#
#
# ### 1.4.3.3 轴
#
# 轴与子图非常类似，不过允许图形放在图片的任意位置。因此，如果我们想要将一个小图形放在一个更大图形中，我们可以用轴。
#
# 
#
# ### 1.4.3.4 刻度
#
# 格式良好的刻度是准备好发布图片的必要部分。Matplotlib提供了一个完全可控的刻度系统。有刻度位置来指定刻度该出现在哪，还有刻度格式来给出你想要的刻度外观。主刻度和子刻度可以被独立放置和整理格式。之前子刻度默认是不显示的，即他们只有空列表，因为它是`NullLocator` (见下面)。
#
# #### 1.4.3.4.1 刻度位置
#
# 刻度位置可以控制的位置。它的设置如下：
#
# ```python
# ax = pl.gca()
# ax.xaxis.set_major_locator(eval(locator))
# ```
# 不同的需求有多种位置：
#
# 
#
# 所有这些位置都可以从基础类[matplotlib.ticker.Locator](http://matplotlib.org/api/ticker_api.html#matplotlib.ticker.Locator)衍生出来。你可以从中衍生出你自己的位置。将日期处理为刻度特别困哪。因此，`matplotlib`提供了特殊的位置`matplotlib.dates`。
# ## 1.4.4 其他类型的图形：例子与练习
#
# ### 1.4.4.1 常规图形
#
# ---
# **提示：**你可以使用[fill_between](http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.fill_between)命令。
#
# ---
#
# 
#
# 从下面的代码开始，试着重新生成这个图片，小心处理填充区域：
#
# ```python
# n = 256
# X = np.linspace(-np.pi, np.pi, n, endpoint=True)
# Y = np.sin(2 * X)
#
# plt.plot(X, Y + 1, color='blue', alpha=1.00)
# plt.plot(X, Y - 1, color='blue', alpha=1.00)
# ```
#
# 答案如下:
# In[13]:
import numpy as np
import matplotlib.pyplot as plt
# http://www.scipy-lectures.org/intro/matplotlib/auto_examples/plot_plot.html
n = 256
X = np.linspace(-np.pi, np.pi, n, endpoint=True)
Y = np.sin(2 * X)
plt.axes([0.025, 0.025, 0.95, 0.95])
plt.plot(X, Y + 1, color='blue', alpha=1.00)
plt.fill_between(X, 1, Y + 1, color='blue', alpha=.25)
plt.plot(X, Y - 1, color='blue', alpha=1.00)
plt.fill_between(X, -1, Y - 1, (Y - 1) > -1, color='blue', alpha=.25)
plt.fill_between(X, -1, Y - 1, (Y - 1) < -1, color='red', alpha=.25)
plt.xlim(-np.pi, np.pi)
plt.xticks(())
plt.ylim(-2.5, 2.5)
plt.yticks(())
plt.show()
# ### 1.4.4.2 散点图
#
# ---
# **提示：**颜色根据角度进行分配
#
# ---
#
# 
#
#
# 从下面的代码开始，试着重新生成这个图片，小心处理标记的大小颜色和透明度：
#
# ```python
# n = 1024
# X = np.random.normal(0,1,n)
# Y = np.random.normal(0,1,n)
#
# plt.scatter(X,Y)
# ```
#
# 答案如下:
# In[14]:
import numpy as np
import matplotlib.pyplot as plt
# http://www.scipy-lectures.org/intro/matplotlib/auto_examples/plot_scatter.html
n = 1024
X = np.random.normal(0, 1, n)
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X)
plt.axes([0.025, 0.025, 0.95, 0.95])
plt.scatter(X, Y, s=75, c=T, alpha=.5)
plt.xlim(-1.5, 1.5)
plt.xticks(())
plt.ylim(-1.5, 1.5)
plt.yticks(())
plt.show()
# ### 1.4.4.3 柱状图
#
# ---
# **提示：**你需要小心文本对齐
#
# ---
# 
#
# 从下面的代码开始，试着重新生成这个图片，添加红柱的标签。
#
# ```python
# n = 12
# X = np.arange(n)
# Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
# Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
#
# plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
# plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
#
# for x, y in zip(X, Y1):
# plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')
#
# plt.ylim(-1.25, +1.25)
# ```
#
# 答案如下:
# In[15]:
import numpy as np
import matplotlib.pyplot as plt
n = 12
X = np.arange(n)
Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
plt.axes([0.025, 0.025, 0.95, 0.95])
