# sphinx_gallery_thumbnail_number = 3
import matplotlib.pyplot as plt
import numpy as np


#實驗一 空白圖
#最簡單的figure建立方式，空白figure
if 0:
    fig = plt.figure()
    #定義居中標題
    fig.suptitle('No axes on this figure')
    plt.show()

#實驗二 繪製多條曲線
#產生從0到2均勻分佈的100個浮點nparray
if 0:
    x = np.linspace(0, 2, 100)
    plt.plot(x, x, label='linear')
    plt.plot(x, x**2, label='quadratic')
    plt.plot(x, x**3, label='cubic')
    #設定x軸，y軸標籤
    plt.xlabel('x label')
    plt.ylabel('y label')
    #圖表標題和曲線說明
    plt.title("Simple Plot")
    plt.legend()
    plt.show()

#實驗三 多張圖
#重畫一張figure，有2*2四張圖表
if 0:
    fig, ax = plt.subplots(2, 2)
    #產生4組滿足正態分佈的100長度的陣列
    data1, data2, data3, data4 = np.random.randn(4, 100)
    #第一行第一列繪製散點正態分佈圖，標記用x形
    #第二行第一列繪製散點正態分佈圖，標記用o形
    ax[0][0].plot(data1, data2, marker='x')
    ax[1][0].plot(data1, data2, marker='o')
    #第一行第二列繪製sin曲線圖
    x = np.arange(0, 10, 0.2)
    y = np.sin(x)
    ax[0][1].plot(x, y)
    #第二行第二列繪製紅色圓點的折線
    ax[1][1].plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
    #橫座標0~6，縱座標0~20
    plt.axis([0, 6, 0, 20])
    plt.show()

#實驗四 散點圖
if 0:
    data = {'a': np.arange(50),                 #0~50共計50個整數
            'c': np.random.randint(0, 50, 50),  #50個0~50的隨機數
            'd': np.random.randn(50)}           #50個正態分佈的數值
    data['b'] = data['a'] + 10 * np.random.randn(50)
    data['d'] = np.abs(data['d']) * 100
    #資料來源是字典data，目錄a為橫座標，b為縱座標，c為顏色，s為大小
    plt.scatter('a', 'b', c='c', s='d', data=data)
    plt.xlabel('entry a')
    plt.ylabel('entry b')
    plt.show()

#實驗五 同一組xy陣列繪製不同型別圖
if 0:
    names = ['group_a', 'group_b', 'group_c']
    values = [1, 10, 100]
    plt.figure(1, figsize=(9, 3))
    plt.subplot(131)
    plt.bar(names, values)
    plt.subplot(132)
    plt.scatter(names, values)
    plt.subplot(133)
    plt.plot(names, values)
    plt.suptitle('Categorical Plotting')
    plt.show()

#實驗六 查詢圖表可設定的屬性
if 0:
    lines = plt.plot([1, 2, 3])
    print(plt.setp(lines))
    plt.show()
    #plt.clf()    #刪除figure
    #plt.cla()    #刪除axes
    #plt.close()  #刪除影象包括記憶體

#實驗七 新增文字
if 0:
    mu, sigma = 100, 15
    x = mu + sigma * np.random.randn(10000)
    #facecolor方塊顏色，alpha透明度
    n, bins, patches = plt.hist(x, 50, density=1, facecolor='g', alpha=0.75)
    plt.xlabel('Smarts')
    plt.ylabel('Probability')
    plt.title('Histogram of IQ')
    #在（60,0.25）座標位置插入μ=100，σ=15
    plt.text(60, .025, r'$\mu=100,\ \sigma=15$',fontsize=14, color='red')
    plt.axis([40, 160, 0, 0.03])
    #顯示格點
    plt.grid(True)
    plt.show()

#實驗八 繪製標註
if 0:
    ax = plt.subplot(111)
    t = np.arange(0.0, 5.0, 0.01)
    s = np.cos(2*np.pi*t)
    line, = plt.plot(t, s, lw=2)
    #xy表示要做標註的點，xytext表示標註的位置
    plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
                 arrowprops=dict(facecolor='black', shrink=0.05),
                 )
    plt.ylim(-2, 2)
    plt.show()

#實驗九 對數座標系
if 0:
    from matplotlib.ticker import NullFormatter  # useful for `logit` scale
    # Fixing random state for reproducibility
    np.random.seed(19680801)
    # make up some data in the interval ]0, 1[
    y = np.random.normal(loc=0.5, scale=0.4, size=1000)
    y = y[(y > 0) & (y < 1)]
    y.sort()
    x = np.arange(len(y))
    # plot with various axes scales
    plt.figure(1)
    # linear
    plt.subplot(221)
    plt.plot(x, y)
    plt.yscale('linear')
    plt.title('linear')
    plt.grid(True)
    # log
    plt.subplot(222)
    plt.plot(x, y)
    plt.yscale('log')
    plt.title('log')
    plt.grid(True)
    # symmetric log
    plt.subplot(223)
    plt.plot(x, y - y.mean())
    plt.yscale('symlog', linthreshy=0.01)
    plt.title('symlog')
    plt.grid(True)
    # logit
    plt.subplot(224)
    plt.plot(x, y)
    plt.yscale('logit')
    plt.title('logit')
    plt.grid(True)
    # Format the minor tick labels of the y-axis into empty strings with
    # `NullFormatter`, to avoid cumbering the axis with too many labels.
    plt.gca().yaxis.set_minor_formatter(NullFormatter())
    # Adjust the subplot layout, because the logit one may take more space
    # than usual, due to y-tick labels like "1 - 10^{-3}"
    plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
                        wspace=0.35)
    plt.show()