挖坑，以后还会更新吧
做数学建模画图使用了matplotlib和numpy，这里简单总结一下常用的用法
一、数据拟合
1、np.polyfit(x, y, n) 使用n次多项式去拟合x,y散点图,返回各个项的系数
2、np.poly1d(a) 返回一个a数组描述的多项式函数
3、np.linspace(l, r, n) 从l到r上生成n个数（间距相等）
二、二维颜色图的绘画
1、首先需要from matplotlib import colors, ticker, cm
x = np.linspace(l1, r1, n1)
y = np.linspace(l2, r2, n2)
X, Y = np.meshgrid(x, y)
这里
X，Y生成一个像网格的矩阵，X[i][1~n2]都等于x[i], Y[1~n1][i]都等于y[i]（用于绘制三维图）
2、然后设置图的格式
fig, ax = plt.subplots() 这里fig是衡量z值的条，ax是三维子图
cs = ax.contourf(X, Y, Z, locator = ticker.LinearLocator(), cmap = cm.PuBu_r)
ticker是指刻度的分割标准，有线性，也有log标准，具体可以参见
https://matplotlib.org/api/ticker_api.html
cmap是配色风格，有很多风格可选
3、添加colorbar和显示
cbar = fig.colorbar(cs)
plt.show()
即可形成一个二维颜色分布图
三、三维图的绘制
1、首先需要from mpl_toolkits.mplot3d.axes3d import Axes3D
并设置一下子图格式
fig = plt.figure(figsize = plt.figaspect(0.5)) （长宽比例）
ax = fig.addsubplot(1, 1, 1, projection='3d') （x, y, z轴显示时的比例，这里为1:1:1）
X,Y同样需要网格化。
2、接下来生成三维平面
surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm, linewidth=0, antialiased=False)
fig.colorbar(surf, shrink=0.5, aspect=10)
rstride为行的步幅，linewidth为线宽，antialiased是抗锯齿开关
然后添加colorbar，分成10份，刻度为每半份一个
3、最后plt.show()即可
4、另一种三维图的样式是plot_wireframe，这个是没有颜色的
四、关于坐标轴
set_xlabel()设置x轴的标识
set_xticks()设置x轴的刻度（[]代表无刻度）
先简单做到这里，以后遇到更多的应用会更新吧
不得不说matplotlib还是很强大的，有很多的数据图还没有用到