圖形標記語言與 Matplotlib 繪圖

Matplotlib 是 Python 資料視覺化領域的核心套件，提供豐富的繪圖功能，從簡單的線圖到複雜的 3D 圖表都能輕鬆製作。本文將深入探討 Matplotlib 的線圖繪製技巧，包含設定標記、線型、顏色、透明度、線寬、標記大小等，同時也將介紹如何使用 MLC/CLM 形式快速設定線條樣式，以及如何設定圖片大小、背景色、網格線等。此外，本文還會說明如何使用 Matplotlib 繪製多條線，並自訂座標軸標籤、新增網格線以及繪製子圖等進階技巧，讓讀者能更有效地運用 Matplotlib 進行資料視覺化。

瞭解圖形標記語言

在繪圖和設計領域中，圖形標記語言是一種用於描述和建立圖形的符號系統。這種語言使用一系列的符號和命令來定義圖形的形狀、大小和顏色。下面，我們將探討一些常見的圖形標記語言符號及其含義。

基本形狀

• Pentagon（五邊形）：用於繪製五邊形的符號。
• Star（星形）：代表星形的符號。
• Hexagon（六邊形）：可以是兩種不同的六邊形符號，分別用於繪製不同風格的六邊形。
• Plus（加號）：用於繪製加號形狀的符號。
• X（乘號）：代表乘號形狀的符號。
• Diamond（菱形）：可以是兩種不同的菱形符號，分別用於繪製不同方向的菱形。

圖形標記語言的應用

圖形標記語言在各個領域都有廣泛的應用，包括：

• 設計和繪圖：用於建立複雜的圖形和設計。
• 程式設計：在某些程式設計語言中，用於定義圖形介面元件的外觀。
• 資料視覺化：用於建立資料視覺化圖表，以更好地展示資料。

內容解密：

圖形標記語言提供了一種簡潔而強大的方式來描述和建立圖形。透過使用這些符號和命令，設計師和開發者可以快速地建立出複雜的圖形和設計。這種語言的應用範圍廣泛，從設計和繪圖到程式設計和資料視覺化。

圖表翻譯：

下面是一個簡單的Mermaid圖表，展示瞭如何使用圖形標記語言來定義不同的形狀：

  graph LR
    A[Pentagon] --> B[Star]
    B --> C[Hexagon1]
    C --> D[Hexagon2]
    D --> E[Plus]
    E --> F[X]
    F --> G[Diamond1]
    G --> H[Diamond2]

這個圖表展示瞭如何使用圖形標記語言來連線不同的形狀，建立出一個複雜的圖形。每個符號都對應著一個特定的形狀，並且可以透過調整符號和命令來建立出不同的圖形。

使用Matplotlib進行線圖繪製

在這個例子中，我們將使用Matplotlib函式庫來建立一個簡單的線圖。首先，我們需要匯入必要的函式庫，包括matplotlib.pyplot和numpy。

import matplotlib.pyplot as myplt
import numpy as mynp

接下來，我們定義了x軸和y軸的資料。x軸的資料範圍從1到10，y軸的資料是x軸的立方。

x_axis = mynp.arange(1, 11)
y_axis = x_axis ** 3

現在，我們可以使用myplt.plot()函式來繪製線圖。這裡，我們指定了x軸和y軸的資料，以及標記符號（marker）為’o’。

myplt.plot(x_axis, y_axis, marker='o')

為了使圖表更具可讀性，我們增加了標題、x軸標籤和y軸標籤。

myplt.title('Cube Function Line Plot')
myplt.xlabel('X axis-Value')
myplt.ylabel('Cube of Y axis-Value')

最後，我們使用myplt.show()函式來顯示圖表。

myplt.show()

內容解密：

• 我們使用matplotlib.pyplot函式庫來繪製線圖。
• numpy函式庫用於建立陣列。
• myplt.plot()函式用於繪製線圖，接受x軸和y軸的資料，以及標記符號等引數。
• marker引數用於指定標記符號，在這裡我們選擇了’o’。
• myplt.title()、myplt.xlabel()和myplt.ylabel()函式用於新增圖表標題、x軸標籤和y軸標籤。

