线图

# ===== 示例1：线图颗粒度对比 =====
import matplotlib.pyplot as plt
import numpy as np

# 低颗粒度：9个点
x_low = np.linspace(0, 4*np.pi, 9)
y_low = np.sin(x_low)

fig, ax = plt.subplots(figsize=(5, 3))
plt.plot(x_low, y_low, '.--', ms=10, color='#0088FF')
ax.set_xlim((0, 4*np.pi))
ax.set_ylim((-1.2, 1.2))
ax.set_xlabel('x')
ax.set_ylabel('f(x)')
plt.show()

# 合理颗粒度：101个点
x_fine = np.linspace(0, 4*np.pi, 101)
y_fine = np.sin(x_fine)

fig, ax = plt.subplots(figsize=(5, 3))
plt.plot(x_fine, y_fine, color='#0088FF')  # 平滑曲线
ax.set_xlim((0, 4*np.pi))
ax.set_ylim((-1.2, 1.2))
ax.set_xlabel('x')
ax.set_ylabel('f(x)')
plt.show()


# ===== 示例2：阶跃图（step函数） =====
x_coarse = np.linspace(0, 4*np.pi, 25)
y_coarse = np.sin(x_coarse)

x_reference = np.linspace(0, 4*np.pi, 101)
y_reference = np.sin(x_reference)

fig, ax = plt.subplots(figsize=(5, 3))
plt.plot(x_reference, y_reference, '--', color='#888888')  # 参考线
plt.step(x_coarse, y_coarse, '.-', ms=10, color='#0088FF')  # 阶跃
# where参数：'pre'(向前填充), 'mid'(中间), 'post'(向后填充)

ax.set_xlabel('x')
ax.set_ylabel('f(x)')
plt.show()


# ===== 示例3：火柴梗图（stem函数） =====
# 绘制等差数列
n_array = np.arange(1, 21)
a_n = 1 + (n_array - 1) * 2  # 首项1，公差2

fig, ax = plt.subplots(figsize=(5, 3))
plt.stem(n_array, a_n)
ax.set_xlabel('$n$')
ax.set_ylabel('n-th term, $a_n$')
plt.show()

# 绘制二项分布PMF
from scipy.stats import binom
k_array = np.arange(0, 21)
pmf = binom.pmf(k_array, n=20, p=0.4)

plt.stem(k_array, pmf)
plt.xlabel('$x$')
plt.ylabel('PMF, $f_X(x)$')
plt.show()


# 💡 关键学习点：
# 1. linspace()控制采样点数：点数越多，曲线越平滑
# 2. plot()样式：'.-'点+虚线，'.--'点+虚线，纯线条
# 3. step()绘制阶跃图：where参数控制填充方向
# 4. stem()绘制火柴梗图：适合离散数据（数列、PMF）

# ===== 示例4：参考线（axhline/axvline） =====
import matplotlib.pyplot as plt
import numpy as np

x_array = np.linspace(0, 4*np.pi, 101)
y_array = np.sin(x_array)

fig, ax = plt.subplots(figsize=(5, 3))
plt.plot(x_array, y_array, color='#0088FF')

# 水平参考线
plt.axhline(y=1, color='r', ls='--')
plt.axhline(y=0, color='r', ls='--')
plt.axhline(y=-1, color='r', ls='--')

# 竖直参考线
plt.axvline(x=np.pi, color='r', ls='--')
plt.axvline(x=2*np.pi, color='r', ls='--')
plt.axvline(x=3*np.pi, color='r', ls='--')

ax.set_xlabel('x')
ax.set_ylabel('f(x)')
plt.show()


# ===== 示例5：填充区域（fill_between） =====
# 填充曲线下方区域
fig, ax = plt.subplots(figsize=(5, 3))
plt.plot(x_array, y_array, color='#0088FF', linewidth=2)
plt.fill_between(x_array, y_array, 0, 
                 where=(y_array > 0), 
                 color='#0088FF', 
                 alpha=0.3)

ax.set_xlabel('x')
ax.set_ylabel('f(x)')
plt.show()


# ===== 示例6：多条曲线填充 =====
y1 = np.sin(x_array)
y2 = np.sin(2*x_array) * 0.5

fig, ax = plt.subplots(figsize=(5, 3))
plt.plot(x_array, y1, color='#0088FF', label='sin(x)')
plt.plot(x_array, y2, color='#FF6B00', label='0.5·sin(2x)')

# 填充两曲线之间区域
plt.fill_between(x_array, y1, y2, 
                 where=(y1 >= y2),
                 color='#0088FF', 
                 alpha=0.2)
plt.fill_between(x_array, y1, y2, 
                 where=(y1 < y2),
                 color='#FF6B00', 
                 alpha=0.2)

plt.legend()
plt.show()


# ===== 示例7：指定范围的参考线（hlines/vlines） =====
fig, ax = plt.subplots(figsize=(5, 3))
plt.plot(x_array, y_array, color='#0088FF')

# 指定范围的水平线
ax.hlines(y=1, xmin=np.pi/2-1, xmax=np.pi/2+1, 
         linewidth=2, color='r', ls='--')
ax.hlines(y=-1, xmin=3*np.pi/2-1, xmax=3*np.pi/2+1, 
         linewidth=2, color='r', ls='--')

# 指定范围的竖直线
ax.vlines(x=np.pi, ymin=-0.5, ymax=0.5, 
         linewidth=2, color='g', ls=':')

plt.show()


# 💡 关键学习点：
# 1. axhline()/axvline()：绘制贯穿全图的参考线
# 2. hlines()/vlines()：绘制指定范围的参考线
# 3. fill_between()：填充曲线下方或两曲线之间区域
# 4. where参数：条件填充，只填充满足条件的部分