赵走x博客 - 开发者的网上家园

14、函数组合应用

资源编号:76002 人工智能 Python数据可视化之matplotlib实践热度：100

上节将绘制图1.1的重要组成元素的函数从函数功能、调用签名、参数说明和调用展示等方面讲解使用方法，进一步，在调用展示中又通过代码实现和运行结果两方面详细解释了绘制这些组成元素的函数的使用方法

上节将绘制图1.1的重要组成元素的函数从函数功能、 调用签名、 参数说明和调用展示等方面讲解使用方法， 进一步， 在调用展示中又通过代码实现和运行结果两方面详细解释了绘制这些组成元素的函数的使用方法。因此，通过这些函数的多维度学习，读者基本可以将图1.1中的内容很好地复现出来， 接下来， 就让我们看看绘制图1.1的源代码， 如下所示。
```
import matplotlib.pyplot as plt
import numpy as np

from matplotlib import cm as cm

# define data
x = np.linspace(0.5, 3.5, 100)
y = np.sin(x)
y1 = np.random.rand(100)

# scatter figure
plt.scatter(x, y1, c='0.25', label='scatter figure')

# plot figure
plt.plot(x, y, ls='--', lw=2, label='plot figure')

# some clean up(removing chartjunk)
# turn the top spine and the right spine off
for spine in plt.gca().spines.keys():
    print(spine)
    if spine == 'top' or spine == 'right':
        plt.gca().spines[spine].set_color('none')

# turn bottom tick for x-axis on
plt.gca().xaxis.set_ticks_position('bottom')
# set tick_line position of bottom

# leave left ticks for y-axis on
plt.gca().yaxis.set_ticks_position('left')
# set tick_line position of left
# set x,yaxis limit
plt.xlim(0.0, 4.0)
plt.ylim(-3.0, 3.0)

# set axes labels
plt.ylabel('y_axis')
plt.xlabel('x_axis')

# set x,yaxis grid
plt.grid(True, ls=':', color='r')

# add a horizontal line across the axis
plt.axhline(y=0.0, c='r', ls='--', lw=2)

# add a vertical span across the axis
plt.axvspan(xmin=1.0, xmax=2.0, facecolor='y', alpha=.3)

# set annotating info
plt.annotate('maximum', xy=(np.pi / 2, 1.0), xytext=((np.pi / 2) + 0.15, 1.5), weight='bold', color='r',
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='r'))

plt.annotate('spines', xy=(0.75, -3), xytext=(0.35, -2.25), weight='bold', color='b',
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='b'))

plt.annotate('', xy=(0, -2.78), xytext=(0.4, -2.32),
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='b'))
plt.annotate('', xy=(3.5, -2.98), xytext=(3.6, -2.70),
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='b'))

# set text info
plt.text(3.6, -2.70, "'|' is tickline", weight='bold', color='b')
plt.text(3.6, -2.95, "3.5 is ticklabel", weight='bold', color='b')

# set title
plt.title("structure of matplotlib")

# set legend()
plt.legend()

plt.show()
```
在上面的源代码中， 除了用线框圈起来的部分我没有阐述， 其余部分都已经介绍过了， 线框部分会在接下来的章节中详细给大家讲解。 现在， 读者就动手输入上面的代码， 看看输出结果是什么样的？能否感受到matplotlib绘图的精细与精美？

![bs64](https://img.handsomemark.com/2019/11/01/5e0bc284-fc94-11e9-8d85-acde48001122.png)