示例

在绘图时经常遇到类似区域填充的问题，比如对于$y=\sin x$函数，想填充其与X轴所围成的区间，那么就可以使用fill_between函数。

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 2, 0.01)
y = np.sin(2 * np.pi * x)

plt.plot(x, y, color='black')
plt.fill_between(x, y)
plt.grid()
plt.show()

效果如下

参数

fill_between参数如下，其中x, y1, y2都是数组，表示希望覆盖的范围，具体逻辑是，对于某点$x_i$，将对应的$[y_{1i},y_{2i}]$范围内涂上颜色。在上面的示例中，只设置了x和y1，而y2默认为0，所以绘制的就是y1到0范围内的值。

fill_between(x, y1, y2=0, where=None, interpolate=False, step=None, *,**kwargs)

其他参数含义如下

• where 可以指定参与绘图的范围，一般是一个布尔型数组
• interpolate 为True时采用插值
• step 可选’pre’, ‘post’, ‘mid’，表示步进方案

plt.plot(x, y, color='black')
plt.fill_between(x, y, where=y > 0, facecolor='green', alpha=.5)
plt.fill_between(x, y, where=y < 0, facecolor='red', alpha=.5)
plt.show()

结果如图

回归图

有了这种填充工具，就可以做出类似seaborn中的lmplot，这种图形在数据拟合时十分有用，可以在除了拟合线之外，再将数据的分布范围标出。

首先创造一组带有误差的$y=2x+1$数据，并通过最小二乘法得到其拟合参数。

x = np.arange(0, 2, 0.02)
err = np.random.rand(100)/2
y = 2*x + 1 + err

# 构造并调用最小二乘法
A = np.array([x, np.ones_like(x)]).T
kb, res, _, _ = np.linalg.lstsq(A, y)

下面就对拟合结果进行绘制，首先根据拟合出来的$k,b$，来得到趋势线$Y=kx+b$，然后调用绘图函数，对原始数据、趋势线、分布区间进行绘制

Y = kb[0]*x + kb[1]
dx = (x-x.mean())**2
E = x.std() * np.sqrt(1/len(x) + dx / np.sum(dx))
plt.scatter(x, y, marker='.')   # 原始数据
plt.plot(x, Y)                  # 趋势线
plt.fill_between(x, Y - E, Y + E, alpha=0.5)
plt.show()

效果如下