圖表翻譯：

此圖表展示了一個簡單的線圖，x軸代表輸入值，y軸代表輸入值的立方。圖表使用’o’作為標記符號，並增加了標題、x軸標籤和y軸標籤，以便更好地理解圖表內容。

線型屬性：

線型屬性可以用於指定線圖的樣式，例如實線、虛線或點線。可以透過linestyle引數來指定線型屬性，例如：

myplt.plot(x_axis, y_axis, marker='o', linestyle='--')

這裡，linestyle='--'指定了虛線樣式。

使用Matplotlib進行線圖繪製

在進行資料視覺化時，選擇合適的線型風格（linestyle）對於清晰地呈現資料趨勢至關重要。下表列出了Matplotlib中支援的線型風格及其對應的字元描述：

線圖繪製範例

以下是使用Matplotlib繪製一條立方函式線圖的範例，展示瞭如何設定標籤、標記符號和線型風格：

import matplotlib.pyplot as plt
import numpy as np

# 生成x軸資料
x_axis = np.arange(1, 11)

# 計算y軸資料（立方函式）
y_axis = x_axis ** 3

# 繪製線圖，設定標記符號為'o'，線型風格為虛點線
plt.plot(x_axis, y_axis, marker='o', linestyle='-.') 

# 設定圖表標題
plt.title('立方函式線圖')

# 設定x軸和y軸標籤
plt.xlabel('X軸-值')
plt.ylabel('Y軸立方-值')

# 顯示圖表
plt.show()

這段程式碼將生成一條具有虛點線風格和圓形標記符號的立方函式線圖，並顯示圖表標題、x軸標籤和y軸標籤。最終的輸出結果將是一個清晰展示資料趨勢的視覺化圖表。

圖表翻譯：

上述範例使用Matplotlib函式庫進行資料視覺化，首先匯入必要的函式庫，然後生成x軸和y軸資料。接著，使用plt.plot()函式繪製線圖，並設定標記符號和線型風格。最後，設定圖表標題、x軸和y軸標籤，並顯示圖表。這個過程展示瞭如何使用Matplotlib進行基本的資料視覺化。

顏色屬性

在繪製圖表時，新增顏色可以使其更具視覺吸引力。玄貓可以使用多種方法為圖表新增顏色，包括定義線圖的顏色以及使用十六進位製程式碼等。

以下是常見的顏色字元及其對應的顏色：

1. B：藍色（Blue）
2. G：綠色（Green）
3. R：紅色（Red）
4. C：青色（Cyan）
5. M：洋紅色（Magenta）
6. Y：黃色（Yellow）
7. K：黑色（Black）

內容解密：

這些顏色字元可以用於定義圖表中不同元素的顏色，例如線條、點、填充區域等。透過選擇合適的顏色，可以使圖表更容易被理解和解讀。此外，使用十六進位製程式碼可以實作更豐富的顏色選擇，讓圖表呈現出更多樣化的視覺效果。

  graph LR
    A[開始] --> B[選擇顏色]
    B --> C[定義線圖顏色]
    C --> D[使用十六進位製程式碼]
    D --> E[生成圖表]

圖表翻譯：

此圖表展示了為圖表新增顏色的過程。首先，選擇合適的顏色；然後，定義線圖的顏色；接下來，使用十六進位製程式碼可以實作更豐富的顏色選擇；最後，生成帶有指定顏色的圖表。這個過程使得圖表更具視覺吸引力和可讀性。

使用Matplotlib進行線圖繪製

在進行資料視覺化時，線圖是一種常見且有效的方式來呈現趨勢和變化。Matplotlib是一個強大的Python函式庫，提供了豐富的工具來建立高品質的2D和3D圖表。在這個例子中，我們將探討如何使用Matplotlib進行線圖繪製，並自訂其外觀。

基本線圖繪製

首先，讓我們瞭解如何繪製一個基本的線圖。以下是使用Matplotlib繪製一個簡單線圖的示例：

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis ** 3

plt.plot(x_axis, y_axis, marker='o', linestyle='-.', color='g')
plt.title('Cube Function Line Plot')
plt.xlabel('X axis-Value')
plt.ylabel('Cube of Y axis-Value')
plt.show()

在這個例子中，我們使用np.arange生成了一個從1到10的陣列作為x軸的值，並計算了對應的y軸值（即x軸值的立方）。然後，我們使用plt.plot函式繪製了線圖，指定了標記（marker）、線型（linestyle）和顏色（color）。

