# 绘图 绘图可以说是很重要的一个环节了，尤其是在数模的数模的时候。（迷 ## 使用Pylab绘图 如果你和我一样是使用Jupyter Notebook的话，可以使用`%pylab inline`来启用绘图功能。 它会导入基本上和绘图有关的库，虽然也确实会导入一大堆并不需要的库，但为了方便还是认了吧。 以下就列几个最近碰到的坑： ### 使用中文注释 因为pylab中的库，在绘图时的默认字体并不包含中文，所以如果直接在标注或标题中使用中文就可能会出现无法识别的情况。 对于这种情况，我们可以通过修改字体的方法来实现显示中文。 ```python #用来正常显示中文标签 plt.rcParams['font.sans-serif']=['SimHei'] # 解决保存图像是负号'-'显示为方块的问题 mpl.rcParams['axes.unicode_minus'] = False ``` ### 修改图片尺寸 当默认的坐标比例不满足我们需求的时候，我们可以通过创建自定义的Figure来解决这个问题。 ```python # 将坐标比例修改为16：9 plt.figure(figsize=(16, 9)) ``` ### 绘制置信区间 可能在平时绘制的折线图，或散点图比较多，对于绘制一个区间的方法了解的不多。 所以，这边也就记录一下备查。 ```python # 这段代码截取自数模作业，懒得重新写了 # 这里是创建一个时间戳列表，从2017年1月至2022年12月，以月为间隔单位 dates = pd.date_range(start='2017', end='2022', freq='M') # 修改坐标比例 plt.figure(figsize=(16, 9)) # 绘制数据曲线 plt.plot(dates, p_data, color='r') # 绘制置信区间 # dates 表示横坐标 # p_conf[:, 0] 表示置信区间下限 # p_conf[:, 1] 表示置信区间上限 # color 表示自信区间颜色 # alpha 表示透明度以免覆盖了数据曲线 plt.fill_between(dates, p_conf[:, 0], p_conf[:, 1], color='#539caf', alpha=0.4) plt.show() ``` 最后，绘制的结果如下：