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
for x, y in zip(X, Y1):
plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va= 'bottom')
for x, y in zip(X, Y2):
plt.text(x + 0.4, -y - 0.05, '%.2f' % y, ha='center', va= 'top')
plt.xlim(-.5, n)
plt.xticks(())
plt.ylim(-1.25, 1.25)
plt.yticks(())
plt.show()
# ### 1.4.4.4 轮廓图
#
# ---
# **提示：**你需要是使用[clabel](http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.clabel)命令。
#
# ---
#
# 
#
# 从下面的代码开始，试着重新生成这个图片，小心处理colormap (见下面的[Colormaps](http://scipy-lectures.github.io/intro/matplotlib/matplotlib.html#colormaps))。
#
# ```python
# def f(x, y):
# return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 -y ** 2)
#
# n = 256
# x = np.linspace(-3, 3, n)
# y = np.linspace(-3, 3, n)
# X, Y = np.meshgrid(x, y)
#
# plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap='jet')
# C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)
# ```
#
# 答案如下：
# In[16]:
import numpy as np
import matplotlib.pyplot as plt
def f(x,y):
return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2)
n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X,Y = np.meshgrid(x, y)
plt.axes([0.025, 0.025, 0.95, 0.95])
plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)
plt.clabel(C, inline=1, fontsize=10)
plt.xticks(())
plt.yticks(())
plt.show()
# ### 1.4.4.5 Imshow
#
# ---
# **提示：**你需要小心处理在imshow命令中的图像*原点*并使用[colorbar](http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.colorbar)
#
# ---
#
# 
#
# 从下面的代码开始，试着重新生成这个图片，小心处理colormap和图像插入以及原点。
#
# ```python
# def f(x, y):
# return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
#
# n = 10
# x = np.linspace(-3, 3, 4 * n)
# y = np.linspace(-3, 3, 3 * n)
# X, Y = np.meshgrid(x, y)
# plt.imshow(f(X, Y))
# ```
#
# 答案如下：
# In[17]:
import numpy as np
import matplotlib.pyplot as plt
def f(x, y):
return (1 - x / 2 + x ** 5 + y ** 3 ) * np.exp(-x ** 2 - y ** 2)
n = 10
x = np.linspace(-3, 3, 3.5 * n)
y = np.linspace(-3, 3, 3.0 * n)
X, Y = np.meshgrid(x, y)
Z = f(X, Y)
plt.axes([0.025, 0.025, 0.95, 0.95])
plt.imshow(Z, interpolation='nearest', cmap='bone', origin='lower')
plt.colorbar(shrink=.92)
plt.xticks(())
plt.yticks(())
plt.show()
# ### 1.4.4.6 饼图
#
# ---
# **提示：**你需要调整Z。
#
# ---
#
# 
#
# 从下面的代码开始，试着重新生成这个图片，小心处理颜色和切片大小。
#
# ```python
# Z = np.random.uniform(0, 1, 20)
# plt.pie(Z)
# ```
#
# 答案如下：
# In[18]:
import numpy as np
import matplotlib.pyplot as plt
n = 20
Z = np.ones(n)
Z[-1] *= 2
plt.axes([0.025, 0.025, 0.95, 0.95])
plt.pie(Z, explode=Z*.05, colors = ['%f' % (i/float(n)) for i in range(n)])
plt.axis('equal')
plt.xticks(())
plt.yticks()
plt.show()
# ### 1.4.4.7 梯度图
#
# ---
# **提示：**你需要绘制两次箭头。
#
# ---
#
# 
#
# 从下面的代码开始，试着重新生成这个图片，小心处理颜色和方向。
#
# ```python
# n = 8
# X, Y = np.mgrid[0:n, 0:n]
# plt.quiver(X, Y)
# ```
# 答案如下：
# In[19]:
import numpy as np
import matplotlib.pyplot as plt
n = 8
X, Y = np.mgrid[0:n, 0:n]
T = np.arctan2(Y - n / 2., X - n/2.)