自訂線圖外觀

Matplotlib提供了多種方式來自訂線圖的外觀，包括：

• 標記（marker）：可以使用不同的標記來區分不同的資料系列。
• 線型（linestyle）：可以選擇不同的線型，例如實線、虛線、點線等。
• 顏色（color）：可以選擇不同的顏色來呈現資料。

以下是使用不同的標記、線型和顏色來繪製線圖的示例：

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis1 = x_axis ** 2
y_axis2 = x_axis ** 3

plt.plot(x_axis, y_axis1, marker='s', linestyle='-', color='b', label='Square')
plt.plot(x_axis, y_axis2, marker='o', linestyle='-.', color='g', label='Cube')
plt.title('Function Line Plot')
plt.xlabel('X axis-Value')
plt.ylabel('Y axis-Value')
plt.legend()
plt.show()

在這個例子中，我們繪製了兩個不同的線圖，分別代表平方函式和立方函式。每個線圖都有不同的標記、線型和顏色，並使用標籤（label）來區分。

預設顏色

如果沒有指定顏色，Matplotlib將會從預設的顏色迴圈中選擇一個顏色。可以使用plt.rcParams['axes.prop_cycle'].by_key()來取得預設的顏色迴圈。

使用Matplotlib進行線圖繪製和自訂化

Matplotlib是一個強大的Python繪相簿，提供了多種工具和功能來建立高品質的2D和3D圖表。下面，我們將探討如何使用Matplotlib進行線圖繪製和自訂化。

預設顏色

首先，讓我們來看看Matplotlib的預設顏色。預設顏色是指當你沒有指定特定的顏色時，Matplotlib會自動選擇的顏色。

import matplotlib.pyplot as plt

print(plt.rcParams['axes.prop_cycle'].by_key())

輸出結果：

{'color': ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728',
          '#9467bd', '#8c564b', '#e377c2', '#7f7f7f', '#bcbd22',
          '#17becf']}

線圖繪製

現在，讓我們來看看如何使用Matplotlib進行線圖繪製。

import numpy as np
import matplotlib.pyplot as plt

x_axis = np.arange(1, 11)

plt.plot(x_axis, x_axis)  # 預設顏色：藍色
plt.plot(x_axis, x_axis * 2)  # 預設顏色：橙色
plt.plot(x_axis, x_axis * 4)  # 預設顏色：綠色
plt.plot(x_axis, x_axis * 8)  # 預設顏色：紅色

plt.title('預設顏色線圖')
plt.xlabel('X軸')
plt.ylabel('Y軸')

plt.show()

快速設定

Matplotlib提供了一種快速設定的方法，可以使用mlc或clm的形式來指定標記、線型和顏色。

import matplotlib.pyplot as plt

# mlc形式
plt.plot([1, 2, 3], 'b-')  # 藍色實線
plt.plot([1, 2, 3], 'g--')  # 綠色虛線
plt.plot([1, 2, 3], 'r:')  # 紅色點虛線

# clm形式
plt.plot([1, 2, 3], 'b-o')  # 藍色圓圈標記
plt.plot([1, 2, 3], 'g-s')  # 綠色方形標記
plt.plot([1, 2, 3], 'r-^')  # 紅色三角形標記

plt.show()

內容解密：

• mlc和clm是兩種不同的形式，用於指定標記、線型和顏色。
• b、g、r等是顏色的簡寫，分別代表藍色、綠色和紅色。
• -、--、:等是線型的簡寫，分別代表實線、虛線和點虛線。
• o、s、^等是標記的簡寫，分別代表圓圈、方形和三角形。

圖表翻譯：

  flowchart TD
    A[開始] --> B[選擇mlc或clm形式]
    B --> C[指定標記、線型和顏色]
    C --> D[繪製圖表]
    D --> E[顯示圖表]

• 圖表顯示了使用mlc或clm形式來指定標記、線型和顏色的過程。
• 首先，選擇要使用的形式。
• 然後，指定標記、線型和顏色。
• 接下來，繪製圖表。
• 最後，顯示圖表。

使用Matplotlib進行自定義視覺化

在進行資料視覺化時，Matplotlib提供了多種方式來自定義圖表的外觀。其中，MLC（Marker、Line、Color）和CLM（Color、Line、Marker）形式是兩種常用的方法，用於定義圖表中點的標記、連線風格和顏色。

