【基础】Python与Matplotlib的交互式绘图

# 2.1 基本绘图函数和方法

Matplotlib提供了丰富的基本绘图函数和方法，用于创建各种类型的图表。最常用的函数包括：

- `plot()`：绘制折线图或散点图。
- `scatter()`：绘制散点图。
- `bar()`：绘制直方图。

这些函数的参数允许用户指定数据、坐标轴标签、标题和图例。例如，以下代码绘制一个折线图，显示了时间与温度之间的关系：

import matplotlib.pyplot as plt

# 数据准备
time = [0, 1, 2, 3, 4, 5]
temperature = [10, 12, 14, 16, 18, 20]

# 绘制折线图
plt.plot(time, temperature)

# 设置坐标轴标签
plt.xlabel("Time (s)")
plt.ylabel("Temperature (°C)")

# 设置标题
plt.title("Temperature vs. Time")

# 显示图表
plt.show()

# 2. Matplotlib绘图基础

### 2.1 基本绘图函数和方法

Matplotlib提供了丰富的绘图函数和方法，用于创建各种类型的图表和图形。本节将介绍最常用的基本绘图函数和方法。

#### 2.1.1 折线图、散点图、直方图

* **折线图（plot）：**用于绘制数据点之间的连线，展示数据随时间或其他自变量的变化趋势。

import matplotlib.pyplot as plt

# 数据准备
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 绘制折线图
plt.plot(x, y)
plt.xlabel("x")
plt.ylabel("y")
plt.title("折线图")
plt.show()

* **散点图（scatter）：**用于绘制数据点，展示数据之间的关系。

# 绘制散点图
plt.scatter(x, y)
plt.xlabel("x")
plt.ylabel("y")
plt.title("散点图")
plt.show()

* **直方图（hist）：**用于绘制数据分布，展示数据落在不同区间内的频率。

# 绘制直方图
plt.hist(y)
plt.xlabel("数据值")
plt.ylabel("频率")
plt.title("直方图")
plt.show()

#### 2.1.2 设置坐标轴、标题、图例

* **设置坐标轴：**使用`plt.xlabel()`、`plt.ylabel()`和`plt.title()`设置坐标轴标签和标题。
* **设置图例：**使用`plt.legend()`添加图例，标识不同的数据系列。

### 2.2 图形定制和美化

除了基本绘图功能外，Matplotlib还提供了丰富的定制和美化选项，用于增强图形的可读性和美观性。

#### 2.2.1 颜色、线型、标记

* **颜色：**使用`plt.color`或`plt.c`设置线条、标记和填充的颜色。
* **线型：**使用`plt.linestyle`或`plt.ls`设置线条的样式，如实线、虚线或点划线。
* **标记：**使用`plt.marker`或`plt.m`设置数据点的标记，如圆点、方块或三角形。

#### 2.2.2 图例、网格、注释

* **图例：**使用`plt.legend()`添加图例，标识不同的数据系列。
* **网格：**使用`plt.grid()`添加网格线，增强图形的可读性。
* **注释：**使用`plt.annotate()`添加文本注释，提供额外的信息或解释。

# 3. 交互式绘图

### 3.1 交互式绘图的原理和实现

#### 3.1.1 事件处理和回调函数

交互式绘图的核心在于事件处理和回调函数。Matplotlib 提供了一系列事件，如鼠标点击、鼠标移动、键盘输入等。当这些事件发生时，会触发相应的回调函数，从而实现交互式操作。

#### 3.1.2 绘图区的缩放、平移、旋转

Matplotlib 提供了交互式缩放、平移和旋转绘图区的工具。这些工具可以通过鼠标拖动或键盘快捷键来操作。

* **缩放：**可以通过鼠标滚轮或键盘快捷键（`+` 和 `-`）来缩放绘图区。
* **平移：**可以通过按住鼠标左键并拖动来平移绘图区。
* **旋转：**可以通过按住鼠标右键并拖动来旋转绘图区。

### 3.2 交互式绘图的