R = 10 + np.sqrt((Y - n / 2.0) ** 2 + (X - n / 2.0) ** 2)
U, V = R * np.cos(T), R * np.sin(T)
plt.axes([0.025, 0.025, 0.95, 0.95])
plt.quiver(X, Y, U, V, R, alpha=.5)
plt.quiver(X, Y, U, V, edgecolor='k', facecolor='None', linewidth=.5)
plt.xlim(-1, n)
plt.xticks(())
plt.ylim(-1, n)
plt.yticks(())
plt.show()
# ### 1.4.4.8 网格
#
# 
#
# 从下面的代码开始，试着重新生成这个图片，小心处理线的样式。
#
# ```python
# axes = plt.gca()
# axes.set_xlim(0, 4)
# axes.set_ylim(0, 3)
# axes.set_xticklabels([])
# axes.set_yticklabels([])
# ```
#
# 答案如下:
# In[20]:
import matplotlib.pyplot as plt
ax = plt.axes([0.025, 0.025, 0.95, 0.95])
ax.set_xlim(0,4)
ax.set_ylim(0,3)
ax.xaxis.set_major_locator(plt.MultipleLocator(1.0))
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
ax.yaxis.set_major_locator(plt.MultipleLocator(1.0))
ax.yaxis.set_minor_locator(plt.MultipleLocator(0.1))
ax.grid(which='major', axis='x', linewidth=0.75, linestyle='-', color='0.75')
ax.grid(which='minor', axis='x', linewidth=0.25, linestyle='-', color='0.75')
ax.grid(which='major', axis='y', linewidth=0.75, linestyle='-', color='0.75')
ax.grid(which='minor', axis='y', linewidth=0.25, linestyle='-', color='0.75')
ax.set_xticklabels([])
ax.set_yticklabels([])
plt.show()
# ### 1.4.4.9 多图
#
# ---
# **提示：**你可以用不同的分割来使用多个子图。
#
# ---
#
# 
#
# ```python
# pl.subplot(2, 2, 1)
# pl.subplot(2, 2, 3)
# pl.subplot(2, 2, 4)
# ```
# 答案如下:
# In[21]:
import matplotlib.pyplot as plt
fig = plt.figure()
fig.subplots_adjust(bottom=0.025, left=0.025, top = 0.975, right=0.975)
plt.subplot(2, 1, 1)
plt.xticks(()), plt.yticks(())
plt.subplot(2, 3, 4)
plt.xticks(())
plt.yticks(())
plt.subplot(2, 3, 5)
plt.xticks(())
plt.yticks(())
plt.subplot(2, 3, 6)
plt.xticks(())
plt.yticks(())
plt.show()