MLC形式

MLC形式是一種簡潔的方式，用於指定點的標記、連線風格和顏色。以下是使用MLC形式建立一個立方函式線圖的示例：

import numpy as np
import matplotlib.pyplot as plt

x_axis = np.arange(1, 11)
y_axis = x_axis ** 3

plt.plot(x_axis, y_axis, 'o:g')  # MLC形式：'o'代表圓形標記，'g'代表綠色，':'代表實線
plt.title('Cube Function Line Plot')
plt.xlabel('X Axis Value')
plt.ylabel('Cube of Y Axis Value')
plt.show()

CLM形式

CLM形式是另一種指定圖表外觀的方法，同樣可以定義顏色、線型和標記。以下是使用CLM形式建立相同的立方函式線圖的示例：

import numpy as np
import matplotlib.pyplot as plt

x_axis = np.arange(1, 11)
y_axis = x_axis ** 3

plt.plot(x_axis, y_axis, 'g:o')  # CLM形式：'g'代表綠色，':'代表實線，'o'代表圓形標記
plt.title('Cube Function Line Plot')
plt.xlabel('X Axis Value')
plt.ylabel('Cube of Y Axis Value')
plt.show()

圖表翻譯：

上述程式碼使用Matplotlib函式庫建立了一個簡單的立方函式線圖。首先，匯入必要的函式庫，然後定義x軸和y軸的資料。接下來，使用plot()函式建立圖表，並指定MLC或CLM形式的引數。最後，新增標題、x軸標籤和y軸標籤，並顯示圖表。

這兩種形式都可以用來建立自定義的視覺化效果，讓使用者能夠根據自己的需求定製圖表的外觀。無論是MLC還是CLM形式，都提供了一種簡單而強大的方式來控制圖表的視覺屬性。

自訂圖表顏色和透明度

在使用Matplotlib繪製圖表時，瞭解如何自訂圖表的顏色和透明度是非常重要的。這不僅能夠使你的圖表更具視覺吸引力，也能夠幫助你更好地傳達資料的意義。

預設顏色

當你沒有指定顏色時，Matplotlib會使用預設的顏色，即藍色。以下是一個簡單的例子：

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis ** 3

plt.plot(x_axis, y_axis, 'o:')
plt.title('立方函式線圖')
plt.xlabel('X軸-值')
plt.ylabel('Y軸立方-值')
plt.show()

這段程式碼會產生一個使用預設藍色繪製的立方函式線圖。

自訂顏色

你可以透過在plot()函式中指定顏色程式碼或顏色名稱來自訂圖表的顏色。例如，要使用紅色繪製圖表，你可以這樣做：

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis ** 3

plt.plot(x_axis, y_axis, 'o:', color='red')
plt.title('立方函式線圖')
plt.xlabel('X軸-值')
plt.ylabel('Y軸立方-值')
plt.show()

透明度（Alpha）

透明度是透過alpha屬性來設定的，該屬性接受一個介於0.0和1.0之間的值。當alpha小於1時，圖表會變得更加透明。以下是如何使用alpha屬性來設定圖表透明度的例子：

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis ** 3

plt.plot(x_axis, y_axis, 'o:', color='red', alpha=0.5)
plt.title('立方函式線圖')
plt.xlabel('X軸-值')
plt.ylabel('Y軸立方-值')
plt.show()

在這個例子中，圖表的透明度被設定為0.5，使得它變得半透明。

圖表翻譯：

上述程式碼示範瞭如何使用Matplotlib繪製一個立方函式的線圖，並且展示瞭如何自訂圖表的顏色和透明度。透過調整alpha屬性，你可以控制圖表的透明度，使得它更加符合你的需求。

內容解密：

• np.arange(1, 11)：生成一個從1到10的陣列，用於作為X軸的值。
• x_axis ** 3：計算X軸每個值的立方，用於作為Y軸的值。
• plt.plot(x_axis, y_axis, 'o:')：繪製X軸和Y軸的線圖，使用圓點和虛線。
• color='red'：設定圖表的顏色為紅色。
• alpha=0.5：設定圖表的透明度為0.5，使得它變得半透明。

使用Matplotlib進行線圖繪製：透明度、線寬和標記大小

在進行資料視覺化時，控制線圖的外觀是非常重要的。Matplotlib提供了多種方式來自定義線圖的樣式，包括透明度（alpha）、線寬（linewidth）和標記大小（markersize）。本文將介紹如何使用Matplotlib的mlc形式（即plot函式）來建立具有不同透明度、線寬和標記大小的線圖。

