子图： 三种布局

css 的布局： div放在哪的难问题

matplotlib 使用 - 图1 有行有列 要求没有单元格合并， 最常规

sub： 几行几列第几个子图

matplotlib 使用 - 图2 案例： 画文本框

设置刻度： xt yt 为空，即不显示刻度

matplotlib 使用 - 图3

网格布局 支持单元格合并

matplotlib 使用 - 图4 拆分网格，用独立的包

gs[0, :2] : 网格下的第零行，前两列 sub作为一个子图

matplotlib 使用 - 图5 mp 最终定位到最后的子图上，即text 落在的位置

刻度定位器 设置坐标轴主刻度

matplotlib 使用 - 图6matplotlib 使用 - 图7

matplotlib 使用 - 图8 将三条线置为空色（不可见

将底线放在 数值为0.5的位置

matplotlib 使用 - 图9

eval 函数： 解释执行字符串所表示的函数

matplotlib 使用 - 图10 枚举迭代： 遍历时，不仅拿到元素，还拿到index

matplotlib 使用 - 图11matplotlib 使用 - 图12

刻度网格线：

matplotlib 使用 - 图13matplotlib 使用 - 图14 主刻度上绘制网格线 major

没有给x，于是默认用主刻度作为 x 且主刻度默认每1 一次定位

matplotlib 使用 - 图15matplotlib 使用 - 图16

matplotlib 使用 - 图17 分不清主次 分开写：

matplotlib 使用 - 图18matplotlib 使用 - 图19

底部数据的震荡细节： 防止过大的数据压缩啦坐标，导致细节缺失

使用半对数坐标：

matplotlib 使用 - 图20 自动转为半对数

matplotlib 使用 - 图21 网格线不均

等高线图

matplotlib 使用 - 图22要知道所有点的高度 在网格化的坐标矩阵中填充数据

x： 所有网格点的x，行数xyz 三个矩阵大小相同，再封装变为二维数组

z 用方程求出

matplotlib 使用 - 图23meshgrid： 拆分网格，在线性空间-3，3取1000个点，并用其拆分网格

matplotlib 使用 - 图24 集体运算

matplotlib 使用 - 图25matplotlib 使用 - 图26 inline spacing： 文字周围空间

matplotlib 使用 - 图27

地形图到梯度

jet： 红蓝

这是另一个等高线表示方法

matplotlib 使用 - 图28

涉及三维数据，图像的本质就是三维数组（3， 1）

热成像图： 用图形表示矩阵

拿到很大的矩阵，为了直观看到数值分布

matplotlib 使用 - 图29

cmap 若热成像蓝色表示低温，红色表示高温，可以看作是另一种二值 永不到RGB

只有遇到过渡时，需要cmap 映射条

200×300×1 imshow时，显示矩阵中的数据

看分布就是灰度图/热成像图 形成轮廓

matplotlib 使用 - 图30

matplotlib 使用 - 图31

matplotlib 使用 - 图32 看到 cmap

三维图形绘制

matplotlib 使用 - 图33

mp.gca: 拿到当前坐标轴 这里拿到了三个轴 （三维框架matplotlib 使用 - 图34

matplotlib 使用 - 图35 不是 mp 的方法

cd 到文件下去跑，则能旋转图形

pycharm 中不能旋转

matplotlib 使用 - 图36

绘制三维曲面： 与等高线相同

matplotlib 使用 - 图37

matplotlib 使用 - 图38

用等高线图正方形贴图得到的：

cstride 列跨距 rstride 行跨距 表示了贴画大小 每30个像素作为一个方块

越小消耗cpu越严重，转一下就卡死

纯计算交给 GPU 更合适

线框图： 效率比贴图高太多

matplotlib 使用 - 图39

这些都是显式函数

简单动画 使用numpy快速处理数据

matplotlib 使用 - 图40

定时器，设置间隔

需要绘图的场景

mp.gcf() get current figure 拿到当前窗口，只要窗口启动则动画启动，即动画绑定到了窗口

update： 一个函数，可自定义更新方式（拿到新数据，更新显示）

interval： 间隔 ms

matplotlib 使用 - 图41创建一个动画对象，绑定在窗口上

显示动画之前，先设置一个初始状态：

matplotlib 使用 - 图42

bubble：位置/颜色/大小/生长速度

不使用列表，而是使用ndarray，好的存储，高的效率，无需for 遍历列表

随机散点对象，散点的size

matplotlib 使用 - 图43

用一个元组存储一个对象，我们不需要真正的对象，因为不需要额外的属性，方法，只要关心的属性，因此用元组抽象对象

元组构成数组，让numpy处理即可

关于描述颜色： 这里使用元组描述，四位中，三位rgb，一位透明度

数组有size 字段，访问大小时无需遍历

matplotlib 使用 - 图44

matplotlib 使用 - 图45 这是最快的拿到对象数组的方法 zeros

balls 是数组，拿到某个字段：

matplotlib 使用 - 图46 100行

等待随机生成

初始化每个字段：

normal： 正太分布 uniform： 均匀分布

matplotlib 使用 - 图47通过属性名，直接拿到balls数组的 第一列，故是100×2 的新数组，为其赋值matplotlib 使用 - 图48

尽量避免多层调用和对象创建，以提升效率

matplotlib 使用 - 图49数组切片： position拿到 的是xy 数组，要取所有x，切片写法： 所有行+ 第一列

matplotlib 使用 - 图50 绘制得到的当前展示的纹理对象sc

这个纹理对象不仅保存了各个属性展示的当前值，还有修改属性的方法

matplotlib 使用 - 图51

消失： 变更位置和大小即可模拟消失的效果