# ### 1.4.4.10 极坐标系
#
# ---
# **提示：**你只需要修改`axes`行。
#
# ---
#
# 
#
# 从下面的代码开始，试着重新生成这个图片。
#
# ```python
# plt.axes([0, 0, 1, 1])
#
# N = 20
# theta = np.arange(0., 2 * np.pi, 2 * np.pi / N)
# radii = 10 * np.random.rand(N)
# width = np.pi / 4 * np.random.rand(N)
# bars = plt.bar(theta, radii, width=width, bottom=0.0)
#
# for r, bar in zip(radii, bars):
# bar.set_facecolor(cm.jet(r / 10.))
# bar.set_alpha(0.5)
# ```
# 答案如下:
# In[22]:
import numpy as np
import matplotlib.pyplot as plt
ax = plt.axes([0.025, 0.025, 0.95, 0.95], polar=True)
N = 20
theta = np.arange(0.0, 2 * np.pi, 2 * np.pi / N)
radii = 10 * np.random.rand(N)
width = np.pi / 4 * np.random.rand(N)
bars = plt.bar(theta, radii, width=width, bottom=0.0)
for r,bar in zip(radii, bars):
bar.set_facecolor(plt.cm.jet(r/10.))
bar.set_alpha(0.5)
ax.set_xticklabels([])
ax.set_yticklabels([])
plt.show()
# ### 1.4.4.11 3D绘图
#
# ---
# **提示：**你需要使用[contourf](http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.contourf)
#
# ---
#
# 
#
# 从下面的代码开始，试着重新生成这个图片。
#
# ```python
# from mpl_toolkits.mplot3d import Axes3D
#
# fig = plt.figure()
# ax = Axes3D(fig)
# X = np.arange(-4, 4, 0.25)
# Y = np.arange(-4, 4, 0.25)
# X, Y = np.meshgrid(X, Y)
# R = np.sqrt(X**2 + Y**2)
# Z = np.sin(R)
#
# ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='hot')
# ```
#
# **更多请见**：[用Mayavi 3D绘图](http://scipy-lectures.github.io/packages/3d_plotting/index.html#mayavi-label)
#
# 答案如下：
# In[23]:
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X ** 2 + Y ** 2)
Z = np.sin(R)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.cm.hot)
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.cm.hot)
ax.set_zlim(-2, 2)
plt.show()
# ### 1.4.4.12 文本
#
# ---
# **提示：**看一下[matplotlib标识](http://matplotlib.org/examples/api/logo2.html)
#
# ---
#
# 
#
# 试着从头开始做这个事情！
#
# 答案如下:
# In[24]:
import numpy as np
import matplotlib.pyplot as plt
eqs = []
eqs.append((r"$W^{3\beta}_{\delta_1 \rho_1 \sigma_2} = U^{3\beta}_{\delta_1 \rho_1} + \frac{1}{8 \pi 2} \int^{\alpha_2}_{\alpha_2} d \alpha^\prime_2 \left[\frac{ U^{2\beta}_{\delta_1 \rho_1} - \alpha^\prime_2U^{1\beta}_{\rho_1 \sigma_2} }{U^{0\beta}_{\rho_1 \sigma_2}}\right]$"))
eqs.append((r"$\frac{d\rho}{d t} + \rho \vec{v}\cdot\nabla\vec{v} = -\nabla p + \mu\nabla^2 \vec{v} + \rho \vec{g}$"))
eqs.append((r"$\int_{-\infty}^\infty e^{-x^2}dx=\sqrt{\pi}$"))
eqs.append((r"$E = mc^2 = \sqrt{{m_0}^2c^4 + p^2c^2}$"))
eqs.append((r"$F_G = G\frac{m_1m_2}{r^2}$"))
plt.axes([0.025, 0.025, 0.95, 0.95])
for i in range(24):
index = np.random.randint(0, len(eqs))
eq = eqs[index]
size = np.random.uniform(12, 32)
x,y = np.random.uniform(0, 1, 2)