透明度（Alpha）屬性

透明度屬性用於控制線圖的透明程度。透明度的值範圍從0（完全透明）到1（完全不透明）。下面的程式碼示範瞭如何使用mlc形式建立一個具有指定透明度的線圖：

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis**3

plt.plot(x_axis, y_axis, 'o:', alpha=0.2)  # mlc形式，設定透明度為0.2
plt.title('立方函式線圖')
plt.xlabel('X軸-值')
plt.ylabel('Y軸立方-值')
plt.show()

線寬（Linewidth）和標記大小（Markersize）屬性

線寬屬性用於設定線的厚度，而標記大小屬性則用於設定資料點的大小。下面的程式碼示範瞭如何使用mlc形式建立一個具有指定線寬和標記大小的線圖：

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis**3

plt.plot(x_axis, y_axis, 'o-', linewidth=2, markersize=8)  # mlc形式，設定線寬和標記大小
plt.title('立方函式線圖')
plt.xlabel('X軸-值')
plt.ylabel('Y軸立方-值')
plt.show()

結合不同的屬性

你可以結合不同的屬性來建立更複雜的線圖。例如，設定透明度、線寬和標記大小：

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis**3

plt.plot(x_axis, y_axis, 'o:', alpha=0.5, linewidth=1.5, markersize=10)  # mlc形式，設定多個屬性
plt.title('立方函式線圖')
plt.xlabel('X軸-值')
plt.ylabel('Y軸立方-值')
plt.show()

這些示範展示瞭如何使用Matplotlib的mlc形式來建立具有不同外觀的線圖，包括透明度、線寬和標記大小的設定。透過調整這些屬性，你可以使你的資料視覺化更具吸引力和資訊量。

使用Matplotlib進行線圖繪製

在進行資料視覺化時，Matplotlib是一個非常強大的工具。下面，我們將透過一個簡單的例子來展示如何使用Matplotlib繪製線圖，並且設定不同的屬性來自定義圖表的外觀。

基本線圖繪製

首先，讓我們看看如何繪製一個基本的線圖。假設我們有兩個陣列，x_axis和y_axis，分別代表線圖的x軸和y軸資料。

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis ** 3

plt.plot(x_axis, y_axis, 'o:g', lw=5, ms=10)
plt.title('Cube Function Line Plot')
plt.xlabel('X Axis Value')
plt.ylabel('Cube of Y Axis Value')
plt.show()

在這段程式碼中，我們使用plt.plot()函式來繪製線圖。其中，'o:g'代表了線圖的樣式，o表示使用圓形標記，g表示使用綠色。lw=5設定了線寬，ms=10設定了標記大小。

設定標記顔色

除了設定線寬和標記大小外，我們還可以設定標記的顔色。這可以透過mfc屬性來實作。

import matplotlib.pyplot as plt
import numpy as np

x_axis = np.arange(1, 11)
y_axis = x_axis ** 3

plt.plot(x_axis, y_axis, 'o:g', lw=5, ms=10, mfc='yellow')
plt.title('Cube Function Line Plot')
plt.xlabel('X Axis Value')
plt.ylabel('Cube of Y Axis Value')
plt.show()

在這段程式碼中，我們增加了mfc='yellow'來設定標記的顔色為黃色。

圖表說明

透過上述程式碼，我們可以生成兩個不同的線圖。第一個圖表展示了基本的線圖繪製，第二個圖表則展示瞭如何設定標記的顔色。

這些例子展示了Matplotlib的強大功能和靈活性，讓使用者可以輕鬆地根據自己的需求定製圖表的外觀。

自定義圖片大小

在 Matplotlib 中，圖片大小可以透過 figsize 引數來設定。這個引數需要一個 tuple，代表著圖片的寬度和高度，以英寸為單位。

預設圖片大小

若要檢視 Matplotlib 的預設設定，可以使用以下程式碼：

import matplotlib.pyplot as myplt

print(myplt.rcParams.get('figure.figsize'))

輸出結果通常是 [6.4, 4.8]，代表著預設圖片大小為 6.4 英寸寬，4.8 英寸高。

自定義圖片大小

若要自定義圖片大小，可以使用 myplt.figure() 函式，並傳入 figsize 引數。例如：

myplt.figure(figsize=(8, 4))

