📈 实训揭秘：用 Matplotlib 画出“会说话”的函数图！
❝你以为数学公式只会躺在课本里？
不！它们也能在屏幕上“跳舞”——只要你会用 Matplotlib！
今天咱们来玩点“硬核”的：
看懂一张图，写出一段代码，把抽象的数学函数变成有注释、有箭头、有水印的精美图表！
这不仅是练习，更是对 Matplotlib 核心功能的全面实战演练。
别急着划走，看完你也能画出“老板看了想收藏”的图！
🎯 实训目标
给定如下两个图像样式，要求写出对应的绘图代码：
（左图：高频率正弦波 + 局部最大值标注；右图：标准正弦曲线 + 注释与水印）
我们不仅要复现图形，更要理解每一行代码背后的“设计意图”。
✅ 第一步：导入库 & 设置字体
import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体显示中文 plt.rcParams['axes.unicode_minus'] = False # 正常显示负号 %matplotlib inline❝💡 小贴士：如果你的图中出现“方框”或乱码，大概率是字体没设置好。
SimHei是 Windows 上常用的中文字体，Mac 用户可以用'PingFang SC'或'STHeiti'。
🖼️ 第二步：创建画布和子图
fig = plt.figure() ax1 = fig.add_subplot(121) # 左边图：1行2列第1个 ax2 = fig.add_subplot(122) # 右边图：1行2列第2个❝🌰 生活类比：就像你在做 PPT，一页放两个小图，左边讲“快节奏”，右边讲“慢工出细活”。
🌀 图一：y = sin(2πt) —— 高频振荡的“心跳”
t = np.arange(0.0, 5, 0.01) # 时间从0到5，步长0.01 s = np.sin(2 * np.pi * t) # 计算sin(2πt) ax1.plot(t, s, lw=2) # 绘制曲线，线宽为2🔍 添加局部最大值标注
bbox = dict(boxstyle='round', fc='white') # 白色圆角框 plt.annotate('local max', xy=(2.3, 1), # 箭头指向点 xytext=(3, 1.5), # 文字位置 arrowprops=dict(facecolor='black', edgecolor='red', headwidth=7, width=2), bbox=bbox)❝✅ 解读：
xy：箭头起点（即曲线上某点）
xytext：文本框位置
arrowprops：控制箭头样式（黑色填充、红色边框、粗箭头）
bbox：文本框样式（白色背景、圆角）
📝 添加标题与坐标轴标签
ax1.set_ylabel('Y', fontsize=12) ax1.set_xlabel('X', fontsize=12) ax1.set_ylim(-2, 2) # y轴范围✍️ 手写公式说明
ax1.text(1, 1.2, 'max', fontsize=18) ax1.text(1.2, -1.8, '$ y = sin(2 * np.pi * t) $', bbox=bbox, rotation=10, alpha=0.8)❝🌟 注意：
$...$表示 LaTeX 数学公式
rotation=10：让文字倾斜一点，更自然
alpha=0.8：透明度，避免遮挡曲线
🌊 图二：y = sin(x) —— 平稳优雅的“呼吸”
x = np.linspace(0, 10, 200) # 0到10之间生成200个点 y = np.sin(x) ax2.plot(x, y, linestyle='-.', color='purple') # 虚点线，紫色❝🎨 颜色建议：
purple很适合“神秘感”场景，比如宇宙、哲学、深夜加班……
🎯 添加关键点注释：“Here I am”
ax2.annotate(text='Here I am', xy=(4.8, np.sin(4.8)), # 指向最低点 xytext=(3.7, -0.2), weight='bold', color='k', arrowprops=dict(arrowstyle='-|>', connectionstyle='arc3', color='red'), bbox=dict(boxstyle='round', pad=0.5, fc='yellow', ec='k', lw=1), alpha=0.8)❝🧠 重点解析：
arrowstyle='-|>'：箭头是实线加竖线结尾（像“靶心”）
connectionstyle='arc3'：弯曲路径，更美观
pad=0.5：增加文本框内边距
fc='yellow'：黄色背景，突出显示
⚙️ 设置坐标轴范围
ax2.set_ylim(-1.5, 1.5) ax2.set_xlim(0, 10)❝🛠️ 这样可以让图像比例协调，不会“挤”或“空”。
🎨 最后一步：美化与水印
🔹 添加网格线
ax2.grid(ls=":", color='gray', alpha=0.5)❝✅ 点状虚线网格，轻盈不抢戏，提升可读性。
🔹 添加带方框的水印
ax2.text(4.5, 1, 'NWNNU', fontsize=15, alpha=0.3, color='gray', bbox=dict(fc='white', boxstyle='round', edgecolor='gray', alpha=0.3))❝🌐 水印技巧：
alpha=0.3：半透明，不影响主体
fc='white'：白色背景，防止文字被线条遮挡
boxstyle='round'：圆角边框，柔和不刺眼
🎉 完整代码汇总（直接复制可用）
import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False %matplotlib inline fig = plt.figure() ax1 = fig.add_subplot(121) t = np.arange(0.0, 5, 0.01) s = np.sin(2 * np.pi * t) ax1.plot(t, s, lw=2) bbox = dict(boxstyle='round', fc='white') plt.annotate('local max', xy=(2.3, 1), xytext=(3, 1.5), arrowprops=dict(facecolor='black', edgecolor='red', headwidth=7, width=2), bbox=bbox) ax1.set_ylabel('Y', fontsize=12) ax1.set_xlabel('X', fontsize=12) ax1.set_ylim(-2, 2) ax1.text(1, 1.2, 'max', fontsize=18) ax1.text(1.2, -1.8, '$ y = sin(2 * np.pi * t) $', bbox=bbox, rotation=10, alpha=0.8) ax2 = fig.add_subplot(122) x = np.linspace(0, 10, 200) y = np.sin(x) ax2.plot(x, y, linestyle='-.', color='purple') ax2.annotate(text='Here I am', xy=(4.8, np.sin(4.8)), xytext=(3.7, -0.2), weight='bold', color='k', arrowprops=dict(arrowstyle='-|>', connectionstyle='arc3', color='red'), bbox=dict(boxstyle='round', pad=0.5, fc='yellow', ec='k', lw=1), alpha=0.8) ax2.set_ylim(-1.5, 1.5) ax2.set_xlim(0, 10) bbox = dict(boxstyle='round', ec='red', fc='white') ax2.text(6, -1.9, '$ y = sin(x) $', bbox=dict(boxstyle='square', facecolor='white', ec='black')) ax2.grid(ls=":", color='gray', alpha=0.5) ax2.text(4.5, 1, 'NWNNU', fontsize=15, alpha=0.3, color='gray', bbox=dict(fc='white', boxstyle='round', edgecolor='gray', alpha=0.3)) plt.show()🧩 学到了什么？
功能 | 关键词 |
|---|---|
多图并排 | add_subplot(121)/ |
标注文字 | annotate() |
箭头样式 | arrowprops, |
文本框 | bbox, |
公式渲染 | $...$ |
中文支持 | SimHei, |
水印 | text()+ 半透明 + 边框 |
🚀 结语：你的数据，也可以这么“会说话”
从一条简单的正弦曲线，到充满细节的标注与水印，
Matplotlib 的强大之处正在于——它不只是画图，更是讲故事。
下次当你看到一个“看不懂但很酷”的图表时，
不妨想想：
“这个图背后，是不是也藏着一行行精心设计的代码？”
📌关注我们，下期带你用 Seaborn 一键生成“论文级”图表！
❝💬 如果你觉得这篇实训解析对你有帮助，欢迎点赞+转发，让更多同学少走弯路！
