为了更好地理解如何通过编程实现正弦曲线和余弦曲线的绘制，我们先分别探讨一下**面向对象风格**以及**面向过程（函数式）风格**下的Python绘图方法。 ### 面向对象风格 在matplotlib库中，`pyplot`模块提供了基于状态机模式的一种简单接口用于图形化展示。而更推荐的方式是直接操作Figure和Axes等核心组件——即所谓的“面向对象”界面，它给予用户对图表元素更多的控制权，并能够创建结构更为复杂的可视化内容。 ```python import numpy as np from matplotlib import pyplot as plt # 使用面向对象方式进行绘图 fig, ax = plt.subplots() x = np.linspace(-np.pi * 4, np.pi * 4, 500) # x轴范围从-π*4到+π*4共取样500点 ax.plot(x, np.sin(x), label='Sine Wave') # 绘制正弦波形并添加标签说明 ax.plot(x, np.cos(x), label='Cosine Wave', linestyle="--") # 同上但是改为虚线样式表示余弦波形 ax.set_xlabel('Angle [radians]') ax.set_ylabel('Amplitude') ax.set_title("Sinusoidal and Cosinusoidal Waves") ax.legend() plt.show() ``` 此段代码首先建立了画布(`fig`)及坐标系(`ax`)实例；然后针对每个要显示的数据集调用了`.plot()`成员函数完成实际渲染工作；最后设置了标题、X/Y轴名称等属性信息并通过调用`.show()`将结果呈现在屏幕上。 --- ### 面向过程（函数式）风格 相比之下，“面向过程”的做法则更像是按照一系列步骤依次执行任务。“procedural-style plotting”通常指的是利用`pyplot`这个高层API来进行快速简单的作图作业，在这种模式下可以省略显式的创建figure/axis的操作，默认会自动为我们提供一个合适的环境。 ```python import numpy as np import matplotlib.pyplot as plt def plot_waves(): x = np.linspace(-np.pi * 4, np.pi * 4, 500) sin_line, cos_line = None, None def draw_sine_wave(ax): nonlocal sin_line if not sin_line: (sin_line,) = ax.plot(x, np.sin(x)) else: sin_line.set_ydata(np.sin(x)) def draw_cosine_wave(ax): nonlocal cos_line if not cos_line: (cos_line,) = ax.plot(x, np.cos(x), "--", label="Cos wave") else: cos_line.set_ydata(np.cos(x)) fig = plt.figure(figsize=(8,6)) ax = fig.add_subplot(111) draw_sine_wave(ax=ax) draw_cosine_wave(ax=ax) ax.grid(True) ax.set_xlim([min(x), max(x)]) ax.set_ylim([-1.5, 1.5]) ax.set_xlabel(r"radial $\theta$") ax.set_ylabel("value") ax.set_title("Trigonometric Functions - Sine & Cosine") ax.legend() if __name__ == '__main__': plot_waves() plt.show() ``` 该版本采用了更加结构化的编码方式，把具体的绘画逻辑封装到了单独的功能块里边去了，虽然整体流程依然保持了清晰易懂的特点，但它更适合那些习惯于模块化设计思维的人们去理解和维护。 这两种方式各有优劣，选择哪种取决于个人喜好与项目需求： - 如果你需要高度自定义你的图像并且想要精确地管理每一个细节，则应该倾向于使用OO风格； - 若只是为了做一些基本数据分析或者实验性的探索时，那么采用简洁直观的过程化语法可能是更好的选项。