這會建立一個新的圖片，寬度為 8 英寸，高度為 4 英寸。

設定圖片背景色

除了設定圖片大小外，也可以設定圖片背景色。例如：

myplt.figure(figsize=(8, 4), facecolor='green')

這會建立一個新的圖片，寬度為 8 英寸，高度為 4 英寸，背景色為綠色。

範例程式碼

以下是完整的範例程式碼：

import matplotlib.pyplot as myplt
import numpy as mynp

# 建立一個新的圖片，寬度為 8 英寸，高度為 4 英寸，背景色為綠色
myplt.figure(figsize=(8, 4), facecolor='green')

# 建立一個 numpy 陣列
myndarray = mynp.arange(1, 6)

# 繪製折線圖
myplt.plot(myndarray, myndarray, 'o-r')

# 顯示圖片
myplt.show()

這個程式碼會建立一個新的圖片，寬度為 8 英寸，高度為 4 英寸，背景色為綠色，並繪製一個折線圖。

使用Matplotlib進行多線繪圖

在進行資料視覺化時，經常需要在同一張圖中繪製多條線，以便於比較和分析不同資料之間的關係。Matplotlib是一個強大的Python資料視覺化函式庫，提供了方便的方法來實作多線繪圖。

基本多線繪圖

首先，我們需要匯入必要的函式庫，包括matplotlib.pyplot和numpy。然後，我們可以使用numpy建立資料點，並使用matplotlib繪製圖形。

import matplotlib.pyplot as plt
import numpy as np

# 建立資料點
x_axis = np.arange(1, 11)
y_axis1 = x_axis
y_axis2 = x_axis ** 2
y_axis3 = x_axis ** 3

# 繪製多條線
plt.plot(x_axis, y_axis1, 'o:r')
plt.plot(x_axis, y_axis2, 'o:g')
plt.plot(x_axis, y_axis3, 'o:b')

# 顯示圖形
plt.show()

單一plot()函式繪製多條線

除了使用多次plot()函式外，我們也可以使用單一的plot()函式來繪製多條線。這需要將所有的x和y資料作為引數傳遞給plot()函式。

import matplotlib.pyplot as plt
import numpy as np

# 建立資料點
x_axis = np.arange(1, 11)
y_axis1 = x_axis
y_axis2 = x_axis ** 2
y_axis3 = x_axis ** 3

# 繪製多條線使用單一plot()函式
plt.plot(x_axis, y_axis1, 'o:r', x_axis, y_axis2, 'o:g', x_axis, y_axis3, 'o:b')

# 顯示圖形
plt.show()

圖表翻譯：

上述程式碼使用Matplotlib函式庫來繪製三條不同的線。每條線對應不同的y軸資料（y_axis1、y_axis2和y_axis3），而x軸資料保持不變。透過這種方式，可以方便地比較不同資料之間的關係，並直觀地展示出資料的變化趨勢。

內容解密：

• np.arange(1, 11)用於建立一個從1到10的等差數列，作為x軸的資料點。
• x_axis ** 2和x_axis ** 3分別計算x軸資料的平方和立方，作為y軸的資料點。
• plt.plot()函式用於繪製圖形，其中 'o:r'、'o:g'和'o:b'分別指定了線的顏色和樣式。
• 單一的plot()函式可以透過傳遞多組x和y資料來繪製多條線。

使用Matplotlib進行多線繪圖

在這個例子中，我們將使用Matplotlib函式庫來建立一個多線繪圖。首先，我們需要匯入必要的函式庫，包括matplotlib.pyplot和numpy。

import matplotlib.pyplot as myplt
import numpy as mynp

接下來，我們建立一個陣列來儲存x軸的值，範圍從1到10。

x_axis = mynp.arange(1, 11)

然後，我們建立三個陣列來儲存y軸的值，這些值將被用來繪製三條不同的線。

y_axis1 = mynp.array([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])
y_axis2 = mynp.array([20, 40, 60, 80, 100, 120, 140, 160, 180, 200])
y_axis3 = mynp.array([30, 60, 90, 120, 150, 180, 210, 240, 270, 300])

現在，我們可以使用plot()函式來繪製這三條線。每條線都有一個不同的顏色和標記符號。

myplt.plot(x_axis, y_axis1, 'o-r', label='Line 1')
myplt.plot(x_axis, y_axis2, 'o-g', label='Line 2')
myplt.plot(x_axis, y_axis3, 'o-b', label='Line 3')

