上一篇博客简单介绍了一些如何进行绘图，和如何设置各种图形格式，这篇博客主要讲解一下一些细节部分以及具体的实例操作。
实例1
有时我们需要绘制一个图形，需要指定它的大小并且将其输出保存下来，这个时候我们需要用到plt.figure函数和plt.savefig()函数，这两个函数前一个是生成一个指定大小的figure，单位是英寸，如果我们不生成，后面也会自动创建。plt.savefig()函数则是保存生成的图像，但在notebook环境中要保存的时候注意不要用show()，否则会阻滞程序运行。下面我们看一个例子。
%matplotlib inline
from matplotlib import pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']# 支持中文显示
plt.rcParams['axes.unicode_minus'] = False #用来正常正负符号
x =np.linspace(0,10,1000)
y =np.sin(x)
z =np.cos(x**2)
plt.figure(figsize =(8,4))#设置图片大小。8*4大小
plt.plot(x,y,label='$sin(x)$',color="red",linewidth =2)
plt.plot(x,z,"b--",label="$cos(x^2)")
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("Pyplot Example")
plt.ylim(-1.2,1.2)
plt.legend()
plt.savefig("test.png",dpi =120)#dpi指定图片的分辨率为120，因此输出的图片像素大小为8*120
最后绘制的图形如下：
绘制多子图
在一般情况下，我们绘图大多只需要绘制一个图就行啦，但有的时候希望一个figure可以包含多个子图，这些子图也称作Axes对象（一个绘图区域），可以用subplot()快速绘制包括多个子图的图表。
函数形式是这样：
subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(ax)
一个3位整数或三个独立的整数，用于描述子图的位置。如果三个整数按顺序为nrows，ncols和index，则子图将采用nrows 行和ncols列的网格上的索引位置。index从左上角的1开始，向右增加。
pos是一个三位整数，其中第一个数字是行数，第二个是列数，第三个是子图的索引。即fig.add_subplot（235）与fig.add_subplot（2,3,5）相同。请注意，所有整数必须小于10才能使此表单生效。
下面看个例子
for idx,color in enumerate("rgbyck"):
plt.subplot(321+idx, facecolor =color)#321指的是生成一个3行两列，就是六个子图，最左上角是1
如果希望子图占据整行或者整列，我们可以这样调用subplot()
通过这个简单的图，我们也大致了解了一下如何利用subplot()绘制多个子图，下面我们还是看一个多个子图的实例。
plt.figure(1)#创建图表1
plt.figure(2)#创建图表2
ax1 = plt.subplot(121)#在图表2中创建子图1
ax2 = plt.subplot(122)#在图表2中创建子图2
x=np.linspace(0,3,100)
for i in range(5):
plt.figure(1)#选择图表1
plt.plot(x,np.exp(i*x/3))
plt.sca(ax1)#选择图表2中的子图1
plt.plot(x,np.sin(i*x))
plt.sca(ax2)#选择图表2中的子图2
plt.plot(x,np.cos(i*x))
通过这个实例我们基本能够在同时生成多个子图，并且对其进行绘制。做到这里，我们基本实现了简单图形的绘制，以及在图上显示各种操作，那么我们平常还有一种操作也就是绘制分段函数，那么该怎么做，我们下面具体操作一下。
分段函数绘制
假设有一个函数是这样的：
我们要绘制0-100中100个点的图像，那么该怎么做？
我们可以将这个分段函数转化为一个总函数（但结果还是一样），再将点带入，绘制：
x=np.linspace(0,100,100)
a = [1 if (i<30) else 0 for i in x]
b = [1 if (i>=30 and i<50) else 0 for i in x]
c = [1 if (i>=50) else 0 for i in x]
y = np.cos(x)* a + x * b + np.sin(x)*c
plt.plot(x,y)
plt.show()
到这里我们基础图像基本可以告一个段落了，下面是我随便绘制的一个案列，大家可以学习参考一下。下次博客着重讲各种图像的绘制。
x = np.linspace(-10,10,50)
y = np.cos(x)
plt.plot(x,y,linestyle=':',marker='o',markerfacecolor = 'red',color ='b',markersize = 10)
plt.title('My Matplotlib pictures')
plt.xlabel('x-axis')
plt.ylabel('y-axis')
plt.annotate("(-5,0)",xy=(-5,0),xytext=(-2.5,0.25),arrowprops=dict(facecolor='green',headwidth = 20, headlength = 20))
plt.annotate("(0,0)",xy=(0,0))
plt.grid()
plt.show()