alpha = np.random.uniform(0.25, .75)
plt.text(x, y, eq, ha='center', va='center', color="#11557c", alpha=alpha,
transform=plt.gca().transAxes, fontsize=size, clip_on=True)
plt.xticks(())
plt.yticks(())
plt.show()
# ---
# **快速阅读**
#
# 如果你想要快速看一下Scipy讲座以便了解生态系统，你可以直接跳到下一章：Scipy：高级科学计算。
#
# 本章的剩余部分对理解其他的介绍部分不是必须的。但是，请确保在稍后回来完成这个章节。
# ## 1.4.5 这本教程之外
#
# Matplotlib从大量的文档以及用户和开发者社区中收益匪浅。这里是一些有趣的链接：
#
# ### 1.4.5.1 教程
#
# * [Pyplot教程](http://matplotlib.sourceforge.net/users/pyplot_tutorial.html)
# * 介绍
# * 控制line属性
# * 处理多个图形和坐标轴
# * 处理文本
# * [Image教程](http://matplotlib.sourceforge.net/users/image_tutorial.html)
# * 开始命令
# * 从Numpy数组中导入图像数据
# * 将numpy数组绘制为图像
# * [Text教程](http://matplotlib.sourceforge.net/users/index_text.html)
# * Text介绍
# * 基本text命令
# * Text属性和布局
# * 写数学表达式
# * 用LaTeX渲染文本
# * 文本注释
# * [Artist教程](http://matplotlib.org/users/artists.html)
# * 介绍
# * 自定义你的对象
# * 对象容器
# * Figure容器
# * Axes容器
# * Axis容器
# * 刻度容器
# * [Path教程](http://matplotlib.sourceforge.net/users/path_tutorial.html)
# * 介绍
# * Bézier例子
# * 复合路径
# * [转换教程](http://matplotlib.sourceforge.net/users/transforms_tutorial.html)
# * 介绍
# * 数据坐标
# * Axes坐标
# * 混合转换
# * 用offset转换来穿件一个阴影效果
# * pipline转换
#
# ### 1.4.5.2 Matplotlib文档
#
# * [用户手册](http://matplotlib.sourceforge.net/users/index.html)
# * [常见问题](http://matplotlib.sourceforge.net/faq/index.html)
# * 安装
# * 使用
# * 如何使用
# * 故障排除
# * 环境变量
# * [屏幕截图](http://matplotlib.sourceforge.net/users/screenshots.html)
#
# ### 1.4.5.3 代码文档
#
# 代码都有很好的文档，你可以在Python会话中用特定命令很快的访问：
# In[25]:
import matplotlib.pyplot as plt
help(plt.plot)
# ### 1.4.5.4 画廊
#
# 当你搜索如何提供一个特定图片时，[matplotlib画廊](http://matplotlib.sourceforge.net/gallery.html)也非常有用。每个例子都有源码。
#
# [这里](http://www.loria.fr/~rougier/coding/gallery/)有一个小的画廊。
#
# ### 1.4.5.5 邮件列表
#
# 最后，你可以在[用户邮件列表](https://lists.sourceforge.net/lists/listinfo/matplotlib-users)寻求帮助，而[开发者邮件列表](https://lists.sourceforge.net/lists/listinfo/matplotlib-devel)则更偏技术。
# ## 1.4.6 快速参考
#
# 这里是一组表格，显示了主要的属性和样式。
#
# ### 1.4.6.1 Line属性
#
# | 属性 | #描述 | #外观 | #
|---|---|---|
| alpha (or a) | #alpha 0-1范围的透明度 | #
# |
#
| antialiased | #True or False - use antialised rendering | #
# 
# |
#
| color (or c) | #matplotlib颜色参数 | #
# |
#
| linestyle (or ls) | #see Line属性 | ## |
| linewidth (or lw) | #浮点, 线宽度用小数表示 | #
# |
#
| solid_capstyle | #实线头的样式 | #
# |
#
| solid_joinstyle | #实线的连接样式 | #
# |
#
| dash_capstyle | #虚线头的样式 | #
# |
#
| dash_joinstyle | #虚线的连接样式 | #
# |
#
| marker | #see 标记 | ## |
| markeredgewidth (mew) | #标记符号的线宽度 | #
# |
#
| markeredgecolor (mec) | #标记边缘的颜色 | #
# |
#
| markerfacecolor (mfc) | #标记的填充颜色 | #
# |
#
| markersize (ms) | #标记的大小，以小数表示 | #
# |
#