接下來，我們設定繪圖的標題、x軸標籤和y軸標籤。

myplt.title('多線繪圖示例')
myplt.xlabel('X軸值')
myplt.ylabel('Y軸值')

最後，我們呼叫show()函式來顯示繪圖。

myplt.show()

自動生成x軸值

如果我們只提供y軸的值，Matplotlib可以自動生成x軸的值。下面是個例子：

myarr1 = mynp.array([20, 40, 60, 80, 100])
myplt.plot(myarr1, 'o-r')
myplt.title('自動生成x軸值')
myplt.xlabel('X軸值')
myplt.ylabel('Y軸值')
myplt.show()

設定標題屬性

我們可以使用title()函式來設定標題的屬性，例如字型家族、字型大小、字型粗細、位置、填充和顏色。

myplt.title('多線繪圖示例',
            fontfamily='serif',
            fontsize=18,
            fontweight='bold',
            loc='center',
            pad=10,
            color='white',
            backgroundcolor='green')

這些屬性可以用來自定義標題的外觀，以便更好地呈現繪圖的資訊。

自訂座標軸標籤和新增網格線

除了設定標題外，我們還可以自訂 x 軸和 y 軸的標籤。這部分的練習留給讀者自己完成，方法是輸入 print(help(myplt.xlabel)) 和 print(help(myplt.ylabel)) 來檢視相關引數。

此外，為了使圖表更容易閱讀，我們可以新增網格線。這可以透過 myplt.grid() 函式來實作。輸入 print(help(myplt.grid)) 來檢視這個函式的引數。

網格線的顯示與否取決於特定的情況，以下是幾種情況的總結：

現在，讓我們來看一個示例程式，名為 Chap5_Example5.19.py，展示如何使用不同的方法來顯示網格線：

import matplotlib.pyplot as myplt
import numpy as mynp

# 建立資料陣列
myarr1 = mynp.array([20, 40, 60, 80, 100])

# 建立子圖
myfig, myaxs = myplt.subplots(2, 2)

# 顯示案例 1 的網格線

內容解密：

在這個範例中，我們首先匯入必要的模組，包括 matplotlib.pyplot 和 numpy。然後，我們建立一個資料陣列 myarr1，包含五個元素。接下來，我們建立一個子圖，包含兩行兩列的子圖。最後，我們使用 myplt.grid() 函式來顯示網格線。

圖表翻譯：

此圖示展示瞭如何使用 myplt.grid() 函式來新增網格線到圖表中。網格線可以幫助我們更容易地閱讀圖表，並瞭解資料之間的關係。

  flowchart TD
    A[建立資料陣列] --> B[建立子圖]
    B --> C[顯示網格線]
    C --> D[顯示圖表]

圖表翻譯：

此圖表展示了建立圖表的流程，從建立資料陣列、建立子圖、顯示網格線到最終顯示圖表。每一步驟都對應著特定的函式或方法，例如 myplt.grid() 用於顯示網格線。

使用Matplotlib進行子圖繪製和網格設定

在這個範例中，我們將使用Matplotlib函式庫來建立一個包含多個子圖的圖表，並設定每個子圖的網格可視性。

程式碼實作

import matplotlib.pyplot as myplt
import numpy as np

# 建立一個2x2的子圖陣列
myfig, myaxs = myplt.subplots(2, 2)

# 定義要繪製的資料
myarr1 = np.array([1, 2, 3, 4, 5])

# 繪製子圖0-0
myaxs[0, 0].plot(myarr1, 'o:r')
myaxs[0, 0].set_title('Subplot 0-0')
myaxs[0, 0].grid()

# 繪製子圖0-1
myaxs[0, 1].plot(myarr1, 'o:r')
myaxs[0, 1].set_title('Subplot 0-1')
myaxs[0, 1].grid()

# 繪製子圖1-0
myaxs[1, 0].plot(myarr1, 'o:r')
myaxs[1, 0].set_title('Subplot 1-0')
myaxs[1, 0].grid(color='y')

# 繪製子圖1-1
myaxs[1, 1].plot(myarr1, 'o:r')
myaxs[1, 1].set_title('Subplot 1-1')
myaxs[1, 1].grid(visible=True)

# 調整子圖之間的間距
myplt.tight_layout()

# 顯示圖表
myplt.show()

內容解密：

在這個範例中，我們首先匯入了必要的函式庫，包括Matplotlib和NumPy。然後，我們建立了一個2x2的子圖陣列，並定義了要繪製的資料。

接下來，我們繪製了四個子圖，每個子圖都有一個不同的網格設定。子圖0-0和0-1都使用預設的網格設定，而子圖1-0使用了一個黃色的網格，子圖1-1使用了一個可視的網格。

