
#建立子图
fig
.
add_axes
(
ax
)
#子图加入画布
ax
.
set_ylim
(
-
0.1
,
1.5
)
ax
.
set_yticks
(
[
0
,
1
]
)
ax
.
axis
[
:
]
.
set_visible
(
False
)
#四条边框线都消失
ax
.
axis
[
"x"
]
=
ax
.
new_floating_axis
(
1
,
0.5
)
#y轴经过x=0.5
ax
.
axis
[
"x"
]
.
set_axisline_style
(
"->"
,
size
=
1.5
)
#空心箭头
#('-|>')实心箭头
return
ax
fig
=
plt
.
figure
(
figsize
=
(
3
,
2.5
)
)
#建立画布，尺寸为长3宽2.5
fig
.
subplots_adjust
(
top
=
0.8
)
#可不要
ax1
=
setup_axes
(
fig
,
"111"
)
#“111”可以写成111，即str或者int都可以
ax1
.
axis
[
"x"
]
.
set_axis_direction
(
"left"
)
#数字显示在左边right则右边
plt
.
show
(
)
2.2.2 坐标系
import
matplotlib
.
pyplot
as
plt
import
mpl_toolkits
.
axisartist
as
axisartist
def
setup_axes
(
fig
,
rect
)
:
ax
=
axisartist
.
Subplot
(
fig
,
rect
)
fig
.
add_axes
(
ax
)
#手动设置y轴，从-0.1开始，我对x轴不做设置
#大家可以对比x跟y有什么不同
ax
.
set_ylim
(
-
0.1
,
1.5
)
ax
.
set_yticks
(
[
0
,
0.1
,
0.5
]
)
#手动写参数
#4个边框线不可见
ax
.
axis
[
:
]
.
set_visible
(
False
)
#第2条线，即y轴
ax
.
axis
[
"y"
]
=
ax
.
new_floating_axis
(
1
,
0
)
ax
.
axis
[
"y"
]
.
set_axisline_style
(
"-|>"
,
size
=
1.5
)
#第一条线，x轴
ax
.
axis
[
"x"
]
=
ax
.
new_floating_axis
(
0
,
0
)
ax
.
axis
[
"x"
]
.
set_axisline_style
(
"-|>"
,
size
=
1.5
)
return
(
ax
)
fig
=
plt
.
figure
(
figsize
=
(
8
,
8
)
)
#设置画布大小（建议可以默认为空括号，不设置大小）
ax1
=
setup_axes
(
fig
,
111
)
ax1
.
axis
[
"x"
]
.
set_axis_direction
(
"bottom"
)
#x轴数字显示在线的下方
ax1
.
axis
[
'y'
]
.
set_axis_direction
(
'right'
)
#y轴数字显示在线的右边
plt
.
show
(
)
2.2.3 坐标系上画三角函数
import
mpl_toolkits
.
axisartist
as
axisartist
import
numpy
as
np
#定义坐标轴函数
def
setup_axes
(
fig
,
rect
)
:
ax
=
axisartist
.
Subplot
(
fig
,
rect
)
fig
.
add_axes
(
ax
)
ax
.
set_ylim
(
-
10
,
10
)
#自定义刻度
# ax.set_yticks([-10, 0,9])
ax
.
set_xlim
(
-
10
,
10
)
ax
.
axis
[
:
]
.
set_visible
(
False
)
#第2条线，即y轴,经过x=0的点
ax
.
axis
[
"y"
]
=
ax
.
new_floating_axis
(
1
,
0
)
ax
.
axis
[
"y"
]
.
set_axisline_style
(
"-|>"
,
size
=
1.5
)
# 第一条线，x轴，经过y=0的点
ax
.
axis
[
"x"
]
=
ax
.
new_floating_axis
(
0
,
0
)
ax
.
axis
[
"x"
]
.
set_axisline_style
(
"-|>"
,
size
=
1.5
)
return
(
ax
)
#设置画布
fig
=
plt
.
figure
(
figsize
=
(
8
,
8
)
)
#建议可以直接plt.figure()不定义大小
ax1
=
setup_axes
(
fig
,
111
)
ax1
.
axis
[
"x"
]
.
set_axis_direction
(
"bottom"
)
ax1
.
axis
[
'y'
]
.
set_axis_direction
(
'right'
)
#在已经定义好的画布上加入三角函数
x
=
np
.
arange
(
-
15
,
15
,
0.1
)
y
=
np
.
sin
(
x
)
plt
.
plot
(
x
,
y
)
plt
.
show
(
)
