需求

在记笔记的时候，经常要画一些函数图来分析函数的特点。这里我们选择matplotlib作为绘图工具
首先导入matplotlib和numpy

import matplotlib.pyplot as plt
import numpy as np

绘制单个函数图像

以绝对值函数为例，python内置了绝对值函数abs()

x = np.arange(-10, 10, 0.1) # x轴采样
y = abs(x)    # 计算对应的 y
plt.title('y=|x|')    # 图像名称
plt.xlabel('x')    # x轴标签
plt.ylabel('y')    # y轴标签
plt.plot(x, y)    # 绘制图像
plt.show()    # 显示图像

绘制自定义函数图像

以 $y=x^3$ 为例
首先自定义函数：

def fun(x):
    return [k * k * k for k in x]

然后绘制图像,注意在matplotlib中也是可以使用Latex公式的

x = np.arange(-10, 10, 0.1)
y = fun(x)
plt.title(r'$y=x^3$')    # 图像名称，使用Latex公式
plt.xlabel('x')
plt.ylabel('y')
plt.plot(x, y)
plt.show()

指定线条颜色

x = np.arange(-10, 10, 0.1)
y = fun(x)
plt.title(r'$y=x^3$')    # 图像名称，使用Latex公式
plt.xlabel('x')
plt.ylabel('y')
plt.plot(x, y, 'r')
plt.show()

在同一个图片中绘制多种函数图像并标注

以 MAE， MSE， 和 Smooth L 损失函数为例

定义 Smooth L 损失

def sm1(x, beta=1):
    return [0.5 * i * i / beta if abs(i) < beta else abs(i) - 0.5 * beta for i in x]

绘制包含三种函数的图像

x = np.arange(-2, 2, 0.1)
y1 = abs(x)
y2 = x * x
y3 = sm1(x)
plt.xlabel(r'$\hat{y}^{(i)} - y^{(i)}$')
plt.ylabel('Error')
plt.plot(x, y1, color='r', label='MAE')
plt.plot(x, y2, color='g', label='MSE')
plt.plot(x, y3, color='b', label='Smooth L')
plt.legend()    # 标注
plt.show()