最後，我們調整了子圖之間的間距，並顯示了圖表。

圖表翻譯：

此圖表展示了四個子圖，每個子圖都有一個不同的網格設定。子圖0-0和0-1都使用預設的網格設定，而子圖1-0使用了一個黃色的網格，子圖1-1使用了一個可視的網格。這個圖表展示瞭如何使用Matplotlib函式庫來建立一個包含多個子圖的圖表，並設定每個子圖的網格可視性。

  graph LR
    A[建立子圖陣列] --> B[繪製子圖]
    B --> C[設定網格可視性]
    C --> D[調整子圖間距]
    D --> E[顯示圖表]

使用Matplotlib建立具有網格線的線圖

在資料視覺化中，線圖是一種常見的圖表型別，能夠有效地展示資料之間的趨勢和關係。Matplotlib是一個強大的Python函式庫，提供了豐富的功能來建立各種圖表，包括線圖。在本文中，我們將探討如何使用Matplotlib建立具有網格線的線圖。

建立簡單線圖

首先，我們需要匯入Matplotlib函式庫，並建立一個簡單的線圖。以下是示例程式碼：

import matplotlib.pyplot as myplt
import numpy as mynp

myarr1 = mynp.array([20, 40, 60, 80, 100])
myplt.plot(myarr1, 'o-.g', lw=5, markersize=5, mfc='magenta')
myplt.show()

這段程式碼建立了一個簡單的線圖，使用紅色（‘r’）和綠色（‘g’）作為線條顏色，同時增加了圓形標記（‘o’）。

新增網格線

要新增網格線，我們可以使用grid()函式。以下是示例程式碼：

myplt.grid(color='r', lw=2)

這段程式碼增加了一個紅色（‘r’）網格線，線寬為2。

顯示主要和次要網格線

如果我們想要顯示主要和次要網格線，可以使用minorticks_on()函式。以下是示例程式碼：

myplt.minorticks_on()
myplt.grid(which='minor', color='y')

這段程式碼啟用了次要網格線，並將其顏色設為黃色（‘y’）。

完整程式碼

以下是完整的示例程式碼：

import matplotlib.pyplot as myplt
import numpy as mynp

myarr1 = mynp.array([20, 40, 60, 80, 100])
myplt.plot(myarr1, 'o-.g', lw=5, markersize=5, mfc='magenta')
myplt.grid(color='r', lw=2)
myplt.minorticks_on()
myplt.grid(which='minor', color='y')
myplt.show()

這段程式碼建立了一個具有網格線的線圖，同時顯示主要和次要網格線。

結果

執行這段程式碼後，將會顯示一個具有網格線的線圖，如下所示：

圖表翻譯：

此圖表展示了一個具有網格線的線圖，使用紅色和綠色作為線條顏色，同時增加了圓形標記。主要網格線為紅色，次要網格線為黃色。圖表顯示了資料之間的趨勢和關係，並提供了一個清晰的視覺化效果。

從技術架構視角來看，圖形標記語言和 Matplotlib 提供了兩種截然不同的圖形處理方式。圖形標記語言以簡潔的符號系統描述圖形元素，適用於快速原型設計和簡單圖形生成。而 Matplotlib 作為一個功能豐富的 Python 函式庫，則提供了更精細的控制和客製化選項，適用於複雜資料視覺化和科學繪圖。深入剖析 Matplotlib 的架構，可以發現其高度模組化的設計，允許開發者靈活地控制圖表的各個方面，從圖片大小、顏色、線型到網格線、標籤和子圖。然而，這種靈活性也帶來了更高的學習成本。對於初學者而言，掌握 Matplotlib 的所有功能需要投入一定的時間和精力。權衡其功能和複雜度，玄貓認為，Matplotlib 適用於需要高度客製化和精細控制圖表元素的場景，而對於簡單圖形需求，圖形標記語言則更為便捷。展望未來，隨著資料視覺化需求的日益增長， Matplotlib 將持續發展，提供更豐富的功能和更友好的使用者介面，進一步降低學習門檻，並在資料科學和機器學習領域扮演更重要的角色。